/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
ruri-pt-base
Опубликована
28 авг 2024

ruri-base

Сходство предложенийТекст → score8 профессий

Японская BERT-модель создаёт эмбеддинги предложений для семантического поиска, сравнения и ранжирования текстов.

17 755скачиваний за 30 дней13лайковвеса обновлены15 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки28

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MewsC16JaClustering

    main_score

    Результат

    0,5028

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,7415

    Общий результат 0,7491
    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLReranking

    main_score

    Результат

    0,5743

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonReviewsClassification

    main_score

    Результат

    0,3947

    Общий результат 0,3895
    MTEB

    Публичная таблицаревизия совпадает

  • JaqketRetrieval

    main_score

    Результат

    0,6535

    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocReranking

    main_score

    Результат

    0,8637

    MTEB

    Публичная таблицаревизия совпадает

  • WRIMEClassification

    main_score

    Результат

    0,3099

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsArticleRetrieval.V2

    main_score

    Результат

    0,8846

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleAbsRetrieval.V2

    main_score

    Результат

    0,9521

    MTEB

    Публичная таблицаревизия совпадает

  • MintakaRetrieval

    main_score

    Результат

    0,3024

    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRReranking

    main_score

    Результат

    0,8253

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,7054

    Общий результат 0,7029
    MTEB

    Публичная таблицаревизия совпадает

  • JaGovFaqsRetrieval

    main_score

    Результат

    0,7524

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,7031

    Общий результат 0,7063
    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsIntroRetrieval.V2

    main_score

    Результат

    0,8833

    MTEB

    Публичная таблицаревизия совпадает

  • MrTidyRetrieval

    main_score

    Результат

    0,4

    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocRetrieval

    main_score

    Результат

    0,336

    Общий результат 0,3294
    MTEB

    Публичная таблицаревизия совпадает

  • JQaRAReranking

    main_score

    Результат

    0,4929

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,475

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200Classification

    main_score

    Результат

    0,7732

    Общий результат 0,7917Общий результат 0,7485
    MTEB

    Публичная таблицаревизия совпадает

  • LivedoorNewsClustering.v2

    main_score

    Результат

    0,558

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,509

    MTEB

    Публичная таблицаревизия совпадает

  • JSICK

    main_score

    Результат

    0,8293

    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRRetrieval

    main_score

    Результат

    0,811

    MTEB

    Публичная таблицаревизия совпадает

  • JSTS

    main_score

    Результат

    0,8376

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleIntroRetrieval.V2

    main_score

    Результат

    0,7641

    MTEB

    Публичная таблицаревизия совпадает

  • JapaneseSentimentClassification

    main_score

    Результат

    0,8255

    MTEB

    Публичная таблицаревизия совпадает

  • ESCIReranking

    main_score

    Результат

    0,8243

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ruri-Base — японская модель эмбеддингов предложений от cl-nagoya, созданная дообучением cl-nagoya/ruri-pt-base и реализованная как Sentence Transformer на архитектуре BERT. Она преобразует японские тексты в векторы размерности 768 для сравнения семантической близости по косинусному сходству; максимальная длина входа — 512 токенов.

Модель предназначена для поиска и сравнения предложений, оценки семантического сходства, классификации, кластеризации и ранжирования текстовых пар. В JMTEB она показала средний результат 71,91; README рекомендует для новых проектов перейти на модели Ruri v3. Модель содержит 138,4 млн параметров по метаданным. Распространяется по лицензии Apache 2.0.

Сценарии применения

  • семантический поиск по японским документам
  • сравнение смысла двух японских предложений
  • поиск дубликатов и похожих текстов на японском
  • ранжирование японских текстовых результатов по релевантности
  • кластеризация японских текстов по смыслу

Ограничения

Поддерживает японский язык, а максимальная длина входа ограничена 512 токенами. README рекомендует для новых проектов использовать более новые модели семейства Ruri v3.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ruri: Japanese General Text Embeddings

Notes: v3 models are out!
We recommend using the following v3 models going forward.

ID#Param.Max Len.Avg. JMTEB
cl-nagoya/ruri-v3-30m37M819274.51
cl-nagoya/ruri-v3-70m70M819275.48
cl-nagoya/ruri-v3-130m132M819276.55
cl-nagoya/ruri-v3-310m315M819277.24

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers fugashi sentencepiece unidic-lite

Then you can load this model and run inference.

import torch.nn.functional as F
from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("cl-nagoya/ruri-base")

# Don't forget to add the prefix "クエリ: " for query-side or "文章: " for passage-side texts.
sentences = [
    "クエリ: 瑠璃色はどんな色?",
    "文章: 瑠璃色(るりいろ)は、紫みを帯びた濃い青。名は、半貴石の瑠璃(ラピスラズリ、英: lapis lazuli)による。JIS慣用色名では「こい紫みの青」(略号 dp-pB)と定義している[1][2]。",
    "クエリ: ワシやタカのように、鋭いくちばしと爪を持った大型の鳥類を総称して「何類」というでしょう?",
    "文章: ワシ、タカ、ハゲワシ、ハヤブサ、コンドル、フクロウが代表的である。これらの猛禽類はリンネ前後の時代(17~18世紀)には鷲類・鷹類・隼類及び梟類に分類された。ちなみにリンネは狩りをする鳥を単一の目(もく)にまとめ、vultur(コンドル、ハゲワシ)、falco(ワシ、タカ、ハヤブサなど)、strix(フクロウ)、lanius(モズ)の4属を含めている。",
]

embeddings = model.encode(sentences, convert_to_tensor=True)
print(embeddings.size())
# [4, 768]

similarities = F.cosine_similarity(embeddings.unsqueeze(0), embeddings.unsqueeze(1), dim=2)
print(similarities)
# [[1.0000, 0.9421, 0.6844, 0.7167],
#  [0.9421, 1.0000, 0.6626, 0.6863],
#  [0.6844, 0.6626, 1.0000, 0.8785],
#  [0.7167, 0.6863, 0.8785, 1.0000]]

Benchmarks

JMTEB

Evaluated with JMTEB.

Model#Param.Avg.RetrievalSTSClassfificationRerankingClusteringPairClassification
cl-nagoya/sup-simcse-ja-base111M68.5649.6482.0573.4791.8351.7962.57
cl-nagoya/sup-simcse-ja-large337M66.5137.6283.1873.7391.4850.5662.51
cl-nagoya/unsup-simcse-ja-base111M65.0740.2378.7273.0791.1644.7762.44
cl-nagoya/unsup-simcse-ja-large337M66.2740.5380.5674.6690.9548.4162.49
pkshatech/GLuCoSE-base-ja133M70.4459.0278.7176.8291.9049.7866.39
sentence-transformers/LaBSE472M64.7040.1276.5672.6691.6344.8862.33
intfloat/multilingual-e5-small118M69.5267.2780.0767.6293.0346.9162.19
intfloat/multilingual-e5-base278M70.1268.2179.8469.3092.8548.2662.26
intfloat/multilingual-e5-large560M71.6570.9879.7072.8992.9651.2462.15
OpenAI/text-embedding-ada-002-69.4864.3879.0269.7593.0448.3062.40
OpenAI/text-embedding-3-small-70.8666.3979.4673.0692.9251.0662.27
OpenAI/text-embedding-3-large-73.9774.4882.5277.5893.5853.3262.35
Ruri-Small68M71.5369.4182.7976.2293.0051.1962.11
Ruri-Base (this model)111M71.9169.8282.8775.5892.9154.1662.38
Ruri-Large337M73.3173.0283.1377.4392.9951.8262.29

Model Details

Model Description

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Framework Versions

  • Python: 3.10.13
  • Sentence Transformers: 3.0.0
  • Transformers: 4.41.2
  • PyTorch: 2.3.1+cu118
  • Accelerate: 0.30.1
  • Datasets: 2.19.1
  • Tokenizers: 0.19.1

Citation

@misc{
  Ruri,
  title={{Ruri: Japanese General Text Embeddings}}, 
  author={Hayato Tsukagoshi and Ryohei Sasano},
  year={2024},
  eprint={2409.07737},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2409.07737}, 
}

License

This model is published under the Apache License, Version 2.0.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
1ae40b8

0 моделей