/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
ruri-pt-base-v2
Опубликована
5 дек 2024

ruri-base-v2

Сходство предложенийТекст → score8 профессий

Японская BERT-модель для получения эмбеддингов предложений и оценки их семантического сходства.

779скачиваний за 30 дней5лайковвеса обновлены26 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.

  • JapaneseSentimentClassification

    main_score

    Результат

    0,8337

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLReranking

    main_score

    Результат

    0,6687

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,684

    MTEB

    Публичная таблицаревизия совпадает

  • ESCIReranking

    main_score

    Результат

    0,8296

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,7449

    Общий результат 0,7511
    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocReranking

    main_score

    Результат

    0,8823

    MTEB

    Публичная таблицаревизия совпадает

  • MewsC16JaClustering

    main_score

    Результат

    0,4941

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,469

    MTEB

    Публичная таблицаревизия совпадает

  • JaqketRetrieval

    main_score

    Результат

    0,6947

    MTEB

    Публичная таблицаревизия совпадает

  • JSTS

    main_score

    Результат

    0,834

    MTEB

    Публичная таблицаревизия совпадает

  • JaGovFaqsRetrieval

    main_score

    Результат

    0,7532

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,6991

    Общий результат 0,6994
    MTEB

    Публичная таблицаревизия совпадает

  • SIB200Classification

    main_score

    Результат

    0,7809

    Общий результат 0,7675Общий результат 0,7485
    MTEB

    Публичная таблицаревизия совпадает

  • LivedoorNewsClustering.v2

    main_score

    Результат

    0,5532

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleAbsRetrieval.V2

    main_score

    Результат

    0,9658

    MTEB

    Публичная таблицаревизия совпадает

  • MintakaRetrieval

    main_score

    Результат

    0,2997

    MTEB

    Публичная таблицаревизия совпадает

  • MrTidyRetrieval

    main_score

    Результат

    0,5928

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonReviewsClassification

    main_score

    Результат

    0,3924

    Общий результат 0,3892
    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsIntroRetrieval.V2

    main_score

    Результат

    0,8982

    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocRetrieval

    main_score

    Результат

    0,3601

    Общий результат 0,3749
    MTEB

    Публичная таблицаревизия совпадает

  • JQaRAReranking

    main_score

    Результат

    0,541

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsArticleRetrieval.V2

    main_score

    Результат

    0,9045

    MTEB

    Публичная таблицаревизия совпадает

  • WRIMEClassification

    main_score

    Результат

    0,3081

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleIntroRetrieval.V2

    main_score

    Результат

    0,7821

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,7027

    Общий результат 0,708
    MTEB

    Публичная таблицаревизия совпадает

  • JSICK

    main_score

    Результат

    0,8276

    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRReranking

    main_score

    Результат

    0,8149

    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRRetrieval

    main_score

    Результат

    0,8044

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ruri-Base v2 — японская модель для получения векторных представлений текстов, разработанная cl-nagoya. Это Sentence Transformer на архитектуре BERT с 138,4 млн параметров; модель дообучена на базе cl-nagoya/ruri-pt-base-v2. Она предназначена для сравнения сходства предложений и текстового поиска на японском языке. Максимальная длина входа — 512 токенов, размерность выходных векторов — 768, сходство оценивается косинусной мерой. В JMTEB модель получила средний результат 72,48; README рекомендует для новых задач перейти на семейство Ruri v3. Лицензия — Apache 2.0.

Сценарии применения

  • поиск японских документов по смыслу запроса
  • сравнение смыслового сходства двух японских предложений
  • кластеризация японских текстов по темам
  • поиск похожих вопросов на японском языке

Ограничения

Модель ориентирована на японский язык, имеет предел входной последовательности 512 токенов и предназначена для векторного представления текста, а не для генерации ответов. README рекомендует использовать более новые модели 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

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-v2")

# 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)

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-Small v268M73.3073.9482.9176.1793.2051.5862.32
Ruri-Base111M71.9169.8282.8775.5892.9154.1662.38
Ruri-Base v2 (this model)111M72.4872.3383.0375.3493.1751.3862.35
Ruri-Large337M73.3173.0283.1377.4392.9951.8262.29
Ruri-Large v2337M74.5576.3483.1777.1893.2152.1462.27

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
8ce0388

0 моделей