/ Модель

Характеристики

Контекст
8 192 токена
Параметры
36,7 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
modernbert-ja-30m
Опубликована
20 мар 2025

ruri-v3-pt-30m

Сходство предложенийТекст → score3 профессии

Предварительно обученная японская ModernBERT-модель, служащая основой для дообучения на задачах текстовых эмбеддингов.

295скачиваний за 30 дней2лайкавеса обновлены18 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 оценки

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

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ruri v3 PT 30M — предварительно обученная модель эмбеддингов японского текста, разработанная cl-nagoya на основе ModernBERT-Ja. Эта версия ещё не дообучена для получения готовых эмбеддингов; для прикладного использования авторы рекомендуют дообученную cl-nagoya/ruri-v3-30m.

Модель имеет архитектуру ModernBERT, около 36,7 млн параметров и контекст до 8192 токенов. Она предназначена как основа для последующего обучения задачам понимания японского текста и построения текстовых представлений. В метаданных основной задачей указано сходство предложений, однако README уточняет, что эта версия не прошла соответствующее дообучение.

Модель распространяется в формате safetensors по лицензии Apache-2.0. Готовность и качество эмбеддингов для прикладных сценариев README не подтверждает; указанная оценка JMTEB относится к дообученной серии Ruri v3, а не к этой версии.

Сценарии применения

  • дообучение эмбеддера для поиска по японским текстам
  • адаптация представлений японских предложений для семантического сравнения
  • исследование и настройка ModernBERT для понимания японского текста

Ограничения

Это предварительно обученная версия без дообучения для получения готовых эмбеддингов; для прикладного использования авторы рекомендуют cl-nagoya/ruri-v3-30m. Оценка JMTEB, приведённая в README, относится к дообученной модели серии, а не к этому чекпойнту.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ruri: Japanese General Text Embeddings

⚠️Notes: This model is a pretrained version and has not been fine-tuned.
For the fine-tuned version, please use cl-nagoya/ruri-v3-30m!

Fine-tuned Model Series

Ruri v3 is a general-purpose Japanese text embedding model built on top of ModernBERT-Ja. We provide Ruri-v3 in several model sizes. Below is a summary of each model.

ID#Param.#Param.w/o Emb.Dim.#LayersAvg. JMTEB
cl-nagoya/ruri-v3-30m37M10M2561074.51
cl-nagoya/ruri-v3-70m70M31M3841375.48
cl-nagoya/ruri-v3-130m132M80M5121976.55
cl-nagoya/ruri-v3-310m315M236M7682577.24

Usage

You can use our models directly with the transformers library v4.48.0 or higher:

pip install -U "transformers>=4.48.0" sentence-transformers

Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2.

pip install flash-attn --no-build-isolation

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-v3-pt-30m")

# Ruri v3 employs a 1+3 prefix scheme to distinguish between different types of text inputs:
# "" (empty string) is used for encoding semantic meaning.
# "トピック: " is used for classification, clustering, and encoding topical information.
# "検索クエリ: " is used for queries in retrieval tasks.
# "検索文書: " is used for documents to be retrieved.
sentences = [
    "川べりでサーフボードを持った人たちがいます",
    "サーファーたちが川べりに立っています",
    "トピック: 瑠璃色のサーファー",
    "検索クエリ: 瑠璃色はどんな色?",
    "検索文書: 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]。",
]

embeddings = model.encode(sentences, convert_to_tensor=True)
print(embeddings.size())
# [5, 256]

similarities = F.cosine_similarity(embeddings.unsqueeze(0), embeddings.unsqueeze(1), dim=2)
print(similarities)

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
ModernBertModel
Ревизия весов
a02a171

0 моделей