/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
29 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 мар 2022

rubert-tiny2

ЭмбеддингиТекст → embedding9 профессий

Компактный русскоязычный BERT-энкодер для получения эмбеддингов предложений и оценки их сходства.

285 тыс.скачиваний за 30 дней183лайкавеса обновлены30 дек 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 оценки34

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

  • RuBQRetrieval

    main_score

    Результат

    0,1087

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,8292

    Общий результат 0,0626Общий результат 0,0621Общий результат 0,0459
    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,2564

    Общий результат 0,4453Общий результат 0,233Общий результат 0,0278
    MTEB

    Публичная таблицадругая ревизия

  • MedrxivClusteringS2S.v2

    main_score

    Результат

    0,2345

    MTEB

    Публичная таблицадругая ревизия

  • PublicHealthQA

    main_score

    Результат

    0,3864

    Общий результат 0,1
    MTEB

    Публичная таблицадругая ревизия

  • MSMARCO

    main_score

    Результат

    0,0077

    MTEB

    Публичная таблицадругая ревизия

  • SIB200ClusteringS2S

    main_score

    Результат

    0,013

    Общий результат 0,0563Общий результат 0,0478Общий результат 0,0303
    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,072

    Общий результат 0,2914
    MTEB

    Публичная таблицадругая ревизия

  • DBPedia

    main_score

    Результат

    0,0266

    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,0166

    Общий результат 0,0287Общий результат 0,0098
    MTEB

    Публичная таблицадругая ревизия

  • NusaX-senti

    main_score

    Результат

    0,5245

    MTEB

    Публичная таблицадругая ревизия

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,0754

    MTEB

    Публичная таблицадругая ревизия

  • GermanSTSBenchmark

    main_score

    Результат

    0,5477

    MTEB

    Публичная таблицадругая ревизия

  • WinoGrande

    main_score

    Результат

    0,0142

    MTEB

    Публичная таблицадругая ревизия

  • SNLHierarchicalClusteringP2P

    main_score

    Результат

    0,4292

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLReranking

    main_score

    Результат

    0,0361

    MTEB

    Публичная таблицадругая ревизия

  • LegalQANLRetrieval

    main_score

    Результат

    0,0685

    MTEB

    Публичная таблицадругая ревизия

  • IN22ConvBitextMining

    Среднее по поднаборам

    Результат

    0,0253

    MTEB

    Расчёт каталогадругая ревизия

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,019

    MTEB

    Публичная таблицадругая ревизия

  • ArmenianParaphrasePC

    main_score

    Результат

    0,8509

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,5236

    MTEB

    Публичная таблицадругая ревизия

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,5648

    MTEB

    Публичная таблицадругая ревизия

  • AmazonReviewsClassification

    main_score

    Результат

    0,207

    MTEB

    Публичная таблицадругая ревизия

  • NepaliNewsClassification

    main_score

    Результат

    0,4

    MTEB

    Публичная таблицадругая ревизия

  • BibleNLPBitextMining

    Среднее по поднаборам

    Результат

    0,0093

    MTEB

    Расчёт каталогадругая ревизия

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,5697

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,0087

    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0824

    MTEB

    Публичная таблицадругая ревизия

  • LEMBPasskeyRetrieval

    main_score

    Результат

    0,12

    Общий результат 0,04
    MTEB

    Публичная таблицадругая ревизия

  • HotpotQA

    main_score

    Результат

    0,0885

    MTEB

    Публичная таблицадругая ревизия

  • MasakhaNEWSClusteringP2P

    main_score

    Результат

    0,2405

    MTEB

    Публичная таблицадругая ревизия

  • NusaXBitextMining

    main_score

    Результат

    0,0856

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrieval

    main_score

    Результат

    0

    MTEB

    Публичная таблицадругая ревизия

  • SIB200Classification

    main_score

    Результат

    0,3631

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

cointegrated/rubert-tiny2 — компактный русскоязычный BERT-энкодер, обновлённая версия ruBERT-tiny. Модель разработана для получения векторных представлений предложений; её также можно дообучать для прикладных задач. Она содержит около 29 млн параметров, использует словарь из 83 828 токенов и поддерживает последовательности длиной до 2048 токенов.

Эмбеддинги предложений приближены к представлениям LaBSE; сегментные эмбеддинги настроены на задаче NLI. Векторы можно применять, например, для классификации коротких текстов методом ближайших соседей и оценки сходства предложений. Модель ориентирована на русский язык; карточка распространяет её по лицензии MIT.

Сценарии применения

  • поиск похожих русскоязычных предложений
  • классификация коротких текстов методом ближайших соседей
  • получение эмбеддингов для кластеризации текстов
  • поиск семантически близких фраз
  • дообучение энкодера для прикладной задачи

Ограничения

Модель ориентирована только на русский язык и предназначена прежде всего для эмбеддингов предложений; для новых прикладных задач может потребоваться дообучение.

Для каких профессий подходит9

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

This is an updated version of cointegrated/rubert-tiny: a small Russian BERT-based encoder with high-quality sentence embeddings. This post in Russian gives more details.

The differences from the previous version include:

  • a larger vocabulary: 83828 tokens instead of 29564;
  • larger supported sequences: 2048 instead of 512;
  • sentence embeddings approximate LaBSE closer than before;
  • meaningful segment embeddings (tuned on the NLI task)
  • the model is focused only on Russian.

The model should be used as is to produce sentence embeddings (e.g. for KNN classification of short texts) or fine-tuned for a downstream task.

Sentence embeddings can be produced as follows:

# pip install transformers sentencepiece
import torch
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("cointegrated/rubert-tiny2")
model = AutoModel.from_pretrained("cointegrated/rubert-tiny2")
# model.cuda()  # uncomment it if you have a GPU

def embed_bert_cls(text, model, tokenizer):
    t = tokenizer(text, padding=True, truncation=True, return_tensors='pt')
    with torch.no_grad():
        model_output = model(**{k: v.to(model.device) for k, v in t.items()})
    embeddings = model_output.last_hidden_state[:, 0, :]
    embeddings = torch.nn.functional.normalize(embeddings)
    return embeddings[0].cpu().numpy()

print(embed_bert_cls('привет мир', model, tokenizer).shape)
# (312,)

Alternatively, you can use the model with sentence_transformers:

from sentence_transformers import SentenceTransformer
model = SentenceTransformer('cointegrated/rubert-tiny2')
sentences = ["привет мир", "hello world", "здравствуй вселенная"]
embeddings = model.encode(sentences)
print(embeddings)

For those who want to run the inference with VLLM, there is a vLLM-optimized version of this model: WpythonW/rubert-tiny2-vllm

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForPreTraining
Ревизия весов
e8ed3b0

0 моделей