/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-portuguese-cased
Опубликована
10 июн 2026

cvm-bertimbau-sentence-transformer

ЭмбеддингиТекст → embedding3 профессии

Дообученный Sentence Transformer на базе BERTimbau для получения эмбеддингов и поиска похожих фрагментов в бразильской финансовой отчётности.

116скачиваний за 30 дней0лайковвеса обновлены10 июн 2026

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

condeg/cvm-bertimbau-sentence-transformer — модель Sentence Transformer на базе BERTimbau, дообученная для получения плотных векторных представлений фрагментов финансовой отчётности бразильских публичных компаний из документов CVM ITR/DFP. Она предназначена для поиска и сопоставления тематически близких абзацев в корпусах таких отчётов; обучение проводилось на парах соседних фрагментов одного раздела с использованием MultipleNegativesRankingLoss.

Модель содержит 136,1 млн параметров, принимает текст, выдаёт эмбеддинги, поддерживает контекст до 512 токенов по метаданным; в карточке указано ограничение длины 256 токенов, после которого текст обрезается. Основной язык — бразильский португальский. По оценке на синтетических запросах модель уступала BM25 в поиске по схеме «запрос—документ» из-за обучения на парах «документ—документ»; автор отмечает, что дообучение GPL на синтетических парах запрос—фрагмент улучшает такой поиск. На других предметных областях качество снижается. Лицензия — MIT.

Сценарии применения

  • поиск похожих абзацев в отчётах CVM ITR/DFP
  • построение векторного индекса финансовой отчётности компаний Бразилии
  • сопоставление разделов годовых и квартальных отчётов
  • поиск связанных фрагментов в комментариях руководства компаний

Ограничения

Обучена на финансовой отчётности на португальском языке и хуже работает в других областях. По оценке автора, уступает BM25 для поиска по запросам из-за обучения на парах «документ—документ»; тексты длиннее 256 токенов обрезаются, хотя метаданные указывают контекст до 512 токенов.

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

cvm-bertimbau-sentence-transformer

Fine-tuned BERTimbau sentence transformer for dense retrieval over Brazilian public company filings (CVM ITR/DFP). Part of the CVM Filing Intelligence System.

Training

ParameterValue
Base modelneuralmind/bert-base-portuguese-cased
LossMultipleNegativesRankingLoss
Training pairs14,500 (adjacent same-section chunk pairs from 686 CVM filings)
Epochs10
Batch size16 (effective 64 with gradient accumulation ×4)
Mixed precisionfp16
Max sequence length256 tokens
HardwareNVIDIA RTX A1000 (6 GB VRAM), ~2 hours
Initial loss2.201 (step 50)
Final loss0.115 (step 2,270)

Training data: 97,138 management commentary chunks from 49 B3 large-cap companies (Petrobras, Vale, Itaú, Bradesco, Ambev, etc.), 2022–2025. Pairs are adjacent paragraphs within the same section of the same filing.

Retrieval Results

Evaluated on 94 synthetic queries over the 97,138-chunk corpus (dense-only configuration):

MetricValue
Recall@50.057
Recall@100.071
MRR0.100
NDCG@100.063

Note: The model underperforms BM25 on query–document retrieval because it was fine-tuned with doc–doc contrastive pairs. Query–doc performance improves significantly with GPL (Generative Pseudo Labeling) fine-tuning using synthetic query–chunk pairs.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("conderafael/cvm-bertimbau-sentence-transformer")

# Encode a single passage
embeddings = model.encode(["Receita líquida cresceu 12% no trimestre"])

# Encode a batch
texts = [
    "O EBITDA ajustado atingiu R$ 4,2 bilhões no 3T24.",
    "A Companhia mantém posição conservadora de hedge cambial.",
]
embeddings = model.encode(texts, normalize_embeddings=True)
print(embeddings.shape)  # (2, 768)

Limitations

  • Trained on Portuguese-language financial filings only; degrades on other domains.
  • Max sequence length 256 tokens; longer passages are truncated.
  • Query-time performance is below doc-time performance due to training objective mismatch (doc–doc pairs vs. query–doc retrieval).

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
5ca0a90

0 моделей