/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
303 млн
Архитектура
gemma3_text · dense
Базовая модель
embeddinggemma-300m
Библиотека
sentence-transformers
Опубликована
24 сен 2025

embeddinggemma-300M-triplet-vn-10000-20250924

ЭмбеддингиТекст → embedding6 профессий

Дообученная на вьетнамских парах запросов и ответов модель превращает текст в эмбеддинги для семантического поиска и сравнения.

111скачиваний за 30 дней0лайковвеса обновлены24 сен 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

Модель congvm/embeddinggemma-300M-triplet-vn-10000-20250924 — дообученная CongVM версия sentence-transformers на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения текстов по cosine similarity. Модель обучена на 690 222 примерах формата «запрос, ответ, негативный пример» и предназначена для семантического поиска, поиска парафраз, сопоставления запросов с ответами, классификации и кластеризации текстов.

Модель использует текстовую архитектуру Gemma 3 и принимает последовательности длиной до 2048 токенов. Данные обучения — вьетнамские запросы и описания объявлений, поэтому модель особенно подходит для семантического поиска по вьетнамским текстам. Репозиторий использует Sentence Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск объявлений по вьетнамскому запросу
  • сопоставление поисковых запросов с подходящими описаниями
  • поиск парафразов и похожих предложений на вьетнамском языке
  • кластеризация вьетнамских текстов по смыслу
  • классификация текстов с использованием эмбеддингов

Ограничения

Модель обучалась на вьетнамских данных о запросах и объявлениях, поэтому её пригодность для других языков и предметных областей не подтверждена. Максимальная длина последовательности составляет 2048 токенов.

Для каких профессий подходит6

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

SentenceTransformer based on google/embeddinggemma-300m

This is a sentence-transformers model finetuned from google/embeddinggemma-300m on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: google/embeddinggemma-300m
  • Maximum Sequence Length: 2048 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 2048, 'do_lower_case': False}) with Transformer model: Gemma3TextModel 
  (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})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("congvm/embeddinggemma-300M-triplet-vn-10000-20250924")
# Run inference
sentences = [
    'task: sentence similarity | query: Đất tiềm năng sinh lời cao trong khu tam giác vàng Củ Chi',
    'task: sentence similarity | query: Tiêu đề: cần tiền kinh doanh ra gấp đất bình mỹ gardern\n\n\nMô tả: - diện tích 80m2 (5mx16m), mặt đường nhựa 7,5m.\n- cách võ văn bích 200m, vành đai 3 chỉ 1,5km.\n- khu tam giác vàng của củ chi.\n- tiềm năng sinh lời cao.\n- hình chân thực, chính chủ.',
    'task: sentence similarity | query: Tiêu đề: chùa hà - lô góc - mặt ngõ kinh doanh - ô tô đỗ cửa - 17 tỷ\n\n\nMô tả: chùa hà - lô góc - mặt ngõ kinh doanh - ô tô đỗ cửa - 17 tỷ\n\n* diện tích 38m2 - mặt tiền 4.6m\n\n* vị trí: trung tâm quận cầu giấy, ngõ thông ô tô vào nhà. mặt ngõ kinh doanh sầm uất.\n\n* thiết kế 5 tầng chắc chắn, lô góc thoáng sáng:\n- t1: khách, bếp, wc\n- t2,3,4: mỗi tầng 2 phòng ngủ, wc\n- t5: phòng thờ, sân phơi\n\n* sổ đỏ vuông a4\nliên hệ duy:',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 690,222 training samples
  • Columns: query, answer, and negative
  • Approximate statistics based on the first 1000 samples:
    queryanswernegative
    typestringstringstring
    detailsmin: 20 tokensmean: 28.1 tokensmax: 40 tokensmin: 61 tokensmean: 231.73 tokensmax: 694 tokensmin: 65 tokensmean: 238.34 tokensmax: 906 tokens
  • Samples:
    queryanswernegative
    task: sentence similarityquery: Cho thuê nhà trọ trệt gác trần gần trường học Tân Hưng Q7 giá 4.5 triệutask: sentence similarity
    task: sentence similarityquery: Cho thuê nhà trọ trệt gác trần gần trường học Tân Hưng Q7 giá 4.5 triệutask: sentence similarity
    task: sentence similarityquery: Cho thuê nhà trọ trệt gác trần gần trường học Tân Hưng Q7 giá 4.5 triệutask: sentence similarity
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Evaluation Dataset

json

  • Dataset: json
  • Size: 192,893 evaluation samples
  • Columns: query, answer, and negative
  • Approximate statistics based on the first 1000 samples:
    queryanswernegative
    typestringstringstring
    detailsmin: 18 tokensmean: 27.09 tokensmax: 37 tokensmin: 107 tokensmean: 231.66 tokensmax: 728 tokensmin: 62 tokensmean: 238.36 tokensmax: 1032 tokens
  • Samples:
    queryanswernegative
    task: sentence similarityquery: Căn hộ gần Big C và trường học Quận 2task: sentence similarity
    task: sentence similarityquery: Căn hộ gần Big C và trường học Quận 2task: sentence similarity
    task: sentence similarityquery: Căn hộ gần Big C và trường học Quận 2task: sentence similarity
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • learning_rate: 2e-05
  • num_train_epochs: 5
  • warmup_ratio: 0.1
  • fp16: True
  • dataloader_num_workers: 8
  • prompts: task: sentence similarity | query:
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 8
  • per_device_eval_batch_size: 8
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 2e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 5
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: True
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: True
  • dataloader_num_workers: 8
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • hub_revision: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • liger_kernel_config: None
  • eval_use_gather_object: False
  • average_tokens_across_devices: True
  • prompts: task: sentence similarity | query:
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining LossValidation Loss
0.00931000.9919-
0.01852000.2415-
0.02783000.1604-
0.03714000.1351-
0.04645000.1141-
0.05566000.0998-
0.06497000.0962-
0.07428000.0865-
0.08359000.0871-
0.092710000.0798-
0.102011000.0764-
0.111312000.0754-
0.120513000.08-
0.129814000.0767-
0.139115000.0685-
0.148416000.0761-
0.157617000.0727-
0.166918000.0742-
0.176219000.0666-
0.185520000.0725-
0.194721000.0703-
0.204022000.0728-
0.213323000.0693-
0.222624000.0669-
0.231825000.0707-
0.241126000.0657-
0.250427000.068-
0.259628000.0681-
0.268929000.0717-
0.278230000.0671-
0.287531000.0652-
0.296732000.0664-
0.306033000.0671-
0.315334000.0675-
0.324635000.0688-
0.333836000.0718-
0.343137000.0689-
0.352438000.0672-
0.361639000.0663-
0.370940000.0744-
0.380241000.0662-
0.389542000.0703-
0.398743000.0709-
0.408044000.0733-
0.417345000.067-
0.426646000.071-
0.435847000.0715-
0.445148000.0813-
0.454449000.0712-
0.463650000.06850.0865
0.472951000.0619-
0.482252000.0693-
0.491553000.0667-
0.500754000.0719-
0.510055000.0683-
0.519356000.0712-
0.528657000.0615-
0.537858000.0732-
0.547159000.0666-
0.556460000.0657-
0.565761000.0686-
0.574962000.0633-
0.584263000.0716-
0.593564000.0626-
0.602765000.0653-
0.612066000.0595-
0.621367000.0682-
0.630668000.0588-
0.639869000.0603-
0.649170000.0582-
0.658471000.0574-
0.667772000.0578-
0.676973000.0593-
0.686274000.0611-
0.695575000.0577-
0.704776000.058-
0.714077000.0531-
0.723378000.0556-
0.732679000.0559-
0.741880000.0481-
0.751181000.0572-
0.760482000.0553-
0.769783000.0535-
0.778984000.0534-
0.788285000.0541-
0.797586000.0504-
0.806887000.0538-
0.816088000.0485-
0.825389000.0465-
0.834690000.0527-
0.843891000.045-
0.853192000.047-
0.862493000.0486-
0.871794000.0463-
0.880995000.0458-
0.890296000.0471-
0.899597000.0392-
0.908898000.0411-
0.918099000.0441-
0.9273100000.04790.0785

Framework Versions

  • Python: 3.12.9
  • Sentence Transformers: 4.1.0
  • Transformers: 4.56.2
  • PyTorch: 2.6.0+cu118
  • Accelerate: 1.6.0
  • Datasets: 3.5.1
  • Tokenizers: 0.22.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3TextModel
Ревизия весов
fadfce4

0 моделей