/ Модель

Характеристики

Контекст
512 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
sentence-transformers-alephbert
Библиотека
sentence-transformers
Опубликована
12 мая 2026

MiqraBERT

ЭмбеддингиТекст → embedding3 профессии

MiqraBERT создаёт эмбеддинги стихов на библейском иврите и оценивает их сходство для поиска параллельных отрывков в еврейской Библии.

153скачиваний за 30 дней0лайковвеса обновлены19 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

MiqraBERT — модель Sentence Transformers, разработанная Дэвидом М. Смайли из Университета Нотр-Дам для поиска параллельных отрывков в еврейской Библии. Это дообученный на базе AlephBERT BERT-энкодер с mean pooling, который преобразует стихи на библейском иврите в 768-мерные эмбеддинги; косинусное сходство между ними служит непрерывной оценкой текстового параллелизма. Модель обучена на наборе T'OMIM из 1 650 пар стихов, включая параллельные и непараллельные примеры, и поддерживает последовательности длиной до 512 токенов.

Модель предназначена для сравнения стихов, поиска кандидатов на параллельные места и вычислительного исследования внутрибиблейских аллюзий и повторного использования текста. На тестовом наборе авторы сообщают F1 0,980 при пороге 0,53; результат зависит от обучающей выборки и порога и не означает, что модель сама классифицирует пары. Лицензия — Apache 2.0.

Область применимости ограничена библейским ивритом, включая вокализованный текст с огласовками. Модель не рассчитана на современный или раввинистический иврит и арамейский; для поэтического параллелизма качество поиска ограничено, а отношения, не представленные в обучающих данных, могут распознаваться хуже.

Сценарии применения

  • поиск параллельных стихов в еврейской Библии
  • ранжирование пар библейских стихов по текстовому сходству
  • поиск кандидатов на внутрибиблейские аллюзии
  • исследование повторного использования текста в библейском корпусе

Ограничения

Модель обучена на библейском иврите и не предназначена для современного или раввинистического иврита, арамейского и невокализованного текста. Поиск поэтических параллелей и отношений, не представленных в обучающих данных, может быть слабее; выход модели — оценка сходства, а не готовая бинарная классификация.

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

MiqraBERT

A sentence-transformers model finetuned from AlephBERT for detecting parallel passages in the Hebrew Bible. It maps Biblical Hebrew verses to 768-dimensional embeddings where cosine similarity reflects textual parallelism — high scores indicate genuine synoptic parallels, low scores indicate unrelated text.

MiqraBERT derives from Hebrew מִקְרָא (miqra, "scripture").

Model Details

  • Developed by: David M. Smiley, University of Notre Dame
  • Model type: Sentence Transformer (BERT encoder + mean pooling)
  • Language: Biblical Hebrew (vocalized, with niqqud)
  • Base model: AlephBERT (via sentence-transformers-alephbert)
  • Finetuned on: T'OMIM — 1,650 Biblical Hebrew verse pairs (Zenodo)
  • Output: 768 dimensions, cosine similarity
  • Max sequence length: 512 tokens
  • License: Apache 2.0
  • Paper: arXiv:2606.19638

Usage

Sentence Transformers

pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("davidmsmiley/miqrabert")

# 2 Kgs 18:13 and its synoptic parallel Isa 36:1
parallel_a = "וּבְאַרְבַּע עֶשְׂרֵה שָׁנָה לַמֶּלֶךְ חִזְקִיָּהוּ עָלָה סַנְחֵרִיב מֶלֶךְ־אַשּׁוּר עַל כָּל־עָרֵי יְהוּדָה הַבְּצֻרוֺת וַיִּתְפְּשֵׂם"
parallel_b = "וַיְהִי בְּאַרְבַּע עֶשְׂרֵה שָׁנָה לַמֶּלֶךְ חִזְקִיָּהוּ עָלָה סַנְחֵרִיב מֶלֶךְ־אַשּׁוּר עַל־כָּל־עָרֵי יְהוּדָה הַבְּצֻרוֺת וַיִּתְפְּשֵׂם"
unrelated  = "וְהִנֵּה שֶׁבַע שִׁבֳּלִים צְנֻמוֺת דַּקּוֺת שְׁדֻפוֺת קָדִים צֹמְחוֺת אַחֲרֵיהֶם"

embeddings = model.encode([parallel_a, parallel_b, unrelated])
similarities = model.similarity(embeddings, embeddings)
# parallel_a ↔ parallel_b: ~0.99 (near-verbatim parallel)
# parallel_a ↔ unrelated:  ~0.09 (no relationship)

Using Transformers Directly

import torch
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("davidmsmiley/miqrabert")
model = AutoModel.from_pretrained("davidmsmiley/miqrabert")

def encode(texts):
    inputs = tokenizer(texts, padding=True, truncation=True, max_length=512, return_tensors="pt")
    with torch.no_grad():
        output = model(**inputs)
    mask = inputs["attention_mask"].unsqueeze(-1)
    embeddings = (output.last_hidden_state * mask).sum(1) / mask.sum(1)
    return torch.nn.functional.normalize(embeddings, p=2, dim=1)

# 1 Sam 31:6 // 1 Chr 10:6 — death of Saul (synoptic parallel)
emb = encode([
    "וַיָּמָת שָׁאוּל וּשְׁלֹשֶׁת בָּנָיו וְנֹשֵׂא כֵלָיו גַּם כָּל־אֲנָשָׁיו בַּיּוֺם הַהוּא יַחְדָּו",
    "וַיָּמָת שָׁאוּל וּשְׁלֹשֶׁת בָּנָיו וְכָל־בֵּיתוֺ יַחְדָּו מֵתוּ"
])
similarity = torch.nn.functional.cosine_similarity(emb[0], emb[1], dim=0)

Intended Uses

Use for: measuring semantic similarity between Biblical Hebrew verse pairs; identifying candidate parallel passages across the Hebrew Bible; supporting computational research on inner-biblical allusion and textual reuse.

Not designed for: Modern Hebrew, Rabbinic Hebrew, or Aramaic text. Not optimized for poetic parallelism (see Limitations). Outputs continuous similarity scores — not a binary classifier.

Training

Data

T'OMIM contains 825 parallel and 825 non-parallel Biblical Hebrew verse pairs. Parallels include 556 narrative pairs from Chronicles // Samuel-Kings and 269 poetic pairs from published parallelism studies (Berlin, Fokkelman, Kugel, Tsumura). Negatives are random pairs sampled from the full Hebrew Bible.

Procedure

Cosine similarity regression via CosineSimilarityLoss (MSE). Both verses pass through a shared encoder, are mean-pooled to 768-dim embeddings, and compared via cosine similarity against target labels (1.0 = parallel, 0.0 = non-parallel). This checkpoint uses a 70/15/15 train-validation-test split (1,155 / 247 / 248 pairs), selected from seven configurations (50%–90%) as the optimal balance of separation quality and test set size. Stability validated across 10 random seeds (70 models total).

Hyperparameters

  • Epochs: 2
  • Batch size: 16
  • Learning rate: 5e-05 (linear schedule)
  • Optimizer: AdamW
  • Seed: 42
  • Hardware: NVIDIA T4 GPU (~36 seconds)

Framework Versions

  • Sentence Transformers 5.2.0 / Transformers 4.57.3 / PyTorch 2.9.0+cu126

Evaluation

Test Set Performance

MetricScore
Wasserstein Distance0.772 [0.735, 0.809]
Overlap Coefficient0.046
F1 (threshold = 0.53)0.980
Precision / Recall0.984 / 0.976
Mean cosine sim (parallel)0.880
Mean cosine sim (non-parallel)0.108

Wasserstein Distance (WD) measures distributional separation between parallel and non-parallel similarity scores; higher is better. Overlap Coefficient (OVL) measures the proportion of ambiguous space where distributions intersect; lower is better. The unfinetuned AlephBERT baseline achieves WD = 0.276 and OVL = 0.240.

MiqraBERT is selected as the primary model for its balance across metrics: strong narrative recall, stable training, and the smallest parameter footprint (~110M vs. 7.25B for DictaLM).

Limitations

  • Narrative focus: Trained primarily on Chronicles // Samuel-Kings synoptic parallels. Recall@10 for poetic parallelism is only 8.9% — a structural limitation of mean-pooled embeddings for texts with little lexical overlap.
  • Biblical Hebrew only: Not evaluated on Modern Hebrew, Rabbinic Hebrew, unvocalized text, or other Semitic languages.
  • Training scope: May underperform on intertextual relationships not represented in training (allusions, type-scenes, formulaic speech).

Citation

If you use MiqraBERT in your research, please cite the paper:

@misc{smiley2026miqrabert,
    title         = {MiqraBERT: Regression-Based Sentence-BERT Finetuning for Biblical Hebrew Parallel Detection},
    author        = {Smiley, David M.},
    year          = {2026},
    eprint        = {2606.19638},
    archivePrefix = {arXiv},
    primaryClass  = {cs.CL},
    url           = {https://arxiv.org/abs/2606.19638}
}

Upstream Models

@inproceedings{reimers2019sentencebert,
    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},
    year      = {2019}
}

@article{seker2021alephbert,
    title  = {AlephBERT: A Hebrew Large Pre-Trained Language Model to Start-off Your Hebrew NLP Application With},
    author = {Seker, Amit and Bandel, Elron and Bareket, Dan and Brusilovsky, Idan and Greenfeld, Refael Shaked and Tsarfaty, Reut},
    journal = {arXiv preprint arXiv:2104.04052},
    year   = {2021}
}

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
BertModel
Ревизия весов
1ab168a

0 моделей