/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-base-en-v1.5
Библиотека
sentence-transformers
Опубликована
1 июл 2025

bge-base-financial-matryoshka

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов для семантического поиска и сравнения финансовых текстов с возможностью сокращать размерность векторов.

114скачиваний за 30 дней0лайковвеса обновлены1 июл 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

deter3/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная разработчиком deter3 на базе BAAI/bge-base-en-v1.5 на 6 300 парах текстов финансовой тематики. Она кодирует предложения и абзацы в плотные векторы размерностью 768, нормализует их и сравнивает по косинусному сходству; Matryoshka-обучение позволяет сокращать размерность векторов для поиска с меньшими затратами памяти и вычислений.

Модель предназначена для семантического поиска по финансовым документам, сравнения вопросов и фрагментов текста, поиска перефразировок, кластеризации и использования в качестве признаков для классификации. Архитектура — BERT с пулингом CLS-токена; максимальная длина входа — 512 токенов. В README приведены результаты оценки поиска при размерностях от 64 до 768, но они не гарантируют качество на других данных.

Модель принимает английский текст и выдаёт векторы для сравнения и поиска. Лицензия — Apache-2.0. Она не генерирует ответы и её специализация на финансовых текстах не означает, что она заменяет проверку финансовых выводов.

Сценарии применения

  • поиск ответов на вопросы в финансовой отчётности
  • семантический поиск по корпоративным финансовым документам
  • сопоставление вопроса с релевантным фрагментом отчёта
  • поиск перефразированных финансовых утверждений
  • кластеризация финансовых текстов
  • подготовка векторных признаков для классификации финансовых текстов

Ограничения

Вход ограничен 512 токенами; модель работает с английским текстом и выдаёт эмбеддинги, а не готовые ответы. Приведённые в карточке метрики получены на конкретном наборе оценки и не гарантируют качество на других корпусах.

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

BGE base Financial Matryoshka

This is a sentence-transformers model finetuned from BAAI/bge-base-en-v1.5 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: BAAI/bge-base-en-v1.5
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json
  • Language: en
  • License: apache-2.0

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True, 'architecture': 'BertModel'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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): 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("deter3/bge-base-financial-matryoshka")
# Run inference
sentences = [
    'Generated cash flows from operations of $4.5 billion.',
    'How much did cash flows from operations amount to in 2022?',
    'What was the overall turnover rate at the company in fiscal year 2023?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7518, 0.2425],
#         [0.7518, 1.0000, 0.2768],
#         [0.2425, 0.2768, 1.0000]])

Evaluation

Metrics

Information Retrieval

MetricValue
cosine_accuracy@10.7014
cosine_accuracy@30.8243
cosine_accuracy@50.8671
cosine_accuracy@100.9071
cosine_precision@10.7014
cosine_precision@30.2748
cosine_precision@50.1734
cosine_precision@100.0907
cosine_recall@10.7014
cosine_recall@30.8243
cosine_recall@50.8671
cosine_recall@100.9071
cosine_ndcg@100.8053
cosine_mrr@100.7727
cosine_map@1000.7764

Information Retrieval

MetricValue
cosine_accuracy@10.7114
cosine_accuracy@30.8243
cosine_accuracy@50.8643
cosine_accuracy@100.9086
cosine_precision@10.7114
cosine_precision@30.2748
cosine_precision@50.1729
cosine_precision@100.0909
cosine_recall@10.7114
cosine_recall@30.8243
cosine_recall@50.8643
cosine_recall@100.9086
cosine_ndcg@100.8099
cosine_mrr@100.7784
cosine_map@1000.782

Information Retrieval

MetricValue
cosine_accuracy@10.7014
cosine_accuracy@30.8243
cosine_accuracy@50.8557
cosine_accuracy@100.8914
cosine_precision@10.7014
cosine_precision@30.2748
cosine_precision@50.1711
cosine_precision@100.0891
cosine_recall@10.7014
cosine_recall@30.8243
cosine_recall@50.8557
cosine_recall@100.8914
cosine_ndcg@100.8009
cosine_mrr@100.7715
cosine_map@1000.7759

Information Retrieval

MetricValue
cosine_accuracy@10.6829
cosine_accuracy@30.8129
cosine_accuracy@50.8486
cosine_accuracy@100.8914
cosine_precision@10.6829
cosine_precision@30.271
cosine_precision@50.1697
cosine_precision@100.0891
cosine_recall@10.6829
cosine_recall@30.8129
cosine_recall@50.8486
cosine_recall@100.8914
cosine_ndcg@100.7894
cosine_mrr@100.7566
cosine_map@1000.7607

Information Retrieval

MetricValue
cosine_accuracy@10.6614
cosine_accuracy@30.7957
cosine_accuracy@50.8286
cosine_accuracy@100.8771
cosine_precision@10.6614
cosine_precision@30.2652
cosine_precision@50.1657
cosine_precision@100.0877
cosine_recall@10.6614
cosine_recall@30.7957
cosine_recall@50.8286
cosine_recall@100.8771
cosine_ndcg@100.7707
cosine_mrr@100.7366
cosine_map@1000.7409

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 6,300 training samples
  • Columns: positive and anchor
  • Approximate statistics based on the first 1000 samples:
    positiveanchor
    typestringstring
    detailsmin: 13 tokensmean: 45.95 tokensmax: 248 tokensmin: 8 tokensmean: 20.43 tokensmax: 41 tokens
  • Samples:
    positiveanchor
    The Company's nominal par value per share was slightly reduced to USD $0.10, reflecting in the share capital, as of December 30, 2023.What was the nominal par value per share of Garmin Ltd. in U.S. dollars as of December 30, 2023?
    Over the last several years, the number and potential significance of the litigation and investigations involving the company have increased, and there can be no assurance that this trend will not continue.How has the litigation and investigation landscape changed for the company over recent years?
    As of January 31, 2023, assets located outside the Americas were 15 percent of total assets.What percentage of Salesforce's total assets were located outside the Americas as of January 31, 2023?
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512,
            256,
            128,
            64
        ],
        "matryoshka_weights": [
            1,
            1,
            1,
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: epoch
  • per_device_train_batch_size: 32
  • per_device_eval_batch_size: 16
  • gradient_accumulation_steps: 16
  • learning_rate: 2e-05
  • num_train_epochs: 4
  • lr_scheduler_type: cosine
  • warmup_ratio: 0.1
  • bf16: True
  • tf32: True
  • load_best_model_at_end: True
  • optim: adamw_torch_fused
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: epoch
  • prediction_loss_only: True
  • per_device_train_batch_size: 32
  • per_device_eval_batch_size: 16
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 16
  • eval_accumulation_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: 4
  • max_steps: -1
  • lr_scheduler_type: cosine
  • 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: True
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: True
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: True
  • 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}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch_fused
  • 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: False
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • 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
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Logs

EpochStepTraining Lossdim_768_cosine_ndcg@10dim_512_cosine_ndcg@10dim_256_cosine_ndcg@10dim_128_cosine_ndcg@10dim_64_cosine_ndcg@10
0.8122101.5429-----
0.974612-0.79150.79270.78200.77220.7396
1.6244200.6772-----
1.949224-0.80190.80410.79710.78350.7625
2.4365300.5496-----
2.923936-0.80480.80700.80070.78790.7690
3.2487400.4528-----
3.898548-0.80530.80990.80090.78940.7707
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 5.0.0
  • Transformers: 4.41.2
  • PyTorch: 2.1.2+cu121
  • Accelerate: 1.8.1
  • Datasets: 2.19.1
  • Tokenizers: 0.19.1

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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
BertModel
Ревизия весов
15722b2

0 моделей