Характеристики

Контекст: 512 токенов
Параметры: 71 008
Размер весов: 1 МБ
Архитектура: bert · dense
Опубликована: 15 авг 2023

Ссылки

safetensors-test

ЭмбеддингиТекст → embedding3 профессии

explosion-testing/safetensors-test — небольшая тестовая модель из организации Explosion Testing Models на Hugging Face, разработчик которой не раскрыт подробнее.

558скачиваний за 30 дней0лайковвеса обновлены15 авг 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Репозиторий предназначен для работы с библиотеками Transformers и PyTorch и распространяется в формате Safetensors.

Модель классифицирована как BERT и feature-extraction; её можно загружать через pipeline Transformers с задачей feature-extraction или напрямую вместе с AutoTokenizer и AutoModel. Указан размер около 84,7 тыс. параметров и тип тензоров F32. Это позволяет использовать модель для получения векторных представлений входного текста и тестирования загрузки или выполнения моделей в экосистеме Transformers.

В карточке отсутствует подробное описание, поэтому языки, длина контекста, точная архитектура, обучающие данные, качество, сильные стороны и ограничения не установлены. Модель не развернута через Inference Providers. Лицензия в доступных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: 6fc2649