/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,2 млн
Архитектура
roberta · dense
Опубликована
2 мар 2022

st-codesearch-distilroberta-base

ЭмбеддингиТекст → embedding4 профессии

Модель преобразует текстовые запросы и фрагменты кода в эмбеддинги для семантического поиска по коду и кластеризации.

55 427скачиваний за 30 дней33лайкавеса обновлены9 авг 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

flax-sentence-embeddings/st-codesearch-distilroberta-base — модель эмбеддингов на базе DistilRoBERTa, обученная разработчиками flax-sentence-embeddings на датасете CodeSearchNet. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска фрагментов программного кода по текстовому запросу, а также для семантического поиска и кластеризации.

Модель содержит 95,2 млн параметров, использует архитектуру RoBERTa и принимает текст. Её контекст составляет до 514 токенов. Для поиска кода она была обучена на задаче CodeSearchNet в течение 10 тысяч шагов с MultipleNegativesRankingLoss. Карточка характеризует её как предварительную и отмечает, что обучение было недостаточно тщательно проверено и развито, поэтому качество поиска может быть ограниченным. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

  • поиск фрагментов кода по описанию на естественном языке
  • семантический поиск по репозиторию исходного кода
  • сопоставление текстового запроса с функциями и фрагментами кода
  • кластеризация текстов и описаний кода по смыслу

Ограничения

Карточка описывает модель как предварительную и указывает, что обучение недостаточно проверено и проработано; качество поиска следует оценивать на целевых данных. Лицензия не приведена в предоставленных материалах.

Для каких профессий подходит4

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

flax-sentence-embeddings/st-codesearch-distilroberta-base

This is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.

It was trained on the code_search_net dataset and can be used to search program code given text.

Usage:

from sentence_transformers import SentenceTransformer, util


#This list the defines the different programm codes
code = ["""def sort_list(x):
   return sorted(x)""",
"""def count_above_threshold(elements, threshold=0):
    counter = 0
    for e in elements:
        if e > threshold:
            counter += 1
    return counter""",
"""def find_min_max(elements):
    min_ele = 99999
    max_ele = -99999
    for e in elements:
        if e < min_ele:
            min_ele = e
        if e > max_ele:
            max_ele = e
    return min_ele, max_ele"""]
    

model = SentenceTransformer("flax-sentence-embeddings/st-codesearch-distilroberta-base")

# Encode our code into the vector space
code_emb = model.encode(code, convert_to_tensor=True)

# Interactive demo: Enter queries, and the method returns the best function from the 
# 3 functions we defined
while True:
    query = input("Query: ")
    query_emb = model.encode(query, convert_to_tensor=True)
    hits = util.semantic_search(query_emb, code_emb)[0]
    top_hit = hits[0]

    print("Cossim: {:.2f}".format(top_hit['score']))
    print(code[top_hit['corpus_id']])
    print("\n\n")

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('flax-sentence-embeddings/st-codesearch-distilroberta-base')
embeddings = model.encode(sentences)
print(embeddings)

Training

The model was trained with a DistilRoBERTa-base model for 10k training steps on the codesearch dataset with batch_size 256 and MultipleNegativesRankingLoss.

It is some preliminary model. It was neither tested nor was the trained quite sophisticated

The model was trained with the parameters:

DataLoader:

MultiDatasetDataLoader.MultiDatasetDataLoader of length 5371 with parameters:

{'batch_size': 256}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss with parameters:

{'scale': 20, 'similarity_fct': 'dot_score'}

Parameters of the fit()-Method:

{
    "callback": null,
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "warmupconstant",
    "steps_per_epoch": 10000,
    "warmup_steps": 500,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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})
  (2): Normalize()
)

Citing & Authors

@misc{codesearch-embeddings,
  author = {Flax Sentence Embeddings Team},
  title = {CodeSearch: Sentence Embeddings},
  year = {2021},
  url = {https://huggingface.co/flax-sentence-embeddings/st-codesearch-distilroberta-base},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
23d22ea

0 моделей