/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
ms-marco-MiniLM-L6-v2
Библиотека
sentence-transformers
Опубликована
1 окт 2026

ms-marco-MiniLM-L6-v2-qasper

Ранжирование текстаТекст → score4 профессии

Англоязычный cross-encoder, дообученный на QASPER для переранжирования фрагментов научных статей по релевантности вопросу.

29скачиваний за 30 дней0лайковвеса обновлены1 окт 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 «Ранжирование» — 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

Это англоязычная модель-переранжировщик для научных статей, созданная дообучением cross-encoder/ms-marco-MiniLM-L6-v2 на обучающей части набора QASPER. Она оценивает пары «вопрос — фрагмент статьи» и переставляет найденные поиском фрагменты по тому, насколько хорошо они отвечают на вопрос. Модель предназначена для этапа поиска в RAG-системах: например, она может упорядочить 20 кандидатов гибридного поиска, чтобы передать языковой модели наиболее релевантные отрывки.

Модель использует архитектуру BERT в варианте cross-encoder, содержит 25,9 млн параметров и принимает текстовые пары с контекстом до 512 токенов. На тестовом разделении QASPER связка гибридного поиска с этим переранжировщиком показала Hit@4 79,6% и MRR@10 0,637; результаты относятся к описанному эксперименту на научных статьях на английском языке. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • переранжирование найденных фрагментов научной статьи для ответа на вопрос
  • отбор доказательных отрывков для RAG-системы по научным публикациям
  • повышение релевантности результатов гибридного поиска по исследовательским статьям

Ограничения

Обучена и проверена на англоязычных научных статьях; оценивает отдельные фрагменты длиной до 320 токенов, поэтому может пропускать сведения, распределённые по длинным абзацам или таблицам. Метки доказательных фрагментов QASPER неполны, а результаты на отдельной статье ограничены малым числом вопросов.

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

ms-marco-MiniLM-L6-v2, fine-tuned on QASPER

A cross-encoder that reranks passages of a scientific paper by how well they answer a question. It is cross-encoder/ms-marco-MiniLM-L6-v2 fine-tuned on the train split of QASPER, built for the retrieval stage of Enterprise RAG System. There it reorders the 20 candidates that hybrid search (BM25 and dense retrieval, fused with Reciprocal Rank Fusion) finds for a question, and the top 4 go to the language model.

Usage

from sentence_transformers import CrossEncoder

model = CrossEncoder("gouneji/ms-marco-MiniLM-L6-v2-qasper")
scores = model.predict(
    [
        ("How large is the training set?", "The training set contains 12,000 annotated sentences."),
        ("How large is the training set?", "We use a learning rate of 0.001 and a batch size of 32."),
    ]
)

In the application, set RAG_RERANKER_MODEL=gouneji/ms-marco-MiniLM-L6-v2-qasper.

Results on the QASPER test split

The test split has 416 papers, none of them in the train or dev splits; its 1,351 questions with evidence paragraphs are scored. Each question is answered against its own paper, split into chunks of at most 200 tokens, and a chunk is relevant when its paragraph was marked as evidence by an annotator.

Retrieval pipelineHit@1Hit@4MRR@10
Hybrid search + the base reranker39.9%70.3%0.544
Hybrid search + this reranker49.5%79.6%0.637
Hybrid search with the fine-tuned embedder + this reranker49.4%81.2%0.642

Hit@4 is the share of questions with an evidence chunk among the 4 passages the language model sees. The last row is the system selected on dev; against the base pair, its MRR@10 gain is +0.098 (paired bootstrap 95% CI +0.082 to +0.114).

Training

  • Data: QASPER's train split: 888 papers and 2,237 questions with evidence paragraphs.
  • Examples: for each question, a chunk from an evidence paragraph and up to 7 hard negatives: the highest-ranked non-evidence chunks from the hybrid retriever, which are exactly what the reranker has to sort in the application.
  • Denoising: QASPER annotators do not mark every paragraph that supports an answer, so some hard negatives are relevant. Negatives that the base reranker scored at least as high as the best evidence chunk were dropped, leaving 14,666.
  • Loss: listwise softmax cross-entropy. Each question's evidence chunk competes with its hard negatives, 8 questions per batch.
  • Optimisation: AdamW, learning rate 2e-5, weight decay 0.01, linear warm-up over 10% of steps, gradient clipping at 1.0, fp16 mixed precision, maximum length 320 tokens, 5 epochs on a Tesla T4.
  • Selection: every epoch was scored on the dev split; epoch 3 had the best end-to-end dev MRR@10, 0.599 against 0.496 for the base model. The test split was evaluated once, after selection.

The same recipe without denoising scored 0.487 on dev, below the base model, as did pointwise binary cross-entropy training (0.485).

Limitations

  • Trained and tested on NLP research papers in English. Together with the fine-tuned embedder it also helped on the project's own 23-page sample paper, which is not in QASPER (Hit@3 92.5% against 87.5% over 40 questions), but that sample is small.
  • It scores single passages of up to 320 tokens, so evidence spread across a long paragraph or a table can be missed.
  • QASPER's evidence labels are incomplete, so some passages counted as misses do answer the question.

Citation

QASPER: Pradeep Dasigi, Kyle Lo, Iz Beltagy, Arman Cohan, Noah A. Smith, Matt Gardner. A Dataset of Information-Seeking Questions and Answers Anchored in Research Papers. NAACL 2021. The dataset is licensed under CC BY 4.0.

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
BertForSequenceClassification
Ревизия весов
26feab1

0 моделей