/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-reranker-v2-m3
Библиотека
sentence-transformers
Опубликована
7 окт 2026

qimam-bge-reranker-v2-m3-kb

Ранжирование текстаТекст → score

Переранжировщик на базе BAAI/bge-reranker-v2-m3 для улучшения поиска по арабско-английской корпоративной базе знаний в RAG-системах.

55скачиваний за 30 дней0лайковвеса обновлены8 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

halarash/qimam-bge-reranker-v2-m3-kb — переранжировщик для арабско-английской корпоративной базы знаний, созданный дообучением BAAI/bge-reranker-v2-m3. Это cross-encoder на архитектуре XLM-RoBERTa: модель совместно оценивает запрос и фрагмент текста и выдаёт оценку релевантности. В RAG-системе она переставляет кандидатов, найденных BM25 и плотным поиском, и её верхняя оценка также используется для решения, найден ли ответ в базе знаний.

Модель предназначена для поиска по корпоративным материалам на арабском и английском, включая межъязыковые запросы и вопросы на саудовском диалекте. В описанном эксперименте она переранжирует 30 кандидатов; README сообщает об улучшении nDCG@10 и MRR на тестовом наборе по сравнению с базовым переранжировщиком и поиском без переранжирования. Для вызова приведён пример с sentence-transformers CrossEncoder и max_length=512. Метаданные указывают 658,7 млн параметров и контекст 8194 токена; README приводит для базовой архитектуры оценку 568 млн параметров.

Модель обучена полным дообучением на небольшом синтетическом наборе одной компании и одном запуске без перебора гиперпараметров, поэтому результаты могут не переноситься на другие предметные области. Оценки склонны насыщаться около 0,99, что осложняет пороговый отказ от ответа; некоторые смешанные языковые запросы могут ошибочно получить NOT_FOUND. Арабский запрос к английскому фрагменту и вопросы о цене на саудовском диалекте остаются слабыми случаями. Лицензия Apache-2.0 допускает коммерческое использование.

Сценарии применения

  • переранжирование найденных фрагментов корпоративной базы знаний
  • поиск ответов на арабские вопросы в английских документах
  • поиск ответов на английские вопросы в арабских документах
  • повышение качества выдачи после объединения BM25 и векторного поиска
  • оценка релевантности фрагмента запросу для определения отсутствующего ответа

Ограничения

Обучена на синтетических данных одной компании в рамках одного запуска; качество на других предметных областях не установлено. Оценки часто насыщаются около 0,99, порог отказа чувствителен к калибровке, а арабские запросы к английским фрагментам и вопросы о цене на саудовском диалекте остаются слабыми случаями.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qimam KB bilingual reranker (bge-reranker-v2-m3, fine-tuned)

halarash/qimam-bge-reranker-v2-m3-kb is BAAI/bge-reranker-v2-m3 fine-tuned as a cross-encoder for an Arabic/English enterprise knowledge bank. In the RAG system it reorders 30 fused BM25 + dense candidates, and its top score drives a calibrated "not found in knowledge bank" gate.

Model details

FieldValue
Base modelBAAI/bge-reranker-v2-m3
LicenseApache-2.0, the same as the base model; commercial use is allowed
ArchitectureXLM-RoBERTa large cross-encoder, 568M parameters, one output logit
Max sequence length512 tokens (query + passage)
Size on disk2.27 GB (float32 safetensors)
Serving precisionfloat16 on GPU, float32 on CPU
Runs onGPU and CPU
QuantizationNone
OutputA relevance score in [0, 1] (sigmoid of the logit)

Usage

from sentence_transformers import CrossEncoder

model = CrossEncoder("halarash/qimam-bge-reranker-v2-m3-kb", max_length=512)
scores = model.predict([
    ("كم مدة ضمان المطابخ؟", "Warranty | Kitchens\nKitchens carry a 2-year warranty against manufacturing defects."),
    ("كم مدة ضمان المطابخ؟", "Warranty | Sofas\nSofa frames are covered by the warranty for 3 years."),
])
print(scores)

Passages are given as title | section followed by the chunk text, normalized as in the embedding model card.

Training

ItemValue
MethodFull fine-tuning with the sentence-transformers CrossEncoderTrainer
LossBinaryCrossEntropyLoss with pos_weight = 4 to balance one positive against four negatives
Training rows1,438 (query, positive, 4 negatives) from 1,277 training questions; 7,190 scored pairs
Negatives per row3 hard negatives mined with the base embedding model (confusable facts first) and 1 from the BM25 top results
Batch size32
Epochs1 (225 steps), no checkpoint selection
Learning rate1e-5, warmup ratio 0.1, weight decay 0.01, bf16
Seed2026
Hardware1 × NVIDIA A10G, 72.5 s of training

Leakage controls. No negative states the query's own fact, so the translated twin of a positive is never a negative. No chunk tied to a validation or test fact appears in the training rows; the data builder fails if one does.

Training data

halarash/qimam-kb-rag-data, files training/reranker_train.jsonl (training rows), training/reranker_candidates.jsonl (validation and test candidate pools) and training/passages.json.

Evaluation

Reranking a 30-candidate pool; 153 validation and 238 test answerable questions. The reranker and candidate pool were selected on validation nDCG@10 only.

SystemVal nDCG@10Val MRRTest nDCG@10Test MRRTest Recall@1
Fine-tuned dense, no reranker0.95210.93540.97630.97090.880
Fine-tuned dense + base reranker0.93170.91250.96490.95920.868
Fine-tuned dense + this reranker0.97400.96480.98800.98390.897
Equal-weight hybrid + base reranker0.92910.91150.96630.95940.868
Equal-weight hybrid + this reranker (deployed)0.97440.96540.98960.98600.901
  • The base reranker lowers quality after the domain-tuned embedder; this reranker improves every candidate pool.
  • The largest gains are on cross-lingual and dialect questions: test Arabic → English MRR rises from 0.872 to 0.935, and Saudi dialect MRR from 0.947 to 0.963.

Limitations

  • Saturated scores. BCE with pos_weight pushes most answerable top-1 scores above 0.99, so an abstention threshold sits on a steep part of the score curve. The deployed threshold (0.8445) was calibrated end to end on validation. Some correctly ranked mixed-language questions score below it, for example "أبغى أعرف الـ pricing حق الباقة المؤسسية" (0.814), and are answered NOT_FOUND.
  • Arabic question → English passage remains the weakest direction (test MRR 0.935 on 28 questions).
  • Saudi-dialect "how much" ("بكم", "كم ياخذ") is sometimes ranked toward a product's dimension passage instead of its price.
  • One training run with no hyperparameter sweep, on synthetic single-company data.

Reproduction

python scripts/prepare_data.py build-reranker-data
python scripts/train_reranker.py --hub-dataset halarash/qimam-kb-rag-data --push
python scripts/evaluate_reranker.py

Hyperparameters are in configs/training_config.yaml.

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
XLMRobertaForSequenceClassification
Ревизия весов
c656a2a

0 моделей