/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-large-en-v1.5
Опубликована
25 апр 2026

sutd-bge-large-aug98

ЭмбеддингиТекст → embedding

Англоязычная модель эмбеддингов для поиска элективных курсов SUTD по описаниям вакансий.

101скачиваний за 30 дней0лайковвеса обновлены25 апр 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

henreads/sutd-bge-large-aug98 — англоязычная модель эмбеддингов на базе BERT, дообученная на BAAI/bge-large-en-v1.5 командой MLOps Group 9 для чат-бота рекомендаций курсов SUTD. Она преобразует описания вакансий и учебные модули в векторы для поиска подходящих элективных курсов и служит плотной поисковой частью RAG и гибридного конвейера рекомендаций.

Модель содержит 433,9 млн параметров, выдаёт эмбеддинги размерностью 1024 и обрабатывает последовательности длиной до 512 токенов. Обучение проводилось на 98 парах «описание вакансии — релевантный модуль SUTD», расширенных до 831 обучающего и 146 проверочных примеров с hard negatives. В тесте на десяти вакансиях она показала NDCG@10 0,770; результаты относятся к небольшому набору оценки и не гарантируют качество за пределами поиска курсов SUTD. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск элективных модулей SUTD по описанию вакансии
  • Подбор учебных курсов по профессиональным навыкам из вакансии
  • Извлечение релевантных модулей для чат-бота рекомендаций курсов
  • Плотный поиск учебных программ в RAG-системе

Ограничения

Специализирована на поиске элективных модулей SUTD по описаниям вакансий; оценка проведена всего на десяти вакансиях и обучающих данных из 98 исходных пар. Максимальная длина входа — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sutd-bge-large-aug98

Finetuned BAAI/bge-large-en-v1.5 for job-description-to-module retrieval in the SUTD Course Recommendation Chatbot (MLOps Group 9). This is the production embedding model used in the final Hybrid pipeline.

Given a job description, this model retrieves relevant SUTD elective modules. It is the dense retrieval backbone in the RAG and Hybrid pipelines.

Model Details

PropertyValue
Base modelBAAI/bge-large-en-v1.5
Embedding dimension1024
Max sequence length512
Similarity functionCosine
LossMultipleNegativesRankingLoss

Training Data

Trained on 98 (job description, relevant SUTD module) pairs spanning four pillars: ASD, EPD, ESD, ISTD/CSD:

  • 67 hand-annotated pairs — original dataset
  • 31 augmented pairs — sourced from MyCareersFuture postings, labelled by Claude

After train/validation splitting and hard-negative expansion by the Sentence Transformers trainer, this produces 831 training samples and 146 validation samples.

A version trained on the smaller 67-pair dataset is available at henreads/sutd-bge-large-ft67.

Training Setup

  • Hardware: Modal A10G (24 GB VRAM)
  • Epochs: up to 10 with early stopping (patience 4); converged at epoch 3
  • Effective batch size: 16 (per-device batch 4, gradient accumulation 4)
  • Learning rate: 2e-5
  • Tracking: Weights & Biases (sutd-mlops-bge-finetune)

Evaluation

Evaluated on a 10-job held-out retrieval set (completely separate from training). This model achieves the best retrieval NDCG@10 among all embedding configurations.

ModelNDCG@10
BGE-large-en-v1.5 (base)0.679
sutd-bge-large-ft670.747
sutd-bge-large-aug98 (this model)0.770

When paired with the matched henreads/sutd-reranker-aug98, the Hybrid pipeline achieves a Gemini LLM-as-judge chat quality score of 4.06 / 5.0, exceeding the project success criterion of 4.0.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("henreads/sutd-bge-large-aug98")

job_description = "Data Scientist at GovTech. Build ML models with Python..."
module_passage = "50.007 Machine Learning — Topics: supervised learning, neural networks..."

embeddings = model.encode([job_description, module_passage], normalize_embeddings=True)
similarity = embeddings[0] @ embeddings[1]
print(similarity)

Project

Part of the SUTD Course Recommendation Chatbot — MLOps Group 9.
Code: github.com/henreads/sutd-mlops-group9

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
5e7580d

0 моделей