/ 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-ft67

ЭмбеддингиТекст → embedding

Англоязычная BERT-модель для поиска подходящих элективных модулей SUTD по описанию профессии.

102скачиваний 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-ft67 — дообученная модель BAAI/bge-large-en-v1.5 для поиска элективных учебных модулей SUTD по описанию профессии. Она служит dense retrieval-компонентом в RAG- и гибридном конвейерах чатбота, рекомендующего курсы. Модель основана на архитектуре BERT, содержит 433,9 млн параметров, строит эмбеддинги размерности 1024 и принимает последовательности длиной до 512 токенов.

Дообучение выполнено на 67 размеченных парах «описание профессии — подходящий модуль» с расширением обучающего набора сложными негативными примерами. На отдельной выборке из 10 запросов показатель NDCG@10 составил 0,747 против 0,679 у базовой модели. Модель рассчитана на англоязычные описания профессий и каталог модулей SUTD; её специализация на этой небольшой предметной области ограничивает перенос результатов на другие каталоги и типы запросов. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск элективных модулей SUTD по описанию профессии
  • ранжирование учебных курсов по релевантности карьерным целям
  • извлечение кандидатов для RAG-системы рекомендаций курсов

Ограничения

Модель обучена для поиска модулей SUTD на небольшом наборе размеченных примеров, поэтому её качество на других каталогах и предметных областях не подтверждено. Максимальная длина входной последовательности — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sutd-bge-large-ft67

Finetuned BAAI/bge-large-en-v1.5 for job-description-to-module retrieval in the SUTD Course Recommendation Chatbot (MLOps Group 9).

Given a job description, this model retrieves relevant SUTD elective modules. It is used as 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 67 hand-annotated (job description, relevant SUTD module) pairs spanning four pillars: ASD, EPD, ESD, ISTD/CSD. Each job description was matched to one or more relevant modules. After train/validation splitting and hard-negative expansion by the Sentence Transformers trainer, this produces 601 training samples and 66 validation samples.

A version trained on the augmented 98-pair dataset is available at henreads/sutd-bge-large-aug98.

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). NDCG@10 improves from 0.679 (base BGE-large) to 0.747 with ft67 finetuning.

ModelNDCG@10
BGE-large-en-v1.5 (base)0.679
sutd-bge-large-ft67 (this model)0.747
sutd-bge-large-aug980.770

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("henreads/sutd-bge-large-ft67")

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
2d67f91

0 моделей