/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-base-en-v1.5
Библиотека
sentence-transformers
Опубликована
17 мар 2025

regulatory-model

ЭмбеддингиТекст → embedding6 профессий

Англоязычная BERT-модель создаёт эмбеддинги для семантического поиска и сравнения финансовых и регуляторных текстов.

132скачиваний за 30 дней0лайковвеса обновлены17 мар 2025

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

Regulatory Financial Matryoshka — англоязычная модель Sentence Transformers, разработанная на основе BAAI/bge-base-en-v1.5 и дообученная на 185 814 парах текстов. Архитектура BERT с пулингом CLS-токена и нормализацией преобразует предложения и абзацы в плотные эмбеддинги размерностью 768; максимальная длина входа — 512 токенов. Для сравнения векторов используется косинусное сходство, а Matryoshka-обучение позволяет использовать укороченные представления размерностью 512, 256, 128 или 64.

Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Данные обучения и примеры относятся к финансовой и регуляторной тематике, поэтому модель особенно подходит для поиска по таким материалам. Лицензия — Apache-2.0. Результаты могут быть менее надёжны для языков, отличных от английского, и для входов длиннее 512 токенов.

Сценарии применения

  • семантический поиск по финансовым и регуляторным документам
  • поиск ответа в финансовых текстах по вопросу
  • сравнение сходства предложений и абзацев
  • поиск перефразировок финансовых вопросов
  • кластеризация финансовых и регуляторных текстов
  • классификация текстов по эмбеддингам

Ограничения

Модель обучалась на английских текстах и не предназначена для надёжной работы на других языках. Максимальная длина входа составляет 512 токенов; точность может снижаться при использовании укороченных эмбеддингов.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Regulatory Financial Matryoshka

This is a sentence-transformers model finetuned from BAAI/bge-base-en-v1.5 on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: BAAI/bge-base-en-v1.5
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json
  • Language: en
  • License: apache-2.0

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("hshashank06/regulatory-model")
# Run inference
sentences = [
    ' Home Depot\'s stock closed at $135.39 while being above a "golden cross" on January 19, 2017.',
    ' In the given text passage, when did Home Depot\'s stock close at $135.39 while being above a "golden cross"? \n',
    ' According to Maley, where might the funds from potentially declining sectors like FANGs be directed towards? \n',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

Metricdim_768dim_512dim_256dim_128dim_64
cosine_accuracy@10.60270.59890.58810.57190.5443
cosine_accuracy@30.73490.73020.72230.70580.6759
cosine_accuracy@50.76760.76510.75680.74060.7139
cosine_accuracy@100.80580.80340.79470.78190.7583
cosine_precision@10.60270.59890.58810.57190.5443
cosine_precision@30.2450.24340.24080.23530.2253
cosine_precision@50.15350.1530.15140.14810.1428
cosine_precision@100.08060.08030.07950.07820.0758
cosine_recall@10.60270.59890.58810.57190.5443
cosine_recall@30.73490.73020.72230.70580.6759
cosine_recall@50.76760.76510.75680.74060.7139
cosine_recall@100.80580.80340.79470.78190.7583
cosine_ndcg@100.70730.7040.69450.67930.6523
cosine_mrr@100.67550.67190.66220.64630.6182
cosine_map@1000.67970.67610.66660.65080.6229

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 185,814 training samples
  • Columns: positive and anchor
  • Approximate statistics based on the first 1000 samples:
    positiveanchor
    typestringstring
    detailsmin: 3 tokensmean: 43.18 tokensmax: 200 tokensmin: 10 tokensmean: 23.08 tokensmax: 63 tokens
  • Samples:
    positiveanchor
    The BVPS (Book Value Per Share) is calculated by dividing a company's common equity value by its total number of shares outstanding. In the given example, if a company has a common equity value of $100 million and 10 million shares outstanding, its BVPS would be $10 ($100 million / 10 million). You can calculate a company's BVPS using Microsoft Excel by entering the values of common stock, retained earnings, and additional paid-in capital into cells A1 through A3. What is the BVPS and how is it calculated?
    They facilitate commodities trading using their resources, can take delivery of commodities if needed, provide advisory services for clients, and act as market makers by buying and selling futures contracts to add liquidity to the marketplace. The passage uses the example of a commercial baking firm to demonstrate how their impact can be seen in the market. What role do eligible commercial entities play in commodities trading and market liquidity?
    Naive diversification is a type of diversification strategy where an investor randomly selects different securities, hoping to lower the risk of the portfolio due to the varied nature of the chosen securities. It is less sophisticated than diversification methods using statistical modeling, but when guided by experience, careful security examination, and common sense, it remains an effective strategy for reducing portfolio risk. What is the concept of naive diversification in investing and how does it compare to more sophisticated diversification methods?
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512,
            256,
            128,
            64
        ],
        "matryoshka_weights": [
            1,
            1,
            1,
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: epoch
  • per_device_train_batch_size: 32
  • per_device_eval_batch_size: 16
  • gradient_accumulation_steps: 16
  • learning_rate: 2e-05
  • num_train_epochs: 4
  • lr_scheduler_type: cosine
  • warmup_ratio: 0.1
  • bf16: True
  • load_best_model_at_end: True
  • optim: adamw_torch_fused
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: epoch
  • prediction_loss_only: True
  • per_device_train_batch_size: 32
  • per_device_eval_batch_size: 16
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 16
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 2e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 4
  • max_steps: -1
  • lr_scheduler_type: cosine
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: True
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: True
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch_fused
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining Lossdim_768_cosine_ndcg@10dim_512_cosine_ndcg@10dim_256_cosine_ndcg@10dim_128_cosine_ndcg@10dim_64_cosine_ndcg@10
0.02761043.573-----
0.05512042.1758-----
0.08273037.6368-----
0.11024034.5743-----
0.13785029.5956-----
0.16536023.4468-----
0.19297019.7425-----
0.22048016.9744-----
0.24809015.2437-----
0.275510013.9444-----
0.303111012.067-----
0.330612011.1149-----
0.358213010.4083-----
0.38571408.915-----
0.41331509.4964-----
0.44081608.0434-----
0.46841708.1963-----
0.49601808.5704-----
0.52351907.711-----
0.55112007.6676-----
0.57862106.9899-----
0.60622207.6195-----
0.63372307.0456-----
0.66132407.5541-----
0.68882506.6543-----
0.71642606.8849-----
0.74392707.6635-----
0.77152807.2155-----
0.79902906.3284-----
0.82663006.577-----
0.85413105.0835-----
0.88173206.1866-----
0.90923305.9467-----
0.93683405.663-----
0.96443505.417-----
0.99193606.0331-----
0.9974362-0.69400.69000.67910.66030.6273
1.02203705.5374-----
1.04963804.5917-----
1.07713904.6483-----
1.10474004.96-----
1.13234104.6808-----
1.15984205.2396-----
1.18744304.651-----
1.21494404.4875-----
1.24254504.6877-----
1.27004604.2209-----
1.29764704.678-----
1.32514804.6774-----
1.35274904.4409-----
1.38025004.4464-----
1.40785104.2724-----
1.43535204.5017-----
1.46295304.3469-----
1.49045404.4925-----
1.51805503.922-----
1.54555604.6949-----
1.57315704.0364-----
1.60075804.3846-----
1.62825903.7526-----
1.65586004.0508-----
1.68336104.6315-----
1.71096203.7683-----
1.73846304.6994-----
1.76606404.1994-----
1.79356504.3915-----
1.82116604.2947-----
1.84866704.6972-----
1.87626804.1664-----
1.90376904.1861-----
1.93137003.6879-----
1.95887104.3767-----
1.98647204.48-----
1.9974724-0.70130.69710.68850.67160.6414
2.01657303.6164-----
2.04417403.3361-----
2.07167503.4175-----
2.09927603.9006-----
2.12677703.0823-----
2.15437803.029-----
2.18187903.8081-----
2.20948003.4486-----
2.23708103.6064-----
2.26458203.0896-----
2.29218303.3233-----
2.31968402.9528-----
2.34728503.0482-----
2.37478603.2795-----
2.40238702.9218-----
2.42988803.4518-----
2.45748903.6095-----
2.48499003.2002-----
2.51259103.368-----
2.54009203.0623-----
2.56769303.3495-----
2.59519403.7123-----
2.62279503.7795-----
2.65029603.5567-----
2.67789703.3498-----
2.70549803.3141-----
2.73299902.9425-----
2.760510002.9978-----
2.788010103.2468-----
2.815610202.5252-----
2.843110303.3108-----
2.870710403.195-----
2.898210503.1019-----
2.925810603.7059-----
2.953310703.1952-----
2.980910803.2454-----
2.99741086-0.70560.70300.69390.67790.6505
3.011010903.3788-----
3.038611002.9617-----
3.066111103.4313-----
3.093711202.5883-----
3.121211302.8836-----
3.148811402.3895-----
3.176311502.5155-----
3.203911603.3168-----
3.231411703.0286-----
3.259011803.1494-----
3.286611902.87-----
3.314112002.591-----
3.341712102.8437-----
3.369212203.0344-----
3.396812303.0685-----
3.424312403.4623-----
3.451912503.4256-----
3.479412602.7349-----
3.507012702.8587-----
3.534512802.729-----
3.562112903.0288-----
3.589613002.6599-----
3.617213102.4755-----
3.644713203.0501-----
3.672313302.545-----
3.699813402.5919-----
3.727413502.9026-----
3.755013602.7362-----
3.782513703.3311-----
3.810113802.8415-----
3.837613903.2033-----
3.865214002.7483-----
3.892714103.0403-----
3.920314203.0724-----
3.947814302.9797-----
3.975414402.6779-----
3.99741448-0.70730.7040.69450.67930.6523
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.11.11
  • Sentence Transformers: 3.4.1
  • Transformers: 4.48.3
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.3.0
  • Datasets: 3.4.1
  • Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

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
BertModel
Ревизия весов
fbfd58c

0 моделей