/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
17 авг 2026

openplacsp-e5-small

ЭмбеддингиТекст → embedding3 профессии

Дообученный многоязычный энкодер для семантического поиска испанских закупочных извещений, их версий и соответствующих разделов CPV.

77скачиваний за 30 дней0лайковвеса обновлены17 авг 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

hsilvosa/openplacsp-e5-small — компактный текстовый семантический энкодер, дообученный на исторических испанских закупочных извещениях и парах «текст — описание CPV». Он предназначен для семантического поиска закупок, извлечения связанных извещений и версий одного извещения, а также поиска раздела CPV по тексту закупки.

Модель основана на multilingual-e5-small с архитектурой BERT и создаёт плотные эмбеддинги. В репозитории указано 124,3 млн параметров и контекст до 512 токенов. Обучение использовало 150 000 пар версий и 50 000 пар текстов с описаниями CPV; данные после 2022 года оставлялись для проверки. Временная оценка на данных 2024 года показывает высокое Recall@1 для поиска другой версии извещения и улучшение Recall@1 для поиска раздела CPV относительно базовой модели.

Модель рассчитана на испанский административный язык и данные закупок, опубликованные по декабрь 2024 года. Оценка сходства не подтверждает юридическую идентичность, нарушения или эквивалентность контрактов; для некоторых разделов CPV примеров мало. Лицензия — MIT.

Сценарии применения

  • поиск закупочных извещений по смыслу запроса
  • поиск связанных закупок в архиве
  • сопоставление разных версий одного извещения
  • подбор раздела CPV по описанию закупки
  • поиск закупок по тексту описания CPV

Ограничения

Модель отражает испанский административный язык и закупочные данные, опубликованные по декабрь 2024 года; сходство не устанавливает юридическую идентичность, нарушение или эквивалентность контрактов. Для некоторых разделов CPV обучающих примеров мало.

Для каких профессий подходит3

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

Embeddings for Spanish public procurement

A semantic encoder fine-tuned on historical versions of Spanish procurement notices and text-to-CPV-description pairs. It is intended for search, related-notice retrieval, version matching, and CPV division retrieval.

It was trained from the hsilvosa/openplacsp.

Temporal evaluation on 2024

TaskMetricBaseFine-tuned
Retrieve another versionRecall@10.99840.9982
Retrieve another versionRecall@101.00000.9998
Retrieve a CPV divisionRecall@10.19200.6846
Retrieve a CPV divisionRecall@30.36720.8550

Training only uses notices whose first publication date is no later than 2022. The years 2023 and 2024 are reserved for validation and testing. Training uses 150,000 version pairs and 50,000 text-to-CPV pairs with seed 20260817. The source snapshot fingerprint is fad46713c99abcaa500c7cef9323ae173f8f75c5aca02b299db2d4e96c3ca934 and the model checksum is e89f3596034c54b46d3959d2c7a33e378c9d67019405c9b6d26e56f207ec01ed.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(".")
queries = model.encode(["query: mantenimiento de aplicaciones"], normalize_embeddings=True)
documents = model.encode(["passage: servicios de desarrollo de software"], normalize_embeddings=True)
similarity = model.similarity(queries, documents)

Limitations

The model reflects Spanish administrative language and data published through December 2024. Similarity does not imply legal identity, irregularity, or contractual equivalence. CPV descriptions are short and some divisions have relatively few examples.

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
3be6487

0 моделей