Характеристики

Контекст: 8 194 токена
Параметры: 659 млн
Архитектура: xlm-roberta · dense
Базовая модель: BGE-m3-ko
Библиотека: sentence-transformers
Опубликована: 7 мая 2026

Ссылки

Hugging Face

bge-m3-ko

hyunseop

ЭмбеддингиТекст → embedding9 профессий

Дообученная корейская модель эмбеддингов для семантического поиска и сопоставления текста с документами.

171скачиваний за 30 дней0лайковвеса обновлены24 июн 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

hyunseop/bge-m3-ko — корейская модель текстовых эмбеддингов, разработанная дообучением dragonkue/BGE-m3-ko. Она основана на XLM-RoBERTa и содержит 658,7 млн параметров; модель предназначена для извлечения векторных представлений, семантического поиска и сравнения предложений. Контекст составляет до 8194 токенов.

Модель дообучена с контрастивной функцией потерь на парах запрос–документ, составленных на основе синтетических корейских персон из NVIDIA Nemotron Personas Korea. В описанных тестах она показала хорошие результаты на локальном корпусе AutoRAG, но уступила некоторым другим моделям в публичном корейском поисковом бенчмарке MIRACL. Репозиторий содержит веса Safetensors; условия лицензии в предоставленных данных не описаны.

Сценарии применения

поиск релевантных документов по запросу на корейском языке
ранжирование документов для корейского корпуса AutoRAG
сравнение семантической близости корейских предложений
поиск по запросам и документам о персонах и демографии

Ограничения

Модель специализирована на корейском языке и обучалась на синтетических данных о персонах; результаты публичного MIRACL-KO уступают некоторым другим моделям корейского поиска. Лицензия в предоставленных данных не указана.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bge-m3-ko-h100

H100 fine-tuned Korean embedding model based on dragonkue/BGE-m3-ko.

This is the better fit for the local AutoRAG corpus among the two uploaded models. Compared with qwen3-embedding-h100, it is the stronger model to highlight for the domain-specific benchmark.

Training

Fine-tuned from dragonkue/BGE-m3-ko (the official BAAI/bge-m3 continued-trained on Korean MIRACL) with a contrastive (in-batch-negative) objective.

Base model: dragonkue/BGE-m3-ko — Korean-specialized BGE-M3
Training data: nvidia/Nemotron-Personas-Korea — synthetic Korean personas (demographic / geographic / personality), used as (query, positive-document) pairs
Objective: sentence-transformers MultipleNegativesRankingLoss (in-batch negatives, InfoNCE-style)
Hardware: 4×H100 (Slurm)
Hyperparameters: 3 epochs · per-device batch size 8 · gradient accumulation 4 · learning rate 2e-5 · warmup ratio 0.1 · weight decay 0.01 · bf16
Finetune run: 111677_20260506_114341_both_2gpu

Benchmark Results

AutoRAG

Corpus size: 720
Queries evaluated: 114
MRR: 0.7773
MAP: 0.7773
Hit@1: 0.6754
Hit@5: 0.9123
Hit@10: 0.9474
Hit@50: 0.9825

MIRACL

Task: MIRACLRetrieval
Main score: 0.50
Dataset revision: 9c09abc13478308c27598f350e31d8f06b9b5481

cutoff	Precision	Recall	F1	mAP	mRR	NDCG
@1	0.39906	0.25093	0.30812	0.25093	0.399061	0.39906
@3	0.26604	0.43788	0.33099	0.34631	0.50313	0.43568
@5	0.20282	0.52623	0.29279	0.37510	0.523787	0.45984
@10	0.13380	0.64972	0.22190	0.40375	0.537201	0.50233
@20	0.08052	0.72989	0.14504	0.41724	0.540598	0.53096
@100	0.02272	0.90287	0.04432	0.43030	0.543259	0.57932
@1000	0.00254	0.98881	0.00507	0.43149	0.543447	0.59457

Artifacts

Model: output/111677_20260506_114341_both_2gpu/bge
AutoRAG benchmark: benchmark_results/autorag_benchmark.json
MIRACL summary: benchmark_results/miracl_benchmark.txt
MIRACL details: benchmark_results/mteb/MIRACLRetrieval.json

Comparison note

Strongest AutoRAG result of the two uploaded models
Weaker MIRACL-KO result than rtfin-qwen3-embedding-h100
Below dragonkue/snowflake-arctic-embed-l-v2.0-ko and rtfin-qwen3-embedding-h100 on the public Korean retrieval leaderboard, but still a strong local-domain model
Good to cite when the audience cares about the local domain corpus rather than the widest public Korean retrieval leaderboard

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: XLMRobertaModel
Ревизия весов: f2198fe