/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
3 июл 2024

all-miniLM-L6-v2-UKPGA-6k-finetune

ЭмбеддингиТекст → embedding3 профессии

Модель Sentence Transformers для создания эмбеддингов и семантического поиска по законодательству Великобритании.

540скачиваний за 30 дней0лайковвеса обновлены18 июл 2024

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

i-dot-ai разработала эту модель на базе all-MiniLM-L6-v2 для поиска по законодательству Великобритании. Это дообученная модель Sentence Transformers с архитектурой BERT и 25,9 млн параметров: она преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения смысловой близости, семантического поиска и кластеризации. Контекст модели — до 512 токенов.

Модель дообучена на 6 тысячах пар «вопрос—ответ» по британским общим публичным законам 2010–2023 годов. Вопросы для обучающего набора сгенерированы GPT-4o, а ответы взяты из разделов законов. По оценке авторов, дообучение улучшило результат на 12% относительно базовой модели; также авторы сообщают о сопоставимом качестве с text-embedding-3-large на своей оценке. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • семантический поиск по текстам британских законов
  • поиск законов по вопросу на естественном языке
  • сопоставление вопросов с релевантными разделами законодательства
  • кластеризация документов и фрагментов британских законов

Ограничения

Модель настроена на британские общие публичные законы, поэтому её качество на других предметных областях и языках не подтверждено. Контекст ограничен 512 токенами.

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

all-miniLM-L6-v2-UKPGA-6k-finetune

This is a sentence-transformers model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search.

This model aims to provide an embedding finetuned to UK legislative language.

The model is used in an i-dot-ai project to give better semantic searching results for legislation.

The model has been finetuned on 6k question answer pairs from UK public general acts. The question and answer pairs can be found here: (i-dot-ai/legislation_2021-2023_qa)

The answers are sections from UK public general acts from 2010-2023. The matching questions are generated by gpt-4o.

The model performs similarly well to text-embedding-3-large. The finetuning has increased performance by 12% against it's base model all-miniLM-L6-v2.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

Evaluation Results

The model was evaluated against 1000 question and answer pairs from UKPGA 2010-2023 with questions generated by gpt-4o.

For an automated evaluation of this model, see the Sentence Embeddings Benchmark: https://seb.sbert.net

Training

The model was trained with the parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 1734 with parameters:

{'batch_size': 10, 'sampler': 'torch.utils.data.sampler.SequentialSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss with parameters:

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

Parameters of the fit()-Method:

{
    "epochs": 2,
    "evaluation_steps": 50,
    "evaluator": "sentence_transformers.evaluation.InformationRetrievalEvaluator.InformationRetrievalEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 346,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, '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()
)

Citing & Authors

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
6baf293

0 моделей