/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Архитектура
modernbert · dense
Опубликована
2 июн 2025

modern-colbert-insent

ЭмбеддингиТекст → embedding7 профессий

Экспериментальная модель Modern ColBERT, дообученная для создания контекстных встраиваний документов и поиска релевантных пассажей.

68скачиваний за 30 дней7лайковвеса обновлены2 июн 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

illuin-conteb/modern-colbert-insent — контекстная модель встраиваний документов на основе Sentence Transformers и архитектуры ModernBERT с механизмом ColBERT. Её дообучили из lightonai/GTE-ModernColBERT-v1 на ConTEB с использованием подхода InSeNT, описанного в исследовательской статье. Модель выдаёт векторы размерности 128; для сравнения использует MaxSim и принимает последовательности длиной до 8192 токенов.

Модель предназначена для поиска релевантных фрагментов с учётом контекста документа, в частности для контекстного семантического поиска и ранжирования пассажей. Карточка характеризует её как экспериментальную: авторы сообщают о перспективных результатах, но отмечают ухудшение на стандартных задачах встраиваний и необходимость дальнейшего обучения для повышения устойчивости и обобщения на новые данные. Лицензия в предоставленных данных не указана.

Сценарии применения

  • контекстный поиск фрагментов в длинных документах
  • семантический поиск пассажей с учётом окружающего текста
  • ранжирование фрагментов документов по релевантности
  • создание контекстных встраиваний для исследовательских систем поиска

Ограничения

Авторы сообщают об ухудшении результатов на стандартных задачах встраиваний и предупреждают, что для надёжного применения потребуется дополнительное обучение на более широких данных. Лицензия не указана в предоставленных материалах.

Для каких профессий подходит7

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

ModernColBERT + InSeNT

arXiv GitHub Hugging Face

This is a contextual model finetuned from lightonai/GTE-ModernColBERT-v1 on the ConTEB training dataset. It was trained using the InSeNT training approach, detailed in the corresponding paper.

[!WARNING] This experimental model stems from the paper Context is Gold to find the Gold Passage: Evaluating and Training Contextual Document Embeddings. While results are promising, we have seen regression on standard embedding tasks, and using it in production will probably require further work on extending the training set to improve robustness and OOD generalization.

Usage

Direct Usage

First install the contextual-embeddings package:

pip install git+https://github.com/illuin-tech/contextual-embeddings

To run inference with a contextual model, you can use the following examples:

from contextual_embeddings import LongContextEmbeddingModel
from pylate.models import ColBERT

documents = [
    [
        "The old lighthouse keeper trimmed his lamp, its beam cutting a lonely path through the fog.",
        "He remembered nights of violent storms, when the ocean seemed to swallow the sky whole.",
        "Still, he found comfort in his duty, a silent guardian against the treacherous sea."
    ],
    [
        "A curious fox cub, all rust and wonder, ventured out from its den for the first time.",
        "Each rustle of leaves, every chirping bird, was a new symphony to its tiny ears.",
        "Under the watchful eye of its mother, it began to learn the secrets of the whispering forest."
    ]
]
base_model = ColBERT("illuin-conteb/modern-colbert-insent")
contextual_model = LongContextEmbeddingModel(
    base_model=base_model,
    pooling_mode="tokens"
)
embeddings = contextual_model.embed_documents(documents)
print("Length of embeddings:", len(embeddings)) # 2
print("Length of first document embedding:", len(embeddings[0])) # 3
print(f"Shape of first chunk embedding: {embeddings[0][0].shape}") # torch.Size([22, 128])

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: lightonai/GTE-ModernColBERT-v1
  • Maximum Sequence Length: tokens
  • Output Dimensionality: 128 dimensions
  • Similarity Function: MaxSim
  • Training Dataset:
    • train

Model Sources

Full Model Architecture

ColBERT(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel 
  (1): Dense({'in_features': 768, 'out_features': 128, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
)

Citation

@misc{conti2025contextgoldgoldpassage,
      title={Context is Gold to find the Gold Passage: Evaluating and Training Contextual Document Embeddings}, 
      author={Max Conti and Manuel Faysse and Gautier Viaud and Antoine Bosselut and Céline Hudelot and Pierre Colombo},
      year={2025},
      eprint={2505.24782},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2505.24782}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertModel
Ревизия весов
0c5c10f

0 моделей