/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-large
Библиотека
sentence-transformers
Опубликована
15 июн 2026

triBne-e5-large

ЭмбеддингиТекст → embedding10 профессий

Эмбеддер на базе multilingual-e5-large для семантического поиска и сопоставления текстов на бенгальском, английском и банглиш.

108скачиваний за 30 дней0лайковвеса обновлены15 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.

  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

triBne-e5-large — модель векторных представлений предложений, разработанная Istiaq Fuad и дообученная на базе intfloat/multilingual-e5-large. Она предназначена для семантического поиска, извлечения и сравнения текстов на бенгальском, английском и банглиш — бенгальском, записанном латиницей, в том числе при вариантах написания вроде «bhalobashi» и «valobashi». Модель использует архитектуру XLM-RoBERTa-large, содержит около 658,7 млн параметров и выдаёт эмбеддинги размерности 1024; сходство оценивается косинусной мерой. Для кодирования достаточно передавать обычный текст без префиксов query или passage.

Модель подходит для поиска соответствий между разными вариантами написания банглиш, текстом на бенгальском письме и переводами на английский, а также для кластеризации и поиска в смешанных бенгальско-английских коллекциях. Дообучение выполнено контрастивным методом с LoRA-адаптером, слитым с базовой моделью. README сообщает о тестировании на трёх задачах поиска и приводит метрики на отложенных наборах данных.

Максимальная длина последовательности в метаданных — 514 токенов; README указывает, что модель обучалась с ограничением 128 токенов и более длинный текст усекается. Часть примеров банглиш создана языковой моделью и может отражать её смещения; модель не предназначена для классификации или генерации. Лицензия — MIT.

Сценарии применения

  • поиск документов на бенгальском по запросу на английском
  • сопоставление бенгальского текста с его записью латиницей
  • поиск совпадений при разных вариантах написания банглиш
  • семантический поиск по смешанному бенгальско-английскому корпусу
  • кластеризация коротких текстов на бенгальском, английском и банглиш

Ограничения

Модель обучалась преимущественно на коротких текстах до 128 токенов; более длинный ввод может усекаться. Часть обучающих вариантов банглиш создана LLM и может содержать её смещения; модель не предназначена для классификации или генерации.

Для каких профессий подходит10

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

triBne-e5-large — Banglish / Bangla / English

A sentence-embedding model fine-tuned from intfloat/multilingual-e5-large for robust semantic retrieval across Bangla (Bengali script), English, and Banglish (romanized Bengali) — including resilience to the heavy spelling variation that romanized Bengali exhibits (e.g. bhalobashi ↔ valobashi).

The base model collapses spelling variants and cross-script pairs to near-uniform similarity (on Banglish/cross-script pairs its positive–negative cosine margin is negative — it cannot tell a true positive from a hard negative). This fine-tune restores a large positive/negative margin and lifts retrieval sharply, at 1024-dim for higher capacity than the e5-small sibling.

  • Base model: intfloat/multilingual-e5-large (XLM-RoBERTa-large backbone, ~560M params, 1024-dim)
  • Method: LoRA contrastive fine-tuning, adapter merged into the backbone
  • Embedding dim: 1024 · Max sequence length: 128 · Similarity: cosine
  • Pooling: mean pooling + L2 normalization

Usage

The model was fine-tuned on raw text pairs without the e5 query: / passage: prefixes — so you do not need them. Just encode raw strings.

sentence-transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("istiaqfuad/triBne-e5-large")

sentences = [
    "ami tomake bhalobashi",      # Banglish
    "ami tomake valobashi",       # Banglish spelling variant
    "আমি তোমাকে ভালোবাসি",         # Bangla
    "I love you",                 # English
]
emb = model.encode(sentences, normalize_embeddings=True)
print(model.similarity(emb, emb))

transformers (manual mean pooling)

import torch
import torch.nn.functional as F
from transformers import AutoModel, AutoTokenizer

tok = AutoTokenizer.from_pretrained("istiaqfuad/triBne-e5-large")
model = AutoModel.from_pretrained("istiaqfuad/triBne-e5-large")

def encode(texts):
    batch = tok(texts, padding=True, truncation=True, max_length=128, return_tensors="pt")
    with torch.no_grad():
        out = model(**batch)
    mask = batch["attention_mask"].unsqueeze(-1).float()
    emb = (out.last_hidden_state * mask).sum(1) / mask.sum(1)   # mean pooling
    return F.normalize(emb, p=2, dim=1)

emb = encode(["ami tomake bhalobashi", "আমি তোমাকে ভালোবাসি"])
print((emb[0] @ emb[1]).item())

Evaluation

Evaluated on a held-out test set across three retrieval tasks — banglish_spelling (romanized spelling-variant matching), cross_script (Bangla ↔ Banglish), and en_bn (English ↔ Bangla) — 1,000 anchor/positive pairs per task, ranked over the in-task pool. Compared against the base model and the e5-small sibling fine-tune.

Overall retrieval (mean over the three tasks):

ModelMRR@10Recall@1Recall@5Recall@10
This model (e5-large, fine-tuned)0.9590.9440.9750.982
triBne-e5-small (fine-tuned)0.9170.8890.9500.964
Multilingual E5-large (base)0.6850.6300.7590.797

Per-task MRR@10:

TaskThis modeltriBne-e5-smallBase e5-large
banglish_spelling0.9480.8780.647
cross_script (bn↔banglish)0.9960.9890.607
en_bn0.9310.8830.800

This model wins every task, and improves on the e5-small sibling across the board.

Positive/negative cosine margin (mean cos(anchor, positive) − mean cos(anchor, hard negative); higher = better separation). The base model has a negative margin on the Banglish tasks — it cannot separate positives from hard negatives; the fine-tune fixes this:

TaskThis modelBase e5-large
banglish_spelling+0.422−0.022
cross_script+0.475−0.058
en_bn+0.704+0.127

Training

  • Objective: MultipleNegativesRankingLoss (in-batch negatives), scale 20.0
  • PEFT: LoRA — r=32, alpha=64, dropout=0.1, targets query,key,value,dense, task_type=FEATURE_EXTRACTION (adapter merged into the backbone for this release; 14.2M trainable / 574M params ≈ 2.5%)
  • Epochs: 3 (~15.3k steps) · LR: 3e-5 · Warmup: 500 steps · Optimizer: adamw_torch
  • Batch: 128 · fp16 · Max sequence length: 128 · final train loss ≈ 0.16
  • Hardware: single NVIDIA RTX PRO 6000 (Blackwell)
  • Data: istiaqfuad/bangla-english-banglish-pairs — ~2.4M contrastive pairs (LLM-generated Banglish spelling variants + cross-script pairs, plus OPUS-100 English↔Bangla), deduplicated and interleaved 80% Banglish / 20% English–Bangla.

Same recipe as istiaqfuad/triBne-e5-small, scaled to the e5-large backbone.

Intended use & limitations

  • Use for: semantic search / retrieval, clustering, and similarity over mixed Bangla / English / romanized-Bengali text — especially noisy, user-generated romanized Bengali with inconsistent spelling. Choose this over the e5-small sibling when retrieval quality matters more than footprint (1024-dim, ~560M params).
  • Limitations: trained primarily on short text (≤128 tokens); longer inputs are truncated. Banglish training pairs are partly LLM-generated and may carry their biases. Not built for classification or generation.

Citation

If you use this model, please cite the base model (Wang et al., Multilingual E5) and this fine-tune:

@misc{tribne-e5-large,
  title  = {triBne-e5-large: multilingual-e5-large fine-tuned for Banglish/Bangla/English retrieval},
  author = {Istiaqur Rahman Fuad},
  year   = {2026},
  url    = {https://huggingface.co/istiaqfuad/triBne-e5-large}
}

This model is released under the MIT license, following the base model.

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
b3bfb0f

0 моделей