/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
all-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
21 янв 2026

all-MiniLM-L12-v2-code-search-512

ЭмбеддингиТекст → embedding8 профессий

Компактная модель эмбеддингов для семантического поиска по исходному коду и сопоставления кода с запросами и документацией.

152скачиваний за 30 дней0лайковвеса обновлены21 янв 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

all-MiniLM-L12-v2-code-search-512 — это компактная модель Sentence Transformers, дообученная на парах кода и документации из CodeSearchNet для семантического поиска по коду. Она сопоставляет текстовые запросы на естественном языке с исходным кодом и возвращает 384-мерные нормализованные эмбеддинги для поиска по косинусному сходству. Модель основана на архитектуре BERT семейства MiniLM, содержит 40 млн параметров и принимает последовательности длиной до 512 токенов.

Модель подходит для поиска фрагментов кода по запросу, сопоставления кода с документацией, поиска похожего кода и кластеризации, в том числе при интеграции в инструменты разработчика и IDE. В README приведены результаты на валидационной выборке CodeSearchNet: Accuracy@1 91% и MRR@10 0,9338. Поддерживаются запросы на естественном языке и код на Python, Java, JavaScript, PHP, Ruby и Go; возможны и другие языки из CodeSearchNet.

Модель не предназначена для генерации или автодополнения кода. Входы длиннее 512 токенов обрезаются, а качество может различаться между языками программирования и предметными областями. Лицензия — Apache-2.0.

Сценарии применения

  • поиск фрагмента кода по запросу на естественном языке
  • поиск кода в репозитории по описанию функции
  • сопоставление исходного кода с документацией
  • поиск похожих фрагментов кода
  • кластеризация кода по смыслу
  • встраивание семантического поиска в IDE и инструменты разработчика

Ограничения

Не предназначена для генерации и автодополнения кода; входы длиннее 512 токенов обрезаются. Качество может различаться между языками программирования и предметными областями.

Для каких профессий подходит8

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

all-MiniLM-L12-v2-code-search-512

Version: v1.0
Release Date: 2026-01-22
Base Model: https://huggingface.co/sentence-transformers/all-MiniLM-L12-v2


Overview

  • all-MiniLM-L12-v2-code-search-512 is a lightweight, high-accuracy sentence-transformers model fine-tuned for semantic code search and code embeddings.
  • It maps natural-language queries and source code into a shared embedding space, enabling fast retrieval of relevant code snippets across multiple programming languages.
  • On CodeSearchNet (validation), this model achieves 91.0% Accuracy@1.

Key Features

  • Fine-tuned on 1.29M+ code–documentation pairs from CodeSearchNet
  • Supports 512-token context length
  • Multi-language code support (Python, Java, JavaScript, PHP, Ruby, Go)
  • Fast inference with MiniLM-style encoder
  • Produces 384-dimensional normalized embeddings (cosine similarity friendly)

Intended Use

Recommended use cases:

  • Semantic code search
  • Natural language → code retrieval
  • Code–documentation matching
  • Code similarity and clustering
  • Developer tools and IDE integrations

Supported languages:

  • Python
  • Java
  • JavaScript
  • PHP
  • Ruby
  • Go
  • Other languages included in CodeSearchNet

Quick Start

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("isuruwijesiri/all-MiniLM-L12-v2-code-search-512")

# Encode code
code_embedding = model.encode("def hello_world():\n    print('Hello, World!')", convert_to_tensor=True)

# Encode natural language description
query_embedding = model.encode("function that prints hello world", convert_to_tensor=True)

# Cosine similarity
similarity = util.cos_sim(query_embedding, code_embedding).item()
print(f"Similarity: {similarity:.4f}")

Quick Start - JS

Use this model in JavaScript/TypeScript with Transformers.js (Node.js and browsers).

Installation:

npm install @xenova/transformers

Usage:

import { pipeline } from '@xenova/transformers';

const extractor = await pipeline('feature-extraction', 'isuruwijesiri/all-MiniLM-L12-v2-code-search-512', {
  quantized: false
});

const output = await extractor('def add(a, b): return a + b', {
  pooling: 'mean',
  normalize: true
});

const embedding = Array.from(output.data);
console.log(embedding); // [384] dimensional vector

Code Search Example

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("isuruwijesiri/all-MiniLM-L12-v2-code-search-512")

code_snippets = [
    "def calculate_sum(a, b):\n    return a + b",
    "def find_max(numbers):\n    return max(numbers)",
    "class User:\n    def __init__(self, name):\n        self.name = name"
]

query = "function to add two numbers"

query_emb = model.encode(query, convert_to_tensor=True)
code_embs = model.encode(code_snippets, convert_to_tensor=True)

scores = util.cos_sim(query_emb, code_embs)[0]
best_idx = scores.argmax().item()

print(f"Best match: {code_snippets[best_idx]}")
print(f"Similarity: {scores[best_idx]:.4f}")

Performance

Evaluated on the CodeSearchNet validation set (2,000 samples).

MetricScore
MRR@100.9338
Accuracy@10.9100
Accuracy@30.9540
Accuracy@50.9625
Accuracy@100.9760
Recall@10.9100
Recall@30.9540
Recall@50.9625
Recall@100.9760
NDCG@100.9441
MAP@1000.9347

This model significantly outperforms the base all-MiniLM-L12-v2 on code search tasks:

MetricBase ModelFine-tunedImprovement
MRR@100.82350.9338+0.1103 (+13.4%)
Accuracy@10.77350.9100+0.1365 (+17.6%)
Accuracy@30.86200.9540+0.0920 (+10.7%)
Accuracy@50.89300.9625+0.0695 (+7.8%)
Accuracy@100.92100.9760+0.0550 (+6.0%)
Recall@50.89300.9625+0.0695 (+7.8%)
Recall@100.92100.9760+0.0550 (+6.0%)
NDCG@100.84720.9441+0.0969 (+11.4%)
MAP@1000.82540.9347+0.1093 (+13.2%)

Context Length Configuration

This model was trained with a maximum sequence length of 512 tokens. By default, max_seq_length is set to 512. No manual configuration is required.

model.max_seq_length = 256  # Faster inference for short code
model.max_seq_length = 512  # Default, best accuracy (recommended)

Training Details

Dataset: CodeSearchNet Training samples: 1,294,017 Evaluation samples: 2,000 Epochs: 3 Effective batch size: 192 (96 per device × 2 devices, if applicable) Loss function: MultipleNegativesRankingLoss FP16: Enabled

Limitations

  • Inputs longer than 512 tokens are truncated
  • Not suitable for code generation or completion
  • Optimized for semantic similarity, not syntactic correctness
  • Performance may vary across programming languages and domains

Citation

If you use this model, please cite:

@misc{all_MiniLM_L12_v2_code_search_512,
  author = {isuruwijesiri},
  title = {all-MiniLM-L12-v2-code-search-512},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/isuruwijesiri/all-MiniLM-L12-v2-code-search-512}
}

License: Apache 2.0

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
0574cd8

0 моделей