/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
7 июл 2023

jina-embedding-b-en-v1

ЭмбеддингиТекст → embedding10 профессий

Англоязычная модель Jina AI для получения эмбеддингов предложений и семантического сопоставления текстов.

1 615скачиваний за 30 дней8лайковвеса обновлены6 янв 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 оценки31

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • NusaXBitextMining

    main_score

    Результат

    0,1965

    Общий результат 0,1794
    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0406

    Общий результат 0,0514Общий результат 0,0449Общий результат 0,0351
    MTEB

    Публичная таблицадругая ревизия

  • Touche2020Retrieval.v3

    main_score

    Результат

    0,5886

    MTEB

    Публичная таблицадругая ревизия

  • MasakhaNEWSClusteringS2S

    main_score

    Результат

    0,3065

    Общий результат 0,2082
    MTEB

    Публичная таблицадругая ревизия

  • STS22

    main_score

    Результат

    0,6253

    MTEB

    Публичная таблицадругая ревизия

  • NusaParagraphEmotionClassification

    main_score

    Результат

    0,228

    MTEB

    Публичная таблицадругая ревизия

  • XNLI

    main_score

    Результат

    0,5595

    Общий результат 0,6968Общий результат 0,5081
    MTEB

    Публичная таблицадругая ревизия

  • LegalBenchConsumerContractsQA

    main_score

    Результат

    0,7699

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,269

    Общий результат 0,1027Общий результат 0,0281Общий результат 0,005
    MTEB

    Публичная таблицадругая ревизия

  • SemRel24STS

    main_score

    Результат

    0,3083

    Общий результат −0,0309
    MTEB

    Публичная таблицадругая ревизия

  • LEMBNeedleRetrieval

    main_score

    Результат

    0,44

    MTEB

    Публичная таблицадругая ревизия

  • BigPatentClustering.v2

    main_score

    Результат

    0,2809

    MTEB

    Публичная таблицадругая ревизия

  • MLSUMClusteringS2S

    main_score

    Результат

    0,386

    Общий результат 0,4052
    MTEB

    Публичная таблицадругая ревизия

  • LivedoorNewsClustering.v2

    main_score

    Результат

    0,2569

    MTEB

    Публичная таблицадругая ревизия

  • XQuADRetrieval

    main_score

    Результат

    0,2061

    MTEB

    Публичная таблицадругая ревизия

  • MLSUMClusteringP2P

    main_score

    Результат

    0,415

    MTEB

    Публичная таблицадругая ревизия

  • MedrxivClusteringS2S

    main_score

    Результат

    0,2501

    MTEB

    Публичная таблицаревизия не подтверждена

  • StackExchangeClustering

    main_score

    Результат

    0,4807

    MTEB

    Публичная таблицаревизия не подтверждена

  • MLQARetrieval

    main_score

    Результат

    0,6233

    Общий результат 0,0859Общий результат 0,0233
    MTEB

    Публичная таблицадругая ревизия

  • CodeEditSearchRetrieval

    main_score

    Результат

    0,4997

    MTEB

    Публичная таблицадругая ревизия

  • MTOPIntentClassification

    main_score

    Результат

    0,5368

    Общий результат 0,7283Общий результат 0,4667
    MTEB

    Публичная таблицадругая ревизия

  • SyntheticText2SQL

    main_score

    Результат

    0,4183

    MTEB

    Публичная таблицадругая ревизия

  • XPQARetrieval

    main_score

    Результат

    0,4253

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,4629

    MTEB

    Публичная таблицадругая ревизия

  • HALClusteringS2S

    main_score

    Результат

    0,1812

    MTEB

    Публичная таблицадругая ревизия

  • SICKNLPairClassification

    main_score

    Результат

    0,6454

    MTEB

    Публичная таблицаревизия совпадает

  • SICKFr

    main_score

    Результат

    0,6759

    MTEB

    Публичная таблицадругая ревизия

  • RedditClustering

    main_score

    Результат

    0,4285

    MTEB

    Публичная таблицаревизия не подтверждена

  • SNLRetrieval

    main_score

    Результат

    0,6119

    MTEB

    Публичная таблицадругая ревизия

  • STSES

    main_score

    Результат

    0,6952

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,2015

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

jinaai/jina-embedding-b-en-v1 — англоязычная модель эмбеддингов текста, разработанная Jina AI. Она предназначена для сопоставления предложений и поиска близких по смыслу текстов, включая пары запрос—документ. Модель обучалась на наборе Linnaeus-Clean из 380 миллионов пар предложений, собранных из разных областей и прошедших очистку; в метаданных также указан датасет jinaai/negation-dataset.

Модель построена на архитектуре T5 Encoder, содержит 123,8 млн параметров и принимает последовательности длиной до 512 токенов. Она выдаёт текстовые эмбеддинги для семантического поиска, сравнения предложений и ранжирования кандидатов по близости смысла. Доступна в формате PyTorch.

Модель распространяется по лицензии Apache-2.0. Ограничение контекста в 512 токенов делает её менее подходящей для прямого кодирования длинных документов; назначение и языковые данные ориентированы на английский.

Сценарии применения

  • семантический поиск по англоязычным документам
  • поиск документов по текстовому запросу
  • сравнение сходства двух предложений
  • ранжирование документов по релевантности запросу
  • поиск похожих вопросов и текстов

Ограничения

Контекст ограничен 512 токенами, поэтому длинные документы могут требовать разбиения на фрагменты. Модель ориентирована на английский язык.

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

Intented Usage & Model Info

jina-embedding-b-en-v1 is a language model that has been trained using Jina AI's Linnaeus-Clean dataset. This dataset consists of 380 million pairs of sentences, which include both query-document pairs. These pairs were obtained from various domains and were carefully selected through a thorough cleaning process. The Linnaeus-Full dataset, from which the Linnaeus-Clean dataset is derived, originally contained 1.6 billion sentence pairs.

The model has a range of use cases, including information retrieval, semantic textual similarity, text reranking, and more.

With a standard size of 110 million parameters, the model enables fast inference while delivering better performance than our small model. It is recommended to use a single GPU for inference. Additionally, we provide the following options:

Data & Parameters

Please checkout our technical blog.

Metrics

We compared the model against all-minilm-l6-v2/all-mpnet-base-v2 from sbert and text-embeddings-ada-002 from OpenAI:

Nameparamdimension
all-minilm-l6-v223m384
all-mpnet-base-v2110m768
ada-embedding-002Unknown/OpenAI API1536
jina-embedding-t-en-v114m312
jina-embedding-s-en-v135m512
jina-embedding-b-en-v1110m768
jina-embedding-l-en-v1330m1024
NameSTS12STS13STS14STS15STS16STS17TRECOVIDQuoraSciFact
all-minilm-l6-v20.7240.8060.7560.8540.790.8760.4730.8760.645
all-mpnet-base-v20.7260.8350.780.8570.80.9060.5130.8750.656
ada-embedding-0020.6980.8330.7610.8610.860.9030.6850.8760.726
jina-embedding-t-en-v10.7170.7730.7310.8290.7770.8600.4820.8400.522
jina-embedding-s-en-v10.7430.7860.7380.8370.800.8750.5230.8570.524
jina-embedding-b-en-v10.7510.8090.7610.8560.8120.8900.6060.8760.594
jina-embedding-l-en-v10.7450.8320.7810.8690.8370.9020.5730.8810.598

Usage

Usage with Jina AI Finetuner:

!pip install finetuner
import finetuner

model = finetuner.build_model('jinaai/jina-embedding-b-en-v1')
embeddings = finetuner.encode(
    model=model,
    data=['how is the weather today', 'What is the current weather like today?']
)
print(finetuner.cos_sim(embeddings[0], embeddings[1]))

Use with sentence-transformers:

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

sentences = ['how is the weather today', 'What is the current weather like today?']

model = SentenceTransformer('jinaai/jina-embedding-b-en-v1')
embeddings = model.encode(sentences)
print(cos_sim(embeddings[0], embeddings[1]))

Fine-tuning

Please consider Finetuner.

Plans

  1. The development of jina-embedding-s-en-v2 is currently underway with two main objectives: improving performance and increasing the maximum sequence length.
  2. We are currently working on a bilingual embedding model that combines English and X language. The upcoming model will be called jina-embedding-s/b/l-de-v1.

Contact

Join our Discord community and chat with other community members about ideas.

Citation

If you find Jina Embeddings useful in your research, please cite the following paper:

@misc{günther2023jina,
      title={Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models},
      author={Michael Günther and Louis Milliken and Jonathan Geuter and Georgios Mastrapas and Bo Wang and Han Xiao},
      year={2023},
      eprint={2307.11224},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5EncoderModel
Ревизия весов
32aa658

0 моделей