/ Модель

Характеристики

Контекст
512 токенов
Параметры
38,5 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
6 июл 2023

jina-embedding-s-en-v1

ЭмбеддингиТекст → embedding10 профессий

Англоязычная модель Jina AI превращает предложения и запросы в векторы для поиска и оценки семантического сходства.

558скачиваний за 30 дней26лайковвеса 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 оценки34

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

  • CodeSearchNetRetrieval

    main_score

    Результат

    0,7791

    MTEB

    Публичная таблицадругая ревизия

  • NusaXBitextMining

    main_score

    Результат

    0,1632

    MTEB

    Публичная таблицадругая ревизия

  • OdiaNewsClassification

    main_score

    Результат

    0,4213

    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,096

    Общий результат 0,1069Общий результат 0,0512Общий результат 0,0316
    MTEB

    Публичная таблицадругая ревизия

  • NusaParagraphEmotionClassification

    main_score

    Результат

    0,2058

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,1238

    Общий результат 0,2967Общий результат 0,1116Общий результат 0,0682
    MTEB

    Публичная таблицадругая ревизия

  • NusaTranslationBitextMining

    main_score

    Результат

    0,262

    Общий результат 0,7506
    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,8882

    MTEB

    Публичная таблицадругая ревизия

  • PlscClusteringP2P.v2

    main_score

    Результат

    0,5983

    MTEB

    Публичная таблицадругая ревизия

  • AngryTweetsClassification

    main_score

    Результат

    0,4057

    MTEB

    Публичная таблицадругая ревизия

  • XNLI

    main_score

    Результат

    0,5714

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,3646

    MTEB

    Публичная таблицадругая ревизия

  • MasakhaNEWSClusteringS2S

    main_score

    Результат

    0,22

    MTEB

    Публичная таблицадругая ревизия

  • XPQARetrieval

    main_score

    Результат

    0,4685

    Общий результат 0,0804
    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0205

    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,4313

    Общий результат 0,3646Общий результат 0,3537
    MTEB

    Публичная таблицадругая ревизия

  • SinhalaNewsClassification

    main_score

    Результат

    0,3337

    MTEB

    Публичная таблицадругая ревизия

  • PublicHealthQA

    main_score

    Результат

    0,701

    MTEB

    Публичная таблицадругая ревизия

  • SNLHierarchicalClusteringP2P

    main_score

    Результат

    0,451

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0

    MTEB

    Публичная таблицадругая ревизия

  • AfriSentiClassification

    main_score

    Результат

    0,3812

    MTEB

    Публичная таблицадругая ревизия

  • ClimateFEVER

    main_score

    Результат

    0,1725

    MTEB

    Публичная таблицаревизия не подтверждена

  • CodeEditSearchRetrieval

    main_score

    Результат

    0,4069

    Общий результат 0,4556
    MTEB

    Публичная таблицадругая ревизия

  • SyntecRetrieval

    main_score

    Результат

    0,6924

    MTEB

    Публичная таблицадругая ревизия

  • SwissJudgementClassification

    main_score

    Результат

    0,4948

    Общий результат 0,4481
    MTEB

    Публичная таблицадругая ревизия

  • KinopoiskClassification

    main_score

    Результат

    0,3439

    MTEB

    Публичная таблицадругая ревизия

  • Touche2020

    main_score

    Результат

    0,1667

    MTEB

    Публичная таблицаревизия не подтверждена

  • SemRel24STS

    main_score

    Результат

    −0,0949

    Общий результат 0,3961
    MTEB

    Публичная таблицадругая ревизия

  • MasakhaNEWSClusteringP2P

    main_score

    Результат

    0,2736

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLReranking

    main_score

    Результат

    0,3904

    MTEB

    Публичная таблицадругая ревизия

  • SummEval

    main_score

    Результат

    0,3125

    MTEB

    Публичная таблицаревизия не подтверждена

  • TweetSentimentClassification

    main_score

    Результат

    0,398

    MTEB

    Публичная таблицадругая ревизия

  • MTOPIntentClassification

    main_score

    Результат

    0,4481

    MTEB

    Публичная таблицадругая ревизия

  • PawsXPairClassification

    main_score

    Результат

    0,5358

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

jina-embedding-s-en-v1 — англоязычная модель эмбеддингов, разработанная Jina AI для представления предложений и текстов в виде векторов. Она обучена на наборе Linnaeus-Clean из 380 млн пар предложений, включая пары запрос–документ, отобранные из разных предметных областей. Архитектура — T5 encoder; модель содержит 38,5 млн параметров и принимает последовательности длиной до 512 токенов.

Модель предназначена для сравнения семантической близости предложений, поиска подходящих документов по запросу и построения текстовых векторных представлений. В README приведено сравнение с несколькими моделями на наборах STS и задачах поиска; результаты зависят от конкретного набора данных и сценария. Доступна под лицензией Apache-2.0.

Сценарии применения

  • поиск документов по текстовому запросу
  • оценка семантической близости предложений
  • создание векторного индекса для поиска по текстам
  • поиск похожих вопросов и фрагментов текста

Ограничения

Модель рассчитана на английский язык и ограничена контекстом до 512 токенов. Качество для конкретной области или набора данных следует проверять отдельно.

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-s-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 compact size of just 35 million parameters, the model enables lightning-fast inference while still delivering impressive performance. 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

Use with Jina AI Finetuner

!pip install finetuner
import finetuner

model = finetuner.build_model('jinaai/jina-embedding-s-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-s-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
5ac6cd4

0 моделей