/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Библиотека
colbert
Опубликована
22 июн 2026

ColBERT-XLMR-Mixed-Distill-enfa-fa

ЭмбеддингиТекст → embedding3 профессии

ColBERT-энкодер на базе XLM-RoBERTa-large для поиска по персидским документам по английским, персидским и смешанным запросам.

12скачиваний за 30 дней0лайковвеса обновлены22 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

Модель jonghwi/ColBERT-XLMR-Mixed-Distill-enfa-fa — мультиязычный поисковый энкодер на архитектуре ColBERT с поздним взаимодействием токенов, разработанный для поиска по персоязычным документам. В основе лежит XLM-RoBERTa-large, дообученная методом дистилляции по оценкам релевантности; размер модели — 658,7 млн параметров, размер проекции — 128, максимальный контекст — 514 токенов.

Модель сопоставляет запросы на английском, персидском или смешанном английско-персидском языке с фрагментами документов на персидском языке. Для ранжирования использует MaxSim по токенным эмбеддингам и рассчитана на двуязычный веб-поиск и поиск по персидским коллекциям, когда запросы содержат переключение языков. Заявленная лицензия — Apache-2.0.

Сценарии применения

  • Поиск по персидским веб-страницам по запросу на английском
  • Поиск по персидским документам по запросу на фарси
  • Поиск по персидским текстам по смешанному англо-персидскому запросу
  • Получение релевантных фрагментов для многоязычной поисковой системы

Ограничения

Документы для поиска должны быть на персидском языке; контекст ограничен 514 токенами. Модель предназначена для английских, персидских и смешанных запросов, но карточка не заявляет поддержку других языков.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mixed-Distill enfa-fa (English–Persian)

A cross-lingual ColBERT late-interaction retriever (XLM-RoBERTa-large backbone) for English ⇄ Persian (Farsi) web search. The model is distilled from a strong reranker and trained on code-switched (mixed-language) queries, following the Mixed-Distill recipe from the MiLQ paper.

The repo name encodes the training direction: enfa-fa = code-switched en+fa queries → fa documents. It is designed to be robust when bilingual users issue mixed English+Persian queries against Persian (Farsi)-language documents.

What "Mixed-Distill" means

  • Mixed — queries are code-switched (English tokens randomly mixed into Persian queries, MUSE-based, ~0.5 mixing ratio), so the model handles native, English, and mixed-language queries.
  • Distill — trained with knowledge distillation (KL-divergence) from teacher relevance scores (mT5-XXL / monoT5 over mMARCO), 6-way passage scoring.

Intended use

  • Queries: English, Persian, or code-switched English+Persian.
  • Documents: Persian (Farsi)-language passages.
  • Scoring: ColBERT late interaction (MaxSim over per-token embeddings).

Specs

Base modelxlm-roberta-large
ArchitectureColBERT (late interaction)
Projection dim128
Similaritycosine
Query max length32
Doc max length180
TrainingKD (KLD), n-way 6, teacher: mT5-XXL/monoT5 on mMARCO

Usage

Load with the ColBERT library:

from colbert.modeling.checkpoint import Checkpoint
from colbert.infra import ColBERTConfig

ckpt = Checkpoint("<your-username>/ColBERT-XLMR-Mixed-Distill-enfa-fa",
                  colbert_config=ColBERTConfig())
Q = ckpt.queryFromText(["mixed English+Persian query ..."])
D = ckpt.docFromText(["Persian (Farsi) document passage ..."])

Citation

@misc{kim2025milqbenchmarkingirmodels,
      title={MiLQ: Benchmarking IR Models for Bilingual Web Search with Mixed Language Queries},
      author={Jonghwi Kim and Deokhyung Kang and Seonjeong Hwang and Yunsu Kim and Jungseul Ok and Gary Lee},
      year={2025},
      eprint={2505.16631},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2505.16631},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · colbert

Можно запустить

Подбираем GPU…

Класс архитектуры
HF_ColBERT
Ревизия весов
38fa38e

0 моделей