/ 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-enru-ru

ЭмбеддингиТекст → embedding4 профессии

Двуязычный ColBERT-ретривер для поиска по русскоязычным документам по русским, английским и смешанным запросам.

15скачиваний 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

jonghwi/ColBERT-XLMR-Mixed-Distill-enru-ru — дообученный двуязычный поисковый ретривер ColBERT на основе XLM-RoBERTa-large. Он предназначен для англо-русского и смешанного англо-русского запроса по русскоязычным документам. Модель строит векторные представления токенов и оценивает релевантность по механизму позднего взаимодействия MaxSim; размер проекции составляет 128 измерений. Обучение включает дистилляцию оценок релевантности от mT5-XXL/monoT5 и смешение английских токенов с русскими запросами.

Модель принимает текстовые запросы на русском, английском или с переключением между языками и текстовые фрагменты на русском языке; на выходе формирует токенные представления и оценки релевантности для поиска. Контекст составляет до 514 токенов. Распространяется по лицензии Apache-2.0. Предназначена для поиска по русскоязычным документам; качество на других языковых направлениях и сценариях не заявлено.

Сценарии применения

  • поиск русскоязычных веб-страниц по русскому запросу
  • поиск русских документов по английскому запросу
  • поиск по русским документам по смешанному англо-русскому запросу
  • ранжирование фрагментов русскоязычных документов
  • построение многоязычного поискового индекса ColBERT

Ограничения

Документы должны быть на русском языке; заявленная область применения — англо-русские и смешанные запросы по русским документам. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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 enru-ru (English–Russian)

A cross-lingual ColBERT late-interaction retriever (XLM-RoBERTa-large backbone) for English ⇄ Russian 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: enru-ru = code-switched en+ru queries → ru documents. It is designed to be robust when bilingual users issue mixed English+Russian queries against Russian-language documents.

What "Mixed-Distill" means

  • Mixed — queries are code-switched (English tokens randomly mixed into Russian 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, Russian, or code-switched English+Russian.
  • Documents: Russian-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-enru-ru",
                  colbert_config=ColBERTConfig())
Q = ckpt.queryFromText(["mixed English+Russian query ..."])
D = ckpt.docFromText(["Russian 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
e62c644

0 моделей