/ Модель

Характеристики

Контекст
1 000 000 токенов
Лицензия
MIT
Архитектура
model2vec · dense
Базовая модель
embeddinggemma-300m
Библиотека
model2vec
Опубликована
8 авг 2026

distilled-embeddinggemma

Сходство предложенийТекст → score3 профессии

Статическая модель Model2Vec, дистиллированная из EmbeddingGemma, для быстрого семантического поиска, особенно по санскритским текстам.

22скачиваний за 30 дней0лайковвеса обновлены8 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

distilled-embeddinggemma — статическая модель эмбеддингов Model2Vec, созданная путём дистилляции google/embeddinggemma-300m. Она предназначена прежде всего для быстрого поиска санскритских текстов по смыслу и сопоставления запросов с фрагментами; в README приведены примеры на деванагари и английском. Модель использует таблицу эмбеддингов без трансформера на этапе вывода: 256 измерений, float16, PCA-256, mean pooling и нормализацию; размер таблицы — около 2,5 млн параметров. Метаданные указывают архитектуру StaticModel, библиотеку model2vec, формат safetensors и контекст 1 000 000 токенов.

README сообщает, что на тесте гибридного поиска по санскритским стихам модель сохранила 89% качества учителя, при этом кодирование выполнялось примерно в 39 000 фрагментов в секунду на CPU. Статическое усреднение не учитывает порядок слов и контекст, поэтому хуже справляется с формами, где сандхи и сложение слов скрывают соответствия, а также с английскими перефразированиями. Для таких сценариев автор рекомендует использовать её как компонент гибридного поиска вместе с полнотекстовым поиском и лексическими данными. Лицензия модели — MIT; для распространения производной модели следует также учитывать условия Google Gemma для базовой модели.

Сценарии применения

  • поиск санскритских стихов по фразе на деванагари
  • поиск санскритских текстов по запросу в IAST
  • сопоставление фрагментов санскрита с английскими толкованиями
  • получение эмбеддингов для быстрого поиска по большим коллекциям текстовых фрагментов

Ограничения

Статические эмбеддинги не учитывают порядок слов и контекст. Модель слабее помогает при поиске по английским перефразированиям и при формах санскрита, в которых сандхи или сложение слов затрудняют лексическое сопоставление.

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

distilled-embeddinggemma

A Model2Vec static distillation of google/embeddinggemma-300m. Static embeddings are a lookup table: no transformer runs at inference, so encoding is on the order of 10,000× faster than the teacher on CPU, at the cost of word order and context.

  • 256 dimensions, float16, PCA-256, mean pooling, normalized
  • Tokenizer: google/embeddinggemma-300m — 255,732 entries, 13,754 of them Devanagari
  • ~2.5 M parameters of embedding table

Usage

from model2vec import StaticModel

model = StaticModel.from_pretrained("karthikrajgopal/distilled-embeddinggemma")
embeddings = model.encode(["धर्मक्षेत्रे कुरुक्षेत्रे", "the field of dharma"])

Evaluation

Built for Sanskrit retrieval, so that is what it was measured on: 24 well-known verses stored in Devanagari (half also present in their IAST edition, 36 chunks total), queried four ways. Scores are MRR through a hybrid BM25-style FTS + vector pipeline with reciprocal-rank fusion, which is how it is actually served — a pure-cosine number flatters or punishes an encoder on the lexical legs that full-text search already answers for free.

encoderDevanagariIASTEnglish glossEnglish paraphrasemean
embeddinggemma-300m (ONNX teacher)1.0001.0000.8060.5900.849
distilled-embeddinggemma1.0000.9790.6540.3960.757
potion-multilingual-128M1.0000.9790.5770.3820.735

It keeps 89% of the teacher's quality while encoding ~39,000 chunks/s against the teacher's ~17/s, and answering a query in ~0.4 ms against ~30 ms. It also edges out potion-multilingual-128M, the strongest general-purpose multilingual static model, on the cross-lingual legs — which is the whole reason to distil from a Gemma teacher rather than use an off-the-shelf static model.

What it is not good at

Static pooling cannot recover a word that sandhi and compounding have fused: dharmakṣetre is one token, so an English query for "field of dharma" gets little help from the encoder. In the system this was built for, that gap is closed outside the encoder — by indexing lemmas and Monier-Williams glosses alongside the text, which moved English-paraphrase retrieval further than swapping the encoder did. Treat this model as the fast retrieval leg of a hybrid system, not as a standalone answer to cross-lingual Sanskrit search.

Provenance

Distilled with Model2Vec; evaluated as the Sanskrit shelf encoder in litesearch and vishalakshi.

MIT, following the Model2Vec tooling. The teacher, google/embeddinggemma-300m, carries its own Gemma terms of use — check those before redistributing derivatives.

Как запустить

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

GPU в ailist

Универсальный рантайм · model2vec

Нельзя запустить

Архитектура model2vec неизвестна transformers в образе рантайма.

Класс архитектуры
StaticModel
Ревизия весов
143481a

0 моделей