/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
14 июн 2026

bangla-embed-e5-small

ЭмбеддингиТекст → embedding10 профессий

Компактная модель эмбеддингов для семантического поиска, сравнения и классификации текстов на бенгальском и английском языках.

181скачиваний за 30 дней0лайковвеса обновлены5 июл 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

Bangla-Embed-E5 — компактный энкодер предложений на основе BERT, разработанный автором репозитория kazalbrur. Модель дообучена на базе intfloat/multilingual-e5-small с помощью трёхэтапной дистилляции от BGE-M3 и последующей настройки на парах и NLI-данных. Она содержит 124,3 млн параметров по метаданным и обрабатывает до 512 токенов.

Модель создаёт текстовые эмбеддинги для поиска по смыслу, сравнения предложений, межъязыкового поиска и классификации. В README сообщается о среднем результате 0,666 на бенгальской части MTEB(Indic) и сильных результатах в поиске на бенгальском языке среди компактных моделей. Для запросов и документов можно использовать отдельные подсказки query и passage и нормализовать эмбеддинги.

Модель ориентирована на стандартный бенгальский язык и также поддерживает английский. Она не охватывает региональные варианты бенгальского; на полноразмерных MIRACL-bn и Mr.TyDi-bn уступает более крупным моделям и исходной модели без настройки, а приведённые метрики автоматические. Лицензия модели — MIT; лицензии некоторых обучающих данных могут ограничивать коммерческое использование, поэтому их условия следует проверять отдельно.

Сценарии применения

  • поиск бенгальских документов по текстовому запросу
  • сопоставление бенгальских предложений по смыслу
  • межъязыковой поиск между бенгальским и английским текстом
  • классификация текстов на бенгальском языке
  • ранжирование результатов поиска по релевантности

Ограничения

Ориентирована на стандартный бенгальский язык; региональные варианты в обучении не представлены. На полноразмерных MIRACL-bn и Mr.TyDi-bn уступает более крупным моделям и исходной модели без настройки, а метрики из README основаны на автоматической оценке.

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

Bangla-Embed-E5

A compact 118M Bengali sentence encoder for retrieval, semantic textual similarity, and classification. Rebased from intfloat/multilingual-e5-small by three-stage distillation from a BGE-M3 teacher (cross-lingual distillation → supervised contrastive fine-tuning → NLI polish).

On the official MTEB(Indic) Bengali subset it scores mean 0.666 and is a strong encoder in the ≤120M tier. For romanized/cross-script (Banglish) retrieval, use the companion kazalbrur/bangla-embed-e5-small-banglish.

Comparison — MTEB(Indic) Bengali subset

Main score per task type (mteb 2.12), single shared harness. This model is bolded.

ModelParamsRetrClassBitext-GBitext-CRerankSTSClustMean
BGE-M3 (teacher)568M0.6440.8790.8740.7220.8520.5930.3400.700
bangla-embed-e5-small-banglish118M0.7910.8320.8260.6540.8400.5960.3490.698
mE5-large560M0.6310.8470.8760.7480.8520.5400.3390.690
bangla-embed-e5-small (this model)118M0.5720.8480.8320.6680.8400.5540.3490.666
mE5-small (base)118M0.5350.8320.8480.6990.8350.5380.3100.656
LaBSE109M0.4420.8040.8490.7050.7920.5830.2390.631
Vyakyarth300M0.6290.7620.8530.5760.7670.4230.3430.622
pm-mpnet-base278M0.3370.7490.6180.4260.7010.3550.3700.508

Retr=BelebeleRetrieval, Class=BengaliSentiment, Bitext-G/C=IN22 Gen/Conv, Rerank=WikipediaReranking, STS=IndicCrosslingualSTS, Clust=SIB200. The top-3 means span only 0.010 and are statistically indistinguishable under a 7-task paired bootstrap (treat sub-0.02 gaps as ties). This model improves over its mE5-small backbone (0.656 → 0.666) and leads the small-model field on Bangla retrieval.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("kazalbrur/bangla-embed-e5-small")
q = model.encode(["ঢাকা কোথায়?"], prompt_name="query", normalize_embeddings=True)
d = model.encode(["ঢাকা বাংলাদেশের রাজধানী।"], prompt_name="passage", normalize_embeddings=True)
print((q @ d.T)[0, 0])

This is an E5-family model: prefix queries with query: and passages with passage: (the prompt_name argument above does this for you). Output dimension is 1024, L2-normalized.

Training & data

Three-stage curriculum (AdamW, cosine schedule, bf16). Distillation over ~18.7M EN–BN parallel pairs; supervised contrastive fine-tuning (MNR) on ~2.45M pairs (Bangla-native core + SWIM-IR + machine-translated MS MARCO-bn); NLI triplet polish (XNLI-bn). Released under the MIT license. Note that some training sources carry their own (in some cases non-commercial) terms — verify upstream data terms before commercial deployment.

Limitations

Standard Bangla only (regional varieties unrepresented); on full-corpus MIRACL-bn/Mr.TyDi-bn it trails larger models and the untuned backbone; all metrics are automatic. See the paper for full details.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
fbb3feb

0 моделей