/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
bsd
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
sentence-transformers
Опубликована
3 фев 2026

minilm-bo-en-sim

ЭмбеддингиТекст → embedding4 профессии

Дообученный энкодер оценивает семантическое сходство тибетских и английских текстов для сопоставления фрагментов и вариантов перевода.

192скачиваний за 30 дней3лайкавеса обновлены8 апр 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

khyentsevision/minilm-bo-en-sim — Sentence Transformer, разработанный для оценки семантического сходства между тибетскими и английскими предложениями, в том числе при работе с буддийской литературой. Модель принимает пару текстов на тибетском и английском и выдаёт оценку сходства: близкие к 1 значения означают близкий смысл, около 0 — слабую связь, отрицательные — противоположный смысл. Её можно применять для сопоставления параллельных фрагментов и ранжирования вариантов перевода.

Это дообученный энкодер на базе sentence-transformers/all-MiniLM-L6-v2: BERT с mean pooling, 25,9 млн параметров и контекстом до 512 токенов. Он создаёт векторы размерности 384; сходство вычисляется косинусной мерой. В README указана корреляция Пирсона 0,9391 на отложенных тибетско-английских парах. Модель распространяется по лицензии BSD.

Сценарии применения

  • сопоставление тибетских фрагментов с английскими переводами
  • ранжирование английских вариантов перевода для тибетского текста
  • поиск соответствующих друг другу отрывков в параллельных текстах
  • оценка смысловой близости тибетско-английских предложений

Ограничения

Модель рассчитана на сравнение тибетских и английских текстов; README не подтверждает качество для других языковых пар или задач. Контекст ограничен 512 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

Tibetan–English Cross-Lingual Sentence Similarity

This model scores the semantic similarity between a Tibetan sentence and an English sentence. Give it any Tibetan passage and any English passage, and it returns a number between –1 and 1: values near 1 mean the two passages express the same idea; values near 0 mean they are unrelated; negative values indicate contrasting meanings.

The model was developed to support work with Tibetan Buddhist literature. As large volumes of Tibetan text are digitized and translated into English, there is a practical need to align passages across parallel texts.

It is useful for researchers, translators, and Buddhist scholars working with Tibetan–English text pairs, as well as developers building text-alignment tools.

Intended Use

The primary use case is to score the similarity between a Tibetan input and an English input:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("khyentsevision/minilm-bo-en-sim")

tibetan = "ཆོས་ཉིད་རྣམ་པར་མ་རྟོག་པའི་ཡེ་ཤེས་སུ་འདོད་པ་ལ།"
english = "This is the meaning of perceiving the true reality."

embeddings = model.encode([tibetan, english])
similarity = model.similarity(embeddings[0], embeddings[1])
print(f"Similarity score: {similarity.item():.4f}")
# ~0.71 → strong semantic match
# ~0.0  → unrelated
# negative → contrasting meanings

To rank multiple English candidates against a single Tibetan source (e.g. to compare translation options):

candidates = [
    "This is the meaning of perceiving the true reality.",
    "Make the Secret Mantra teachings prosper and flourish!",
]

source_emb = model.encode([tibetan])
cand_embs  = model.encode(candidates)
scores = model.similarity(source_emb, cand_embs)
print(scores)  # higher score = better semantic match

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: sentence-transformers/all-MiniLM-L6-v2
  • Architecture: BERT-based transformer encoder with mean pooling
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 384 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Evaluation

Metrics

Semantic Similarity

Evaluated on held-out Tibetan–English pairs spanning high, low, and near-zero similarity ranges.

MetricScore
Pearson Correlation0.9391

Training Details

Training Dataset

  • Size: 3,400,000 training samples
  • Columns: Tibetan (bo), English (en), and similarity score derived from monolingual comparisons
  • Loss: CosineSimilarityLoss with MSELoss

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • learning_rate: 2e-05
  • warmup_ratio: 0.1
  • fp16: True
  • auto_find_batch_size: True
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 8
  • per_device_eval_batch_size: 8
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 2e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 3
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • bf16: False
  • fp16: True
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch_fused
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • project: huggingface
  • trackio_space_id: trackio
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • hub_revision: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: True
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: no
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • liger_kernel_config: None
  • eval_use_gather_object: False
  • average_tokens_across_devices: True
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Framework Versions

  • Python: 3.11.9
  • Sentence Transformers: 5.2.0
  • Transformers: 4.57.3
  • PyTorch: 2.9.1+cu128
  • Accelerate: 1.12.0
  • Datasets: 4.4.2
  • Tokenizers: 0.22.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

Model Card Contact

jake@khyentsevision.org

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
69dce1e

0 моделей