Многоязычная модель эмбеддингов для семантического поиска, извлечения банковских документов и сравнения сходства текстов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
linhnvhust/bge_m3_multiplenegativesrankingloss — модель эмбеддингов, дообученная на основе BAAI/bge-m3 для банковской области. Она предназначена для семантического поиска и извлечения документов, а также для оценки сходства текстов; пример в карточке посвящён запросу об условиях оформления кредитной карты. Архитектура — плотная модель на базе XLM-RoBERTa с 658,7 млн параметров, поддерживает многоязычный ввод и контекст до 8194 токенов.
Для получения эмбеддингов карточка демонстрирует Sentence-Transformers с нормализацией векторов. Модель распространяется по лицензии Apache-2.0. Ограничение: специализация на банковских текстах может снижать качество на других темах; конкретные языки обучения в карточке не перечислены.
Модель дообучена для банковской области, поэтому её качество на текстах из других предметных областей может быть ниже. Конкретные поддерживаемые языки в карточке не перечислены.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fine-tuned from BAAI/bge-m3 cho domain ngân hàng (banking). Dùng cho: semantic search / retrieval / similarity.
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("linhnvhust/bge_m3_multiplenegativesrankingloss")
emb = model.encode(
["Điều kiện mở thẻ tín dụng là gì?"],
normalize_embeddings=True,
convert_to_tensor=True
)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · sentence-transformers
Подбираем GPU…