/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
29 сен 2023

industry-bert-sec-v0.1

ЭмбеддингиТекст → embedding4 профессии

Англоязычная BERT-модель эмбеддингов, дообученная llmware для семантического поиска по финансовым и регуляторным документам SEC.

239скачиваний за 30 дней9лайковвеса обновлены14 мая 2024

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

llmware разработала industry-bert-sec-v0.1 — англоязычную модель эмбеддингов на основе BERT и Sentence Transformers, дообученную на общедоступных документах и регуляторных материалах Комиссии по ценным бумагам и биржам США (SEC). Модель предназначена для получения векторных представлений текстов и может служить заменой эмбеддингов в финансовых и регуляторных сценариях.

Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Её можно применять для семантического поиска, сравнения текстов и поиска релевантных фрагментов в документах SEC и других финансовых материалах. Лицензия — Apache 2.0.

Качество результатов может снижаться за пределами финансовой и регуляторной тематики; возможны аномалии в пространстве эмбеддингов. В README отмечено, что специальные меры для устранения смещений в данных не применялись.

Сценарии применения

  • семантический поиск по документам SEC
  • поиск релевантных фрагментов в финансовой отчётности
  • сравнение финансовых и регуляторных текстов по смыслу

Ограничения

Результаты могут быть менее надёжными вне финансовой и регуляторной тематики; возможны аномалии в пространстве эмбеддингов. Специальные меры для снижения смещений в обучающих данных не применялись.

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

industry-bert-sec-v0.1

industry-bert-sec-v0.1 is part of a series of industry-fine-tuned sentence_transformer embedding models.

Model Description

industry-bert-sec-v0.1 is a domain fine-tuned BERT-based 768-parameter Sentence Transformer model, intended to as a "drop-in" substitute for embeddings in financial and regulatory domains. This model was trained on a wide range of publicly available U.S. Securities and Exchange Commission (SEC) regulatory filings and related documents.

  • Developed by: llmware
  • Model type: BERT-based Industry domain fine-tuned Sentence Transformer architecture
  • Language(s) (NLP): English
  • License: Apache 2.0
  • Finetuned from model [optional]: BERT-based model, fine-tuning methodology described below.

Model Use

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("llmware/industry-bert-sec-v0.1")

model = AutoModel.from_pretrained("llmware/industry-bert-sec-v0.1")

Bias, Risks, and Limitations

This is a semantic embedding model, fine-tuned on public domain SEC filings and regulatory documents. Results may vary if used outside of this domain, and like any embedding model, there is always the potential for anomalies in the vector embedding space. No specific safeguards have put in place for safety or mitigate potential bias in the dataset.

Training Procedure

This model was fine-tuned using a custom self-supervised procedure and custom dataset that combined contrastive techniques with stochastic injections of distortions in the samples. The methodology was derived, adapted and inspired primarily from three research papers cited below: TSDAE (Reimers), DeClutr (Giorgi), and Contrastive Tension (Carlsson).

Citation [optional]

Custom self-supervised training protocol used to train the model, which was derived and inspired by the following papers:

@article{wang-2021-TSDAE, title = "TSDAE: Using Transformer-based Sequential Denoising Auto-Encoderfor Unsupervised Sentence Embedding Learning", author = "Wang, Kexin and Reimers, Nils and Gurevych, Iryna", journal= "arXiv preprint arXiv:2104.06979", month = "4", year = "2021", url = "https://arxiv.org/abs/2104.06979", }

@inproceedings{giorgi-etal-2021-declutr, title = {{D}e{CLUTR}: Deep Contrastive Learning for Unsupervised Textual Representations}, author = {Giorgi, John and Nitski, Osvald and Wang, Bo and Bader, Gary}, year = 2021, month = aug, booktitle = {Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)}, publisher = {Association for Computational Linguistics}, address = {Online}, pages = {879--895}, doi = {10.18653/v1/2021.acl-long.72}, url = {https://aclanthology.org/2021.acl-long.72} }

@article{Carlsson-2021-CT, title = {Semantic Re-tuning with Contrastive Tension}, author= {Fredrik Carlsson, Amaru Cuba Gyllensten, Evangelia Gogoulou, Erik Ylipää Hellqvist, Magnus Sahlgren}, year= {2021}, month= {"January"} Published: 12 Jan 2021, Last Modified: 05 May 2023 }

Model Card Contact

Darren Oberst @ llmware

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
661456b

0 моделей