/ Модель

Характеристики

Контекст
512 токенов
Параметры
432 млн
Архитектура
bert · dense
Базовая модель
BioLinkBERT-large
Библиотека
sentence-transformers
Опубликована
24 апр 2025

biolinkbert-large-simcse-rat

ЭмбеддингиТекст → embedding5 профессий

Англоязычный биомедицинский BERT-энкодер для получения векторов текста и поиска семантически близких предложений.

104скачиваний за 30 дней0лайковвеса обновлены13 мая 2025

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

mghuibregtse/biolinkbert-large-simcse-rat — англоязычная Sentence Transformers модель, дообученная автором на базе michiyasunaga/BioLinkBERT-large для оценки семантической близости предложений и абзацев. Она кодирует текст в плотные векторы размерностью 1024; сходство векторов можно сравнивать косинусной мерой. Архитектура включает BERT-энкодер с усреднением токенных представлений, а длина последовательности по метаданным — до 512 токенов.

Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов, особенно в биомедицинских сценариях: обучающие и проверочные примеры содержат идентификаторы генов и названия биологических сущностей. В README для набора val-eval приведена корреляция Спирмена 0,7408 по косинусному сходству. README указывает максимальную длину 128 токенов, что расходится с метаданными о контексте в 512 токенов; при практическом использовании следует учитывать ограничение фактической конфигурации модели. Модель содержит 432,2 млн параметров и опубликована в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • семантический поиск биомедицинских терминов и описаний
  • поиск перефразировок названий генов и биологических сущностей
  • сравнение смысловой близости двух текстов
  • кластеризация биомедицинских текстов по смыслу
  • извлечение векторных признаков для классификации текстов

Ограничения

Модель ориентирована на английский текст; README задаёт максимум 128 токенов, тогда как метаданные указывают контекст 512 токенов, поэтому длинные последовательности могут обрабатываться с ограничением. В предоставленных источниках не указаны условия лицензии.

Для каких профессий подходит5

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

SentenceTransformer based on michiyasunaga/BioLinkBERT-large

This is a sentence-transformers model finetuned from michiyasunaga/BioLinkBERT-large. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: michiyasunaga/BioLinkBERT-large
  • Maximum Sequence Length: 128 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'coactivator-associated arginine methyltransferase 1',
    'tRNA methyltransferase 13 homolog',
    'small nucleolar RNA SNORA17',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

MetricValue
pearson_cosine0.7654
spearman_cosine0.7408

Training Details

Training Dataset

Unnamed Dataset

  • Size: 180,794 training samples
  • Columns: text1, text2, and label
  • Approximate statistics based on the first 1000 samples:
    text1text2label
    typestringstringint
    detailsmin: 3 tokensmean: 8.47 tokensmax: 16 tokensmin: 3 tokensmean: 7.63 tokensmax: 21 tokens0: ~52.50%1: ~47.50%
  • Samples:
    text1text2label
    ENSRNOG00000007053mediator complex subunit 71
    ENSRNOG00000060932small nucleolar RNA SNORA551
    ENSRNOG00000015213ENSRNOG000000240390
  • Loss: ContrastiveLoss with these parameters:
    {
        "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
        "margin": 1.0,
        "size_average": true
    }
    

Evaluation Dataset

Unnamed Dataset

  • Size: 22,599 evaluation samples
  • Columns: text1, text2, and label
  • Approximate statistics based on the first 1000 samples:
    text1text2label
    typestringstringint
    detailsmin: 3 tokensmean: 8.47 tokensmax: 27 tokensmin: 3 tokensmean: 7.73 tokensmax: 22 tokens0: ~54.50%1: ~45.50%
  • Samples:
    text1text2label
    ENSRNOG00000001350Naa251
    ENSRNOG00000019570Gng31
    AABR07040892.1ENSRNOG000000392031
  • Loss: ContrastiveLoss with these parameters:
    {
        "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
        "margin": 1.0,
        "size_average": true
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 256
  • per_device_eval_batch_size: 256
  • learning_rate: 3e-05
  • num_train_epochs: 100
  • warmup_ratio: 0.1
  • fp16: True
  • load_best_model_at_end: True
  • ddp_find_unused_parameters: False

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 256
  • per_device_eval_batch_size: 256
  • 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: 3e-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: 100
  • 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
  • use_ipex: 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: True
  • 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}
  • tp_size: 0
  • 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}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: False
  • 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
  • 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: False
  • 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: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining LossValidation Lossval-eval_spearman_cosine
0.70725000.1291--
0.9986706-0.1366-0.0396
1.414410000.1134--
1.99721412-0.10400.3382
2.121615000.1066--
2.828920000.0943--
2.99582118-0.08670.5349
3.536125000.0863--
3.99432824-0.08250.5669
4.243330000.0827--
4.950535000.0806--
4.99293530-0.08100.5764
5.657740000.0782--
5.99154236-0.07850.5923
6.364945000.0774--
6.99014942-0.07740.6017
7.072150000.0758--
7.779355000.0735--
7.98875648-0.07730.6034
8.486660000.0719--
8.98736354-0.07650.6052
9.193865000.0701--
9.901070000.0685--
9.98597060-0.07530.6165
10.608275000.0651--
10.98447766-0.07420.6215
11.315480000.0634--
11.98308472-0.07300.6345
12.022685000.0612--
12.729890000.0567--
12.98169178-0.07200.6401
13.437195000.0538--
13.98029884-0.07080.6514
14.1443100000.0517--
14.8515105000.048--
14.978810590-0.06910.6616
15.5587110000.0436--
15.977411296-0.06810.6692
16.2659115000.0417--
16.9731120000.0394--
16.976012002-0.06590.6819
17.6803125000.0345--
17.974512708-0.06360.6954
18.3876130000.033--
18.973113414-0.06210.7027
19.0948135000.0313--
19.8020140000.028--
19.971714120-0.06150.7066
20.5092145000.0258--
20.970314826-0.05980.7144
21.2164150000.0249--
21.9236155000.0231--
21.968915532-0.05870.7191
22.6308160000.0207--
22.967516238-0.05820.7215
23.3380165000.0199--
23.966116944-0.05750.7245
24.0453170000.0194--
24.7525175000.0169--
24.964617650-0.05620.7293
25.4597180000.0161--
25.963218356-0.05570.7327
26.1669185000.0159--
26.8741190000.0146--
26.961819062-0.05500.7342
27.5813195000.0134--
27.960419768-0.05510.7340
28.2885200000.0132--
28.959020474-0.05440.7373
28.9958205000.0127--
29.7030210000.0112--
29.957621180-0.05380.7387
30.4102215000.011--
30.956221886-0.05340.7403
31.1174220000.0109--
31.8246225000.0099--
31.954722592-0.05360.7402
32.5318230000.0094--
32.953323298-0.05300.7421
33.2390235000.0093--
33.9463240000.0091--
33.951924004-0.05280.7425
34.6535245000.0081--
34.950524710-0.05240.7435
35.3607250000.0081--
35.949125416-0.05290.7421
36.0679255000.008--
36.7751260000.0072--
36.947726122-0.05260.7426
37.4823265000.007--
37.946326828-0.05220.7439
38.1895270000.007--
38.8967275000.0067--
38.944827534-0.05290.7416
39.6040280000.0062--
39.943428240-0.05230.7425
40.3112285000.0062--
40.942028946-0.05290.7408
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 4.1.0
  • Transformers: 4.51.3
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.6.0
  • Datasets: 3.5.1
  • Tokenizers: 0.21.1

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",
}

ContrastiveLoss

@inproceedings{hadsell2006dimensionality,
    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)},
    title={Dimensionality Reduction by Learning an Invariant Mapping},
    year={2006},
    volume={2},
    number={},
    pages={1735-1742},
    doi={10.1109/CVPR.2006.100}
}

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
a0997c1

0 моделей