/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Размер весов
121 МБ
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
sentence-transformers
Опубликована
2 апр 2025

tasksource-ModernBERT-base-embed-6bit

ЭмбеддингиТекст → embedding9 профессий

Англоязычная 6-битная MLX-модель эмбеддингов на базе ModernBERT для семантического поиска и оценки сходства предложений.

125скачиваний за 30 дней0лайковвеса обновлены2 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Англоязычная модель эмбеддингов на архитектуре ModernBERT-base, дообученная для оценки сходства предложений и поиска по смыслу. Веса преобразованы в 6-битный формат MLX для запуска на устройствах Apple с поддержкой MLX; для работы предлагается библиотека mlx-embeddings.

Модель подходит для семантического поиска, сопоставления запросов с документами, поиска ответов и определения сходства текстов. Она принимает текст и формирует векторные представления, которые можно использовать для ранжирования и поиска ближайших по смыслу фрагментов. Контекст составляет до 8192 токенов, размер базовой модели — 149 млн параметров.

Модель дообучена на наборах для поиска и сопоставления текстов, включая Natural Questions, GooAQ, MS MARCO и NLI. Карточка указывает преобразование исходной версии в формат MLX, а метаданные — дообучение ModernBERT-base и наличие файлов safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по англоязычным документам
  • поиск фрагментов по смыслу запроса
  • сопоставление вопроса с подходящими ответами
  • ранжирование текстов по сходству с запросом
  • кластеризация похожих предложений по эмбеддингам

Ограничения

Модель ориентирована на английский язык; качество для других языков в предоставленных данных не подтверждено. 6-битное преобразование может влиять на точность относительно исходных весов.

Для каких профессий подходит9

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

mlx-community/tasksource-ModernBERT-base-embed-6bit

The Model mlx-community/tasksource-ModernBERT-base-embed-6bit was converted to MLX format from tasksource/ModernBERT-base-embed using mlx-lm version 0.0.3.

Use with mlx

pip install mlx-embeddings
from mlx_embeddings import load, generate
import mlx.core as mx

model, tokenizer = load("mlx-community/tasksource-ModernBERT-base-embed-6bit")

# For text embeddings
output = generate(model, processor, texts=["I like grapes", "I like fruits"])
embeddings = output.text_embeds  # Normalized embeddings

# Compute dot product between normalized embeddings
similarity_matrix = mx.matmul(embeddings, embeddings.T)

print("Similarity matrix between texts:")
print(similarity_matrix)


Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
ModernBertModel
Ревизия весов
f36655e

0 моделей