/ Модель

Характеристики

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

tasksource-ModernBERT-base-embed-bf16

ЭмбеддингиТекст → embedding9 профессий

Англоязычная модель эмбеддингов ModernBERT для семантического поиска и измерения сходства предложений, преобразованная в формат MLX.

113скачиваний 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

mlx-community/tasksource-ModernBERT-base-embed-bf16 — англоязычная encoder-only модель эмбеддингов на архитектуре ModernBERT, подготовленная сообществом mlx-community в формате MLX для использования с mlx-embeddings. Это преобразованная версия tasksource/ModernBERT-base-embed; исходная модель дообучена на основе answerdotai/ModernBERT-base и предназначена для извлечения признаков и оценки сходства предложений. Модель содержит 149 млн параметров, принимает текст и поддерживает контекст до 8192 токенов.

Её можно применять для семантического поиска, сопоставления запросов с документами, поиска ответов и ранжирования текстов по смысловой близости. Английский язык подтверждён карточкой модели; обучение включало наборы данных для поиска, сходства предложений и вывода на естественном языке. Модель распространяется в формате safetensors, а README указывает на применение через mlx-embeddings. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по англоязычным документам
  • поиск ответов на вопросы в коллекции текстов
  • сопоставление запроса с релевантными предложениями
  • ранжирование документов по смысловой близости

Ограничения

Поддержка языков, кроме английского, карточкой не подтверждена. Для использования в экосистеме Apple Silicon требуется совместимый MLX-стек.

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-bf16

The Model mlx-community/tasksource-ModernBERT-base-embed-bf16 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-bf16")

# 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
d1ba4cc

0 моделей