/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-tiny
Опубликована
22 авг 2026

bert-tiny-semantic-similarity

Классификация текстаТекст → label

Компактный кросс-энкодер на базе BERT-tiny классифицирует пары предложений для поиска семантически похожих фраз, перефразировок и дублирующих вопросов.

8скачиваний за 30 дней0лайковвеса обновлены22 авг 2026

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

mohaimenulshawon/bert-tiny-semantic-similarity — компактная модель на базе prajjwal1/bert-tiny, дообученная для оценки сходства пар предложений. Это кросс-энкодер BertForSequenceClassification с двумя классами и примерно 4,4 млн параметров: он принимает два предложения вместе и классифицирует их как семантически похожие, дубликаты или перефразировки либо как непохожие. Модель обучена на STS-B, QQP, PAWS и MRPC; контекст ограничен 512 токенами по метаданным, а для пар предложений в карточке указана максимальная длина 64 токена.

Модель подходит для поиска дублирующих вопросов, сопоставления FAQ и базового обнаружения перефразировок, когда важны небольшой размер и задержка. В README сообщается о слабом результате на PAWS: модель может не различать предложения с высоким лексическим совпадением, но разным смыслом из-за порядка слов. Для таких случаев и критичных к точности юридических или комплаенс-сценариев она не рекомендуется. Лицензия весов — MIT; в README отдельно отмечено, что условия использования QQP могут ограничивать коммерческое применение, поэтому их следует проверить независимо.

Сценарии применения

  • поиск дублирующих вопросов
  • сопоставление запросов с FAQ
  • обнаружение перефразировок
  • классификация пар предложений по смысловому сходству
  • ранжирование кандидатов на семантическое совпадение

Ограничения

По README модель показывает результат около случайного угадывания на PAWS и плохо различает пары с похожими словами, но разным смыслом из-за порядка слов; для таких атак и критичных юридических или комплаенс-сценариев она не рекомендуется. При коммерческом использовании следует отдельно проверить условия лицензии обучающего датасета QQP.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-tiny Semantic Similarity / Paraphrase Detection

A fine-tuned prajjwal1/bert-tiny (4.4M parameters, 2 layers, hidden size 128) cross-encoder for sentence-pair semantic similarity / paraphrase / duplicate-question detection. Trained jointly on STS-B, QQP, PAWS, and MRPC.

Model Details

  • Base model: prajjwal1/bert-tiny (L=2, H=128, ~4.4M params)
  • Architecture: Cross-encoder, BertForSequenceClassification (2-class)
  • Task: Binary classification — given two sentences, predict whether they are semantically similar / duplicate / paraphrase (label 1) or not (label 0)
  • Max sequence length: 64 tokens (sentence1 + sentence2 combined)
  • License: MIT (matches base model)

Training Data

Trained on the concatenation of four datasets (label conversion applied where needed):

DatasetSize (train)Label rule
STS-B (GLUE)5,749Continuous score ≥ 3.0 → 1, else 0
QQP (GLUE)363,846Already binary (duplicate question)
PAWS (labeled_final)49,401Already binary (paraphrase)
MRPC (GLUE)3,668Already binary (paraphrase)

License note: QQP's own terms are primarily intended for research/non-commercial use. If you plan commercial deployment, please review QQP's original license independently — the fine-tuned weights here are MIT-licensed, but the training-data provenance is documented for transparency.

Training Configuration

  • Optimizer: AdamW, learning rate 1e-4
  • Batch size: 32
  • Epochs: 10
  • Loss: Class-weighted CrossEntropyLoss (weights inverse-proportional to label frequency)
  • Label smoothing: 0.1
  • Warmup ratio: 0.1, weight decay: 0.01

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("YOUR_USERNAME/YOUR_MODEL_NAME")
model = AutoModelForSequenceClassification.from_pretrained("YOUR_USERNAME/YOUR_MODEL_NAME")
model.eval()

def similarity(sent1, sent2):
    inputs = tokenizer(sent1, sent2, return_tensors="pt", truncation=True, max_length=64, padding="max_length")
    with torch.no_grad():
        logits = model(**inputs).logits
        prob = torch.softmax(logits, dim=-1)[0][1].item()
    return prob  # probability that the two sentences are similar/duplicate

print(similarity("How old are you?", "What is your age?"))
# -> high probability (similar)

Evaluation Results

Evaluated on the official validation/test splits of each dataset (threshold = 0.5):

DatasetAccuracyF1Spearman
QQP (validation)81.4%77.5%—
MRPC (validation)~70–72%~80–82%—
STS-B (validation)——~0.665
PAWS (test)~51%~55%—

Known Limitation — PAWS / Adversarial Word-Order Sensitivity

This model, like most compact (sub-15M parameter) transformer encoders, performs close to chance level (~50%) on PAWS, which specifically tests whether a model can distinguish sentence pairs with high lexical overlap but different meaning due to word order (e.g., "The cat chased the mouse" vs. "The mouse chased the cat").

Extensive experimentation (data rebalancing, focal loss, hard-negative augmentation, knowledge distillation from larger sentence-embedding teachers, and a separate bi-encoder + contrastive-loss architecture with anchor-matched hard-negative mining) was unable to move PAWS performance meaningfully above chance level. This appears to be a capacity-bound limitation of shallow (2-layer, small hidden-size) transformer encoders rather than a data or training-strategy issue — larger models (BERT-base and above) trained on PAWS reach 85–94% on the same benchmark.

Practical implication: this model is reliable for general semantic similarity / duplicate-question / paraphrase detection (QQP, MRPC, STS-B-style tasks), but should not be relied upon for adversarial or word-order-sensitive discrimination tasks.

Intended Use

  • Lightweight semantic similarity scoring where model size/latency matters more than adversarial robustness
  • Duplicate question detection, FAQ matching, basic paraphrase detection
  • Not recommended for: legal/compliance-grade paraphrase detection, or any use case where word-order-reversal attacks are a realistic concern

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
3229892

0 моделей