/ Модель

Характеристики

Контекст
8 194 токена
Параметры
453 млн
Архитектура
xlm-roberta · dense
Базовая модель
arabic-english-bge-m3
Опубликована
23 мая 2025

Muffakir_Embedding_V2

ЭмбеддингиТекст → embedding7 профессий

Дообученная на арабских данных модель XLM-RoBERTa для построения эмбеддингов и плотного поиска в системах RAG.

651скачиваний за 30 дней6лайковвеса обновлены24 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

Muffakir_Embedding_V2 — модель векторных представлений предложений, разработанная Mohamed Khaled и дообученная на базе sayed0am/arabic-english-bge-m3 для арабского поиска и извлечения документов. Она использует архитектуру XLM-RoBERTa в формате bi-encoder и содержит 453,1 млн параметров. Модель обучалась на примерно 70 тысячах арабских пар предложений, в том числе на данных из египетских юридических книг и открытых многоотраслевых датасетов.

Модель предназначена для плотного поиска, ранжирования релевантных фрагментов и поиска контекста для систем RAG, вопросно-ответных систем и агентных приложений. Она выдаёт эмбеддинги размерностью 1024 и поддерживает сокращение размерности до 64 с помощью Matryoshka-представлений. Заявлена поддержка арабского языка; базовая модель также связана с арабско-английской тематикой, однако README описывает обучение и применение прежде всего для арабского.

В карточке заявлены сильные результаты на задачах арабского retrieval, включая пятое место в категории Retrieval на Arabic RAG Leaderboard. Контекст модели составляет 8194 токена. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • поиск арабских документов по смыслу
  • извлечение релевантных фрагментов для арабской RAG-системы
  • поиск ответов в арабских коллекциях документов
  • ранжирование арабских текстов по релевантности запросу
  • семантический поиск по арабским юридическим материалам

Ограничения

Обучение и заявленные сценарии ориентированы прежде всего на арабский язык; качество для других языков не описано. Предоставленные сведения не содержат информации о лицензии.

Для каких профессий подходит7

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

image/png

🧠 Muffakir: Fine-tuned Arabic Model for RAG & Dense Retrieval

Muffakir This is the second version of the Muffakir_Embedding model. It shows strong performance in Arabic retrieval-augmented generation (RAG) and dense retrieval tasks. We plan to release a series of models focused on different topics and domains to further enhance Arabic information retrieval. 🚀


🔍 Model Overview

  • 🧬 Base model: sayed0am/arabic-english-bge-m3

  • 📚 Fine-tuning dataset: ~70,000 Arabic sentence pairs from various topics

    • 🏫 20K curated from Egyptian legal books
    • 🌐 50K collected from Hugging Face datasets (multi-domain)
  • 🏋️ Training epochs: 3

  • 📏 Embedding dimension: 1024

  • 🔗 Loss functions:


🌟 Key Features

  • 🥇 Strong performance in Arabic RAG and dense retrieval tasks
  • 🎯 Multi-resolution embeddings via Matryoshka (dims: 1024 → 64)
  • 🌍 Supports (Arabic) encoding
  • 📦 Ready for use in real-world search, Q&A, and AI agent systems

⚙️ Training Details

  • 🧾 Dataset size: 70K examples
  • 🗂️ Topics: Multi-domain (educational, legal, general knowledge, etc.)
  • 🔁 Epochs: 3
  • 🧪 Batch size: 8 (gradient accumulation enabled)
  • 🚀 Learning rate: 2e-5
  • 🧰 Framework: sentence-transformers

📀 Model Specs

  • 🔢 Embedding size: 1024
  • 🔄 Supports Matryoshka-style dimension truncation
  • 🧠 Bi-encoder setup, ideal for fast and scalable retrieval tasks


🏆 Leaderboard Performance

  • The Muffakir_Embedding_V2 model has achieved notable rankings on the Arabic RAG Leaderboard, securing:

  • 5th place in the Retrieval category

  • These results underscore the model's effectiveness in both retrieving relevant information and accurately ranking it within Arabic Retrieval-Augmented Generation (RAG) systems.


🧪 Example Usage

from sentence_transformers import SentenceTransformer
import torch

# Load the fine-tuned Muffakir model
model = SentenceTransformer("mohamed2811/Muffakir_Embedding_V2")

# Example query and candidate passages
query = "ما هي شروط صحة العقد؟"
passages = [
    "يشترط التراضي لصحة العقد.",
    "ينقسم القانون إلى عام وخاص.",
    "العقد شريعة المتعاقدين.",
    "تنتهي الولاية القانونية ببلوغ سن الرشد."
]

# Encode query and passages
embedding_query = model.encode([query], convert_to_tensor=True, normalize_embeddings=True)
embedding_passages = model.encode(passages, convert_to_tensor=True, normalize_embeddings=True)

# Compute cosine similarities
cosine_scores = torch.matmul(embedding_query, embedding_passages.T)

# Get best matching passage
best_idx = cosine_scores.argmax().item()
best_passage = passages[best_idx]

print(f"🔍 Best matching passage: {best_passage}")
@misc{muffakir2025,
  author = {Mohamed Khaled},
  title = {Muffakir: State-of-the-art Arabic-English Bi-Encoder for Dense Retrieval},
  year = {2025},
  howpublished = {\url{https://huggingface.co/your-username/Muffakir-embeddings-v2}},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
8e53744

0 моделей