/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Библиотека
sentence-transformers
Опубликована
11 дек 2023

nasa-smd-ibm-st

ЭмбеддингиТекст → embedding5 профессий

Биэнкодер Sentence Transformers на базе RoBERTa для семантического поиска и сравнения английских научных текстов, особенно документов NASA SMD.

136скачиваний за 30 дней15лайковвеса обновлены21 мая 2024

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

nasa-impact/nasa-smd-ibm-st, также называемая Indus-st, — биэнкодерная модель Sentence Transformers, разработанная IBM Research совместно с NASA Science Mission Directorate. Это дообученная версия энкодера nasa-smd-ibm-v0.1 семейства Indus; в метаданных указана архитектура RoBERTa и 151,8 млн параметров. Модель независимо кодирует пары предложений и оценивает их близость по косинусному сходству.

Модель предназначена для поиска и извлечения научной информации, семантического поиска и сравнения предложений, в особенности по материалам NASA SMD. Она обучалась на большом наборе пар предложений и на 2,6 млн пар заголовков и аннотаций из документов NASA SMD. Принимает английский текст, выдаёт векторные представления для вычисления сходства. Контекст — до 514 токенов. Лицензия — Apache 2.0.

Карточка помечает модель как устаревшую и предназначенную для архивного использования, рекомендуя обновлённую версию. В ней также указано, что модель находится на экспериментальной стадии; результаты могут уступать обновлённой версии, а заявленная специализация на материалах NASA SMD не гарантирует качество в других предметных областях.

Сценарии применения

  • семантический поиск по публикациям и документам NASA SMD
  • поиск научных аннотаций по текстовому запросу
  • ранжирование документов по близости к запросу
  • сравнение сходства двух английских предложений
  • извлечение релевантных научных материалов

Ограничения

Модель устарела и предназначена для архивного использования; в карточке рекомендуется обновлённая версия. Карточка описывает её как экспериментальную и ориентированную на материалы NASA SMD, поэтому качество на других темах не гарантируется.

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

This model is deprecated. please use the updated sentence transformer model here: https://huggingface.co/nasa-impact/nasa-smd-ibm-st-v2. Alternatively, you can also use distilled version of the model here: https://huggingface.co/nasa-impact/nasa-ibm-st.38m

FOR ARCHIVAL PURPOSES ONLY

Model Card for nasa-smd-ibm-v0.1

nasa-smd-ibm-st, Also Known as Indus-st`, is a Bi-encoder sentence transformer model, that is fine-tuned from nasa-smd-ibm-v0.1 encoder model. It's trained with 271 million examples along with a domain-specific dataset of 2.6 million examples from documents curated by NASA Science Mission Directorate (SMD). With this model, we aim to enhance natural language technologies like information retrieval and intelligent search as it applies to SMD NLP applications.

Model Details

  • Base Model: nasa-smd-ibm-v0.1 (Indus)
  • Tokenizer: Custom
  • Parameters: 125M
  • Training Strategy: Sentence Pairs, and score indicating relevancy. The model encodes the two sentence pairs independently and cosine similarity is calculated. the similarity is optimized using the relevance score.

Training Data

image/png Figure: Open dataset sources for sentence transformers (269M in total)

Additionally, 2.6M abstract + title pairs collected from NASA SMD documents.

Training Procedure

  • Framework: PyTorch 1.9.1
  • sentence-transformers version: 4.30.2
  • Strategy: Sentence Pairs

Evaluation

Following models are evaluated:

  1. All-MiniLM-l6-v2 [sentence-transformers/all-MiniLM-L6-v2]
  2. BGE-base [BAAI/bge-base-en-v1.5]
  3. RoBERTa-base [roberta-base]
  4. nasa-smd-ibm-rtvr_v0.1 [nasa-impact/nasa-smd-ibm-st]

image/png

Figure: BEIR Evaluation Metrics

image/png

Figure: Retrieval Benchmark Evaluation

Uses

  • Information Retreival
  • Sentence Similarity Search

For NASA SMD related, scientific usecases.

Usage


from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer('path_to_slate_model')
input_queries = [
'query: how much protein should a female eat', 'query: summit define']
input_passages = [
"As a general guideline, the CDC's average requirement of protein for women ages 19 to 70 is 46 grams per day.
But, as you can see from this chart, you'll need to increase that if you're expecting or training for a marathon. Check out the chart below to see how much protein you should be eating each day.",
"Definition of summit for English Language Learners. : 1 the highest point of a mountain : the top of a mountain. : 2 the highest level. : 3 a meeting or series of meetings between the leaders of two or more governments."]
query_embeddings = model.encode(input_queries)
passage_embeddings = model.encode(input_passages)
print(util.cos_sim(query_embeddings, passage_embeddings))

Note

This Model is released in support of the training and evaluation of the encoder language model "Indus".

Accompanying paper can be found here: https://arxiv.org/abs/2405.10725

Citation

If you find this work useful, please cite using the following bibtex citation:

@misc {nasa-impact_2023,
	author       = { Aashka Trivedi and Bishwaranjan Bhattacharjee and Muthukumaran Ramasubramanian and Iksha Gurung and Masayasu Maraoka and Rahul Ramachandran and Manil Maskey and Kaylin Bugbee and Mike Little and Elizabeth Fancher and Lauren Sanders and Sylvain Costes and Sergi Blanco-Cuaresma and Kelly Lockhart and Thomas Allen and Felix Grazes and Megan Ansdell and Alberto Accomazzi and Sanaz Vahidinia and Ryan McGranaghan and Armin Mehrabian and Tsendgar Lee},
	title        = { nasa-smd-ibm-st (Revision 08ac2b4) },
	year         = 2023,
	url          = { https://huggingface.co/nasa-impact/nasa-smd-ibm-st },
	doi          = { 10.57967/hf/1441 },
	publisher    = { Hugging Face }
}

Attribution

IBM Research

  • Aashka Trivedi
  • Masayasu Muraoka
  • Bishwaranjan Bhattacharjee

NASA SMD

  • Muthukumaran Ramasubramanian
  • Iksha Gurung
  • Rahul Ramachandran
  • Manil Maskey
  • Kaylin Bugbee
  • Mike Little
  • Elizabeth Fancher
  • Lauren Sanders
  • Sylvain Costes
  • Sergi Blanco-Cuaresma
  • Kelly Lockhart
  • Thomas Allen
  • Felix Grazes
  • Megan Ansdell
  • Alberto Accomazzi
  • Sanaz Vahidinia
  • Ryan McGranaghan
  • Armin Mehrabian
  • Tsendgar Lee

Disclaimer

This sentence-transformer model is currently in an experimental phase. We are working to improve the model's capabilities and performance, and as we progress, we invite the community to engage with this model, provide feedback, and contribute to its evolution.

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
RobertaModel
Ревизия весов
8840be8

0 моделей