/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Библиотека
sentence-transformers
Опубликована
20 фев 2024

nasa-smd-ibm-st-v2

ЭмбеддингиТекст → embedding4 профессии

Indus-Retriever кодирует английские тексты для семантического поиска и оценки сходства, прежде всего в научных материалах NASA SMD.

5 449скачиваний за 30 дней14лайковвеса обновлены11 окт 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

Indus-Retriever — модель двунаправленного кодировщика на базе Sentence Transformers, разработанная IBM Research совместно с NASA Science Mission Directorate. Она дообучена на основе nasa-smd-ibm-v0.1 и предназначена для поиска информации и оценки сходства предложений, особенно в научных материалах NASA SMD.

Модель независимо кодирует два текста и сравнивает их векторные представления по косинусному сходству. Она обучалась на 271 млн примеров и дополнительно на 2,6 млн пар заголовков и аннотаций из документов NASA SMD. В репозитории указаны архитектура RoBERTa, 151,8 млн параметров и контекст до 514 токенов; поддерживается английский язык.

Модель подходит для семантического поиска, ранжирования результатов по релевантности и поиска похожих предложений в научных коллекциях. Авторы отмечают, что модель находится в экспериментальной фазе, поэтому качество для конкретных коллекций и сценариев следует оценивать отдельно. Лицензия — Apache-2.0.

Сценарии применения

  • Семантический поиск по научным статьям NASA SMD
  • Поиск релевантных документов по текстовому запросу
  • Сравнение сходства научных предложений и аннотаций
  • Ранжирование результатов поиска по релевантности
  • Поиск статей по заголовкам и аннотациям

Ограничения

Карточка описывает модель как экспериментальную; качество для конкретных коллекций и сценариев требует отдельной оценки. Контекст ограничен 514 токенами, а поддерживаемый язык — английский.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Indus-Retriever

Indus-Retriever (nasa-smd-ibm-st-v2) is a Bi-encoder sentence transformer model, that is fine-tuned from nasa-smd-ibm-v0.1 encoder model. it is an updated version of nasa-smd-ibm-st with better performance (shown below). 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.

you can also use distilled version of the model here: https://huggingface.co/nasa-impact/nasa-ibm-st.38m

Model Details

  • Base Encoder Model: 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 and NASA-IR Evaluation Metrics

Uses

  • Information Retreival
  • Sentence Similarity Search

For NASA SMD related, scientific usecases.

Usage


from sentence_transformers import SentenceTransformer, Util

model = SentenceTransformer("nasa-impact/nasa-smd-ibm-st-v2")

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 Sentence Transformer 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_2024,
	author       = { {NASA-IMPACT} },
	title        = { nasa-smd-ibm-st-v2 (Revision d249d84) },
	year         = 2024,
	url          = { https://huggingface.co/nasa-impact/nasa-smd-ibm-st-v2 },
	doi          = { 10.57967/hf/1800 },
	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
e4a3e22

0 моделей