This is a bge-base model trained to have mutlilingual semantic abilities, specifically the Yoruba Language An implementation of https://arxiv.org/abs/2004.09813, Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation
Характеристики
- Контекст
- 512 токенов
- Параметры
- 137 млн
- Архитектура
- bert · dense
- Библиотека
- sentence-transformers
- Опубликована
- 20 дек 2023
Ссылки
yoruba-embedding-model
Модель преобразует предложения на йоруба в эмбеддинги для оценки семантического сходства и поиска похожих текстов.
99скачиваний за 30 дней1лайквеса обновлены20 дек 2023
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
odunola/yoruba-embedding-model — модель эмбеддингов на основе BGE-base, разработанная для семантической работы с текстами на языке йоруба. Согласно карточке, её обучали для многоязычных семантических представлений с использованием дистилляции знаний по подходу Making Monolingual Sentence Embeddings Multilingual.
Модель содержит 136,7 млн параметров, использует архитектуру BERT и библиотеку Sentence Transformers; максимальная длина контекста — 512 токенов. Она преобразует предложения в векторы, подходящие для сравнения семантической близости и поиска похожих текстов. Доступны веса в формате safetensors.
Модель предназначена прежде всего для текстов на йоруба. В README не указаны сведения о лицензии, поэтому условия использования следует уточнить на странице репозитория.
Сценарии применения
- поиск семантически похожих предложений на йоруба
- сравнение смысловой близости двух текстов на йоруба
- семантический поиск по корпусу текстов на йоруба
Ограничения
Контекст ограничен 512 токенами. Карточка не сообщает результаты оценки качества, а сведения о лицензии следует уточнить в репозитории.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · sentence-transformers
Подбираем GPU…
- Класс архитектуры
- BertModel
- Ревизия весов
- 2b6b794