/ Модель

Характеристики

Контекст
1 024 токена
Параметры
30,7 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
mist-encoder-base-ng
Библиотека
sentence-transformers
Опубликована
21 июн 2026

naija-embed-base

ЭмбеддингиТекст → embedding9 профессий

Модель ModernBERT создаёт эмбеддинги предложений на английском, хауса, йоруба и игбо для семантического и межъязыкового поиска.

187скачиваний за 30 дней0лайковвеса обновлены26 июн 2026

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

naija-embed-base — модель эмбеддингов предложений, разработанная OlaVerse для поиска смыслового сходства между английским, хауса, йоруба и игбо. Это дообученная на контрастных парах версия olaverse/mist-encoder-base-ng: пары для обучения получены машинным переводом английских предложений на нигерийские языки. Архитектура — ModernBERT с mean pooling; размер — 30,7 млн параметров, максимальный контекст — 1024 токена.

Модель предназначена для межъязыкового поиска, семантического поиска внутри одного языка, кластеризации и удаления дубликатов. Эмбеддинги можно использовать в RAG-системах, например для поиска документов на йоруба по запросу на хауса. В README приведены результаты классификации тематик новостей и межъязыкового поиска на FLORES+.

Обучение на синтетических переводах добавляет шум и ограничивает точность межъязыкового выравнивания; для игбо оно несколько слабее, чем для хауса. Нигерийский пиджин не входил в обучение. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • межъязыковой поиск документов с запросом на хауса и текстом на йоруба
  • семантический поиск по текстам на хауса, йоруба и игбо
  • поиск документов для RAG по нигерийским языкам
  • кластеризация новостей на хауса, йоруба и игбо
  • удаление семантически дублирующихся текстов на нигерийских языках

Ограничения

Обучающие пары основаны на машинном переводе и могут содержать ошибки; межъязыковое выравнивание уступает моделям, обученным на больших объёмах реальных параллельных данных. Нигерийский пиджин (pcm) не поддерживается обучением, а выравнивание для игбо несколько слабее, чем для хауса.

Для каких профессий подходит9

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

mist models

naija-embed-base

Cross-lingual sentence embeddings for Nigerian languages (Hausa, Yoruba, Igbo). Contrastively fine-tuned from olaverse/mist-encoder-base-ng on general-domain synthetic parallel pairs: clean English sentences (FineWeb, ODC-By) machine-translated into ha/yo/ig with the MIT-licensed HelpMumHQ/AI-translator-eng-to-9ja, forming English↔Nigerian and Nigerian↔Nigerian pairs that share an English source. Mean pooling, cosine similarity.

from sentence_transformers import SentenceTransformer
m = SentenceTransformer("olaverse/naija-embed-base")
emb = m.encode(["sentence one", "sentence two"])

Best for

Cross-lingual retrieval (e.g. Hausa query → Yoruba document), within-language semantic search, clustering, RAG, and deduplication over Nigerian-language text.

Evaluation

Within-language usefulness — frozen embeddings + logistic regression on MasakhaNEWS topics (test accuracy / macro-F1):

LangAccMacro-F1
Hausa0.8180.803
Yoruba0.7980.796
Igbo0.8080.772

Cross-lingual retrieval — acc@1 on FLORES+ (real human-translated dev, n=997, no shared source). This is the trustworthy cross-lingual benchmark:

Pairacc@1
Hausa → Yoruba0.670
Igbo → Yoruba0.581

Limitations

  • Synthetic training data. Pairs are machine-translated and carry MT noise; cross-lingual alignment is genuine (see FLORES) but below what a large model trained on real parallel data would reach. Igbo alignment is slightly looser than Hausa, reflecting translator quality.
  • No Nigerian Pidgin (pcm). The translator only outputs ha/yo/ig, so Pidgin was not part of cross-lingual training.

License & provenance

Apache-2.0 weights. Training data derived from ODC-By English (FineWeb) via an MIT-licensed translation model.

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
ModernBertModel
Ревизия весов
f2aabf4

0 моделей