/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Архитектура
mpnet · dense
Базовая модель
paraphrase-mpnet-base-v2
Библиотека
setfit
Опубликована
4 мар 2025

information-content-model

Классификация текстаТекст → label8 профессий

Модель SetFit для английского текста определяет, содержит ли короткий фрагмент самостоятельную информацию, полезную для ответов на вопросы в корпоративном RAG-поиске.

2 988скачиваний за 30 дней0лайковвеса обновлены5 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Onyx Information Content Model — модель классификации текстовых фрагментов, разработанная для системы Onyx Enterprise Search. Она определяет, содержит ли короткий фрагмент информацию, полезную саму по себе для ответа на вопрос в RAG-сценарии.

Модель построена на SetFit: дообученный методом контрастивного обучения Sentence Transformer на базе sentence-transformers/paraphrase-mpnet-base-v2 формирует признаки, а классификатор LogisticRegression относит текст к одному из двух классов. Модель предназначена для английского языка; максимальная длина последовательности составляет 512 токенов. В метаданных указано 136,7 млн параметров и формат safetensors.

Она подходит для отбора информативных фрагментов в корпоративном поиске и подготовке контекста для ответов на вопросы. Классификация ограничена двумя классами и короткими текстовыми фрагментами; качество для других языков и сценариев не заявлено. Лицензия в предоставленных данных не указана.

Сценарии применения

  • отбор полезных фрагментов для контекста RAG
  • фильтрация результатов корпоративного поиска по информативности
  • выявление текстовых сегментов, способных самостоятельно ответить на вопрос

Ограничения

Предназначена для английского языка и классификации фрагментов по двум классам; максимальная длина последовательности — 512 токенов. Лицензия в предоставленных материалах не указана.

Для каких профессий подходит8

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

Onyx Information Content Classification using SetFit with Base sentence-transformers/paraphrase-mpnet-base-v2

The model is for use by the Onyx Enterprise Search system to identify whether a short text segment contains information that could be useful by itself to answer a RAG-type question.

It is based on the SetFit approach, using sentence-transformers/paraphrase-mpnet-base-v2 as the Sentence Transformer embedding model. A trained LogisticRegression instance is used for classification.

The model has been trained using an efficient few-shot learning technique that involves:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

About Onyx

Model Details

Core Model Description

SetFit Resources

Uses

Use for Inference

The model is for use by the Onyx Enterprise Search system.

To test it locally, first install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("onyx-dot-app/information-content-model")
# Run inference
preds = model("Paris is in France")
or:
pred_probability = model.predict_proba("Paris is in France")

Framework Versions

  • Python: 3.11.10
  • SetFit: 1.1.1
  • Sentence Transformers: 3.4.1
  • Transformers: 4.49.0
  • PyTorch: 2.6.0
  • Datasets: 3.3.2
  • Tokenizers: 0.21.0

Citation

BibTeX (SetFit Approach)

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · setfit

Нельзя запустить

Модели SetFit требуют отдельного рантайма.

Класс архитектуры
MPNetModel
Ревизия весов
5a639a5

0 моделей