FAE-v1 — англоязычная модель на базе e5-large-v2 для создания эмбеддингов предложений и оценки их смысловой близости.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
FAE-v1 — модель для получения векторных представлений предложений, разработанная автором репозитория qinxianliu и основанная на e5-large-v2. Она использует архитектуру BERT и библиотеку Sentence Transformers: на вход подаются предложения, на выходе — эмбеддинги для сравнения смысловой близости и поиска похожих текстов. Модель содержит около 433,9 млн параметров, поддерживает английский язык и принимает последовательности длиной до 512 токенов.
Её можно применять для семантического поиска, сопоставления предложений и построения признаков для текстовых систем. В README не приведены результаты оценки качества или специальные ограничения; веса опубликованы в формате Safetensors. Лицензия в предоставленных данных не указана.
Контекст ограничен 512 токенами. В README не приводятся результаты оценки качества и сведения о лицензии.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a sentence transformer model based on e5-large-v2.
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is encoded"]
model = SentenceTransformer('FAE')
embeddings = model.encode(sentences)
print(embeddings)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…