Англоязычная модель Sentence Transformers на базе BERT, кодирующая предложения в 32-мерные векторы для семантического поиска, кластеризации и сравнения текстов.
135скачиваний за 30 дней0лайковвеса обновлены27 мая 2025
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.
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
qxakshat/all-MiniLM-L6-v2-32dim — модель Sentence Transformers на архитектуре BERT, которая преобразует предложения и абзацы в плотные векторы размерностью 32. Её можно применять для семантического поиска, кластеризации и оценки сходства текстов. Репозиторий содержит веса в формате safetensors; модель насчитывает 25,9 млн параметров и принимает последовательности длиной до 512 токенов.
Это уменьшенная по размерности версия all-MiniLM-L6-v2: README указывает, что 32-мерное представление получено снижением размерности исходного 384-мерного. На тесте STS с оценкой косинусного сходства версия на 32 измерения показала Pearson 0,7256 и Spearman 0,7481, ниже исходной версии с 384 измерениями (0,8274 и 0,8203 соответственно). Модель ориентирована на английский язык и выпущена по лицензии Apache-2.0.
Сценарии применения
семантический поиск по предложениям и абзацам
сравнение смысловой близости двух текстов
кластеризация коротких текстов по смыслу
поиск похожих вопросов или документов
Ограничения
32-мерные векторы дают более низкие показатели сходства на STS-test, чем исходная 384-мерная версия. Контекст ограничен 512 токенами; заявлена поддержка английского языка.
Для каких профессий подходит10
Разделы каталога профессий, в задачах которых используется эта модель
This is a sentence-transformers model: It maps sentences & paragraphs to a 32 dimensional dense vector space and can be used for tasks like clustering or semantic search.
Model performance (Cosine-Similarity based, on the sts-test dataset):
Original (384 dimensions): Pearson: 0.8274 Spearman: 0.8203