/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bge-base-en-v1.5
Библиотека
sentence-transformers
Опубликована
26 сен 2026

bge-base-pubmed-finetuned

ЭмбеддингиТекст → embedding

Англоязычная модель BGE на базе BERT, дообученная для семантического поиска по биомедицинским аннотациям и фрагментам PubMed.

107скачиваний за 30 дней0лайковвеса обновлены28 сен 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

rafiazarin/bge-base-pubmed-finetuned — англоязычная модель эмбеддингов, дообученная автором на базе BAAI/bge-base-en-v1.5 для семантического поиска по биомедицинским текстам PubMed. Модель построена на архитектуре BERT, содержит 136,7 млн параметров, принимает текст и преобразует его в векторные представления; максимальная длина контекста — 512 токенов. Репозиторий содержит веса Safetensors и формат ONNX.

Модель предназначена для сопоставления поисковых запросов с аннотациями и фрагментами научных статей, в том числе в системах поиска и RAG. Дообучение выполнено на 1 300 синтетических парах «запрос — аннотация» с функцией потерь MultipleNegativesRankingLoss. В описанном эксперименте преимущества над исходной BGE-моделью оказались небольшими и не были статистически надёжными по объективной метрике поиска фрагмента из исходной аннотации; тестовый набор включал 90 запросов, часть которых происходила из аннотаций, использованных при обучении. Лицензия модели — MIT; README также рекомендует проверять условия использования исходного набора данных перед коммерческим применением.

Сценарии применения

  • семантический поиск по аннотациям PubMed
  • поиск научных фрагментов по вопросу на английском языке
  • подбор статей о лечении или медицинских эффектах
  • создание эмбеддингов для биомедицинского RAG
  • сопоставление поискового запроса с научными текстами

Ограничения

В эксперименте на 90 запросах модель не показала статистически надёжного улучшения над исходной BGE по объективной метрике поиска фрагмента; автоматическая оценка слабо согласовалась с человеческими метками, а часть тестовых запросов была связана с данными обучения. Запросы кодировались без рекомендованного префикса BGE; перед коммерческим использованием следует проверить условия исходного датасета.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bge-base-en-v1.5 fine-tuned on synthetic PubMed query–abstract pairs

Part of the study finetuned-embeddings-rag-eval.

Training

  • Base model: BAAI/bge-base-en-v1.5
  • Data: 1,300 synthetic (query, abstract) pairs. Queries generated by gemma3:4b from PubMed abstracts (ccdv/pubmed-summarization, train split). Pairs file: data/pubmed_training_pairs.json in the GitHub repo (first 1,300 used).
  • Loss: MultipleNegativesRankingLoss. 5 epochs, batch size 32, 100 warmup steps, lr 2e-5 (library default), mixed precision.
  • Final model after 5 epochs (no checkpoint selection).
  • Single training run on a Colab T4. sentence-transformers 5.5.1, transformers 5.16.1, torch 2.11.0.

Evaluation

Read first: on an objective metric (retrieved chunk comes from the source abstract) this model shows no statistically reliable improvement over untuned bge-base, and the automatic judge used in the table below agreed poorly with human labels (Cohen's kappa 0.2). 63 of the 90 test questions come from abstracts also used in training.

90 human-written queries over 7,627 chunks (2,000 PubMed abstracts, 400-char chunks, 50-char overlap). Relevance judged automatically by cross-encoder/ms-marco-MiniLM-L-6-v2 (logit ≥ 0), not by human labels. All models evaluated in the same run. Results file: experiments/pubmed_step11_scores.json.

ModelHit@3MRRNDCG@10
This model0.86670.77040.5609
bge-base-en-v1.5 (no fine-tuning)0.84440.72220.5378
nomic-embed-text (Ollama, no fine-tuning)0.77780.65190.5083

Paired tests, this model vs. untuned bge-base: McNemar (Hit@3) p = 0.6171; paired permutation (MRR) p = 0.0153. Untuned bge-base vs. nomic: p = 0.0771 (Hit@3), p = 0.0323 (MRR).

Most of the gain over nomic comes from the base model choice (provisional: no model used its recommended query prefix). Under this automatic judge, fine-tuning adds a small MRR gain. Under an objective metric (retrieved chunk comes from the source abstract), the pre-registered fine-tuned vs. untuned comparison is not significant (MRR 0.9722 vs. 0.9519, p = 0.299; on a 20,000-abstract corpus 0.7611 vs. 0.8019, p = 0.1158), and the automatic judge agreed poorly with human labels (Cohen's kappa 0.2, 60 items). Details in the GitHub README.

Limitations

  • n = 90 queries.
  • Pre-registered 3-seed check: mean MRR 0.7667 (SD 0.0064) vs. 0.7222 untuned, p = 0.0229; Hit@3 unchanged. Details in the GitHub README.
  • Training queries are LLM-generated; relevance labels come from an automatic matcher.
  • Queries were encoded without the bge query instruction prefix.
  • Check the terms of the source dataset before commercial use.

Usage

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("rafiazarin/bge-base-pubmed-finetuned")
emb = model.encode(["effect of statins on cardiac events"], normalize_embeddings=True)

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
BertModel
Ревизия весов
c697591

0 моделей