/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
roberta-base-amharic
Библиотека
sentence-transformers
Опубликована
20 июн 2025

embedding-amharic-base

ЭмбеддингиТекст → embedding8 профессий

Модель преобразует амхарские предложения и абзацы в векторы для семантического поиска и сравнения текстов.

282скачиваний за 30 дней0лайковвеса обновлены27 мая 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

Embedding-Amharic-Base — модель Sentence Transformers, разработанная rasyosef и дообученная на базе rasyosef/roberta-base-amharic для поиска по амхароязычным текстам. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализует их и сравнивает по косинусному сходству. Архитектура включает XLM-RoBERTa с усреднением токенных представлений; максимальная длина последовательности в карточке указана как 510 токенов, а контекст в метаданных — 512 токенов.

Модель подходит для семантического поиска и извлечения релевантных фрагментов, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки поиска на датасете dim_768: cosine recall@10 — 0,9051 и cosine nDCG@10 — 0,8037; при усечении векторов до 256 измерений указаны 0,902 и 0,7978 соответственно. Лицензия — MIT.

Сценарии применения

  • семантический поиск по амхарским документам
  • поиск релевантных фрагментов для RAG
  • ранжирование амхарских текстов по запросу
  • поиск перефразирований и похожих предложений
  • кластеризация амхарских текстов

Ограничения

Вход ограничен последовательностями длиной до 510 токенов по README. Оценки поиска приведены для указанных конфигураций и датасета; они не гарантируют аналогичного качества на других данных.

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

Embedding-Amharic-Base

This is a sentence-transformers model finetuned from rasyosef/roberta-base-amharic. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

It was introduced in the paper The Multilingual Curse at the Retrieval Layer: Evidence from Amharic.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: rasyosef/roberta-base-amharic
  • Maximum Sequence Length: 510 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Language: am
  • License: mit

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 510, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("rasyosef/embedding-amharic-base")

# What is the capital of Ethiopia? / France
queries = ['የኢትዮጵያ ዋና ከተማ ማናት?', 'የፈረንሳይ ዋና ከተማ ማናት?'] 

# Addis Ababa, Gondar, Paris, London, Washington D.C.
documents = ['አዲስ አበባ', 'ጎንደር', 'ፓሪስ', 'ለንደን', 'ዋሽንግተን ዲሲ'] 

# Compute embeddings
query_embeddings = model.encode_query(queries) # [2, 768]
document_embeddings = model.encode_document(documents) # [5, 768]

# Calculate semantic similarity
similarities = model.similarity(
    query_embeddings, 
    document_embeddings
)

print(similarities)
# tensor([[0.5075, 0.3114, 0.0798, 0.1967, 0.1340],
#         [0.1777, 0.0770, 0.5714, 0.2596, 0.1076]])

Evaluation

Metrics

Information Retrieval

MetricValue
cosine_recall@50.8698
cosine_recall@100.9051
cosine_ndcg@100.8037
cosine_mrr@100.7708

Information Retrieval

MetricValue
cosine_recall@50.8647
cosine_recall@100.902
cosine_ndcg@100.7978
cosine_mrr@100.764

Training Details

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: epoch
  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • gradient_accumulation_steps: 2
  • learning_rate: 6e-05
  • num_train_epochs: 6
  • lr_scheduler_type: cosine
  • warmup_ratio: 0.025
  • fp16: True
  • load_best_model_at_end: True
  • optim: adamw_torch_fused
  • batch_sampler: no_duplicates

Training Logs

EpochStepTraining Lossdim_768_cosine_ndcg@10dim_256_cosine_ndcg@10
-1-1-0.07350.0582
1.019210.67690.78260.7751
2.038420.070.78940.7829
3.057630.02540.80300.7953
4.076840.01390.80370.7978

Framework Versions

  • Python: 3.11.13
  • Sentence Transformers: 4.1.0
  • Transformers: 4.52.4
  • PyTorch: 2.7.1+cu126
  • Accelerate: 1.7.0
  • Datasets: 3.6.0
  • Tokenizers: 0.21.1

Citation

@inproceedings{alemneh2026amharicir,
  title     = {The Multilingual Curse at the Retrieval Layer: Evidence from Amharic},
  author    = {Alemneh, Yosef Worku and Mekonnen, Kidist Amde and de Rijke, Maarten},
  booktitle = {Proceedings of the 1st Workshop on Multilinguality in the Era of Large Language Models (MeLLM), ACL 2026},
  year      = {2026},
}

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
XLMRobertaModel
Ревизия весов
e5c5fba

0 моделей