/ Модель

Характеристики

Контекст
8 192 токена
Параметры
315 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
modernbert-ja-310m
Опубликована
7 мар 2025

amber-large

ЭмбеддингиТекст → embedding11 профессий

AMBER — дообученная двуязычная модель эмбеддингов ModernBERT для семантического поиска и сравнения текстов на японском и английском языках.

152скачиваний за 30 дней7лайковвеса обновлены31 мар 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.

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

AMBER (Adaptive Multitask Bilingual Embedding Representations) — текстовая модель эмбеддингов, разработанная Retrieva, Inc. на основе архитектуры ModernBERT и дообученная от sbintuitions/modernbert-ja-310m. Модель рассчитана прежде всего на японский язык и также поддерживает английский; при обучении использовались данные на обоих языках и естественно-языковые инструкции, позволяющие адаптировать эмбеддинги к задаче. В метаданных указан размер 314,6 млн параметров, контекст до 8192 токенов и формат safetensors. README указывает максимальную длину последовательности 512 токенов, выходные эмбеддинги размерностью 768 и косинусную меру сходства.

Модель подходит для семантического поиска, сопоставления предложений и других задач, где требуется сравнивать текстовые представления, включая двуязычные сценарии на японском и английском. В README приведены оценки на японских JMTEB, JQaRA, JaCWIR и подмножестве MLDR, а также на английском MTEB; это результаты авторской оценки. Лицензия — Apache 2.0. Для практического применения следует учитывать расхождение между указанным в метаданных контекстом 8192 токена и лимитом последовательности 512 токенов в README.

Сценарии применения

  • семантический поиск по японским документам
  • поиск английских текстов по смыслу
  • двуязычный поиск между японским и английским
  • измерение сходства предложений
  • кластеризация текстов по смыслу
  • извлечение релевантных фрагментов для RAG

Ограничения

Модель ориентирована прежде всего на японский язык, а английский поддерживается дополнительно. README указывает лимит последовательности 512 токенов, тогда как в метаданных заявлен контекст 8192 токена; при использовании нужно проверить фактический лимит выбранной конфигурации.

Для каких профессий подходит11

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

RetrievaEmbedding-01: AMBER

The AMBER (Adaptive Multitask Bilingual Embedding Representations) is a text embedding model trained by Retrieva, Inc. This model is primarily designed for Japanese, but it also supports English. We trained this model on various datasets related to Japanese and English.

This model size is 315M parameters (large size).

Model Details

Model Description

The AMBER model is a text embedding model based on the sbintuitions/modernbert-ja-310m architecture, designed for Japanese text. This model was trained on a variety of datasets related to Japanese, and also includes English datasets. The model can be used for English text as well. During training, prompts (instructions) in natural language were included, allowing the model to generate embeddings tailored to specific tasks.

  • Developed by: Retrieva, Inc.
  • Model type: Based on the ModernBERT Architecture.
  • Language(s) (NLP): Primarily Japanese (optional support for English).
  • License: Apache 2.0
  • Finetuned from model: sbintuitions/modernbert-ja-310m
  • Model Type: Sentence Transformer
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity

Uses

How to Get Started with the Model

Install Library

First install the python library using pip:

pip install sentence-transformers sentencepiece

Run Inference

Then you can load this model and run inference.

You can specify the prompt at inference time by adding an argument called prompt to model.encode. The prompts used in the Japanese benchmark are described in jmteb/tasks, and the prompts used in the English benchmark are described in mteb/models/retrieva_en.py.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("retrieva-jp/amber-large")
# Run inference
queries = [
    "自然言語処理とはなんですか?",
    "株式会社レトリバについて教えて",
]
documents = [
    "自然言語処理(しぜんげんごしょり、英語: Natural language processing、略称:NLP)は、人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術であり、人工知能と言語学の一分野である。",
    "株式会社レトリバは、自然言語処理と機械学習を核としたAI技術で組織の課題解決を支援するテクノロジー企業である。",
]

queries_embeddings = model.encode(queries, prompt_name="Retrieval-query")
documents_embeddings = model.encode(documents, prompt_name="Retrieval-passage")

similarities = model.similarity(queries_embeddings, documents_embeddings)
print(similarities.shape)

Training Details

Training Data

We used multiple datasets to train this model. We selected datasets from llm-jp-eval, llm-japanese-dataset, and hpprc/emb for Japanese datasets. For English datasets, we mainly used some of the datasets utilized in Asai et al. (2023). Additionally, we partially used the English datasets at the sentence-transformers repository and kilt-tasks. To consider cross-lingual between Japanese and English, we also used translation datasets between Japanese and English.

For Japanese, we used synthetic data created by LLM to prepare a sufficient amount of training data.

Evaluation

We evaluated the model on the following benchmarks:

The scores in the table are all calculated by us unless otherwise noted.

Japanese Benchmark: JMTEB

Note that the Mean (TaskType) in the following leaderboard is the same as the Avg. in the original JMTEB leaderboard.

The files used for evaluation are stored in the jmteb directory.

Model# ParametersMean (TaskType)Mean (Task)RetrievalSTSClassificationRerankingClusteringPairClassification
base models< 300M
cl-nagoya/ruri-base111M72.6071.5669.5382.8775.4992.9152.4062.38
AMBER-base130M72.1272.1273.4077.8176.1493.2748.0564.03
pkshatech/GLuCoSE-base-ja-v2133M72.8972.4773.0382.9674.0293.0151.9662.37
pkshatech/RoSEtta-base-ja190M72.4972.0573.1481.3972.3792.6953.6061.74
intfloat/multilingual-e5-base278M71.1169.7269.4580.4569.8692.9051.6262.35
large models300M <
AMBER-large (this model)315M72.5273.2275.4079.3277.1493.5448.7360.97
cl-nagoya/ruri-large337M73.2073.0672.8683.1477.1593.0050.7862.29
intfloat/multilingual-e5-large560M72.0671.2971.7180.8772.4593.2951.5962.42

Japanese Retrieval Tasks: JQaRA, JaCWIR, MLDR Japanese Subset

The files used for MLDR are stored in the mldr directory.

The prompts used in JQaRA and JaCWIR are Retrieval-query and Retrieval-passage described in config_sentence_transformers.json.

Model# ParametersJQaRA (nDCG@10)JaCWIR (MAP@10)MLDR Japanese Subset (nDCG@10)
base models< 300M
cl-nagoya/ruri-base111M58.483.332.77
AMBER-base130M57.181.635.69
pkshatech/GLuCoSE-base-ja-v2133M60.685.333.99
intfloat/multilingual-e5-base278M47.185.325.46
large models300M <
AMBER-large (this model)315M62.582.434.57
cl-nagoya/ruri-large337M62.882.534.78
intfloat/multilingual-e5-large560M55.487.329.95

English Benchmark: MTEB(eng, v2)

The files used for evaluation are stored in the mteb directory.

Model# ParametersMean (TaskType)Mean (Task)RetrievalSTSClassificationRerankingClusteringPairClassificationSummarization
base models< 300M
AMBER-base130M54.7558.2040.1181.2970.3942.9842.2780.1226.08
intfloat/multilingual-e5-base278M56.2159.7543.2280.5073.8443.8742.1983.7426.10
large models300M <
AMBER-large (this model)315M56.0859.1341.0481.5272.2343.8342.7181.0030.21
intfloat/multilingual-e5-large560M57.0660.8446.1781.1174.8844.3141.9184.3326.67

Citation

BibTeX:

@inproceedings{amber2025,
    title = {インストラクションと複数タスクを利用した日本語向け分散表現モデルの構築},
    author = {勝又智 and 木村大翼 and 西鳥羽二郎},
    booktitle = {言語処理学会第31回年次大会発表論文集},
    year = {2025},
}

More Information

https://note.com/retrieva/n/n4ee9d304f44d (in Japanese)

Model Card Authors

Satoru Katsumata, Daisuke Kimura, Jiro Nishitoba

Model Card Contact

pr[at]retrieva.jp

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertModel
Ревизия весов
ebee01d

0 моделей