/ Модель

Характеристики

Контекст
512 токенов
Параметры
424 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
25 мар 2025

ritrieve_zh_v1

ЭмбеддингиТекст → embedding9 профессий

Китайскоязычная модель эмбеддингов на базе BERT для сравнения смысловой близости текстов и семантического поиска.

938скачиваний за 30 дней48лайковвеса обновлены25 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 оценки31

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • VideoRetrieval

    main_score

    Результат

    0,8054

    MTEB

    Публичная таблицаревизия совпадает

  • MultilingualSentiment

    main_score

    Результат

    0,7872

    Общий результат 0,7983
    MTEB

    Публичная таблицаревизия совпадает

  • QBQTC

    main_score

    Результат

    0,4521

    MTEB

    Публичная таблицаревизия совпадает

  • ATEC

    main_score

    Результат

    0,5871

    MTEB

    Публичная таблицаревизия совпадает

  • PAWSX

    main_score

    Результат

    0,4702

    MTEB

    Публичная таблицаревизия совпадает

  • Waimai

    main_score

    Результат

    0,8974

    MTEB

    Публичная таблицаревизия совпадает

  • CMedQAv2-reranking

    main_score

    Результат

    0,9049

    MTEB

    Публичная таблицаревизия совпадает

  • MMarcoRetrieval

    main_score

    Результат

    0,8254

    MTEB

    Публичная таблицаревизия совпадает

  • Ocnli

    main_score

    Результат

    0,856

    MTEB

    Публичная таблицаревизия совпадает

  • LCQMC

    main_score

    Результат

    0,7957

    MTEB

    Публичная таблицаревизия совпадает

  • MMarcoReranking

    main_score

    Результат

    0,4092

    MTEB

    Публичная таблицаревизия совпадает

  • TNews

    main_score

    Результат

    0,5502

    MTEB

    Публичная таблицаревизия совпадает

  • STSB

    main_score

    Результат

    0,8143

    MTEB

    Публичная таблицаревизия совпадает

  • T2Reranking

    main_score

    Результат

    0,6847

    MTEB

    Публичная таблицаревизия совпадает

  • CovidRetrieval

    main_score

    Результат

    0,9232

    MTEB

    Публичная таблицаревизия совпадает

  • MedicalRetrieval

    main_score

    Результат

    0,6827

    MTEB

    Публичная таблицаревизия совпадает

  • JDReview

    main_score

    Результат

    0,9026

    MTEB

    Публичная таблицаревизия совпадает

  • CMedQAv1-reranking

    main_score

    Результат

    0,9156

    MTEB

    Публичная таблицаревизия совпадает

  • ThuNewsClusteringP2P

    main_score

    Результат

    0,7969

    MTEB

    Публичная таблицаревизия совпадает

  • CLSClusteringS2S

    main_score

    Результат

    0,5127

    MTEB

    Публичная таблицаревизия совпадает

  • T2Retrieval

    main_score

    Результат

    0,843

    MTEB

    Публичная таблицаревизия совпадает

  • BQ

    main_score

    Результат

    0,7466

    MTEB

    Публичная таблицаревизия совпадает

  • OnlineShopping

    main_score

    Результат

    0,9501

    MTEB

    Публичная таблицаревизия совпадает

  • IFlyTek

    main_score

    Результат

    0,5254

    MTEB

    Публичная таблицаревизия совпадает

  • AFQMC

    main_score

    Результат

    0,6081

    MTEB

    Публичная таблицаревизия совпадает

  • EcomRetrieval

    main_score

    Результат

    0,7108

    MTEB

    Публичная таблицаревизия совпадает

  • CmedqaRetrieval

    main_score

    Результат

    0,4768

    MTEB

    Публичная таблицаревизия совпадает

  • DuRetrieval

    main_score

    Результат

    0,8905

    MTEB

    Публичная таблицаревизия совпадает

  • ThuNewsClusteringS2S

    main_score

    Результат

    0,7358

    MTEB

    Публичная таблицаревизия совпадает

  • CLSClusteringP2P

    main_score

    Результат

    0,6147

    MTEB

    Публичная таблицаревизия совпадает

  • Cmnli

    main_score

    Результат

    0,8636

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель ritrieve_zh_v1 разработана командой richinfoai и предназначена для получения плотных векторных представлений текстов и сравнения их смысловой близости. Это модель семейства BERT на базе Sentence Transformers, обученная методом дистилляции от lier007/xiaobu-embedding-v2, dunzhang/stella-large-zh-v3-1792d и BAAI/bge-multilingual-gemma2. После второго этапа обучения размерность эмбеддингов составляет 1792.

Модель обучалась на BAAI/Infinity-Instruct и opencsg/chinese-fineweb-edu; авторы сообщают о результатах на MTEB для китайского языка. Она принимает текст и выдаёт векторы, подходит для поиска по смыслу, сопоставления предложений и построения семантического поиска. Максимальная длина контекста — 512 токенов. Лицензия — MIT.

Сценарии применения

  • семантический поиск по китайским документам
  • поиск похожих предложений на китайском языке
  • ранжирование текстов по смысловой близости
  • построение векторного индекса для китайских текстов

Ограничения

Контекст ограничен 512 токенами. Заявленные результаты относятся к оценке MTEB для китайского языка; качество на других языках README не подтверждает.

Для каких профессий подходит9

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

Introduction

This model was trained by richinfoai. Followed Stella and Jasper models, we do distillation training from lier007/xiaobu-embedding-v2, dunzhang/stella-large-zh-v3-1792d and BAAI/bge-multilingual-gemma2. Thanks to their outstanding performance, our model has achieved excellent results on MTEB(cmn, v1).

We believe this model once again demonstrates the effectiveness of distillation learning. In the future, we will train more bilingual vector models based on various excellent vector training methods.

Methods

Stage1

We use BAAI/Infinity-Instruct and opencsg/chinese-fineweb-edu as training data to do a distillation from the above three models. In this stage, we only use cosine-loss.

Stage2

The objective of stage2 is reducing dimensions. We use the same training data as the stage1 with similarity loss. After stage2, the dimensions of our model is 1792.

Usage

This model does not need instructions and you can use it in SentenceTransformer:

import os

os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
from sentence_transformers import SentenceTransformer

text_encoder = SentenceTransformer("richinfoai/ritrieve_zh_v1")
texts = [
    "什么是人工智能",
    "介绍一下主流的LLM",
    "人工智能(AI)是模拟人类智能的计算机系统,能够执行学习、推理和决策等任务。它通过算法和大数据实现自动化,广泛应用于各行各业。"
]
vectors = text_encoder.encode(texts, normalize_embeddings=True)
print(vectors @ vectors.T)
# [[0.9999999  0.67707014 0.91421044]
#  [0.67707014 0.9999998  0.6353945 ]
#  [0.91421044 0.6353945  1.0000001 ]]

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
f8d5a70

0 моделей