/ Модель

Характеристики

Контекст
512 токенов
Параметры
162 млн
Архитектура
bert · dense
Базовая модель
DIMI-embedding-matryoshka-arabic
Библиотека
sentence-transformers
Опубликована
21 фев 2026

darija-embedding-model

ЭмбеддингиТекст → embedding

Модель создаёт эмбеддинги предложений на даридже для семантического поиска и сравнения текстов.

161скачиваний за 30 дней0лайковвеса обновлены21 фев 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

Это модель Sentence Transformer на базе BERT, дообученная разработчиком s1nju на AhmedZaky1/DIMI-embedding-matryoshka-arabic. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству; модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. Примеры обучающих данных и README указывают на дариджу — разговорный арабский, в том числе алжирские выражения. Метаданные указывают 162,4 млн параметров и контекст до 512 токенов, тогда как README задаёт максимальную длину последовательности 75 токенов; для практического использования следует ориентироваться на ограничение конфигурации Sentence Transformers.

Модель принимает текст и выдаёт эмбеддинги; в качестве основы использует BERT с усреднением токенных представлений. Обучена на 1 259 парах предложений с оценками сходства. В карточке приведены примеры дариджи, но нет сведений о лицензии, поэтому условия распространения и коммерческого использования по этим данным определить нельзя.

Сценарии применения

  • семантический поиск по текстам на даридже
  • сравнение сходства двух предложений на даридже
  • поиск перефразирований и близких по смыслу фраз
  • кластеризация текстов на разговорном арабском
  • извлечение признаков текста для классификатора

Ограничения

README задаёт максимальную длину последовательности 75 токенов, хотя метаданные каталога указывают нативный контекст 512 токенов. Обучающие данные невелики — 1 259 пар; лицензия в предоставленных материалах не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SentenceTransformer based on AhmedZaky1/DIMI-embedding-matryoshka-arabic

This is a sentence-transformers model finetuned from AhmedZaky1/DIMI-embedding-matryoshka-arabic. 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.

Model Details

Model Description

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 75, 'do_lower_case': False, 'architecture': 'BertModel'})
  (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})
)

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

# Download from the 🤗 Hub
model = SentenceTransformer("s1nju/darija-embedding-model")
# Run inference
sentences = [
    'العطلة هي الوقت باش نريحو من لسانس.',
    'كي تخلص ليزيكزامان تحس روحك ولدت من جديد.',
    'لي غريف هما اللي ضيعو بزاف لي سوماستر.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.9451, 0.9580],
#         [0.9451, 1.0000, 0.9401],
#         [0.9580, 0.9401, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

  • Size: 1,259 training samples
  • Columns: sentence_0, sentence_1, and label
  • Approximate statistics based on the first 1000 samples:
    sentence_0sentence_1label
    typestringstringfloat
    detailsmin: 7 tokensmean: 12.05 tokensmax: 19 tokensmin: 7 tokensmean: 13.06 tokensmax: 19 tokensmin: 0.0mean: 0.91max: 0.98
  • Samples:
    sentence_0sentence_1label
    عنابة هي جوهرة الشرق وسيدي ابراهيم.بونة الجميلة فيها بحر يطير العقل.0.93
    راني رايح للمارشي نجيب شوية قديان.غادي نروح للحانوت نشري واش خصنا.0.94
    واش راك تقرا هاد ليامات؟كاش كتاب جديد راك تتبع فيه؟0.91
  • Loss: CosineSimilarityLoss with these parameters:
    {
        "loss_fct": "torch.nn.modules.loss.MSELoss"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 16
  • num_train_epochs: 1
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • do_predict: False
  • eval_strategy: no
  • prediction_loss_only: True
  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 16
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 5e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1
  • num_train_epochs: 1
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_ratio: None
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • enable_jit_checkpoint: False
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • use_cpu: False
  • seed: 42
  • data_seed: None
  • bf16: False
  • fp16: False
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: -1
  • ddp_backend: None
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch_fused
  • optim_args: None
  • group_by_length: False
  • length_column_name: length
  • project: huggingface
  • trackio_space_id: trackio
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • hub_revision: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • auto_find_batch_size: False
  • full_determinism: False
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • include_num_input_tokens_seen: no
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • liger_kernel_config: None
  • eval_use_gather_object: False
  • average_tokens_across_devices: True
  • use_cache: False
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: round_robin
  • router_mapping: {}
  • learning_rate_mapping: {}

Framework Versions

  • Python: 3.12.12
  • Sentence Transformers: 5.2.3
  • Transformers: 5.0.0
  • PyTorch: 2.10.0+cpu
  • Accelerate: 1.12.0
  • Datasets: 4.0.0
  • Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

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
ecd8245

0 моделей