/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense

distilbert-dot-margin_mse-T2-msmarco

ЭмбеддингиТекст → embedding7 профессий

Англоязычная модель на DistilBERT для плотного поиска и ранжирования текстовых пассажей по запросу.

236скачиваний за 30 дней2лайкавеса обновлены16 мар 2021

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 для плотного поиска по текстовым пассажам на основе шестислойного DistilBERT. Её разработчик, Sebastian Hofstätter, обучил веса методом Margin-MSE с дистилляцией оценок ансамбля из трёх BERT_Cat на парах запросов и пассажей из MSMARCO-Passage. Для представления запроса или документа используется вектор CLS; одна и та же модель кодирует оба типа текста.

Модель подходит для ранжирования кандидатов, например результатов BM25, и для прямого поиска по векторному индексу. В README приведены результаты на MSMARCO и TREC-DL’19. Репозиторий содержит веса PyTorch; заявленная длина контекста — 512 токенов. Она обучена на англоязычных коротких пассажах, поэтому качество на длинных текстах и вне домена обучения может быть ниже. Карточка отмечает наследуемые социальные смещения DistilBERT и MSMARCO. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • поиск релевантных пассажей в коллекции документов
  • переупорядочивание результатов BM25
  • кодирование запросов и документов для векторного индекса
  • семантический поиск по коротким англоязычным текстам

Ограничения

Обучение проводилось на коротких англоязычных пассажах MSMARCO (в среднем около 60 слов), поэтому модель может хуже работать с длинными текстами и другими предметными областями. Она наследует социальные смещения DistilBERT и MSMARCO.

Для каких профессий подходит7

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

Margin-MSE Trained DistilBert for Dense Passage Retrieval

We provide a retrieval trained DistilBert-based model (we call the architecture BERT_Dot). Our model is trained with Margin-MSE using a 3 teacher BERT_Cat (concatenated BERT scoring) ensemble on MSMARCO-Passage.

This instance can be used to re-rank a candidate set or directly for a vector index based dense retrieval. The architecture is a 6-layer DistilBERT, without architecture additions or modifications (we only change the weights during training) - to receive a query/passage representation we pool the CLS vector. We use the same BERT layers for both query and passage encoding (yields better results, and lowers memory requirements).

If you want to know more about our simple, yet effective knowledge distillation method for efficient information retrieval models for a variety of student architectures that is used for this model instance check out our paper: https://arxiv.org/abs/2010.02666 🎉

For more information, training data, source code, and a minimal usage example please visit: https://github.com/sebastian-hofstaetter/neural-ranking-kd

Effectiveness on MSMARCO Passage & TREC-DL'19

We trained our model on the MSMARCO standard ("small"-400K query) training triples with knowledge distillation with a batch size of 32 on a single consumer-grade GPU (11GB memory).

For re-ranking we used the top-1000 BM25 results.

MSMARCO-DEV

MRR@10NDCG@10Recall@1K
BM25.194.241.868
Margin-MSE BERT_Dot (Re-ranking).332.391.868 (from BM25 candidates)
Margin-MSE BERT_Dot (Retrieval).323.381.957

TREC-DL'19

For MRR and Recall we use the recommended binarization point of the graded relevance of 2. This might skew the results when compared to other binarization point numbers.

MRR@10NDCG@10Recall@1K
BM25.689.501.739
Margin-MSE BERT_Dot (Re-ranking).862.712.739 (from BM25 candidates)
Margin-MSE BERT_Dot (Retrieval).868.697.769

For more baselines, info and analysis, please see the paper: https://arxiv.org/abs/2010.02666

Limitations & Bias

  • The model inherits social biases from both DistilBERT and MSMARCO.

  • The model is only trained on relatively short passages of MSMARCO (avg. 60 words length), so it might struggle with longer text.

Citation

If you use our model checkpoint please cite our work as:

@misc{hofstaetter2020_crossarchitecture_kd,
      title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation}, 
      author={Sebastian Hofst{\"a}tter and Sophia Althammer and Michael Schr{\"o}der and Mete Sertkan and Allan Hanbury},
      year={2020},
      eprint={2010.02666},
      archivePrefix={arXiv},
      primaryClass={cs.IR}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertModel
Ревизия весов
f094fd0

0 моделей