Характеристики

Контекст: 512 токенов
Параметры: 25,9 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: all-MiniLM-L6-v2
Библиотека: sentence-transformers
Опубликована: 12 мар 2024

Ссылки

All-MiniLM-L6-v2-Embedding-GGUF

ЭмбеддингиТекст → embedding10 профессий

All-MiniLM-L6-v2-Embedding-GGUF — модель для создания векторных представлений текста на основе sentence-transformers/all-MiniLM-L6-v2.

139 тыс.скачиваний за 30 дней25лайковвеса обновлены1 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Исходную модель разработала команда Sentence Transformers, а преобразование в формат GGUF выполнила Second State Inc. Модель предназначена для извлечения признаков, оценки семантического сходства предложений, поиска и других задач, где требуется сравнивать текстовые эмбеддинги.

Модель работает с английским языком, имеет контекст размером 384 токена и размер вектора 256. Она доступна в нескольких вариантах квантования GGUF с разрядностью от 2 до 8 бит и размером файлов примерно от 19,2 до 45,9 МБ. Вариант Q4_K_M рекомендован как сбалансированный по размеру и качеству, а Q5_K_M и Q5_K_S обеспечивают более низкие потери качества. Более агрессивное квантование уменьшает размер, но может заметно ухудшать результаты.

Модель рассчитана на локальный запуск, в том числе через LlamaEdge версии 0.8.2 и выше, и подходит для компактных систем с ограниченными ресурсами. Она не предназначена для генерации текста или диалогов; README не содержит сведений о точной архитектуре, числе параметров и результатах benchmark-тестов. Распространяется по лицензии Apache-2.0.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

All-MiniLM-L6-v2-GGUF

Original Model

sentence-transformers/all-MiniLM-L6-v2

Run with LlamaEdge

LlamaEdge version: v0.8.2 and above
Context size: 384
Vector size: 256

Run as LlamaEdge service

wasmedge --dir .:. --nn-preload default:GGML:AUTO:all-MiniLM-L6-v2-ggml-model-f16.gguf \
  llama-api-server.wasm \
  --prompt-template llama-2-chat \
  --ctx-size 256 \
  --model-name all-MiniLM-L6-v2

Quantized GGUF Models

Name	Quant method	Bits	Size	Use case
all-MiniLM-L6-v2-Q2_K.gguf	Q2_K	2	19.2 MB	smallest, significant quality loss - not recommended for most purposes
all-MiniLM-L6-v2-Q3_K_L.gguf	Q3_K_L	3	20.5 MB	small, substantial quality loss
all-MiniLM-L6-v2-Q3_K_M.gguf	Q3_K_M	3	19.9 MB	very small, high quality loss
all-MiniLM-L6-v2-Q3_K_S.gguf	Q3_K_S	3	19.2 MB	very small, high quality loss
all-MiniLM-L6-v2-Q4_0.gguf	Q4_0	4	19.7 MB	legacy; small, very high quality loss - prefer using Q3_K_M
all-MiniLM-L6-v2-Q4_K_M.gguf	Q4_K_M	4	21 MB	medium, balanced quality - recommended
all-MiniLM-L6-v2-Q4_K_S.gguf	Q4_K_S	4	20.7 MB	small, greater quality loss
all-MiniLM-L6-v2-Q5_0.gguf	Q5_0	5	21 MB	legacy; medium, balanced quality - prefer using Q4_K_M
all-MiniLM-L6-v2-Q5_K_M.gguf	Q5_K_M	5	21.7 MB	large, very low quality loss - recommended
all-MiniLM-L6-v2-Q5_K_S.gguf	Q5_K_S	5	21.5 MB	large, low quality loss - recommended
all-MiniLM-L6-v2-Q6_K.gguf	Q6_K	6	24.2 MB	very large, extremely low quality loss
all-MiniLM-L6-v2-Q8_0.gguf	Q8_0	8	25 MB	very large, extremely low quality loss - not recommended
all-MiniLM-L6-v2-ggml-model-f16.gguf	Q8_0	8	45.9 MB	very large, extremely low quality loss - not recommended

Quantized with llama.cpp b2334

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Класс архитектуры: BertModel
Ревизия весов: 544f204