/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
2 мар 2022

allenai-specter

ЭмбеддингиТекст → embedding3 профессии

Модель кодирует заголовки и аннотации научных статей на английском языке в эмбеддинги для поиска похожих публикаций.

29 910скачиваний за 30 дней28лайковвеса обновлены6 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

allenai-specter — преобразование модели AllenAI SPECTER в формат Sentence-Transformers. Это плотная модель на архитектуре BERT с 137,1 млн параметров; она кодирует заголовки и аннотации научных публикаций в векторы, располагая семантически близкие статьи рядом. Контекст ограничен 512 токенами.

Модель предназначена для поиска и сопоставления научных работ по их заголовкам и аннотациям, включая поиск похожих публикаций и построение векторных индексов научной литературы. Работает с текстом на английском языке и предоставляет эмбеддинги для вычисления сходства. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO.

Репозиторий содержит конверсию исходной AllenAI SPECTER для Sentence-Transformers, а не новую обученную модель. Лицензия — Apache-2.0. Модель ориентирована на научные публикации и не заявлена как универсальный эмбеддер для любых типов текстов.

Сценарии применения

  • поиск научных статей по заголовку и аннотации
  • ранжирование публикаций по семантическому сходству
  • поиск похожих работ в корпусе научной литературы
  • создание векторного индекса научных публикаций

Ограничения

Предназначена для представления заголовков и аннотаций научных публикаций; перенос на другие типы текстов не заявлен. Максимальная длина контекста — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

allenai-specter

This model is a conversion of the AllenAI SPECTER model to sentence-transformers. It can be used to map the titles & abstracts of scientific publications to a vector space such that similar papers are close.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('sentence-transformers/allenai-specter')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers)

Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.

from transformers import AutoTokenizer, AutoModel
import torch


def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/allenai-specter')
model = AutoModel.from_pretrained('sentence-transformers/allenai-specter')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, max pooling.
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

Citing & Authors

See AllenAI SPECTER

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
2c68eec

0 моделей