/ Модель

Характеристики

Контекст
112 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
26 авг 2026

banglish-embed-minilm-small

ЭмбеддингиТекст → embedding5 профессий

Компактная модель эмбеддингов для поиска соответствий между предложениями на бенгальском письме и романизированном бенгальском Banglish.

100скачиваний за 30 дней0лайковвеса обновлены6 сен 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

Banglish Embed MiniLM Small — модель эмбеддингов для поиска семантически соответствующих предложений на бенгальском письме и романизированном бенгальском (Banglish). Она дообучена автором sifat-febo на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и предназначена для двустороннего поиска совпадений между двумя письменностями, включая сценарии с переключением между ними.

Модель построена на архитектуре BERT и содержит 124,3 млн параметров. Она принимает текст и формирует эмбеддинги для семантического сравнения; заявленная длина контекста — 112 токенов. По README, модель занимает около 0,47 ГБ и рассчитана на работу на CPU без подключения к интернету после установки. В описанном тесте на 2000 парах она находила соответствие примерно в 98,6–98,8% случаев.

Модель подходит для поиска бенгальских фраз по Banglish-запросам и наоборот, но её назначение ограничено сопоставлением семантически сходных предложений: она не предназначена для суммаризации, ответов на вопросы или произвольного ранжирования. Текст длиннее примерно 70 слов обрезается. Лицензия — Apache-2.0.

Сценарии применения

  • поиск бенгальского текста по запросу на Banglish
  • поиск фраз на Banglish по бенгальскому предложению
  • сопоставление параллельных фраз в двух письменностях
  • семантический поиск по коллекции бенгальских предложений
  • извлечение соответствующей фразы для двуязычного поиска

Ограничения

Модель ориентирована на сопоставление семантически сходных предложений и не предназначена для суммаризации, ответов на вопросы или общего ранжирования. Текст длиннее примерно 70 слов обрезается; README отмечает, что более крупная модель banglish-embed точнее.

Для каких профессий подходит5

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

Banglish Embed — MiniLM Small

One space. Two scripts. Half the weight.

কারো কাজ করলে বলবেন প্লিজ
Karo kaj korle bolben please

Search in either. Find both.

 

Banglish e

ki eta? Banglish diye search korle Bangla lekha o pabe, ulta o hobe. Ei tate shob theke boro lekha dhore — prai shottor shobdo.

ki lagbe? pip install sentence-transformers. Adha GB-r o kom, tai purono computer e o namano jay. Internet lagbe na, account lagbe na.

aro bhalo cai? banglish-embed — boro, kintu aro shothik.

aro choto cai? banglish-embed-tiny — 12 MB.

 

Use it

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("sifat-febo/banglish-embed-minilm-small")
v = model.encode(["Karo kaj korle bolben please",
                  "কারো কাজ করলে বলবেন প্লিজ"])
model.similarity(v[0], v[1])

0.47 GB. Runs on a personal computer's CPU. No GPU, no account, no internet.

Built on paraphrase-multilingual-MiniLM-L12-v2, so it fits pipelines already built around that model.

 

How good

Given one Bengali sentence and 2,000 Banglish ones, it picks the right partner first about 99 times out of 100.

Bengali → BanglishBanglish → BengaliSize
banglish-embed0.9950.9920.95 GB
this model0.9880.9860.47 GB
banglish-embed-tiny0.9900.9870.012 GB

All three were tested on the same 2,000 pairs. In mistakes: 52 here against 26 for the larger one — half the size costs you about one extra mistake in every eighty searches.

If those mistakes matter to you, use banglish-embed instead. It is the more accurate model. This one is for when a gigabyte is the problem.

 

If 0.47 GB is still too big

There is a 12 MB one: banglish-embed-tiny. Trained from scratch with its own 16,000-word Banglish vocabulary, which is how it stays that small — and it scores a little higher than this model on the same 2,000 pairs.

The catch: that vocabulary is its own, so it will not slot into a pipeline built around a standard multilingual tokenizer. This one will.

 

Limits

About seventy words, in either script, then it truncates. What it knows is narrow: whether two sentences mean the same. It will not summarize, answer, or rank anything else.

 

Fine print

98.8% means the right sentence came back ahead of all 1,999 others, and a tie counts as a mistake, not a win. Nothing was removed from the test set to make that number look better.

 

AI Disclosure

The author designed the system, chose the base models, ran all training and measurement on the author's own machine, read the models' output, and chose what to publish and what to withhold. Claude Code (Anthropic) was used as a coding and writing tool under that direction.

 

License

Apache 2.0. Base model paraphrase-multilingual-MiniLM-L12-v2 (Apache 2.0). Pair data from BanglaTLit (MIT).

@misc{banglishembedminilm2026,
  author = {Sifat Febo},
  title  = {Banglish Embed MiniLM Small: one space, two scripts, half the weight},
  year   = {2026},
  url    = {https://huggingface.co/sifat-febo/banglish-embed-minilm-small}
}

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
ca0076a

0 моделей