/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
turkish-embedding-model
Библиотека
sentence-transformers
Опубликована
3 июл 2026

trmteb-trnews-v1

ЭмбеддингиТекст → embedding5 профессий

Турецкая BERT-модель эмбеддингов для поиска аннотаций по заголовкам новостей и сопоставления публикаций об одном событии.

103скачиваний за 30 дней0лайковвеса обновлены3 июл 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

trmteb-trnews-v1 — дообученная модель эмбеддингов предложений на базе trmteb/turkish-embedding-model, разработанная автором карточки для поиска по турецким новостям. Это плотная BERT-модель с mean pooling и размерностью эмбеддинга 768; она содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. При обучении на 100 000 пар «заголовок — аннотация» из корпуса TR-News применялась функция потерь MultipleNegativesRankingLoss.

Модель предназначена прежде всего для поиска аннотации по заголовку и сопоставления новостей об одном событии, в том числе для дедупликации. В тесте TR-News дообучение повысило title→abstract R@1 с 0,8635 до 0,8745, но не улучшило тематическую кластеризацию относительно базовой модели; широкая тематическая классификация, общий STS и анализ тональности не входят в целевые сценарии. Лицензия — MIT.

Сценарии применения

  • поиск аннотации новости по её заголовку
  • поиск похожих турецких новостных статей
  • сопоставление новостей об одном событии
  • дедупликация турецких новостей по эмбеддингам

Ограничения

Оптимизирована для сопоставления заголовков и аннотаций турецких новостей; дообучение не улучшило тематическую кластеризацию относительно базовой модели. Общий STS, тематическая классификация и анализ тональности не являются целевыми задачами; перед применением на других задачах модель следует оценить.

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

trmteb-trnews

Turkish sentence-embedding model: trmteb/turkish-embedding-model fine-tuned with MultipleNegativesRankingLoss on (title, abstract) pairs from the TR-News corpus. This is a retrieval fine-tune: it improves title↔abstract retrieval; broad topical clustering is unchanged (the baseline already sits near the label-noise ceiling of the TR-News news-desk labels).

An Apple-Silicon MLX float16 build (verified at parity) is also available as trmteb-trnews-v1-mlx.

Training

  • Base: trmteb/turkish-embedding-model (BERTurk, 768-d, mean pooling)
  • Data: 100,000 filtered TR-News (title, abstract) pairs
  • Loss: MultipleNegativesRankingLoss (in-batch negatives)
  • Hyperparameters: batch 128, lr 2e-05, 1 epoch(s), bf16
  • Max sequence length: 512 (the base model's capability; training truncated the short title/abstract pairs at 128 tokens, but the published model is not capped at 128)

Evaluation (held-out TR-News test + TrGLUE-STS)

Topic metrics use the full TR-News test split (n≈14k). topic kNN@1 / macro-kNN@1 / separation are held-within-noise gates, not optimisation targets.

metricbaselinefine-tuned
title→abstract R@10.86350.8745
title→abstract MRR0.89890.9093
topic kNN@10.76350.7624
topic macro-kNN@10.58580.591
topic separation0.02760.0315
TrGLUE-STS spearman0.66860.6677

Benchmarks (Apple M4 Max, MLX / Metal)

Head-to-head vs multilingual embedders on Turkish news (compare_embedders.py, one MLX process each). Separation = same−diff cluster cosine, which governs a threshold-based dedup cut:

metrictrnews-v1 (fp16)base trmteb (fp32)gemma-300mgranite-r2qwen3-0.6B
Clustering P@10.9890.9930.9430.9750.939
Title→body R@10.9830.9830.9670.9670.933
Separation0.6550.6610.1700.1200.345
Speed (ms/title)0.790.841.301.135.97
Peak GPU (MB)17132065133814182015

The trmteb family holds a large separation lead — a stable ~0.35 dedup threshold vs a razor-thin, unstable ~0.80 for the multilingual models. The fp16 MLX build ≈ the fp32 base here, at lower memory and latency. (This clustering ground truth is trmteb-authored, so it is base-biased; the fine-tune's measured gain is the TR-News retrieval table above.)

Throughput (MLX/Metal vs PyTorch/MPS, full 12k-article corpus, same BERTurk arch): MLX ≈ 373 art/s, ~1.87× MPS (32 s vs 60 s), flat 2–3 GB peak — a full corpus re-embed ≈ 30 s.

Intended use & limitations

Turkish-news title↔abstract retrieval and same-event dedup. Broad topic classification, general STS, and sentiment are out-of-target — the fine-tune does not improve topical clustering over the base model; evaluate on your own task before relying on it.

License & attribution

Released under the MIT license — matching the verified upstream root (dbmdz/bert-base-turkish-uncased, MIT).

NOTICE — this is a derivative work. Attribution chain:

  • Fine-tuned from trmteb/turkish-embedding-model — no license is declared upstream (as of 2026-07-03 the source model card states none); attribution retained.
  • Whose base is dbmdz/bert-base-turkish-uncased (BERTurk) — MIT. Retain BERTurk's copyright and permission notice (see its model card).
  • Changes (documented for provenance): fine-tuned on 100,000 TR-News (title, abstract) pairs with MultipleNegativesRankingLoss; published at max_seq_length 512.

trmteb/turkish-embedding-model itself declares no license, so the MIT terms above inherit from the BERTurk root and cover this fine-tune's contribution; confirm the intermediate model's terms with its author before commercial redistribution.

Citation — training data (TR-News)

Please cite the TR-News dataset paper:

@article{10.1007/s10579-021-09568-y,
    year = {2022},
    title = {{Abstractive text summarization and new large-scale datasets for agglutinative languages Turkish and Hungarian}},
    author = {Baykara, Batuhan and Güngör, Tunga},
    journal = {Language Resources and Evaluation},
    issn = {1574-020X},
    doi = {10.1007/s10579-021-09568-y},
    pages = {1--35}
}

TR-News license is unspecified upstream; this fine-tune cites the paper per the dataset authors' request. Confirm terms before commercial use.

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
a0d3743

0 моделей