/ Модель

Характеристики

Контекст
512 токенов
Параметры
42,4 млн
Архитектура
bert · dense
Опубликована
10 июл 2023

vectorizer-v1-S-multilingual

Сходство предложенийТекст → score8 профессий

Мультиязычный векторизатор Sinequa на базе BERT-Small превращает запросы и текстовые фрагменты на четырёх языках в эмбеддинги для семантического поиска.

337скачиваний за 30 дней0лайковвеса обновлены7 авг 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

vectorizer-v1-S-multilingual — модель-векторизатор компании Sinequa для преобразования запросов и текстовых фрагментов в эмбеддинги, предназначенные для поиска релевантных фрагментов в векторном индексе. Она построена на компактной архитектуре BERT-Small; в README указано 39 млн параметров, а в метаданных Hugging Face — 42,4 млн. Модель принимает текст и возвращает векторные представления. Контекст ограничен 512 токенами.

Модель обучалась на парах «запрос — фрагмент» с внутрипакетными негативными примерами и датасете Natural Questions, включая переводы на поддерживаемые языки. Она обучена и протестирована для английского, французского, немецкого и испанского языков, нечувствительна к регистру и диакритическим знакам. По README, средний Recall@100 на 14 наборах BEIR составил 0,448; на MIRACL приведены результаты для французского, немецкого и испанского. Для FP16 и FP32 указаны требования к видеопамяти 300 и 600 МиБ соответственно. Лицензия в предоставленных данных не указана.

Сценарии применения

  • создание векторного индекса текстовых фрагментов
  • поиск релевантных документов по запросу
  • семантический поиск на английском, французском, немецком и испанском
  • подбор кандидатов для поиска по корпоративным документам

Ограничения

Контекст ограничен 512 токенами; опубликованный средний Recall@100 рассчитан на англоязычных наборах BEIR, а результаты MIRACL приведены только для французского, немецкого и испанского. README указывает на зависимость интеграции от Sinequa версии 11.10.0 или выше и на требования к CUDA для GPU-инференса.

Для каких профессий подходит8

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

Model Card for vectorizer-v1-S-multilingual

This model is a vectorizer developed by Sinequa. It produces an embedding vector given a passage or a query. The passage vectors are stored in our vector index and the query vector is used at query time to look up relevant passages in the index.

Model name: vectorizer-v1-S-multilingual

Supported Languages

The model was trained and tested in the following languages:

  • English
  • French
  • German
  • Spanish

Scores

MetricValue
Relevance (Recall@100)0.448

Note that the relevance score is computed as an average over 14 retrieval datasets (see details below).

Inference Times

GPUQuantization typeBatch size 1Batch size 32
NVIDIA A10FP161 ms5 ms
NVIDIA A10FP323 ms14 ms
NVIDIA T4FP161 ms12 ms
NVIDIA T4FP322 ms52 ms
NVIDIA L4FP161 ms5 ms
NVIDIA L4FP322 ms18 ms

Gpu Memory usage

Quantization typeMemory
FP16300 MiB
FP32600 MiB

Note that GPU memory usage only includes how much GPU memory the actual model consumes on an NVIDIA T4 GPU with a batch size of 32. It does not include the fix amount of memory that is consumed by the ONNX Runtime upon initialization which can be around 0.5 to 1 GiB depending on the used GPU.

Requirements

Model Details

Overview

  • Number of parameters: 39 million
  • Base language model: Homegrown Sinequa BERT-Small (Paper) pretrained in the four supported languages
  • Insensitive to casing and accents
  • Training procedure: Query-passage pairs using in-batch negatives

Training Data

  • Natural Questions (Paper, Official Page)
    • Original English dataset
    • Translated datasets for the other three supported languages

Evaluation Metrics

To determine the relevance score, we averaged the results that we obtained when evaluating on the datasets of the BEIR benchmark. Note that all these datasets are in English.

DatasetRecall@100
Average0.448
Arguana0.835
CLIMATE-FEVER0.350
DBPedia Entity0.287
FEVER0.645
FiQA-20180.305
HotpotQA0.396
MS MARCO0.533
NFCorpus0.162
NQ0.701
Quora0.947
SCIDOCS0.194
SciFact0.580
TREC-COVID0.051
Webis-Touche-20200.289

We evaluated the model on the datasets of the MIRACL benchmark to test its multilingual capacities. Note that not all training languages are part of the benchmark, so we only report the metrics for the existing languages.

LanguageRecall@100
French0.583
German0.524
Spanish0.483

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
2ce5cc2

0 моделей