/ Модель

Характеристики

Контекст
514 токенов
Параметры
110 млн
Архитектура
xlm-roberta · dense
Опубликована
11 июл 2024

vectorizer.hazelnut

Заполнение пропусковТекст → текст8 профессий

Многоязычный векторизатор Sinequa, кодирующий запросы и фрагменты документов в 256-мерные векторы для поиска по векторному индексу.

284скачиваний за 30 дней0лайковвеса обновлены23 янв 2026

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

vectorizer.hazelnut — модель-векторизатор компании Sinequa для поиска релевантных фрагментов текста. Она кодирует запросы и passages в векторы размерностью 256: векторы документов сохраняются в векторном индексе, а вектор запроса используется для поиска подходящих фрагментов. Модель основана на mMiniLMv2-L6-H384-distilled-from-XLMR-Large и использует архитектуру XLM-RoBERTa; в метаданных указано 110,2 млн параметров, а в карточке — 107 млн. Контекст составляет до 514 токенов.

Модель обучалась и проверялась на английском, французском, немецком, испанском, итальянском, нидерландском, японском, португальском, китайском и польском языках. Она нечувствительна к регистру и диакритическим знакам. Карточка приводит показатели Recall@100 для нескольких наборов поиска, включая среднее 0,590 для английских данных BEIR и 0,543 для польских данных; результаты зависят от языка и набора данных. Также заявлена базовая поддержка других языков предобучения XLM-R. Для работы указаны Sinequa версии 11.10.0 или новее и CUDA с compute capability выше 7.5. Лицензия в предоставленных данных не описана.

Сценарии применения

  • семантический поиск по фрагментам документов
  • поиск релевантных passages по текстовому запросу
  • построение векторного индекса для поисковой системы
  • многоязычный поиск по корпоративным документам

Ограничения

Заявленные показатели оценки приведены лишь для отдельных языков и наборов данных; качество на других языках и задачах может отличаться. Для использования в Sinequa требуются версия 11.10.0 или новее и CUDA compute capability выше 7.5.

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.hazelnut

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.hazelnut

Supported Languages

The model was trained and tested in the following languages:

  • English
  • French
  • German
  • Spanish
  • Italian
  • Dutch
  • Japanese
  • Portuguese
  • Chinese (simplified)
  • Polish

Besides these languages, basic support can be expected for additional 91 languages that were used during the pretraining of the base model (see Appendix A of XLM-R paper).

Scores

MetricValue
English Relevance (Recall@100)0.590
Polish Relevance (Recall@100)0.543

Note that the relevance scores are computed as an average over several retrieval datasets (see details below).

Inference Times

GPUQuantization typeBatch size 1Batch size 32
NVIDIA A10FP161 ms5 ms
NVIDIA A10FP322 ms18 ms
NVIDIA T4FP161 ms12 ms
NVIDIA T4FP323 ms52 ms
NVIDIA L4FP162 ms5 ms
NVIDIA L4FP324 ms24 ms

GPU Memory usage

Quantization typeMemory
FP16550 MiB
FP321050 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: 107 million
  • Base language model: mMiniLMv2-L6-H384-distilled-from-XLMR-Large (Paper, GitHub)
  • Insensitive to casing and accents
  • Output dimensions: 256 (reduced with an additional dense layer)
  • Training procedure: Query-passage-negative triplets for datasets that have mined hard negative data, Query-passage pairs for the rest. Number of negatives is augmented with in-batch negative strategy

Training Data

The model have been trained using all datasets that are cited in the all-MiniLM-L6-v2 model. In addition to that, this model has been trained on the datasets cited in this paper on the first 9 aforementioned languages. It has also been trained on this dataset for polish capacities.

Evaluation Metrics

English

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
Average0.590
Arguana0.961
CLIMATE-FEVER0.432
DBPedia Entity0.371
FEVER0.723
FiQA-20180.611
HotpotQA0.564
MS MARCO0.825
NFCorpus0.266
NQ0.722
Quora0.991
SCIDOCS0.426
SciFact0.864
TREC-COVID0.092
Webis-Touche-20200.415

Polish

This model has polish capacities, that are being evaluated over a subset of the PIRBenchmark.

DatasetRecall@100
Average0.534
arguana-pl0.909
dbpedia-pl0.282
fiqa-pl0.439
hotpotqa-pl0.530
msmarco-pl0.694
nfcorpus-pl0.218
nq-pl0.697
quora-pl0.949
scidocs-pl0.291
scifact-pl0.805
trec-covid-pl0.059

Other languages

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
French0.649
German0.598
Spanish0.609
Japanese0.623
Chinese (simplified)0.707

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForMaskedLM
Ревизия весов
ac01c80

0 моделей