/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
14 авг 2024

fincse-multilingual-xlm-roberta-base

Сходство предложенийТекст → score5 профессий

Многоязычная модель эмбеддингов для поиска и сопоставления финансовых предложений, в том числе между языками.

136скачиваний за 30 дней0лайковвеса обновлены11 фев 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

snumin44/fincse-multilingual-xlm-roberta-base — дообученная многоязычная модель эмбеддингов на базе XLM-RoBERTa Base, разработанная для поиска соответствующих финансовых и экономических предложений. Она кодирует тексты в представления для межъязыкового поиска и сопоставления предложений; модель оценивали на задаче поиска параллельных предложений, а не на общей оценке семантического сходства.

Модель дообучена на финансовых парах предложений на корейском, английском, китайском, японском, вьетнамском и индонезийском языках. В карточке указаны 305,2 млн параметров и контекст длиной 514 токенов. Авторы сообщают о высокой точности поиска на отложенной выборке из 50 000 примеров, но эти результаты относятся к описанному финансовому набору данных. Модель распространяется в формате safetensors по лицензии MIT.

Сценарии применения

  • поиск соответствующего предложения в финансовых документах на другом языке
  • поиск финансовых предложений по текстовому запросу
  • сопоставление параллельных финансовых текстов на корейском и английском
  • поиск похожих экономических формулировок в коллекции документов

Ограничения

Оценка в карточке основана на поиске соответствующих предложений в конкретном финансовом корпусе и не подтверждает качество на общих задачах семантического сходства. Обучающий корпус AI HUB доступен только гражданам Южной Кореи.

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

🍊 FinCSE-Multilingual

1. INTRO

  • Multilingual Financial SimCSE for searching financial/economical sentences.
  • Fine-tuned on financial sentence pairs in six languages (KO, EN, ZN, JA, VI, ID), while remaining functional for other pre-trained languages.
  • Reference : SimCSE Paper, Original Code

2. Model

  • The FinCSEs are built upon multilingual PLMs, such as mBERT and XLM-RoBERTa.
  • The FinCSE code in this repository is not derived from the original SimCSE code but is newly implemented. [code]

3. Training Data

(KO) 이처럼 금융상품의 경우 판매단계에서 금융회사의 ... 상품의 권유는 기본이고 필수라 할 것이다.
(ZN) 像这样,金融商品在销售阶段,提供金融公司适当的信息和推荐适合金融消费者的商品是基本,也是必须的.
  • Since this corpus doesn't have similarity scores like a general STS dataset, performance evaluation is based on a sentence retrieval task, which searches for corresponding sentences in other languages.

(※ Note that this corpus is authorized only for individuals with South Korean citizenship.)

4. Checkpoints

  • You can use FinCSE models based on mBERT and XLM-RoBERTa by downloading them from following links.

  • The performance of these FinCSE models on financial sentence retrieval task is as follows. (This performance is evaluated using 50,000 samples from the dataset, which were not used in the fine-tuning.)

FinCSE-mbert-casedFinCSE-xlm-roberta-baseFinCSE-xlm-roberta-large
ACC@197.1497.2497.75
ACC@598.7598.7698.86
ACC@1098.8798.8898.91

(※ It is recommended to use the FinCSE model based on XLM-RoBERTa, as the mBERT-based model is unstable.)

5. Examples

  • Query : 중국 생성형 AI 기업 현황 (= Status of generative AI companies in China)
  • Texts :
TextTranslation
ENExperts predict that the U.S. Federal Reserve will lower interest rates by 0.25 percentage points this month, predicting that interest rates will fall by more than 0.5 percentage points in total within this year.Experts predict that the U.S. Federal Reserve will lower interest rates by 0.25 percentage points this month, predicting that interest rates will fall by more than 0.5 percentage points in total within this year.
ZN铁矿石是高度依赖中国需求的原材料,中国占各矿业公司出口的70%。Iron ore is a raw material that is highly dependent on China's demand, with China accounting for 70% of exports from mining companies.
JAオラクルは今年の大型技術株のうち、株価上昇率が人工知能(AI)半導体大将主であるNVIDIAの139%上昇率を除けば最も高い。Oracle's stock price increase is the second highest among major tech stocks this year, after NVIDIA, the leader in AI semiconductors, with a 139% increase.
VINYT chỉ ra rằng điểm yếu của ngành công nghiệp Trung Quốc là LLM và hầu hết các chương trình mà các công ty Trung Quốc đưa ra dưới dạng AI tổng hợp trên thực tế đều được nhập khẩu từ Mỹ và được cải tiến.The New York Times points out that the weakness of China's industry lies in Large Language Models (LLMs), and that most of the programs offered by Chinese companies in the form of generative AI are actually imported from the U.S. and then improved upon.
IDHarga saham Trump Media, perusahaan induk Truth Social, perusahaan layanan jejaring sosial (SNS) yang didirikan oleh mantan calon presiden AS dari Partai Republik Donald Trump, anjlok lebih dari 10%.The stock price of Trump Media, the parent company of Truth Social, the social networking service (SNS) founded by former U.S. presidential candidate from the Republican Party, Donald Trump, plunged by more than 10%.
import numpy as np
from transformers import AutoModel, AutoTokenizer

model_path = 'snumin44/fincse-multilingual-xlm-roberta-base'
model = AutoModel.from_pretrained(model_path)
tokenizer = AutoTokenizer.from_pretrained(model_path)

query = '중국 생성형 AI 기업 현황'

targets = [
    "Experts predict that the U.S. Federal Reserve will lower interest rates by 0.25 percentage points this month, predicting that interest rates will fall by more than 0.5 percentage points in total within this year.",
    "铁矿石是高度依赖中国需求的原材料,中国占各矿业公司出口的70%。",
    "オラクルは今年の大型技術株のうち、株価上昇率が人工知能(AI)半導体大将主であるNVIDIAの139%上昇率を除けば最も高い。",
    "NYT chỉ ra rằng điểm yếu của ngành công nghiệp Trung Quốc là LLM và hầu hết các chương trình mà các công ty Trung Quốc đưa ra dưới dạng AI tổng hợp trên thực tế đều được nhập khẩu từ Mỹ và được cải tiến.",
    "Harga saham Trump Media, perusahaan induk Truth Social, perusahaan layanan jejaring sosial (SNS) yang didirikan oleh mantan calon presiden AS dari Partai Republik Donald Trump, anjlok lebih dari 10%."
]

query_feature = tokenizer(query, return_tensors='pt')
query_outputs = model(**query_feature, return_dict=True)
query_embeddings = query_outputs.pooler_output.detach().numpy().squeeze()

def cos_sim(A, B):
    return np.dot(A, B) / (np.linalg.norm(A) * np.linalg.norm(B))

for idx, target in enumerate(targets):
    target_feature = tokenizer(target, return_tensors='pt')
    target_outputs = model(**target_feature, return_dict=True)
    target_embeddings = target_outputs.pooler_output.detach().numpy().squeeze()
    similarity = cos_sim(query_embeddings, target_embeddings)
    print(f"Similarity between query and target {idx}: {similarity:.4f}")
Similarity between query and target 0: 0.1105
Similarity between query and target 1: 0.2662
Similarity between query and target 2: 0.3043
Similarity between query and target 3: 0.5328
Similarity between query and target 4: 0.1904

Citing

@article{gao2021simcse,
   title={{SimCSE}: Simple Contrastive Learning of Sentence Embeddings},
   author={Gao, Tianyu and Yao, Xingcheng and Chen, Danqi},
   booktitle={Empirical Methods in Natural Language Processing (EMNLP)},
   year={2021}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
3b97916

0 моделей