/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-portuguese-cased
Библиотека
sentence-transformers
Опубликована
5 июн 2026

brazembed-pt-br

ЭмбеддингиТекст → embedding9 профессий

Дообученная модель на базе BERTimbau для создания эмбеддингов и сравнения семантической близости текстов на бразильском португальском.

775скачиваний за 30 дней2лайкавеса обновлены7 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

BrazEmbed-PT-BR — модель для получения векторных представлений текстов на бразильском португальском, созданная на базе BERTimbau и опубликованная tardellirs. Это дообученная модель семейства BERT с 136,1 млн параметров; она использует mean pooling и L2-нормализацию, работает через библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. В README указано, что опубликованный одиночный чекпойнт представляет собой TIES-слияние четырёх экспертов по отдельным задачам.

Модель предназначена для вычисления эмбеддингов предложений и сравнения их семантической близости, например при поиске похожих фраз или семантическом поиске по текстам на португальском. В MTEB(por) для одиночной модели указан результат mean_16 0,6372; более высокий результат 0,6567 относится к отдельной системе с маршрутизацией по задачам, а не к этому чекпойнту. README сообщает об аудите пересечений обучающих данных с тестовыми наборами, но также отмечает, что разработка велась итеративно по MTEB(por) без отложенной выборки. Лицензия — MIT.

Сценарии применения

  • семантический поиск по текстам на бразильском португальском
  • поиск похожих предложений и фраз
  • ранжирование текстов по семантическому сходству
  • кластеризация португалоязычных текстов по эмбеддингам

Ограничения

Контекст ограничен 512 токенами. README отмечает, что разработка велась итеративно по MTEB(por) без отложенной выборки; заявленный результат для маршрутизируемой системы не относится к одиночному чекпойнту.

Для каких профессий подходит9

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

BrazEmbed-PT-BR

A contamination-clean ~110M Brazilian-Portuguese text-embedding model, built on the Brazilian BERTimbau base. This repo is the single drop-in model (TIES-merge of the four task experts): MTEB(por) mean_16 = 0.6372 (≈ the prior ~100M leader). For the headline 0.6567 (the task-routed system, #1 in the ~100M class), see 🛠️ https://github.com/tardellirs/brazembed-pt-br.

from sentence_transformers import SentenceTransformer
m = SentenceTransformer("tardellirs/brazembed-pt-br")   # mean-pooling, L2-normalized, no instruction prefix
emb = m.encode(["O Brasil é um país tropical da América do Sul."], normalize_embeddings=True)

MTEB(por) — #1 in the ~100M class (routed system 0.6567; this single model 0.6372)

Modelparamsmean_16
BrazEmbed-PT-BR (routed)110M0.6567
BrazEmbed-PT-BR (single, this)110M0.6372
serafim-100m100M0.6313
multilingual-e5-small118M0.6142
granite-embedding-107m107M0.6080

Beats far larger models too (granite-311m 0.6464, multilingual-e5-base 278M 0.6376, serafim-900m 0.6301, …).

Contamination integrity

All training data was measured (hash overlap) to be disjoint from the MTEB(por) test sets (e.g. mMARCO-pt: 0 / 8.8M overlaps vs the Quati pool). A self-audit removed 10 ASSIN2-test pairs that had leaked into our own STS set. Base BERTimbau is Brazilian (brWaC); training data is Portuguese (a mix of PT-BR-native and PT-translated sources).

Notes

Development was iterative against MTEB(por) (no held-out split); we use only principled uniform weight-soups, a no-tuned-knob headline, and report every variant — see https://github.com/tardellirs/brazembed-pt-br. License MIT (base BERTimbau). Benchmark: MTEB(por) (leaderboard).

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
8ca0240

0 моделей