/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Библиотека
transformers
Опубликована
11 июл 2026

tevatron-elastic-bert-retriever-mrl

ЭмбеддингиТекст → embedding7 профессий

Англоязычный ретривер на базе BERT создаёт эмбеддинги запросов и документов для поиска с выбором размерности представлений.

10скачиваний за 30 дней0лайковвеса обновлены11 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

Это англоязычный ретривер на базе BERT, дообученный Utah NLP с помощью Tevatron-Elastic для поиска релевантных документов по запросу. Модель формирует векторные представления запросов и текстовых фрагментов; в запросах и документах используются префиксы `query:` и `passage:`. Чекпойнт поддерживает эластичную ширину эмбеддинга по принципу Matryoshka Representation Learning (MRL): из одной модели можно получать представления разных размерностей, выбирая рабочую точку через Tevatron-Elastic.

Модель содержит 136,7 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате safetensors. В тесте BEIR-15 для полной размерности указано значение nDCG@10 0,445. Это ресурс для воспроизводимости экспериментов и построения систем поиска; авторы не заявляют о превосходстве над современными моделями. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск релевантных документов по текстовому запросу
  • Построение семантического поиска по коллекции текстов
  • Индексирование документов в виде эмбеддингов
  • Сравнение качества поиска при разных размерностях эмбеддингов

Ограничения

Модель ориентирована на английский язык и ограничивает вход последовательностями до 512 токенов. Показатель BEIR-15 приведён для полной размерности и сам по себе не гарантирует качество на других корпусах или рабочих точках сжатия.

Для каких профессий подходит7

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

tevatron-elastic-bert-retriever-mrl

A retriever trained with Tevatron-Elastic, which trains one checkpoint to serve many operating points along the depth / width / token compression axes. This checkpoint is an elastic width axis (Matryoshka / MRL): one checkpoint serves several embedding dimensions.

  • Base model: google-bert/bert-base-uncased
  • Task: retriever
  • Elastic axis: mrl
  • Training data: rlhn/rlhn-680K, max length 512, query:/passage: prefixes.

Full-point BEIR-15 nDCG@10: 0.445.

Load with the Tevatron-Elastic framework and select an operating point with prune_to / encode_at; see the repository for usage. Part of a release of 20 checkpoints (3 backbones, retrieval and reranking, all compression axes) accompanying the Tevatron-Elastic paper. Reported as a reproducibility resource, not a state-of-the-art claim.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
b86eba8

0 моделей