/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
11 июл 2026

tevatron-elastic-modernbert-retriever-depth

ЭмбеддингиТекст → embedding6 профессий

Эластичный текстовый ретривер на базе ModernBERT для векторного поиска и исследования компромисса между глубиной модели и качеством поиска.

44скачиваний 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

utahnlp/tevatron-elastic-modernbert-retriever-depth — модель извлечения признаков и поиска, разработанная Utah NLP и обученная с помощью Tevatron-Elastic на базе answerdotai/ModernBERT-base. Она кодирует запросы и фрагменты документов с префиксами query: и passage: в векторы для поиска релевантных материалов. Контрольная точка поддерживает эластичное сокращение глубины: один набор весов позволяет выбирать число слоёв при кодировании, задавая компромисс между вычислительными затратами и качеством. Модель содержит 149 млн параметров, принимает текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors.

Модель предназначена для информационного поиска и воспроизводимых экспериментов с вариантами глубины кодировщика. На полной конфигурации авторы сообщают результат nDCG@10 0,456 на BEIR-15; это не заявка на превосходство над современными системами. Обучение проводилось на rlhn/rlhn-680K с максимальной длиной 512 токенов. Лицензия — Apache-2.0. Базовая архитектура ModernBERT ориентирована на английский язык, поэтому README не подтверждает качество поиска на других языках.

Сценарии применения

  • Поиск релевантных документов по текстовому запросу
  • Построение векторного индекса текстовых фрагментов
  • Сравнение качества поиска при разном числе слоёв кодировщика
  • Воспроизводимые эксперименты с компрессией моделей информационного поиска

Ограничения

Заявленный результат относится к полной конфигурации на BEIR-15 и не гарантирует такое же качество на других данных или языках. Обучающие последовательности ограничивались 512 токенами, хотя базовая модель поддерживает контекст до 8192 токенов.

Для каких профессий подходит6

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-modernbert-retriever-depth

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 depth axis (early exit): one checkpoint serves several layer counts.

  • Base model: answerdotai/ModernBERT-base
  • Task: retriever
  • Elastic axis: depth
  • Training data: rlhn/rlhn-680K, max length 512, query:/passage: prefixes.

Full-point BEIR-15 nDCG@10: 0.456.

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
ModernBertModel
Ревизия весов
887928f

0 моделей