/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B-Base
Библиотека
transformers
Опубликована
11 июл 2026

tevatron-elastic-qwen3-0.6b-reranker-depth

ЭмбеддингиТекст → embedding8 профессий

Эластичная по глубине модель на базе Qwen3 для повторного ранжирования документов по релевантности запросу.

16скачиваний 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

tevatron-elastic-qwen3-0.6b-reranker-depth — модель для повторного ранжирования текстовых документов, обученная с помощью Tevatron-Elastic на базе Qwen/Qwen3-0.6B-Base. Она поддерживает эластичное сокращение по глубине: один чекпойнт позволяет выбирать число используемых слоёв и тем самым менять баланс между скоростью и качеством. Для настройки рабочей точки используются параметры `prune_to` и `encode_at` в фреймворке Tevatron-Elastic.

Модель содержит около 508 млн параметров, принимает текстовые запросы и фрагменты документов с префиксами `query:` и `passage:`; максимальная длина при обучении составляла 512 токенов. На полной конфигурации авторы сообщают nDCG@10 0,555 на BEIR-15. Чекпойнт выпущен как ресурс для воспроизводимости результатов статьи, а не как заявка на лучшие показатели. Лицензия — Apache-2.0.

Сценарии применения

  • переранжирование результатов поисковой выдачи
  • повышение релевантности документов в RAG
  • сортировка найденных фрагментов по соответствию запросу
  • выбор компромисса между качеством ранжирования и числом слоёв модели

Ограничения

Показатель 0,555 nDCG@10 относится к полной конфигурации на BEIR-15; результаты на других наборах данных не приведены. Для выбора глубины и запуска требуется фреймворк Tevatron-Elastic.

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

tevatron-elastic-qwen3-0.6b-reranker-depth

A reranker 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: Qwen/Qwen3-0.6B-Base
  • Task: reranker
  • Elastic axis: depth
  • Training data: rlhn/rlhn-680K, max length 512, query:/passage: prefixes.

Full-point BEIR-15 nDCG@10: 0.555.

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
Qwen3Model
Ревизия весов
73cb4e5

0 моделей