/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
paraphrase-multilingual-mpnet-base-v2
Библиотека
sentence-transformers
Опубликована
30 авг 2026

use-generated-no-pt

ЭмбеддингиТекст → embedding

Дообученная на украинских текстах модель Sentence Transformers для построения эмбеддингов и семантического сравнения предложений.

20скачиваний за 30 дней0лайковвеса обновлены30 авг 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

victormuryn/use-generated-no-pt — модель эмбеддингов предложений из коллекции украинских Sentence Embeddings. Она дообучена автором на корпусе украинских текстов UberText 2.0 с контрастивной целью и генеративным расширением данных без pool targets; базовая модель — sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Архитектура — плотная XLM-RoBERTa, около 305,2 млн параметров; модель принимает текст и преобразует его в векторы. Максимальная длина контекста — 514 токенов.

Модель предназначена для получения представлений украинских предложений и их семантического сравнения, например, в поиске или кластеризации. Базовая модель многоязычная, поэтому поддержка языков шире украинского, хотя обучение этой версии сосредоточено на украинских текстах. Репозиторий использует формат safetensors и библиотеку Sentence Transformers. Лицензия — Apache-2.0. README не приводит результатов оценки качества, поэтому сравнительное преимущество конкретной стратегии обучения по карточке установить нельзя.

Сценарии применения

  • семантический поиск по украинским документам
  • поиск похожих украинских предложений
  • сравнение перефразированных фраз на украинском языке
  • кластеризация украинских текстов по смыслу

Ограничения

Обучение этой версии сосредоточено на украинских текстах, поэтому качество для других языков может отличаться. README не сообщает метрик оценки или сравнительных результатов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

use-generated-no-pt

This model is a fine-tuned version of paraphrase-multilingual-mpnet-base-v2, trained on the Ukrainian text corpus UberText 2.0 with generated augmentation without pool targets. It is part of the Ukrainian Sentence Embeddings collection, which explores the effect of different training strategies on sentence embedding quality for Ukrainian.

Model Description

The model was fine-tuned using a contrastive objective on UberText 2.0, generated augmentation.

Collection Overview

ModelDescription
use-natural-no-ptRaw UberText 2.0, no augmentation, no pool targets
use-natural-ptRaw UberText 2.0, no augmentation, pool targets
use-generated-no-ptGenerated augmentation, no pool targets
use-generated-ptGenerated augmentation, pool targets
use-translation-no-ptBack-translation augmentation, no pool targets
use-translation-ptBack-translation augmentation, pool targets
use-mask-no-ptMasking augmentation, no pool targets
use-mask-ptMasking augmentation, pool targets
use-dropout-no-ptDropout augmentation, no pool targets
use-dropout-ptDropout augmentation, pool targets
use-token-shuffle-no-ptToken-shuffling augmentation, no pool targets
use-token-shuffle-ptToken-shuffling augmentation, pool targets
use-combined-no-ptCombined augmentation strategies, no pool targets
use-combined-ptCombined augmentation strategies, pool targets
use-stochastic-no-ptMarkov-based stochastic augmentation, no pool targets
use-stochastic-ptMarkov-based stochastic augmentation, pool targets

Usage

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("victormuryn/use-generated-no-pt")
sentences = [
    "Проводжає сина мати захищати рідний край",
    "Хоч би малесеньку хатину він мріяв мати над Дніпром",
]
embeddings = model.encode(sentences)
print(embeddings.shape)

Training Details

  • Base model: paraphrase-multilingual-mpnet-base-v2
  • Training corpus: UberText 2.0
  • Augmentation: Generated
  • Pool targets: No

Citation

To be added

License

Apache 2.0

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
XLMRobertaModel
Ревизия весов
f7a8aba

0 моделей