/ 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-natural-no-pt

ЭмбеддингиТекст → embedding

Многоязычная модель на базе MPNet, дообученная на украинских текстах для преобразования предложений в эмбеддинги и семантического сравнения.

29скачиваний 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

use-natural-no-pt — многоязычная модель эмбеддингов предложений, разработанная Victormuryn на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она дообучена на украинском текстовом корпусе UberText 2.0 с контрастивной целью: использовались исходные тексты без аугментации и без pool targets. Модель преобразует предложения и абзацы в векторы, которые можно применять для семантического сравнения и поиска; в README приведён пример кодирования украинских предложений через библиотеку Sentence Transformers.

Модель основана на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и принимает текст длиной до 514 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Она предназначена для изучения стратегий обучения украинских эмбеддингов; README не приводит количественных оценок качества, поэтому качество для конкретных наборов данных следует проверять отдельно.

Сценарии применения

  • семантический поиск по украинским документам
  • сравнение сходства украинских предложений
  • поиск парафразов на украинском языке
  • кластеризация украинских текстов
  • получение эмбеддингов предложений для NLP-систем

Ограничения

Обучение описано для украинского корпуса, а README не приводит количественных результатов качества. Контекст ограничен 514 токенами; пригодность для конкретных данных требует отдельной проверки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

use-natural-no-pt

This model is a fine-tuned version of paraphrase-multilingual-mpnet-base-v2, trained on the Ukrainian text corpus UberText 2.0 on the raw corpus without pool targets, with no data augmentation applied. 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.

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-natural-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: None
  • 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
cfe4d70

0 моделей