/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
specter2_base
Библиотека
sentence-transformers
Опубликована
5 мар 2025

specter2_pubmed-v0.7-full

ЭмбеддингиТекст → embedding6 профессий

Дообученный на научных текстах BERT-энкодер создаёт эмбеддинги для семантического поиска и сравнения публикаций.

104скачиваний за 30 дней0лайковвеса обновлены5 мар 2025

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

wwydmanski/specter2_pubmed-v0.7-full — дообученный Sentence Transformer на базе allenai/specter2_base для работы с научными текстами. Модель кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT-энкодер с усреднением токенных представлений. Максимальная длина входа — 512 токенов, для сравнения векторов используется косинусное сходство.

Модель обучена на 57 306 парах и тройках текстов с помощью MultipleNegativesRankingLoss. Она предназначена для семантического поиска и сравнения научных публикаций, а также может применяться для поиска перефразировок, кластеризации и классификации текстов. В примерах обучающих данных встречаются названия и заголовки работ из разных предметных областей, включая медицину; специализация на PubMed отражена в названии модели.

В README приведены оценки на NanoNQ, NanoMSMARCO и NanoBEIR; результаты зависят от набора данных и сценария, поэтому качество для конкретного корпуса следует проверять отдельно. Для использования требуется подавать текст и сравнивать полученные векторы. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • семантический поиск научных статей по запросу
  • ранжирование публикаций по смысловой близости к запросу
  • поиск похожих и связанных научных работ
  • поиск перефразировок в научных текстах
  • кластеризация названий и аннотаций публикаций
  • классификация научных текстов по эмбеддингам

Ограничения

Максимальная длина входа составляет 512 токенов; качество поиска зависит от корпуса и сценария, поэтому его следует оценивать на целевых данных. Лицензия модели не приведена в доступных сведениях.

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

SentenceTransformer based on allenai/specter2_base

This is a sentence-transformers model finetuned from allenai/specter2_base on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: allenai/specter2_base
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Algesimetric study of hypoalgesic effect',
    '[Experimental algesimetric study of the hypoalgesic effect of body acupuncture]. ',
    '[Pain analysis is basis for correct choice of therapeutic method]. ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

MetricNanoNQNanoMSMARCO
cosine_accuracy@10.020.12
cosine_accuracy@30.060.3
cosine_accuracy@50.080.34
cosine_accuracy@100.220.44
cosine_precision@10.020.12
cosine_precision@30.020.1
cosine_precision@50.0160.068
cosine_precision@100.0220.044
cosine_recall@10.010.12
cosine_recall@30.050.3
cosine_recall@50.070.34
cosine_recall@100.190.44
cosine_ndcg@100.08360.2718
cosine_mrr@100.060.2189
cosine_map@1000.0570.2299

Nano BEIR

MetricValue
cosine_accuracy@10.07
cosine_accuracy@30.18
cosine_accuracy@50.21
cosine_accuracy@100.33
cosine_precision@10.07
cosine_precision@30.06
cosine_precision@50.042
cosine_precision@100.033
cosine_recall@10.065
cosine_recall@30.175
cosine_recall@50.205
cosine_recall@100.315
cosine_ndcg@100.1777
cosine_mrr@100.1395
cosine_map@1000.1435

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 57,306 training samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    anchorpositivenegative
    typestringstringstring
    detailsmin: 4 tokensmean: 7.57 tokensmax: 25 tokensmin: 4 tokensmean: 20.36 tokensmax: 78 tokensmin: 3 tokensmean: 12.38 tokensmax: 49 tokens
  • Samples:
    anchorpositivenegative
    Intramedullary HemangioblastomaHydrocephalus: a rare initial manifestation of sporadic intramedullary hemangioblastoma : Intramedullary hemangioblastoma presenting as hydrocephalus. Intramedullary capillary haemangioma.
    Density-based load estimation algorithmA contact algorithm for density-based load estimation. Density propagation based adaptive multi-density clustering algorithm.
    Herbicide Adjuvant EfficacyThe efficiency of adjuvants combined with flupyrsulfuron-methyl plus metsulfuron-methyl (Lexus XPE) on weed control. Are herbicides a once in a century method of weed control?
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • gradient_accumulation_steps: 4
  • learning_rate: 2e-07
  • num_train_epochs: 1
  • lr_scheduler_type: cosine_with_restarts
  • warmup_ratio: 0.1
  • bf16: True
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 4
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 2e-07
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 1
  • max_steps: -1
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: True
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining LossNanoNQ_cosine_ndcg@10NanoMSMARCO_cosine_ndcg@10NanoBEIR_mean_cosine_ndcg@10
00-0.06820.25600.1621
0.0134114.8664---
0.0268214.6017---
0.0401314.8474---
0.0535414.7156---
0.0669514.5967---
0.0803614.8373---
0.0936714.7819---
0.1070814.5891---
0.1204914.5531---
0.13381014.5441---
0.14721114.5516---
0.16051214.5739---
0.17391314.5974---
0.18731414.4102---
0.20071514.3615---
0.21401614.2877---
0.22741714.2774---
0.24081814.4985---
0.25421914.2307---
0.26762014.3657---
0.28092114.3261---
0.29432214.2946---
0.30772314.2311---
0.32112414.0789---
0.33442513.93920.07640.26520.1708
0.34782614.0972---
0.36122714.0966---
0.37462813.9205---
0.38802913.8919---
0.40133014.1233---
0.41473114.1351---
0.42813214.1106---
0.44153314.166---
0.45483413.7817---
0.46823514.0178---
0.48163613.8457---
0.49503714.074---
0.50843813.9665---
0.52173913.9726---
0.53514013.8546---
0.54854113.9037---
0.56194213.6977---
0.57534314.0445---
0.58864413.93---
0.60204513.7835---
0.61544613.819---
0.62884713.6248---
0.64214813.846---
0.65554913.6079---
0.66895013.68480.08360.27240.1780
0.68235113.668---
0.69575213.5784---
0.70905313.7519---
0.72245413.6455---
0.73585513.6757---
0.74925613.5647---
0.76255713.7072---
0.77595813.5603---
0.78935913.6437---
0.80276013.6656---
0.81616113.479---
0.82946213.5965---
0.84286313.6793---
0.85626413.6121---
0.86966513.841---
0.88296613.4793---
0.89636713.5875---
0.90976813.4063---
0.92316913.6365---
0.93657013.4696---
0.94987113.5018---
0.96327213.5956---
0.97667313.3945---
0.99007413.56840.08360.27180.1777

Framework Versions

  • Python: 3.12.3
  • Sentence Transformers: 3.3.1
  • Transformers: 4.49.0
  • PyTorch: 2.5.1
  • Accelerate: 1.2.1
  • Datasets: 2.19.0
  • Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

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
BertModel
Ревизия весов
f17bf61

0 моделей