/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
19 мар 2025

paraphrase-multilingual-miniLM-L12-V2-mnrl

ЭмбеддингиТекст → embedding6 профессий

Многоязычная модель эмбеддингов для семантического поиска, сравнения предложений и подбора перефразировок, дообученная на запросах к статистическим таблицам.

105скачиваний за 30 дней0лайковвеса обновлены19 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

yahyaabd/paraphrase-multilingual-miniLM-L12-V2-mnrl — многоязычная модель Sentence Transformer, дообученная автором на наборе statictable-triplets-all на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура использует BERT с усреднением токенных представлений и формирует плотные векторы размерностью 384; для сравнения применяется косинусное сходство. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а конфигурация из README ограничивает длину последовательности 128 токенами.

Модель предназначена для вычисления семантической близости предложений и абзацев, семантического поиска и подбора перефразировок; полученные эмбеддинги также подходят для кластеризации и классификации текста. Примеры обучающих данных относятся к названиям и запросам о статистических таблицах, поэтому модель может быть полезна для поиска релевантных таблиц по формулировке пользователя. README приводит метрики поиска на наборе bps-statictable-ir, но результаты относятся к этому набору и не гарантируют качество на других данных. Поддержка конкретных языков и лицензия в предоставленных сведениях не установлены.

Сценарии применения

  • поиск статистических таблиц по вопросу или описанию
  • сравнение семантической близости предложений
  • поиск перефразировок и похожих запросов
  • кластеризация текстовых запросов по смыслу
  • получение эмбеддингов для классификации текста

Ограничения

Конфигурация README указывает максимум 128 токенов на последовательность, хотя метаданные содержат контекст 512 токенов; длинный ввод может быть усечён. Приведённые метрики относятся к набору bps-statictable-ir и не подтверждают качество на других корпусах.

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 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 on the statictable-triplets-all dataset. It maps sentences & paragraphs to a 384-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 Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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("yahyaabd/paraphrase-multilingual-miniLM-L12-V2-mnrl")
# Run inference
sentences = [
    'Informasi lengkap dan terbaru mengenai statistik edukasi',
    'Statistik Pendidikan Tahunan',
    'Struktur Ongkos Riil Usaha Ternak dan Unggas di Rumah Tangga dengan Pola Pemeliharaan Dikandangkan, 2017',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

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

Evaluation

Metrics

Information Retrieval

MetricValue
cosine_accuracy@10.8925
cosine_accuracy@30.9772
cosine_accuracy@50.987
cosine_accuracy@100.987
cosine_precision@10.8925
cosine_precision@30.3616
cosine_precision@50.2397
cosine_precision@100.1404
cosine_recall@10.6962
cosine_recall@30.7776
cosine_recall@50.7978
cosine_recall@100.8202
cosine_ndcg@10.8925
cosine_ndcg@30.839
cosine_ndcg@50.8325
cosine_ndcg@100.8287
cosine_mrr@10.8925
cosine_mrr@30.9321
cosine_mrr@50.9344
cosine_mrr@100.9344
cosine_map@10.8925
cosine_map@30.7985
cosine_map@50.7862
cosine_map@100.7774

Information Retrieval

MetricValue
cosine_accuracy@10.8893
cosine_accuracy@30.9707
cosine_accuracy@50.987
cosine_accuracy@100.9967
cosine_precision@10.8893
cosine_precision@30.3822
cosine_precision@50.2697
cosine_precision@100.1684
cosine_recall@10.6681
cosine_recall@30.7612
cosine_recall@50.7949
cosine_recall@100.8141
cosine_ndcg@10.8893
cosine_ndcg@30.8449
cosine_ndcg@50.8453
cosine_ndcg@100.8374
cosine_mrr@10.8893
cosine_mrr@30.9273
cosine_mrr@50.931
cosine_mrr@100.9322
cosine_map@10.8893
cosine_map@30.8074
cosine_map@50.7989
cosine_map@100.7836

Training Details

Training Dataset

statictable-triplets-all

  • Dataset: statictable-triplets-all at 0ef226c
  • Size: 10,998 training samples
  • Columns: query, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    querypositivenegative
    typestringstringstring
    detailsmin: 6 tokensmean: 17.69 tokensmax: 33 tokensmin: 5 tokensmean: 25.79 tokensmax: 58 tokensmin: 4 tokensmean: 25.72 tokensmax: 58 tokens
  • Samples:
    querypositivenegative
    Neraca arus kas triwulan II 2005 (ringkasan, )Ringkasan Neraca Arus Dana, Triwulan Kedua, 2005, (Miliar Rupiah)Rata-rata Upah/Gaji Bersih Sebulan Buruh/Karyawan/Pegawai Menurut Provinsi dan Jenis Pekerjaan Utama (Rupiah), 2017
    Hasil tangkapan ikan per provinsi, bedakan jenis penangkapan, 2013Produksi Perikanan Tangkap Menurut Provinsi dan Jenis Penangkapan, 2000-2020Ringkasan Neraca Arus Dana, Triwulan II, 2006, (Miliar Rupiah)
    Bagaimana perubahan distribusi pengeluaran?Persentase Perkembangan Distribusi PengeluaranAngka Kematian Bayi/AKB (Infant Mortality Rate/IMR) Menurut Provinsi, 1971-2020
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Evaluation Dataset

statictable-triplets-all

  • Dataset: statictable-triplets-all at 0ef226c
  • Size: 10,998 evaluation samples
  • Columns: query, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    querypositivenegative
    typestringstringstring
    detailsmin: 5 tokensmean: 17.61 tokensmax: 34 tokensmin: 4 tokensmean: 25.58 tokensmax: 58 tokensmin: 5 tokensmean: 25.33 tokensmax: 58 tokens
  • Samples:
    querypositivenegative
    Data total penghasilan berbagai golongan rumah tangga setelah dipotong pajak, tahun 2000 (dalam )Jumlah Pendapatan Setelah Pajak Menurut Golongan Rumah Tangga (miliar rupiah), 2000, 2005, dan 2008Indeks Harga Konsumen per Kelompok di 82 Kota 1 (2012=100)
    Bagaimana perkembangan impor barang modal pada tahun 2020Impor Barang Modal, 1996-2023Indeks Harga yang Diterima Petani (It), Indes Harga yang Dibayar Petani (Ib), dan Nilai Tukar Petani Subsektor Hortikultura (NTPH) di Indonesia (2007=100), 2008-2016
    Konsumsi makanan per orang di Kalut: data mingguan, beda kelompok pengeluaran (2018)Rata-rata Konsumsi dan Pengeluaran Perkapita Seminggu Menurut Komoditi Makanan dan Golongan Pengeluaran per Kapita Seminggu di Provinsi Kalimantan Utara, 2018-2023Ekspor Kimia Dasar Organik yang Bersumber dari Hasil Pertanian menurut Negara Tujuan Utama, 2012-2023
  • 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: 32
  • per_device_eval_batch_size: 32
  • weight_decay: 0.01
  • warmup_ratio: 0.1
  • save_on_each_node: True
  • fp16: True
  • dataloader_num_workers: 2
  • load_best_model_at_end: True
  • eval_on_start: 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: 32
  • per_device_eval_batch_size: 32
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 5e-05
  • weight_decay: 0.01
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 3
  • max_steps: -1
  • lr_scheduler_type: linear
  • 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: True
  • 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: False
  • fp16: True
  • 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: 2
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: True
  • 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: True
  • 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 LossValidation Lossbps-statictable-ir_cosine_ndcg@10
00-1.67700.4644
0.0645201.24830.72320.6311
0.1290400.52230.32310.7470
0.1935600.28250.21930.7888
0.2581800.16170.18230.7956
0.32261000.22610.11410.8087
0.38711200.13260.07310.8114
0.45161400.07820.06110.8259
0.51611600.09480.06050.8227
0.58061800.10090.05340.8315
0.64522000.06960.05110.8280
0.70972200.06980.04310.8312
0.77422400.04240.04050.8369
0.83872600.05210.03780.8243
0.90322800.03930.03390.8261
0.96773000.03090.03150.8339
1.03233200.02260.03250.8322
1.09683400.02490.03230.8299
1.16133600.03180.03200.8297
1.22583800.01920.02780.8270
1.29034000.0250.02470.8279
1.35484200.02530.02190.8280
1.41944400.03590.02160.8294
1.48394600.02520.02250.8227
1.54844800.02170.02090.8347
1.61295000.02330.02100.8346
1.67745200.01310.02250.8343
1.74195400.01350.02110.8330
1.80655600.01330.02070.8308
1.87105800.02350.02080.8352
1.93556000.020.01900.8317
2.06200.01420.01820.8305
2.06456400.00880.01740.8330
2.12906600.01030.01710.8324
2.19356800.01410.01740.8281
2.25817000.02090.01690.8329
2.32267200.01370.01590.8316
2.38717400.01730.01590.8271
2.45167600.01150.01670.8230
2.51617800.01550.01670.8278
2.58068000.01360.01640.8280
2.64528200.00850.01560.8297
2.70978400.01130.01540.8293
2.77428600.00940.01560.8280
2.83878800.01080.01500.8280
2.90329000.00810.01490.8275
2.96779200.01790.01470.8287
-1-1--0.8374
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.4.0
  • Transformers: 4.48.1
  • PyTorch: 2.5.1+cu124
  • Accelerate: 1.3.0
  • Datasets: 3.2.0
  • 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
1434cfe

0 моделей