/ Модель

Характеристики

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

paraphrase-multilingual-miniLM-L12-V2-v1-2

ЭмбеддингиТекст → embedding

Многоязычная модель эмбеддингов BERT для семантического поиска и сравнения предложений и абзацев, дообученная на примерах статистических таблиц.

100скачиваний за 30 дней0лайковвеса обновлены17 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

Это модель Sentence Transformer, дообученная Yahya Abd на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на наборе statictable-triplets-all. Она использует архитектуру BERT и кодирует предложения и абзацы в плотные векторы размерностью 384; сходство между ними можно оценивать по косинусному сходству. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а конфигурация модели в README задаёт максимальную длину последовательности 128 токенов.

Модель предназначена для семантического поиска и сравнения текстов, в том числе для подбора близких формулировок и поиска релевантных строк статистических таблиц. Её также можно применять для кластеризации и классификации текстов на основе эмбеддингов. В README приведены результаты оценки поиска на наборе bps-statictable-ir, но они не гарантируют аналогичного качества на других данных.

Базовая модель многоязычная, однако в описании дообученного набора приведены примеры на индонезийском языке, поэтому особенно уместны сценарии поиска по индонезийским статистическим данным. Текстовый интерфейс принимает предложения и абзацы и выдаёт векторы; модель не генерирует ответы. Условия лицензии в предоставленных источниках не приведены.

Сценарии применения

  • поиск статистических таблиц по вопросу на естественном языке
  • поиск похожих названий и формулировок таблиц
  • сравнение семантической близости двух текстов
  • поиск перефразированных запросов
  • кластеризация текстов по смыслу
  • получение эмбеддингов для классификации текстов

Ограничения

README задаёт максимальную длину последовательности 128 токенов, тогда как метаданные указывают контекст 512 токенов; при использовании следует учитывать конфигурацию загруженной модели. Примеры дообучения сосредоточены на индонезийских статистических таблицах, поэтому качество на других предметных областях не подтверждено приведённой оценкой.

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-v1-2")
# Run inference
sentences = [
    'Status pernikahan penduduk (10+) tiap provinsi, data 2012',
    'Persentase Penduduk Berumur 10 Tahun ke Atas menurut Provinsi, Jenis Kelamin, dan Status Perkawinan, 2009-2018',
    'Ekspor Batu Bara Menurut Negara Tujuan Utama, 2012-2023',
]
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@10.899
cosine_accuracy@30.9739
cosine_accuracy@50.9805
cosine_accuracy@100.987
cosine_precision@10.899
cosine_precision@30.3518
cosine_precision@50.23
cosine_precision@100.1342
cosine_recall@10.7038
cosine_recall@30.7774
cosine_recall@50.7896
cosine_recall@100.8148
cosine_ndcg@100.8242
cosine_mrr@100.9362
cosine_map@1000.7641

Training Details

Training Dataset

statictable-triplets-all

  • Dataset: statictable-triplets-all at 24979b4
  • Size: 967,831 training samples
  • Columns: query, pos, and neg
  • Approximate statistics based on the first 1000 samples:
    queryposneg
    typestringstringstring
    detailsmin: 5 tokensmean: 18.35 tokensmax: 37 tokensmin: 4 tokensmean: 25.22 tokensmax: 58 tokensmin: 4 tokensmean: 25.78 tokensmax: 58 tokens
  • Samples:
    queryposneg
    Jumlah bank dan kantor bank di Indonesia, 2010-2017Bank dan Kantor Bank, 2010-2017Rata-Rata Pengeluaran per Kapita Sebulan Menurut Kelompok Barang (rupiah), 1998-2012
    Konsumsi makanan mingguan per orang di Sulteng: beda tingkat pengeluaran (2021)Rata-rata Konsumsi dan Pengeluaran Perkapita Seminggu Menurut Komoditi Makanan dan Golongan Pengeluaran per Kapita Seminggu di Provinsi Sulawesi Selatan, 2018-2023IHK, Upah Nominal, Indeks Upah Nominal dan Riil Buruh Industri Berstatus di bawah Mandor Menurut Wilayah, 2008-2014 (2007=100)
    Impor semen Indonesia, negara asal utama, 2021Impor Semen Menurut Negara Asal Utama, 2017-2023Penerimaan dari Wisatawan Mancanegara Menurut Negara Tempat Tinggal (juta US$), 2000-2014
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Evaluation Dataset

statictable-triplets-all

  • Dataset: statictable-triplets-all at 24979b4
  • Size: 967,831 evaluation samples
  • Columns: query, pos, and neg
  • Approximate statistics based on the first 1000 samples:
    queryposneg
    typestringstringstring
    detailsmin: 5 tokensmean: 18.39 tokensmax: 37 tokensmin: 4 tokensmean: 25.22 tokensmax: 50 tokensmin: 4 tokensmean: 25.33 tokensmax: 58 tokens
  • Samples:
    queryposneg
    Bagaimana hubungan antara bidang pekerjaan utama dan pendidikan pekerja 15+ di minggu lalu (tahun 2016)?Penduduk Berumur 15 Tahun Ke Atas yang Bekerja Selama Seminggu yang Lalu Menurut Lapangan Pekerjaan Utama dan Pendidikan Tertinggi yang Ditamatkan, 2008 - 2024Bank dan Kantor Bank, 2010-2017
    Tren indikator kondisi perumahan, 2001Indikator Perumahan 1993-2023Banyaknya Desa/Kelurahan Menurut Keberadaan Kelompok Pertokoan, Pasar, dan Kios Sarana Produksi Pertanian (Saprotan), 2014 & 2018
    Gaji bersih rata-rata: Per pendidikan & lapangan kerja utama, Indonesia, 2021Rata-rata Upah/Gaji Bersih sebulan Buruh/Karyawan Pegawai Menurut Pendidikan Tertinggi dan Lapangan Pekerjaan Utama, 2021[Seri 2000] Laju Pertumbuhan Kumulatif PDB Menurut Lapangan Usaha (Persen), 2001-2014
  • 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: 16
  • per_device_eval_batch_size: 16
  • num_train_epochs: 1
  • warmup_ratio: 0.1
  • fp16: True
  • 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: 16
  • per_device_eval_batch_size: 16
  • 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: 0.0
  • 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: 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: 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: 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: 0
  • 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
00-1.10840.4644
0.0070201.08010.83030.5117
0.0139400.69940.44590.6310
0.0209600.36740.25100.7155
0.0278800.28140.18290.7521
0.03481000.17460.13030.7751
0.04181200.18670.10010.7772
0.04871400.10470.08190.7857
0.05571600.10320.07390.7960
0.06261800.07830.06450.7861
0.06962000.05750.05670.7849
0.07652200.09690.04540.7945
0.08352400.07690.04330.7890
0.09052600.08640.05070.7848
0.09742800.04950.03470.8052
0.10443000.04290.03980.7955
0.11133200.04320.03430.7915
0.11833400.03920.02950.8177
0.12533600.02110.02980.8052
0.13223800.0430.03390.8052
0.13924000.04530.03220.8050
0.14614200.03090.02860.8120
0.15314400.01470.03210.8181
0.16014600.04910.02730.8178
0.16704800.02290.02320.8176
0.17405000.03170.02100.8198
0.18095200.01930.02070.8159
0.18795400.0340.01750.8191
0.19495600.02920.01680.8166
0.20185800.04310.01840.8228
0.20886000.03060.01830.7963
0.21576200.01340.01470.8216
0.22276400.01550.01610.8166
0.22966600.02010.01870.8170
0.23666800.03010.01330.8272
0.24367000.01640.01190.8274
0.25057200.02540.01190.8223
0.25757400.01290.01460.8165
0.26447600.02080.01360.8162
0.27147800.01570.01380.8120
0.27848000.01690.01430.8248
0.28538200.01580.01190.8166
0.29238400.02270.01150.8153
0.29928600.01960.01170.8163
0.30628800.01370.01120.8225
0.31329000.02990.00900.8155
0.32019200.00730.01060.8157
0.32719400.02480.00880.8174
0.33409600.01790.00870.8215
0.34109800.01710.00770.8285
0.347910000.01230.00960.8175
0.354910200.00810.00980.8152
0.361910400.00970.00940.8139
0.368810600.03790.01070.8236
0.375810800.01040.00780.8208
0.382711000.00670.00650.8189
0.389711200.01280.00800.8221
0.396711400.00490.00780.8181
0.403611600.00840.00920.8218
0.410611800.01730.00810.8248
0.417512000.01440.00800.8272
0.424512200.00250.00770.8260
0.431512400.00860.00720.8312
0.438412600.01140.00730.8242
0.445412800.00650.00670.8245
0.452313000.01320.00690.8248
0.459313200.0030.00660.8233
0.466213400.01250.00660.8245
0.473213600.00160.00700.8281
0.480213800.00410.00660.8418
0.487114000.01170.00730.8361
0.494114200.00950.00730.8337
0.501014400.01840.00710.8282
0.508014600.00420.00690.8259
0.515014800.00770.00650.8235
0.521915000.02130.00590.8209
0.528915200.00370.00590.8277
0.535815400.00530.00530.8186
0.542815600.00450.00710.8238
0.549815800.00130.01010.8257
0.556716000.0170.00510.8292
0.563716200.00530.00450.8234
0.570616400.00770.00440.8235
0.577616600.01350.00460.8200
0.584616800.00130.00450.8242
0.591517000.00670.00480.8266
0.598517200.01540.00490.8232
0.605417400.00370.00480.8222
0.612417600.00120.00490.8232
0.619317800.01120.00510.8212
0.626318000.01730.00560.8228
0.633318200.00440.00590.8177
0.640218400.01930.00590.8197
0.647218600.00280.00600.8203
0.654118800.0050.00540.8278
0.661119000.00770.00490.8227
0.668119200.01260.00400.8267
0.675019400.0080.00390.8258
0.682019600.01310.00390.8251
0.688919800.01140.00420.8310
0.695920000.00830.00410.8314
0.702920200.0060.00370.8303
0.709820400.00480.00360.8269
0.716820600.01650.00400.8262
0.723720800.00930.00350.8158
0.730721000.0070.00310.8167
0.737621200.00650.00300.8248
0.744621400.00420.00290.8274
0.751621600.01110.00260.8258
0.758521800.00660.00280.8249
0.765522000.00340.00340.8244
0.772422200.00130.00330.8238
0.779422400.00250.00340.8253
0.786422600.00650.00340.8240
0.793322800.00490.00350.8258
0.800323000.00070.00350.8277
0.807223200.0040.00340.8298
0.814223400.00130.00330.8293
0.821223600.01220.00320.8300
0.828123800.00080.00330.8285
0.835124000.00190.00320.8266
0.842024200.00330.00320.8266
0.849024400.00780.00240.8284
0.855924600.00870.00220.8272
0.862924800.0030.00210.8255
0.869925000.00390.00210.8232
0.876825200.00540.00210.8225
0.883825400.00150.00210.8236
0.890725600.00430.00210.8245
0.897725800.00830.00220.8237
0.904726000.00290.00240.8233
0.911626200.00950.00250.8257
0.918626400.00130.00250.8263
0.925526600.00250.00250.8268
0.932526800.0060.00250.8264
0.939527000.00780.00260.8247
0.946427200.00610.00250.8248
0.953427400.0010.00250.8238
0.960327600.00410.00250.8233
0.967327800.01570.00240.8249
0.974328000.00390.00240.8248
0.981228200.00470.00240.8242
0.988228400.00580.00240.8243
0.995128600.00180.00240.8242
  • 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
3b499b3

0 моделей