/ Модель

Характеристики

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

paraphrase-multilingual-miniLM-L12-v2-mnrl-beir-2

ЭмбеддингиТекст → embedding8 профессий

Дообученная многоязычная BERT-модель создаёт 384-мерные векторы предложений и абзацев для семантического поиска и сравнения сходства.

119скачиваний за 30 дней0лайковвеса обновлены18 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-beir-2 — модель Sentence Transformer, дообученная автором на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура основана на BERT и преобразует предложения и абзацы в плотные векторы размерности 384; сходство между ними оценивается косинусной мерой. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, тогда как README модели задаёт максимальную длину последовательности 128 токенов.

Модель предназначена для семантического поиска, сравнения сходства текстов и поиска перефразирований; полученные векторы также можно использовать для кластеризации и классификации текстов. Она дообучена с MultipleNegativesRankingLoss на наборе statictable-triplets-all из 967 831 примера. Примеры датасета посвящены статистическим таблицам Индонезии, поэтому качество на других типах текстов может отличаться. Базовая модель многоязычная, однако в карточке нет точного перечня языков, для которых проверена эта дообученная версия. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по текстовым документам
  • поиск релевантных статистических таблиц по запросу
  • поиск перефразирований и похожих предложений
  • кластеризация текстов по смыслу
  • сравнение сходства пары текстов

Ограничения

README задаёт максимальную длину последовательности 128 токенов, хотя метаданные указывают контекст 512 токенов; при использовании следует учитывать ограничение модели Sentence Transformers. Обучающие примеры относятся к статистическим таблицам Индонезии, поэтому качество на иных тематиках может быть ниже.

Для каких профессий подходит8

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-beir-2")
# Run inference
sentences = [
    'Laporan singkat arus kas Q2 2005, dalam miliar',
    'Ringkasan Neraca Arus Dana, Triwulan Kedua, 2005, (Miliar Rupiah)',
    'Rata-rata Upah/Gaji Bersih sebulan Buruh/Karyawan Pegawai Menurut Pendidikan Tertinggi dan Jumlah Jam Kerja Utama, 2020',
]
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@50.9837
cosine_accuracy@101.0
cosine_precision@10.899
cosine_precision@50.2189
cosine_precision@100.1261
cosine_recall@10.703
cosine_recall@50.789
cosine_recall@100.8116
cosine_ndcg@10.899
cosine_ndcg@50.8179
cosine_ndcg@100.8156
cosine_mrr@10.899
cosine_mrr@50.9348
cosine_mrr@100.9369
cosine_map@10.899
cosine_map@50.7721
cosine_map@100.7636

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: 4 tokensmean: 18.55 tokensmax: 37 tokensmin: 4 tokensmean: 25.6 tokensmax: 58 tokensmin: 4 tokensmean: 25.7 tokensmax: 58 tokens
  • Samples:
    queryposneg
    Indeks harga petani (diterima & dibayar) dan NTP per provinsi, 2012Indeks Harga yang Diterima Petani (It), Indeks Harga yang Dibayar Petani (Ib), dan Nilai Tukar Petani (NTP) Menurut Provinsi, 2008-2016Persentase Rumah Tangga Menurut Provinsi dan KebiasaanMemanfaatkan Air Bekas untuk Keperluan Lain, 2013, 2014, 2017, 2021
    Data rumah tangga perikanan budidaya Indonesia, detail per provinsi dan jenis budidaya, di tahun 2008Jumlah Rumah Tangga Perikanan Budidaya Menurut Provinsi dan Jenis Budidaya, 2000-2016Ringkasan Neraca Arus Dana, 2005, (Miliar Rupiah)
    Lapangan pekerjaan vs pendidikan pekerja (15 tahun ke atas), 1986 hingga 1996Penduduk Berumur 15 Tahun Ke Atas yang Bekerja Selama Seminggu yang Lalu Menurut Lapangan Pekerjaan Utama dan Pendidikan Tertinggi yang Ditamatkan, 1986 -1996Tabel Input-Output Indonesia Transaksi Domestik Atas Dasar Harga Produsen (17 Lapangan Usaha), 2016 (Juta Rupiah)
  • 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: 18.38 tokensmax: 37 tokensmin: 4 tokensmean: 25.28 tokensmax: 58 tokensmin: 5 tokensmean: 25.65 tokensmax: 58 tokens
  • Samples:
    queryposneg
    Bagaimana hubungan IHK dan rata-rata upah buruh industri (bukan supervisor) bulanan tahun 2010, acuan 1996?IHK dan Rata-rata Upah per Bulan Buruh Industri di Bawah Mandor (Supervisor), 1996-2014 (1996=100)Rata-rata Harga Valuta Asing Terpilih menurut Provinsi, 2014
    Berapa rata-rata gaji bulanan pekerja Indonesia berdasarkan ijazah terakhir dan sektor pekerjaannya (2017)?Rata-rata Upah/Gaji Bersih Sebulan Buruh/Karyawan/Pegawai Menurut Pendidikan Tertinggi yang Ditamatkan dan Lapangan Pekerjaan Utama di 9 Sektor (rupiah), 2017Rata-Rata Pengeluaran per Kapita Sebulan Menurut Kelompok Barang (rupiah), 2013-2021
    Data luas lahan (hektar) yang dipakai untuk jenis budidaya perikanan di tiap provinsi tahun 2009Luas Area Usaha Budidaya Perikanan Menurut Provinsi dan Jenis Budidaya (ha), 2005-2016Ringkasan Neraca Arus Dana, Triwulan I, 2008, (Miliar Rupiah)
  • 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
  • weight_decay: 0.01
  • num_train_epochs: 2
  • lr_scheduler_type: reduce_lr_on_plateau
  • lr_scheduler_kwargs: {'factor': 0.5, 'patience': 2}
  • warmup_steps: 10000
  • 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: 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: 0.01
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 2
  • max_steps: -1
  • lr_scheduler_type: reduce_lr_on_plateau
  • lr_scheduler_kwargs: {'factor': 0.5, 'patience': 2}
  • warmup_ratio: 0.0
  • warmup_steps: 10000
  • 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
00-1.08190.4643
0.03342000.1373--
0.06684000.0354--
0.0835500-0.01320.8252
0.10026000.028--
0.13368000.018--
0.167010000.01450.00960.8286
0.200412000.0089--
0.233814000.0103--
0.25051500-0.00670.8312
0.267216000.0098--
0.300618000.0086--
0.333920000.00860.00440.8246
0.367322000.0088--
0.400724000.0075--
0.41742500-0.00510.8295
0.434126000.0066--
0.467528000.0054--
0.500930000.00510.00590.8294
0.534332000.0052--
0.567734000.0037--
0.58443500-0.00410.8126
0.601136000.0078--
0.634538000.005--
0.667940000.00450.00500.8308
0.701342000.0047--
0.734744000.0066--
0.75144500-0.00330.8233
0.768146000.0043--
0.801548000.003--
0.834950000.00290.00360.8224
0.868352000.0014--
0.901754000.0058--
0.91845500-0.00200.8169
0.935056000.0045--
0.968458000.0036--
1.001860000.00530.00180.8152
1.035262000.0035--
1.068664000.0017--
1.08536500-0.00240.8231
1.102066000.0037--
1.135468000.0044--
1.168870000.00110.01130.8153
1.202272000.0042--
1.235674000.0028--
1.25237500-0.00460.8253
1.269076000.0005--
1.302478000.001--
1.335880000.00110.00170.8216
1.369282000.0007--
1.402684000.0014--
1.41938500-0.00140.8253
1.436086000.0003--
1.469488000.0005--
1.502890000.0020.00120.8250
1.536192000.0013--
1.569594000.0009--
1.58629500-0.00030.8162
1.602996000.0021--
1.636398000.0013--
1.6697100000.00050.00030.8234
1.7031102000.0004--
1.7365104000.0004--
1.753210500-0.00010.8225
1.7699106000.0011--
1.8033108000.0004--
1.8367110000.00090.00080.8259
1.8701112000.0024--
1.9035114000.0002--
1.920211500-0.00080.8156
1.9369116000.0007--
1.9703118000.0007--
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.11.11
  • Sentence Transformers: 3.4.1
  • Transformers: 4.48.3
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.3.0
  • Datasets: 3.4.1
  • Tokenizers: 0.21.1

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
ccc8b62

0 моделей