/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
sentence-transformers
Опубликована
22 авг 2026

all-MiniLM-L6-v2-multi-qa-linear-merge

ЭмбеддингиТекст → embedding8 профессий

Демонстрационное линейное слияние двух MiniLM-энкодеров для получения эмбеддингов и оценки семантического сходства англоязычных предложений.

23скачиваний за 30 дней0лайковвеса обновлены22 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

all-MiniLM-L6-v2-multi-qa-linear-merge — демонстрационная модель, созданная авторами репозитория с помощью функции слияния моделей Sentence Transformers. Она линейно объединяет с равными весами два англоязычных энкодера предложений: sentence-transformers/all-MiniLM-L6-v2 и sentence-transformers/multi-qa-MiniLM-L6-cos-v1. Модель основана на архитектуре BERT, содержит 25,9 млн параметров и принимает текст для получения векторных представлений; максимальная длина контекста составляет 512 токенов.

Модель предназначена для вычисления семантической близости предложений и создания эмбеддингов для поиска и сравнения текстов. Это демонстрационное слияние, а не отдельный релиз, настроенный под конкретную задачу, поэтому качество на целевых сценариях следует проверять отдельно. Репозиторий содержит веса в форматах SafeTensors, TensorFlow и OpenVINO. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск семантически похожих предложений
  • поиск ответов на вопросы по текстовой базе
  • сравнение релевантности двух текстов
  • кластеризация коротких англоязычных текстов

Ограничения

В README модель описана как демонстрационное слияние, а не как релиз, специально настроенный под задачу; качество для конкретного применения следует оценивать отдельно. Контекст ограничен 512 токенами.

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

all-MiniLM-L6-v2-multi-qa-linear-merge

A demonstration model produced by the native model-merging feature (SentenceTransformer.merge) added to Sentence Transformers. It is a showcase merge, not a task-tuned release.

It merges these two checkpoints with the linear method (weights [0.5, 0.5]):

How it was created

from sentence_transformers import SentenceTransformer

merged = SentenceTransformer.merge(
    models=["sentence-transformers/all-MiniLM-L6-v2", "sentence-transformers/multi-qa-MiniLM-L6-cos-v1"],
    weights=[0.5, 0.5],
    method="linear",
    output_path="all-MiniLM-L6-v2-multi-qa-linear-merge",
    dtype="float16",
)

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("yjoonjang/all-MiniLM-L6-v2-multi-qa-linear-merge")
emb = model.encode(["Model merging combines fine-tuned checkpoints.",
                    "It often beats each individual model."])
print(model.similarity(emb, emb))

License

This is a derivative of the two base models above; their licenses apply. See each base model's card for terms (note that some bases — e.g. the SPLADE cocondenser models — are non-commercial).

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
77a70a0

0 моделей