/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
19 окт 2026

aletheia-minilm-l12

ЭмбеддингиТекст → embedding

Англоязычная модель эмбеддингов MiniLM для семантического поиска, сравнения и кластеризации научных текстов.

188скачиваний за 30 дней2лайкавеса обновлены19 окт 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

Aletheia MiniLM-L12-v2 — модель эмбеддингов предложений, представленная Zafar Al Sathiq. Она кодирует предложения и научные аннотации в плотные векторы размерности 384 для семантического поиска, сравнения и кластеризации текстов; карточка ориентирует её прежде всего на поиск научной литературы и обнаружение связей между исследованиями из разных областей.

Модель построена на 12-слойном энкодере BERT семейства MiniLM, использует mean pooling по токенам с учётом маски внимания и нормирует выходные векторы до единичной L2-нормы. Заявленная максимальная длина входа — 512 токенов. Модель можно применять в Sentence Transformers и Transformers, а также запускать на Rust через Candle. Разработчик приводит примеры сходства научных текстов, но они не заменяют независимой оценки качества на целевых данных.

Модель предназначена для англоязычных текстов. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Она выдаёт векторы, которые следует использовать для поиска, ранжирования по сходству или кластеризации, а не как готовые ответы или сгенерированный текст.

Сценарии применения

  • семантический поиск научных статей по смыслу
  • поиск связей между исследованиями из разных научных областей
  • сравнение научных аннотаций по смысловому сходству
  • кластеризация научной литературы и препринтов
  • индексация аннотаций клинических исследований

Ограничения

Максимальная длина входа составляет 512 токенов; модель кодирует тексты в векторы и сама не генерирует ответы. Примеры проверки в README не являются независимой оценкой качества на разнообразных наборах данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Aletheia MiniLM-L12-v2 (zafaralsathiq/aletheia-minilm-l12)

This is a 12-layer dense sentence embedding model mapping natural language sentences and scientific abstracts into a 384-dimensional dense vector space.

It is optimized for Aletheia Search, a Zero-Hub scientific discovery and synthesis engine that couples dense neural text embeddings with Kim-Vu $d$-regular expander graphs to eliminate citation mega-hub bias and discover unbridged cross-domain research literature.


Model Details

  • Model Type: Sentence Transformer (12-layer BERT encoder)
  • Base Architecture: MiniLM-L12 (384 hidden dimensions, 12 attention heads, 1536 intermediate size)
  • Output Dimensionality: 384 dimensions
  • Max Sequence Length: 512 tokens
  • Pooling Strategy: Mean pooling over attention-masked token embeddings
  • Normalization: L2 unit norm ($|\vec{v}|_2 = 1.0$)
  • Weights Format: Zero-copy binary model.safetensors (128 MB)

Intended Use

  1. Scientific Literature Retrieval & Clustering: Semantic indexing of peer-reviewed papers, preprints, and clinical trial abstracts.
  2. Topological Expander Routing: Feeding dense affinity scores into degree-regularized graph routers (e.g. Aletheia Kim-Vu coupling).
  3. Literature-Based Discovery (LBD): Identifying cross-domain unbridged structural voids and Swanson 2-hop triads ($A \to B \to C$).
  4. General Text Similarity & Semantic Search: Drop-in replacement for 6-layer all-MiniLM-L6-v2 with greater semantic depth and representation capacity.

Usage

1. Using sentence-transformers (Recommended)

pip install sentence-transformers
from sentence_transformers import SentenceTransformer

# Load model directly from Hugging Face
model = SentenceTransformer("zafaralsathiq/aletheia-minilm-l12")

sentences = [
    "Targeting KRAS G12D mutations with small molecule inhibitors",
    "Novel therapeutic avenues for pancreatic ductal adenocarcinoma",
    "Photosynthetic carbon fixation efficiency in marine red macroalgae",
]

# Generate L2-normalized embeddings
embeddings = model.encode(sentences, normalize_embeddings=True)
print("Embedding shape:", embeddings.shape)  # (3, 384)

# Compute cosine similarity via dot product
similarity = embeddings[0] @ embeddings[1]
print(f"Cosine Similarity (Related): {similarity:.4f}")

2. Using Hugging Face transformers & PyTorch

import torch
import torch.nn.functional as F
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("zafaralsathiq/aletheia-minilm-l12")
model = AutoModel.from_pretrained("zafaralsathiq/aletheia-minilm-l12")
model.eval()

texts = ["Targeting KRAS G12D mutations with small molecule inhibitors"]

# Tokenize
encoded = tokenizer(texts, padding=True, truncation=True, max_length=512, return_tensors="pt")

with torch.no_grad():
    outputs = model(**encoded)
    token_embeddings = outputs[0]
    
    # Mean pooling
    mask = encoded["attention_mask"].unsqueeze(-1).expand(token_embeddings.size()).float()
    sum_embeddings = torch.sum(token_embeddings * mask, 1)
    sum_mask = torch.clamp(mask.sum(1), min=1e-9)
    pooled = sum_embeddings / sum_mask
    
    # L2 Unit Normalization
    embeddings = F.normalize(pooled, p=2, dim=1)

print("Vectors:", embeddings.shape)

3. Using Native Rust with Candle

The repository provides zero-copy model.safetensors and tokenizer.json for native execution in Rust without Python:

cargo add candle-core candle-transformers tokenizers safetensors

Empirical Verification

Measured on domain scientific literature pairs:

Text PairDomain RelationshipCosine Similarity
KRAS G12D Inhibitors $\longleftrightarrow$ KRAS PROTAC DegradersHighly Related (Cancer Oncology)0.7329
KRAS G12D Inhibitors $\longleftrightarrow$ Marine Algal PhotosynthesisUnrelated Control0.0012
Separation MarginDiscriminative Delta+0.7317

Citation & Attribution

If you use this model in your research, cite:

@software{aletheia_search_2026,
  author = {Zafar Al Sathiq},
  title = {Aletheia Search: Zero-Hub Scientific Discovery Engine},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/zafaralsathiq/aletheia-minilm-l12}
}

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
9145227

0 моделей