e5-small-v2

מה זה

מדובר במודל הטמעות קומפקטי שמבוסס על BertModel עם 12 שכבות, ומייצר ייצוג וקטורי למשפטים ופסקאות. הוא מכוון בעיקר למשימות של חיפוש טקסטואלי, התאמת כוונות וסיווג לפי דמיון סמנטי, כשהוא דורש מעט מאוד משאבים ביחס לתוצאה שהוא מחזיר.

במבחני MTEB הוא מפגין יכולת טובה מאוד בסיווג פשוט עם דיוק של מעל 91 אחוז בנתוני אמזון פולריטי, ומגיע ל־MRR של 71.5 במציאת שאלות כפולות ב־AskUbuntu. לעומת זאת, במשימות אחזור מורכבות יותר בעולמות תוכן טכניים או מתמטיים, כמו Mathematica או Tex בבנצ'מרק של BeIR, המדדים צונחים לאזור ה־20 נקודות ב־NDCG בעשירייה הראשונה. זה אומר שהוא מצוין לחיפוש כללי וזיהוי כוונות, אבל יתקשה מאוד להבין ז'רגון מקצועי צפוף.

מתאים ל

• שליפת שאלות דומות

  זיהוי כפילויות במאגרי שאלות טכניות באנגלית, שם הוא מציג מדד MRR של 71.5.

• סיווג כוונות בנקאיות

  התאמת שאילתות לקטגוריות שירות, בזכות דיוק של 81.6 אחוז במבחן Banking77.

• ניתוח סנטימנט בביקורות

  חלוקה מהירה לחיובי ושלילי באנגלית, משימה שבה הוא חוצה 91 אחוזי דיוק.

איפה זה נופל

הוא מוגבל ל־512 טוקנים, כך שאי אפשר להזין אליו מסמכים שלמים בלי לחתוך אותם קודם למקטעים. מעבר לזה, הוא אומן על אנגלית בלבד. אם תזינו אליו עברית תקבלו וקטורים שבורים וחוסר התאמה מוחלט. במשימות סיווג מורכבות יותר, כמו דירוג ביקורות רב-רמתי, הוא נתקע על דיוק נמוך של כ־45 אחוז בלבד.

אותה משפחה

e5-small יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

טוענים אותו דרך ספריית sentence-transformers הרשמית בפייתון בכמה שורות קוד בודדות. בגלל הגודל הזעום שלו, שנעצר ב־33 מיליון פרמטרים ומשקל קבצים של 766 מגה-בייט בלבד, אפשר להריץ אותו ישירות על גבי מעבד סטנדרטי בלי לגעת בכרטיס מסך ייעודי.

אין שום הצדקה כלכלית או טכנית לשלם על API חיצוני כשעובדים איתו. כדאי להריץ אותו עצמאית אפילו בתוך קונטיינר קטן או פונקציית שרת, אלא אם אתם בונים מערכת מרובת שפות ומעדיפים מודל ענק ומנוהל.

from sentence_transformers import SentenceTransformer

m = SentenceTransformer("intfloat/e5-small-v2")
v = m.encode(["שלום עולם"])

הקבצים

20 קבצים במאגר, 766 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• tf_model.h5133.7 MB
• pytorch_model.bin133.5 MB
• model.safetensors133.5 MB
• model.onnx133.1 MB
• openvino/openvino_model.bin132.9 MB
• onnx/model_O4.onnx66.6 MB
• onnx/model_qint8_avx512_vnni.onnx34.1 MB
• openvino/openvino_model_qint8_quantized.bin33.8 MB
• tokenizer.json711.4 KB
• openvino/openvino_model_qint8_quantized.xml663.5 KB
• openvino/openvino_model.xml362.5 KB
• vocab.txt231.5 KB
• README.md67.8 KB
• .gitattributes1.5 KB
• config.json615 B
• modules.json387 B
• tokenizer_config.json314 B
• 1_Pooling/config.json200 B
• special_tokens_map.json125 B
• sentence_bert_config.json57 B

הרישיון

הוא מופץ תחת רישיון MIT. המשמעות היא חופש מלא להשתמש בו לכל מטרה, כולל מוצרים מסחריים סגורים ושינוי קוד המקור, ללא תשלום תמלוגים. התנאי היחיד הוא שמירה על הצהרת זכויות היוצרים המקורית בתוך קבצי ההפצה.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא בעמוד המודל ↗