Cupidon Small Ro

🚀 🔥 cupidon-small-ro

ここに、cupidon-small-roが登場です。名前は小さくても、大きなモデルと肩を並べる準備ができています。強力なsentence-transformers/paraphrase-multilingual-MiniLM-L12-v2をベースに微調整されたこのsentence-transformersモデルは、ルーマニア語の文章の意味を驚くほど正確に捉えます。 コンパクトなサイズで効率的ですが、深い意味を持つセマンティックな力を秘めています。このモデルは、「小さい」が依然として心を打つことができることを証明する存在です。特に、セマンティックな文章の類似性、検索、またはクラスタリングにおいてです。💔💬

🚀 クイックスタート

📦 インストール

sentence-transformersをインストールすると、このモデルを簡単に使用できます。

pip install -U sentence-transformers

💻 使用例

基本的な使用法 (Sentence-Transformers)

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('BlackKakapo/cupidon-small-ro')
embeddings = model.encode(sentences)
print(embeddings)

高度な使用法 (HuggingFace Transformers)

sentence-transformersを使用せずに、このモデルを使用することもできます。まず、入力をトランスフォーマーモデルに通し、次にコンテキスト化された単語埋め込みに適切なプーリング操作を適用する必要があります。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-small-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-small-ro')

📄 ライセンス

このデータセットは、Apache 2.0ライセンスの下で提供されています。

📚 ドキュメント

引用

もしあなたの研究でBlackKakapo/cupidon-mini-roを使用する場合は、次のようにこのモデルを引用してください。

@misc{cupidon-small-ro,
  title={BlackKakapo/cupidon-small-ro},
  author={BlackKakapo},
  year={2025},
}

情報テーブル