paper7Atualizado em 20/11/2026
← Todas as organizações

IAra Project

local não informado

Embeddings Matryoshka STS em português (e5-large, BERTimbau-large, ModBERTBr) e datasets de notícias de 2023.

Modelos
4
Datasets
8
Downloads em 30 dias
996
Seguidores
9
Curtidas
6
Papers
3
Menor modelo
135M

Publicações por trimestre

Modelos e datasets, pela data de criação no Hugging Face.

2023202420252026

Licenças dos modelos

O que cada ficha declara

  • mit2
  • sem licença2

Licenças dos datasets

Uso comercial pela licença declarada

  • Sem licença8

Tipos de modelo

Pela tarefa declarada

  • sentence-similarity3
  • text-generation1

Onde os modelos rodam

Pelo formato e tamanho dos arquivos

  • servidor4

Idiomas

Declarados nas fichas de modelos e datasets

  • pt3

Modelos (4)

ModeloTarefaRoda emTamanhoLicençaCurtidasAtualizadoDownloads
BERTimbau-large-matryoshka-sts-ptsentence-similarityservidor334Mmit0há 4 meses74
ModBERTBr-matryoshka-sts-ptsentence-similarityservidor135Msem licença0há 4 meses72
e5-large-matryoshka-sts-ptsentence-similarityservidor560Mmit1há 4 meses107
canarim-llama-2-7b-chat-4bitstext-generationservidorsem licença0há 3 anos2

Datasets (8)

O uso comercial lê só a licença declarada; licença aberta não garante que os donos do conteúdo cederam os direitos.

DatasetLicençaUso comercialLinhasAtualizadoDownloads
hdbscan_generated_sample_64sem licençaSem licença1,2 milhá 3 anos23
hdbscan_generated_sample_8sem licençaSem licença152há 3 anos14
hdbscan_embeddings_bert-base-portuguese-cased-nli-assin-2sem licençaSem licença44 milhá 3 anos123
news_dataset_for_hdbscansem licençaSem licença44 milhá 3 anos16
raw_dataset_with_embeddings_bert-base-portuguese-cased-nli-assin-2sem licençaSem licença352 milhá 3 anos201
test_split_with_embeddings_bert_base_portuguesesem licençaSem licença176 milhá 3 anos19
train_split_with_embeddings_bert_base_portuguesesem licençaSem licença176 milhá 3 anos45
news-articles-ptbr-datasetsem licençaSem licença352 milhá 3 anos300

Papers (3)

Todos os papers

Do arXiv. 3 da organização, pelo nome de um modelo no título ou por autores da casa.

  1. 07/2026
    Beyond Multilingual Averages: MTEB-PT, a Benchmark for Portuguese Sentence Encoders

    Lucas Hideki Takeuchi Okamura, Alexandre Alcoforado, Anna Helena Reali Costa

    arXiv 2607.04071
  2. 10/2024
    No Argument Left Behind: Overlapping Chunks for Faster Processing of Arbitrarily Long Legal Texts

    Israel Fama, Bárbara Bueno, Alexandre Alcoforado, Thomas Palmeira Ferraz, Arnold Moya e mais 1

    arXiv 2410.19184
  3. 01/2024
    From Random to Informed Data Selection: A Diversity-Based Approach to Optimize Human Annotation and Few-Shot Learning

    Alexandre Alcoforado, Thomas Palmeira Ferraz, Lucas Hideki Okamura, Israel Campos Fama, Arnold Moya Lavado e mais 3

    arXiv 2401.13229

Vínculos declarados

Só o que os autores declararam na ficha de cada modelo. Falta de declaração não quer dizer que não haja uso.

Treina com dados de
nilc-nlp (assin, assin2); MoritzLaurer (multilingual-NLI-26lang-2mil7); PhilipMay (stsb_multi_mt); eduagarcia (sick-br); sentence-transformers (mldr); stjiris (IRIS_sts)
Parte de modelos de
NeuralMind (bert-large-portuguese-cased); wallacelw (ModBERTBr); intfloat (multilingual-e5-large)