PubMedBERT Embeddings (NeuML)

EmbeddingsНедостъпно
от CommunityID на модела: pubmedbert-base-embeddings

Sentence-transformers model fine-tuned from Microsoft PubMedBERT on PubMed title-abstract pairs by the NeuML team. Produces 768-dim sentence embeddings tuned for biomedical semantic search and similarity, and is the embedding backbone behind the paperai and txtai medical search tools.

Статус
Недостъпно
Контекст
512 токена
Вход → Изход
Текст → Вектор
Разработчик
Community
Актуализирано
23 септември 2026 г.

PubMedBERT Embeddings (NeuML) е временно недостъпен

Можете да прочетете подробностите на тази страница. Изберете една от наличните алтернативи по-долу, за да стартирате сравним модел веднага.

Към алтернативите
01

Сравними модели

Всички в тази категория
02

Playground

Опитай PubMedBERT Embeddings (NeuML)

Вход и резултат

Временно недостъпно

Временно недостъпно.

Playground е деактивиран. Сравними модели можеш да намериш в същата категория: Преглед на алтернативи

Опитай PubMedBERT Embeddings (NeuML)

0 / 4000

Biomedical sentence or passage to embed

Стартира модела два пъти (фактурирано два пъти).

Резултат
Векторът се появява тук.

Този запуск

Няма цена – в момента недостъпно.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита.

03

За PubMedBERT Embeddings (NeuML)

НакраткоКъм 23 септември 2026 г.

PubMedBERT Embeddings (NeuML) е модел на Community от категория Embeddings. На Railwail PubMedBERT Embeddings (NeuML) в момента не е наличен. Контекстното окно съдържа 512 токена.

This model takes Microsoft's PubMedBERT, which was pretrained from scratch on PubMed abstracts and PMC full text, and fine-tunes it with a sentence-transformers objective on PubMed title-abstract pairs. The result maps biomedical sentences and short passages into a 768-dim space where cosine similarity reflects clinical and biomedical relatedness. It is widely used for retrieval over medical literature. Served via the Hugging Face feature-extraction pipeline; mean-pool the token outputs to obtain the sentence embedding.
04

Цени

Временно недостъпно. В момента няма цена за този модел, затова не може да се изпълни.

05

API

Извикайте PubMedBERT Embeddings (NeuML) с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

В момента недостъпно

Моделът няма проверена цена или е деактивиран; API обаждания се отхвърлят.

06

Спецификации

ID на модела
pubmedbert-base-embeddings
Разработчик
Community
Категория
Embeddings
Вход
Текст
Изход
Вектор
Контекстен прозорец
512 токена
Каталогът е актуализиран
23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

  • inputsзадължително

    Biomedical sentence or passage to embed

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: до 4000 символа

Етикети

  • science
  • embedding
  • research
  • huggingface
  • pubmedbert
  • biomedical
  • medical
  • sentence-transformers
07

Случаи на използване

08

Често задавани въпроси

Какво е PubMedBERT Embeddings (NeuML)?

PubMedBERT Embeddings (NeuML) е модел от Community в категория Embeddings. Той е включен в каталога на Railwail, но не може да се стартира в момента.

Колко струва PubMedBERT Embeddings (NeuML) на Railwail?

PubMedBERT Embeddings (NeuML) не може да се стартира на Railwail в момента, затова няма текуща цена. Налични алтернативи с цени са изброени по-долу на тази страница.

Какво е контекстното окно на PubMedBERT Embeddings (NeuML)?

Контекстното окно на PubMedBERT Embeddings (NeuML) съдържа 512 токена.

Колко бърз е PubMedBERT Embeddings (NeuML)?

Все още няма достатъчно измерени задачи на PubMedBERT Embeddings (NeuML) на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли PubMedBERT Embeddings (NeuML) по-добър от OpenAI text-embedding-3-large?

Зависи от задачата. PubMedBERT Embeddings (NeuML) (Community) и OpenAI text-embedding-3-large (OpenAI) са и двата модела в категория Embeddings. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни PubMedBERT Embeddings (NeuML) и OpenAI text-embedding-3-large

Мога ли да използвам PubMedBERT Embeddings (NeuML) сега?

Временно недостъпно. Страницата остава онлайн; налични алтернативи от същата категория са изброени по-долу.

Всички модели чрез един API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..