SciBERT (scivocab uncased)

EmbeddingsНедостъпно
от CommunityID на модела: scibert-scivocab-uncased

AllenAI BERT-base pretrained from scratch on 1.14M scientific papers (mostly biomedical and computer science) with its own scientific WordPiece vocabulary. Used as a feature extractor it gives 768-dim contextual embeddings tuned to scientific text, outperforming general BERT on tasks like NER and relation extraction in research corpora.

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

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)

Вход и резултат

Временно недостъпно

Временно недостъпно.

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

Опитай SciBERT (scivocab uncased)

0 / 4000

Scientific text 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 SciBERT (scivocab uncased)

НакраткоКъм 23 септември 2026 г.

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

SciBERT is a BERT-base model trained on a large corpus of full-text scientific papers from Semantic Scholar. Unlike vanilla BERT it uses scivocab, a WordPiece vocabulary built directly from scientific text, which improves token coverage for domain terminology. This scivocab-uncased checkpoint is the most downloaded variant. Through the Hugging Face feature-extraction pipeline it returns token-level hidden states; mean-pool or take the [CLS] vector for sentence or document embeddings in scientific search and classification pipelines.
04

Цени

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

05

API

Извикайте SciBERT (scivocab uncased) 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
scibert-scivocab-uncased
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

    Scientific text to embed

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

Етикети

  • science
  • embedding
  • research
  • huggingface
  • scibert
  • allenai
  • biomedical
  • bert
07

Случаи на използване

08

Често задавани въпроси

Какво е SciBERT (scivocab uncased)?

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

Колко струва SciBERT (scivocab uncased) на Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Контекстното окно на SciBERT (scivocab uncased) съдържа 512 токена.

Колко бърз е SciBERT (scivocab uncased)?

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

Е ли SciBERT (scivocab uncased) по-добър от OpenAI text-embedding-3-large?

Зависи от задачата. SciBERT (scivocab uncased) (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 SciBERT (scivocab uncased) и OpenAI text-embedding-3-large

Мога ли да използвам SciBERT (scivocab uncased) 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..