SciBERT (scivocab uncased)

EmbeddingsNeprieinama

iš Communityscibert-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.

Peržiūrėti alternatyvas Palyginti

Būsena: Neprieinama
Kontekstas: 512 žetonų
Įvestis → išvestis: Tekstas → Vektorius
Kūrėjas: Community
Atnaujinta: 2026 m. rugsėjo 23 d.

SciBERT (scivocab uncased) šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas

Panašūs modeliai

Visi šioje kategorijoje

OpenAI text-embedding-3-largeOpenAI
OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.
0,156 USD/1M įv
Palyginti SciBERT (scivocab uncased) ir OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 USD/1M įv
Palyginti SciBERT (scivocab uncased) ir OpenAI text-embedding-3-small

Žaidimų aikštelė

Išbandyti SciBERT (scivocab uncased)

Įvestis ir rezultatas

Šiuo metu neprieinamas

Šiuo metu nepasiekiama.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

Text

0 / 4 000

Scientific text to embed

Palyginti su (pasirinktinai)

Modelis vykdomas du kartus (išrašyta du kartus).

⌘/Ctrl + Enter

Rezultatas

Vektorius pasirodo čia.

Šis paleidimas

Nėra kainos – šiuo metu neprieinama.

Naujas čia?

10 nemokami kreditai (0,10 USD), kai užsiregistruojate naudodami Google

Galima naudoti 24 valandų po registracijos, iki 5 paleidimų per dieną ir daugiausia 2 kreditų per paleidimą. Kiti prisijungimo būdai pradedami be kreditų.

Apie SciBERT (scivocab uncased)

TrumpaiNuo 2026 m. rugsėjo 23 d.

SciBERT (scivocab uncased) yra Community modelis iš Embeddings kategorijos. SciBERT (scivocab uncased) šiuo metu nėra prieinamas per Railwail. Konteksto langas saugo 512 žetonų.

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.

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

API

Iškvieskite SciBERT (scivocab uncased) naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

scibert-scivocab-uncasedPeržiūrėti API dokumentaciją Gauti API raktą

Šiuo metu nepasiekiama

Modelis neturi patikrintos kainos arba yra išjungtas; API skambučiai atmetami.

Specifikacijos

Modelio ID: scibert-scivocab-uncased
Kūrėjas: Community
Kategorija: Embeddings
Įvestis: Tekstas
Išvestis: Vektorius
Konteksto langas: 512 žetonų
Katalogo įrašas atnaujintas: 2026 m. rugsėjo 23 d.

Įvesties parametrai

Įvestys ir nustatymai iš modelio įvesties schemos. API sekcijoje pateiktas pavyzdys rodo, kuriuos iš jų priima API.

ParametrasTipasNumatytasisLeidžiamos reikšmės

inputsprivalomas
Scientific text to embed
Tipas: Tekstas
Numatytasis: –
Leidžiamos reikšmės: iki 4 000 simbolių

Žymos

science
embedding
research
huggingface
scibert
allenai
biomedical
bert

Panaudojimo atvejai

Susiję vadovai

Embedding Models for Search & Science

Visi Embeddings modeliai

Dažnai užduodami klausimai

Kas yra SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) yra Community modelis iš Embeddings kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja SciBERT (scivocab uncased) Railwail?

SciBERT (scivocab uncased) šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra SciBERT (scivocab uncased) konteksto langas?

SciBERT (scivocab uncased) konteksto langas saugo 512 žetonų.

Koks yra SciBERT (scivocab uncased) greitis?

SciBERT (scivocab uncased) Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar SciBERT (scivocab uncased) geriau nei OpenAI text-embedding-3-large?

Tai priklauso nuo užduoties. SciBERT (scivocab uncased) (Community) ir OpenAI text-embedding-3-large (OpenAI) yra abu modeliai iš Embeddings kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti SciBERT (scivocab uncased) ir OpenAI text-embedding-3-large

Ar dabar galiu naudoti SciBERT (scivocab uncased)?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.

Gauti API raktą Peržiūrėti visų modelių