SPECTER (Scientific Paper Embeddings)

EmbeddingsNav pieejams

no Communityspecter-scientific-paper-embeddings

AllenAI document-level embedding model for scientific papers. Built on SciBERT and trained on the citation graph so that papers citing each other land close together. Feed it a title plus abstract and it returns one 768-dim vector per paper, useful for recommendation, clustering and citation-based retrieval.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 512 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: Community
Atjaunināts: 2026. gada 23. septembris

SPECTER (Scientific Paper Embeddings) pašlaik nav pieejams

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām

Salīdzināmi modeļi

Visi šajā kategorijā

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 $/1M ievade
Salīdzināt SPECTER (Scientific Paper Embeddings) un 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 $/1M ievade
Salīdzināt SPECTER (Scientific Paper Embeddings) un OpenAI text-embedding-3-small

Spēļu laukums

Izmēģiniet SPECTER (Scientific Paper Embeddings)

Ievade un rezultāts

Pašlaik nav pieejams

Pašlaik nav pieejams.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Text

0 / 4000

Paper title and abstract (or any scientific text) to embed

Salīdzināt ar (neobligāti)

Palaiž modeli divas reizes (norēķināts divas reizes).

⌘/Ctrl + Enter

Rezultāts

Vektors parādīsies šeit.

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par SPECTER (Scientific Paper Embeddings)

ĪsumāUz 2026. gada 23. septembris

SPECTER (Scientific Paper Embeddings) ir Community modelis kategorijā Embeddings. SPECTER (Scientific Paper Embeddings) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 512 žetonus.

SPECTER from the Allen Institute for AI produces a single embedding per scientific document instead of per-token vectors. It was pretrained on a triplet objective over the Semantic Scholar citation graph, so the distance between two paper embeddings reflects topical and citation relatedness rather than just lexical overlap. The standard input is the paper title and abstract joined together. Served through Hugging Face with the feature-extraction pipeline; take the [CLS] token vector (768 dims) as the document embedding.

Cenas

Pašlaik nav pieejams. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

API

Izsauciet SPECTER (Scientific Paper Embeddings) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

specter-scientific-paper-embeddingsAPI dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

Specifikācijas

Modeļa ID: specter-scientific-paper-embeddings
Izstrādātājs: Community
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 512 marķieri
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

inputsobligāts
Paper title and abstract (or any scientific text) to embed
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 4000 rakstzīmēm

Tagi

science
embedding
research
huggingface
specter
allenai
scientific-papers
citation

Lietošanas gadījumi

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

Kas ir SPECTER (Scientific Paper Embeddings)?

SPECTER (Scientific Paper Embeddings) ir Community izstrādāts modelis Embeddings kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā SPECTER (Scientific Paper Embeddings) Railwail?

SPECTER (Scientific Paper Embeddings) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir SPECTER (Scientific Paper Embeddings) konteksta logs?

SPECTER (Scientific Paper Embeddings) konteksta logs satur 512 žetonus.

Cik ātrs ir SPECTER (Scientific Paper Embeddings)?

Railwail platformā SPECTER (Scientific Paper Embeddings) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai SPECTER (Scientific Paper Embeddings) ir labāks par OpenAI text-embedding-3-large?

Tas ir atkarīgs no uzdevuma. SPECTER (Scientific Paper Embeddings) (Community) un OpenAI text-embedding-3-large (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt SPECTER (Scientific Paper Embeddings) un OpenAI text-embedding-3-large

Vai es varu izmantot SPECTER (Scientific Paper Embeddings) tieši tagad?

Pašlaik nav pieejams. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus