Sentence Similarity
sentence-transformers
Safetensors
Korean
qwen3_vl
feature-extraction
Generated from Trainer
dataset_size:375895
loss:MatryoshkaLoss
loss:CachedMultipleNegativesRankingLoss
Eval Results (legacy)
Instructions to use whybe-choi/Qwen3-VL-Embedding-2B-ko-vdr-preview-v0.1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use whybe-choi/Qwen3-VL-Embedding-2B-ko-vdr-preview-v0.1 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("whybe-choi/Qwen3-VL-Embedding-2B-ko-vdr-preview-v0.1") sentences = [ "컴퓨터시스템설계 및 분석가와 시스템소프트웨어개발자의 2021-2031년 고용 증감률 차이는 어떤 요인에 기인하나요?", "2023년 일·가정 양립 실태조사에서 사업체 규모별 상시근로자 수와 표본 배분 수의 차이는 어떻게 다른가요?", "「소재·부품·장비 2.0전략」으로 확대된 GVC 핵심품목 수와 2022년 국내 첨단화학소재 시장 규모는 각각 얼마인가요?", "이차전지 장비 분야에서 고졸 인력의 퇴직률과 채용률은 사업체 규모별로 어떻게 다른가요?" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle