Sentence Similarity
sentence-transformers
Safetensors
Hungarian
qwen3
feature-extraction
dense
Generated from Trainer
dataset_size:1183200
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use karsar/Qwen3-Embedding-0.6B-hu with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use karsar/Qwen3-Embedding-0.6B-hu with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("karsar/Qwen3-Embedding-0.6B-hu") sentences = [ "mi van a szójaszószban/", "Egy csoport munkás kötéllel az utcán.", "A szójaszósz (más néven szójaszósz) főtt szójabab, pörkölt gabona, sóoldat és Aspergillus oryzae vagy Aspergillus sojae penészgombák fermentált pasztájából készült fűszer. Az erjedés után a pasztát préselik, így folyékony, szójaszósz és szilárd melléktermék keletkezik, amelyet gyakran használnak takarmányként.", "A szójaszósz (a brit angolban szójaszósznak is nevezik) egy kínai eredetű folyékony fűszer, amelyet szójababból, pörkölt gabonából, sóoldatból és Aspergillus oryzae vagy Aspergillus sojae penészgombák fermentált pasztájából készítenek." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File too large to display, you can check the raw version instead.