Science ouverte
Modèles, bancs d’essai et données ouverts
Ce que nous rendons à la communauté de l’IA : modèles, bancs d’essai, données annotées et code, chacun avec son article. Les chiffres Hugging Face sont actualisés chaque jour.
Banc d’essai et modèles
PatenTEB et patembed
Un banc de 15 tâches et 2,06 millions d’exemples pour la représentation des brevets, avec la famille de modèles patembed. patembed-base annonce 0,494 sur la tâche MTEB BigPatentClustering.v2, contre 0,445 pour le meilleur précédent ; les modèles ne sont pas encore soumis au classement MTEB.
Jeu de données intégré à MTEB
DAPFAM
Un jeu de données au niveau des familles pour évaluer la recherche de brevets entre domaines. Ses 18 tâches, et un nouveau type de tâche « recherche de brevets », ont été intégrés en septembre 2025 à MTEB, le banc de référence des modèles de représentation.
Données annotées par des experts
Contradictions dans les brevets
1 600 brevets contenant une contradiction TRIZ et 1 600 sans, choisis par des experts parmi environ 20 000 lus, pour entraîner et évaluer l’extraction de contradictions (IEEE ICDM 2021).
Hugging Face
Modèles
Des modèles de représentation des brevets, entraînés à Strasbourg avec un budget frugal.
Les modèles et jeux de données sont publiés sous le compte d’Iliass Ayaou (datalyes) ; l’organisation de la Chaire sur Hugging Face est INSAstrasbourg. huggingface.co/datalyes · huggingface.co/INSAstrasbourg
12 modèles · 23 156 téléchargements au total · licence CC BY-NC-SA 4.0 (non commerciale)
| Nom | Tâche | Téléchargements | J’aime |
|---|---|---|---|
| patembed-large | sentence-similarity | 13 901 | 2 |
| patembed-base | sentence-similarity | 6 176 | 0 |
| patembed-base_long_4096 | sentence-similarity | 2 025 | 0 |
| patembed-base_small | sentence-similarity | 578 | 0 |
| patembed-large_no_prompts | sentence-similarity | 476 | 0 |
| patembed-small | sentence-similarity | 0 | 0 |
| patembed-mini | sentence-similarity | 0 | 0 |
| patembed-nano | sentence-similarity | 0 | 0 |
| patembed-base_long_1024 | sentence-similarity | 0 | 0 |
| patembed-base_long_2048 | sentence-similarity | 0 | 0 |
| patembed-large_all_ret_only | sentence-similarity | 0 | 0 |
| patembed-large_all_no_classif | sentence-similarity | 0 | 0 |
Hugging Face
Jeux de données et bancs d’essai
Des tâches de recherche, de classification et de regroupement construites à partir de brevets, prêtes à réutiliser.
16 jeux de données · 11 720 téléchargements au total
| Nom | Téléchargements | J’aime |
|---|---|---|
| DAPFAM_patent | 8 307 | 9 |
| retrieval_IN | 348 | 1 |
| problem2full | 304 | 0 |
| effect2full | 295 | 0 |
| title2full | 249 | 0 |
| problem2solution | 242 | 1 |
| retrieval_OUT | 230 | 1 |
| clusters_inventor | 225 | 0 |
| effect2substance | 218 | 0 |
| retrieval_MIXED | 204 | 1 |
| clusters_ext_full_ipc | 203 | 0 |
| class_bloom | 190 | 0 |
| para_solution | 188 | 0 |
| class_text2ipc3 | 181 | 0 |
| class_nli_oldnew | 173 | 0 |
| para_problem | 163 | 0 |
Code
Les dépôts publics qui accompagnent les articles. Les logiciels phares, eux, sont réservés aux membres.
- PatenTEB ↗
Code et ressources du banc PatenTEB.
- PaGAN ↗
Extraction de contradictions dans les brevets (IEEE ICDM 2021), avec le jeu annoté.
- MTEB — tâches DAPFAM ↗
Notre contribution au banc de référence des modèles de représentation.
Des heures de GPU, des crédits de calcul, des problèmes annotés ou du temps d’expert à partager ?
Contribuer en ressources