KURE-Sparse-nano

KURE-Sparse-nano

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。

由 nlpai-lab 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：KURE-Sparse-nano 是一个面向韩语和英语文本的小型搜索模型，约 149M 参数。它是学习型稀疏检索器。模型把任何文本映射到 36,282 个已知词项上，并给每个词项一个权重。因为词项是固定的，倒排索引可以存放文档，你也能直接看到哪些词项匹配。

它能处理最长 8,192 个词元的长文档。它建立在 KURE-v2-unsupervised 模型之上。

适合谁：它适合做韩语搜索、问答或 RAG 系统检索的开发者，尤其是想要一个匹配结果可检查的小模型。约 299 MB 的 BF16 权重文件在普通硬件上也放得下。

行业 | 谁在用 | 怎么用 | 例子
软件 | 搜索工程师 | 在倒排索引上构建韩语文档搜索 | 为一个问题找到合适的帮助文章
法律和公共服务 | 知识库团队 | 从长文本里检索段落 | 在一份长法规里定位一段内容
AI 应用 | RAG 开发者 | 为语言模型获取上下文 | 把最相关的段落交给聊天机器人
研究 | NLP 研究者 | 比较稀疏检索和稠密检索 | 在韩语检索基准上测试

如果你不做搜索或检索，或者你的文本既不是韩语也不是英语，可以跳过它。

用在哪里：

• 装有 Sentence Transformers 库的 Python，使用它的稀疏编码器
• Windows、macOS 或 Linux，下载步骤需要 Python
• 模型作者提供的托管 API，需要用 GitHub 登录获取密钥

用例 | 谁用 | 得到什么
编码查询 | 开发者 | 一个 36,282 维的稀疏向量，平均约 147 维有值
编码文档 | 开发者 | 平均约 843 维有值的稀疏向量
匹配打分 | 搜索工程师 | 点积分数，分数越高越相关

如何设置：先准备好下面这些东西。

• Python 和 pip
• Sentence Transformers 库
• 允许运行模型自带的代码，因为模型卡把 trust_remote_code 设为 true

1. 用 pip 安装 Sentence Transformers 库。
2. 用稀疏编码器类按名称加载模型。
3. 对查询和你的文档编码，然后比较它们。

pip install -U sentence-transformers

如果想把仓库文件下载到你的电脑，可以用 Hugging Face 自己的步骤。

pip install -U huggingface_hub
hf download nlpai-lab/KURE-Sparse-nano

如何使用：你用 encode_query 处理问题，用 encode_document 处理文本。它们各自附上训练时用过的对应标记，一个用于查询，一个用于文档。然后 similarity 给出点积分数，分数越高表示越接近。

from sentence_transformers import SparseEncoder

model = SparseEncoder("nlpai-lab/KURE-Sparse-nano", trust_remote_code=True)

query = "훈민정음은 언제 만들어졌나요?"
documents = [
    "세종대왕은 1443년에 훈민정음을 창제하고 1446년에 이를 반포하였다.",
    "김치는 배추나 무를 소금에 절인 뒤 고춧가루와 젓갈을 넣어 발효시킨 음식이다.",
    "한라산은 해발 1,947m로 남한에서 가장 높은 산이며 제주도 중앙에 자리한다.",
]

query_embeddings = model.encode_query(query)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# torch.Size([36282]) torch.Size([3, 36282])

# Dot-product scores (higher is more relevant)
scores = model.similarity(query_embeddings, document_embeddings)
print(scores)
# tensor([[119.3931,  11.5758,   6.4037]])

工具 | 作用
encode_query | 把问题变成稀疏向量，并加上查询标记
encode_document | 把一段或多段文本变成稀疏向量，并加上文档标记
similarity | 用点积给查询和文档打分

示例：你用韩语问训民正音是什么时候创制的，并传入三篇简短文档。第一篇讲创制它的国王，得分 119.3931。另外两篇得分是 11.5758 和 6.4037，所以第一篇排在最前面。

新手与专家：先从上面的代码开始。它只需要三段短文本，并为每段打印一个分数，所以你能看到排序是怎么回事。然后再试你自己的韩语句子。

学习型稀疏检索保留了关键词搜索的透明度，同时学会哪些词项重要。模型卡报告它在 MTEB(kor, v2) 检索任务上的平均 nDCG@10 是 0.7716，是支持韩语的 0.5B 以下稀疏模型里最好的，并称它胜过一些大得多的稠密模型。

Title: 模型卡中的平均有值维度数
每个查询: 147 dimensions
每篇文档: 843 dimensions

安装 sentence-transformers
按名称加载稀疏编码器
对查询和文档编码
用点积打分并排序

注意事项：

• License: Apache 2.0
• Cost to run: 自己运行的费用来源没有提到，托管 API 需要用 GitHub 登录获取密钥，没有显示价格
• Data it reaches: 它从 Hugging Face 下载文件，托管 API 方式会把你的文本发送到网络服务

Hugging Face 上的数据（2026年11月13日）

• 任务：feature extraction
• 框架：sentence-transformers
• 参数量：149M
• Weights: about 299 MB in BF16; about 75 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：973
• 点赞：19
• 许可证：apache-2.0
• 语言：ko, en
• 基于：nlpai-lab/KURE-v2-unsupervised
• 标签：sentence-transformers, safetensors, modernbert, sparse-encoder, sparse, splade, learned-sparse-retrieval, feature-extraction, text-embeddings-inference

链接

• 模型：https://huggingface.co/nlpai-lab/KURE-Sparse-nano
• 文件：https://huggingface.co/nlpai-lab/KURE-Sparse-nano/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nlpai-lab/KURE-Sparse-nano

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。