model card @ step 500 (nDCG@10=0.4235)

README.md

@@ -0,0 +1,39 @@
+---
+language: ja
+license: apache-2.0
+library_name: sentence-transformers
+pipeline_tag: sentence-similarity
+tags: [sentence-transformers, medical, japanese, ruri, modernbert, embedding]
+base_model: genshiai-daichi/med-ruri-v3-70m
+---
+
+# med-ruri-v3-70m-v2-from-med
+
+日本語**医療ドメイン**の文埋め込みモデル (ruri-v3 / ModernBERT-Ja ベース)。**学習進行中の自動アップロード**です。
+
+## このモデルの位置づけ
+**継続学習**: 既に医療 fine-tune 済みの `genshiai-daichi/med-ruri-v3-70m`(v1) の上に v2 レシピで追加学習
+
+- **現在の step**: `500`  /  **in-domain nDCG@10**: `0.4235` 
+- 各 step は `step-500` のように **revision ブランチ**で固定取得可。`main` は常に最新。
+- step ごとの指標推移: [`metrics_progress.json`](./metrics_progress.json)
+
+## v2 学習レシピ
+- **精度**: fp32 重み + **TF32 matmul**（ModernBERT は bf16 計算で grad nan 崩壊するため。TF32 で安定かつ高速）
+- **NFKC 正規化**: PDF 由来の康熙部首などの tokenizer 汚染を除去
+- **strip-year**: ヘッダの発行年【…（YYYY）…】を除去し、埋め込みを版非依存に
+- **temporal hard-negative**: 旧版チャンクを hard-neg に（年号への過適合＝「学習分布に近い版」嗜好を抑制）, oversample ×10
+- **loss**: MultipleNegativesRankingLoss (scale=50, temp=0.02), lr=1e-5
+- **prefix (必須)**: query=`検索クエリ: ` / document=`検索文書: `（付けないと精度が大きく落ちる）
+
+## 使い方
+```python
+from sentence_transformers import SentenceTransformer
+m = SentenceTransformer("genshiai-daichi/med-ruri-v3-70m-v2-from-med", revision="step-500")  # main で最新も可
+q = m.encode(["検索クエリ: 心不全の標準治療は"], normalize_embeddings=True)
+d = m.encode(["検索文書: 【…】 …本文…"], normalize_embeddings=True)
+```
+
+## 注意
+- **serving 側も train と同じ前処理 (NFKC + strip-year) が必須**（train/serve skew 回避）。
+- 学習中の中間 checkpoint です。最終版・各 step の nDCG@10 比較は `metrics_progress.json` を参照。