--- license: apache-2.0 language: - tr library_name: sentence-transformers pipeline_tag: sentence-similarity base_model: moganai/MoganBERT-TR tags: - arxiv:2608.25768 - sentence-transformers - feature-extraction - sentence-similarity - turkish - mteb ---
Retrieval is the relative weak spot — for retrieval-first workloads see [Mogan-ColBERT-TR](https://huggingface.co/moganai/Mogan-ColBERT-TR). Full per-task numbers are in the [paper](https://huggingface.co/papers/2608.25768).
## Model Family
| Model | Params | Purpose |
|---|---:|---|
| [MoganBERT-TR](https://huggingface.co/moganai/MoganBERT-TR) | 149.4M | Base encoder |
| [**MoganBERT-Embed**](https://huggingface.co/moganai/MoganBERT-Embed) | 149M | Single-vector embeddings (this model) |
| [Mogan-ColBERT-TR](https://huggingface.co/moganai/Mogan-ColBERT-TR) | 148.9M | Multi-vector retrieval |
## Citation
```bibtex
@article{yilmaz2026moganbert,
title = {MoganBert-TR: A Turkish Encoder Foundation Model Trained from Scratch with a CLM-MLM Curriculum},
author = {Furkan Yilmaz and Habibe Aleyna Tasdemir and Muhammed Faruk Gozay},
journal = {arXiv preprint arXiv:2608.25768},
year = {2026}
}
```
---
---
# MoganBERT-Embed (Türkçe)
MoganBERT-Embed, [MoganBERT-TR](https://huggingface.co/moganai/MoganBERT-TR) üzerine kurulmuş 149M parametreli bir Türkçe gömme modelidir. Metni ortalama havuzlama ve L2 normalizasyon ile 768 boyutlu vektörlere eşler; anlamsal arama, kümeleme, sınıflandırma ve STS için kullanılır. Önek veya görev talimatı gerekmez.
## Kullanım
```python
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("moganai/MoganBERT-Embed")
cumleler = [
"Türkiye'nin başkenti Ankara'dır.",
"Ankara, Türkiye'nin idari merkezidir.",
"Bugün hava çok güzel.",
]
gomme = model.encode(cumleler)
print(model.similarity(gomme, gomme))
```
## Eğitim
Temel encoder üzerine iki faz; ham temsiller anizotropiktir (`cos_raw` = 0.9841) ve kosinüs benzerliğinde kullanılamaz.
**Faz 1 — öğretmen damıtma**, Qwen3-Embedding-8B'den; öğrenci öğretmenin 3072 boyutlu uzayına yukarı izdüşürülür ve kayba bir GOR anizotropi düzenlileştirme terimi eklenir. Tek başına bu faz `cos_raw`'ı 0.0851'e, sıfır-atış IR'yi 0.2361'den 0.5927'ye taşır.
**Faz 2 — kontrastif ince ayar**, zor negatifli InfoNCE ile; retrieval çiftlerine NLI, dereceli STS (CoSENT), sınıflandırma etiketleri, soru-cevap ve paralel metin sinyalleri eklenir.
Yayınlanan checkpoint, Faz 1 ve iki Faz 2 koşusunun ağırlıklı ortalamasıdır.
## Sonuçlar
MTEB(Turkish) üzerinde ölçüldü — 26 görev, fp16, kosinüs benzerliği, azami 2.048 token.
Retrieval göreli zayıf noktadır — retrieval öncelikli işler için [Mogan-ColBERT-TR](https://huggingface.co/moganai/Mogan-ColBERT-TR) modeline bakın. Görev bazlı tüm sayılar [makalede](https://huggingface.co/papers/2608.25768).
## Model Ailesi
| Model | Parametre | Amaç |
|---|---:|---|
| [MoganBERT-TR](https://huggingface.co/moganai/MoganBERT-TR) | 149.4M | Temel encoder |
| [**MoganBERT-Embed**](https://huggingface.co/moganai/MoganBERT-Embed) | 149M | Tek vektörlü gömme (bu model) |
| [Mogan-ColBERT-TR](https://huggingface.co/moganai/Mogan-ColBERT-TR) | 148.9M | Çok vektörlü retrieval |
## Atıf
```bibtex
@article{yilmaz2026moganbert,
title = {MoganBert-TR: A Turkish Encoder Foundation Model Trained from Scratch with a CLM-MLM Curriculum},
author = {Furkan Yilmaz and Habibe Aleyna Tasdemir and Muhammed Faruk Gozay},
journal = {arXiv preprint arXiv:2608.25768},
year = {2026}
}
```