# AlphaEdge AI publica un modelo francés de embeddings dispersos > AlphaEdge AI publicó Sparseup-fr, una adaptación al francés del método de código abierto de Linkup, junto con una prueba NanoBEIR-fr depurada. - URL canónica: https://newsverum.com/es/news/alphaedge-releases-french-sparse-embedding-model-october-2026 - Publicación: Newsverum - Sección: Tecnología - Publicado: 2026-10-15T19:00:44+00:00 - Actualizado: 2026-10-15T19:00:44+00:00 - Período del evento / de los datos: 2026-10-12 - Otras ediciones: [Türkçe](https://newsverum.com/tr/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md), [English](https://newsverum.com/en/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md), [العربية](https://newsverum.com/ar/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md), [Français](https://newsverum.com/fr/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md), [Deutsch](https://newsverum.com/de/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md), [Português](https://newsverum.com/pt/news/alphaedge-releases-french-sparse-embedding-model-october-2026.md) AlphaEdge AI publicó Sparseup-fr en Hugging Face, una reproducción en francés del enfoque de embeddings dispersos de texto de Linkup. El equipo dijo que utilizó una base multilingüe mLateOn-unsupervised y una cabeza de modelo de lenguaje enmascarado mmBERT-base recortada a un vocabulario francés; el entrenamiento duró unas 55 horas en una sola GPU RTX 6000 Pro. En la prueba NanoBEIR-fr depurada de 13 conjuntos de datos, Sparseup-fr quedó primero en ocho, el modelo disperso multilingüe comparado de OpenSearch en tres y SPLADE CamemBERT en dos. El equipo dijo que comprobó posibles filtraciones entre los datos de entrenamiento y la prueba y eliminó filas sospechosas, pero no examinó posibles problemas de anotación. La publicación incluye los archivos del modelo y la prueba depurada; los resultados son una evaluación de sus propios autores. ## Datos ### Modelos dispersos líderes en NanoBEIR-fr Número de conjuntos de datos en los que cada modelo quedó primero en la prueba francesa NanoBEIR depurada, con 13 conjuntos. Metodología: Las cifras se contaron en la tabla de resultados NanoBEIR-fr depurada publicada por AlphaEdge AI el 12 de octubre de 2026. Los autores dijeron haber eliminado filtraciones de datos y filas sospechosas, pero no investigaron posibles problemas de anotación. No es una evaluación independiente. | label | value | unit | period | basis | |---|---|---|---|---| | Conjuntos liderados por Sparseup-fr | 8 | count | 2026-10-12 | observed | | Conjuntos liderados por el modelo disperso multilingüe de OpenSearch | 3 | count | 2026-10-12 | observed | | Conjuntos liderados por el modelo SPLADE CamemBERT | 2 | count | 2026-10-12 | observed | Fuentes: · Descargar datos: [JSON](https://newsverum.com/api/v1/articles/alphaedge-releases-french-sparse-embedding-model-october-2026/data/nanobeir-fr-sparse-model-leads?lang=es&format=json) · [CSV](https://newsverum.com/api/v1/articles/alphaedge-releases-french-sparse-embedding-model-october-2026/data/nanobeir-fr-sparse-model-leads?lang=es&format=csv) ## Fuentes - [AlphaEdge AI]() (Fuente comprobada: 2026-10-15; Publicado: 2026-10-12) --- Cite la URL canónica indicada arriba. [Principios editoriales y correcciones](https://newsverum.com/es/editorial)