Update README.md

README.md

@@ -56,7 +56,7 @@ model-index:
 ---
 
 
-# DiTy/rubert-bi-encoder-mmarcoRU
+# DiTy/bi-encoder-russian-msmarco
 
 This is a [sentence-transformers](https://www.SBERT.net) model based on a pre-trained [DeepPavlov/rubert-base-cased](https://huggingface.co/DeepPavlov/rubert-base-cased) and finetuned with [MS-MARCO Russian passage ranking dataset](https://huggingface.co/datasets/unicamp-dl/mmarco):
 It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for asymmetric semantic search in the Russian language.
@@ -83,7 +83,7 @@ sentences = [
     'Тест направлен на то, чтобы выяснить, не получает ли какой-либо участок сердечной мышцы достаточный кровоток во время тренировки. Он похож на тест с физической нагрузкой, фармакологический или химический стресс-тест. Он также известен при стресс-тесте таллием, сканировании перфузии миокарда или радионуклидном тесте.'
 ]
 
-model = SentenceTransformer('DiTy/rubert-bi-encoder-mmarcoRU')
+model = SentenceTransformer('DiTy/bi-encoder-russian-msmarco')
 embeddings = model.encode(sentences)
 results = util.semantic_search(embeddings[0], embeddings[1:])[0]
 
@@ -116,8 +116,8 @@ sentences = [
 ]
 
 # Load model from HuggingFace Hub
-tokenizer = AutoTokenizer.from_pretrained('DiTy/rubert-bi-encoder-mmarcoRU')
-model = AutoModel.from_pretrained('DiTy/rubert-bi-encoder-mmarcoRU')
+tokenizer = AutoTokenizer.from_pretrained('DiTy/bi-encoder-russian-msmarco')
+model = AutoModel.from_pretrained('DiTy/bi-encoder-russian-msmarco')
 
 # Tokenize sentences
 encoded_input = tokenizer(sentences, max_length=512, padding='max_length', truncation=True, return_tensors='pt')