Мультиязычная модель на базе Qwen2 для создания текстовых эмбеддингов и поиска семантически похожих фраз.
Подходит для: семантический поиск по многоязычной коллекции документов · поиск похожих предложений и запросов · ранжирование текстов по смысловой близости
Мультиязычная модель KaLM-Embedding-V2.5 преобразует тексты в векторы для семантического поиска, ранжирования и других задач сопоставления текстов.
Подходит для: поиск документов по текстовому запросу · переранжирование результатов поиска · кластеризация похожих текстов
Диалоговая модель Xing4.0, дообученная для ответов на финансовые вопросы и анализа финансовых текстов на китайском и английском языках.
Подходит для: ответы на вопросы по бухгалтерскому учёту и финансам · разбор вопросов финансовых экзаменов с пояснениями · ответы на вопросы по финансовой отчётности и документам
Модель преобразует текстовые задачи исследования операций в математические постановки и код Python для Gurobi или Pyomo.
Подходит для: формализация задачи оптимизации из текстового описания · выделение переменных, целевой функции и ограничений · генерация кода Gurobi на Python
Многоязычная модель на базе Qwen2-0.5B для создания эмбеддингов и оценки семантического сходства текстов.
Подходит для: семантический поиск по коллекции документов · сравнение сходства двух предложений · поиск похожих текстов и фрагментов
Производная модели HIT-TMG/KaLM-embedding-multilingual-mini-instruct-v1.5. Многоязычная модель на базе Qwen2-0.5B для создания эмбеддингов и оценки семантического сходства текстов.
Подходит для: семантический поиск по коллекции документов · сравнение сходства двух предложений · поиск похожих текстов и фрагментов
Дообученная на игровых вопросах модель Qwen3 создаёт текстовые эмбеддинги и помогает JevEmbed выбирать действия, оценивать состояния и определять вероятность столкновений.
Подходит для: выбор действия персонажа по описанию игровой ситуации · оценка точности прицеливания в Doom · определение вероятности столкновения в игре Snake
Дообученная модель Qwen3 для текстовых эмбеддингов и решений JevEmbed Choice, Score и Noul.
Подходит для: выбор наиболее подходящего ответа в JevEmbed · оценка уровня ответа на вопрос · принятие решения Noul по запросу
Мультимодальная модель Uni-MoE 2.0, дообученная для генерации изображений по текстовым запросам.
Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта по запросу · визуализация идей и сцен из текстового промпта
Дообученная на примерах JevEmbed мультиязычная модель эмбеддингов для выбора и оценки текстовых кандидатов по их смысловому соответствию.
Подходит для: выбор наиболее подходящего действия из текстовых кандидатов · оценка соответствия кандидата критериям по шкале · бинарная проверка условия или исхода по паре текстов
Открытая омнимодальная модель для диалога, понимания мультимодальных данных и генерации изображений и аудио.
Подходит для: диалог с учётом изображений и аудио · анализ и обсуждение изображений · понимание аудиовходов