Плотная BERT-модель, обученная без учителя для получения эмбеддингов текста и поиска релевантных документов.
Подходит для: векторный поиск по коллекции документов · поиск документов по естественно-языковому запросу · извлечение релевантных фрагментов для RAG-системы
Мультиязычная модель Voyage AI для создания компактных текстовых эмбеддингов и семантического поиска по документам.
Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сопоставление запросов и документов по смыслу
Компактная Model2Vec-модель создаёт 768-мерные текстовые эмбеддинги для семантического поиска и сравнения предложений.
Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сравнение сходства предложений
Компактная англоязычная модель статических эмбеддингов для быстрого семантического поиска, сравнения и ранжирования текстов.
Подходит для: семантический поиск по текстовым документам · поиск похожих предложений и фрагментов · ранжирование результатов поиска по релевантности
Разреженная модель OpenSearch кодирует документы и запросы в векторы для эффективного поиска по текстовой коллекции.
Подходит для: поиск документов по запросу в OpenSearch · поиск по коллекции научных статей · семантический поиск по базе знаний
Модель Unsloth на архитектуре Llama для извлечения признаков из текста.
Подходит для: получение векторных представлений текста · подготовка признаков для последующей обработки текста · извлечение признаков через Transformers
Компактная мультиязычная модель Jina AI создаёт текстовые эмбеддинги для поиска, сравнения, кластеризации и классификации.
Подходит для: семантический поиск по документам · поиск релевантных документов по запросу · сравнение смысловой близости текстов
Компактная мультимодальная модель для создания сопоставимых векторов текста, изображений, речи и окружающих звуков, применимых в поиске, маршрутизации и кластеризации.
Подходит для: поиск текстового описания по изображению · поиск аудиозаписей по текстовому запросу · мультимодальный поиск по тексту, изображениям и звуку
Быстрая компактная модель статических эмбеддингов для семантического поиска, сравнения и ранжирования преимущественно англоязычных текстов.
Подходит для: семантический поиск по англоязычным документам · поиск похожих предложений и абзацев · ранжирование текстов по смысловому соответствию запросу
Англоязычный энкодер предложений, создающий семантические векторы для поиска, сравнения и кластеризации текстов.
Подходит для: семантический поиск по коротким текстам · поиск похожих предложений и абзацев · кластеризация текстов по смыслу
Квантованные 300-мерные английские векторы GloVe-6B для вычисления семантического сходства и создания NLP-признаков.
Подходит для: вычисление семантического сходства предложений на английском · получение эмбеддингов отдельных английских слов · создание признаков для классических NLP-моделей
Модель Salesforce Research преобразует английские тексты в эмбеддинги для семантического поиска и сравнения сходства.
Подходит для: семантический поиск по коллекции документов · поиск похожих предложений · ранжирование текстов по смысловой близости
Компактная BERT-модель OpenSearch кодирует документы в разреженные векторы для эффективного поиска по тексту.
Подходит для: семантический поиск документов в OpenSearch · поиск passages по текстовым запросам · индексация документов разреженными векторами
Многоязычная разреженная BERT-модель OpenSearch для кодирования документов и запросов в поиске по текстам.
Подходит для: семантический поиск документов в OpenSearch · поиск по пассажам в многоязычных коллекциях · расширение документов для повышения полноты поиска
Разреженный энкодер OpenSearch на базе DistilBERT для семантического поиска документов и извлечения релевантных фрагментов.
Подходит для: поиск релевантных документов в корпусе · поиск ответов и фрагментов для системы вопросов и ответов · семантический поиск в OpenSearch с обратным индексом Lucene
Компактная трёхслойная модель MiniLM для извлечения векторных представлений текста.
Подходит для: получение эмбеддингов текстов · подготовка признаков для семантического поиска · представление текста для последующей классификации
Англоязычная модель на базе энкодера T5-large, которая строит 768-мерные эмбеддинги предложений и абзацев для семантического поиска.
Подходит для: семантический поиск по базе документов · поиск релевантных абзацев по запросу · создание векторного индекса текстов
Модель кодирует предложения и абзацы в векторы для семантического поиска, сравнения текстов и кластеризации.
Подходит для: семантический поиск по коллекции документов · сравнение смысловой близости предложений · поиск перефразировок
Модель кодирует предложения и абзацы в 768-мерные векторы для семантического поиска, сравнения сходства и кластеризации текстов.
Подходит для: семантический поиск по коллекции текстов · поиск предложений с близким смыслом · сравнение семантического сходства текстов
Модель преобразует предложения и абзацы в 1024-мерные векторы для семантического поиска, сравнения и кластеризации текстов.
Подходит для: семантический поиск по предложениям и документам · сравнение смысловой близости текстов · кластеризация предложений и абзацев
Компактная англоязычная BERT-модель BGE для создания текстовых эмбеддингов, семантического поиска и сравнения предложений.
Подходит для: семантический поиск по англоязычным документам · поиск релевантных фрагментов для RAG · сравнение смысловой близости предложений
Модель MPNet превращает предложения и абзацы в 768-мерные векторы для семантического поиска, сравнения текстов и кластеризации.
Подходит для: поиск документов по смыслу запроса · сравнение семантической близости предложений · кластеризация похожих текстов
Модель Unsloth AI семейства Llama для извлечения признаков и получения представлений текста.
Подходит для: получение признаковых представлений текста · извлечение векторов для поиска по сходству · подготовка текстовых признаков для downstream-моделей
Многоязычная модель BERT преобразует предложения и абзацы в 384-мерные векторы для семантического поиска, сравнения сходства и кластеризации.
Подходит для: семантический поиск по коллекции текстов · поиск перефразированных вопросов и предложений · сравнение смысловой близости текстов