I.11Классификация, ранжирование и сопоставление

MoritzLaurer/bge-m3-zeroshot-v2.0 — модель нулевой классификации текста, разработанная Moritz Laurer и дообученная на базе BAAI/bge-m3-retromae. Она использует архитектуру XLM-RoBERTa с классификационной головой и определяет, следует ли считать гипотезу истинной или неистинной относительно входного текста; этот формат NLI позволяет формулировать задачу как выбор одной или нескольких меток без обучающих примеров. Модель содержит 658,7 млн параметров, принимает текстовые входы длиной до 8194 токенов и доступна в форматах Safetensors и ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов по заданным пользователем категориям на CPU или GPU. В оценке на 28 задачах классификации автор сообщает средний macro-F1 0,59 для zero-shot режима; результаты зависят от формулировок гипотез и меток. Модель поддерживает многоязычные сценарии, хотя README не приводит список конкретных языков. Ограничение модели — работа только с классификацией текста; возможны смещения из базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT.

Moritz Laurer разработал эту модель для классификации текста без размеченных примеров. Она переформулирует задачу в проверку гипотезы: оценивает, следует ли заданный класс или утверждение из текста, и поддерживает выбор одного либо нескольких классов через pipeline Hugging Face zero-shot-classification. Модель основана на XLM-RoBERTa, дообучена на BAAI/bge-m3-retromae и содержит около 658,7 млн параметров; заявленная длина контекста — 8194 токена. Модель многоязычная и работает на CPU и GPU. Версия с суффиксом «-c» обучена на синтетических данных, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI, которые автор характеризует как коммерчески совместимые. Она оценивалась на 28 задачах классификации; в приведённых примерах показывает результаты, сопоставимые с базовыми zero-shot классификаторами. Качество зависит от формулировки гипотез и названий классов, а возможные смещения связаны с базовой моделью и обучающими данными. Модель рассчитана только на классификацию текста. Лицензия репозитория — MIT.

BAAI/BGE-VL-MLLM-S1 — мультимодальная модель эмбеддингов для поиска по изображениям, разработанная BAAI и представленная в работе MegaPairs. Она принимает изображение, текст или их сочетание и кодирует входы в векторы для сравнения запросов с кандидатами. Текстовая инструкция позволяет задавать критерии поиска, в том числе для поиска изображения по тексту и изображению одновременно. Модель основана на LLaVA-NeXT с архитектурой Mistral-7B и дообучена для мультимодального поиска. Для изображений рекомендуется размер 512 × 512 пикселей; размерность эмбеддингов в примере Sentence Transformers — 4096. Модель предназначена для вычисления сходства между запросом и изображениями-кандидатами, а не для генерации описаний или ответов.

Bhasha embed v0 — модель эмбеддингов Akshita Sukhlecha на базе google/muril-base-cased. Она преобразует предложения и тексты на хинди письмом деванагари, английском и хинди в латинской транслитерации в векторы размерности 768, предназначенные для сравнения по косинусному сходству. Модель рассчитана на межъязыковое сопоставление и поиск по смешанным корпусам, где встречаются тексты на хинди, английском и транслитерированном хинди. Она использует архитектуру BERT, обучалась дистилляцией англоязычной модели эмбеддингов и дообучением на триплетных данных. Максимальная длина последовательности — 512 токенов. Модель опубликована под лицензией Apache-2.0. Карточка заявляет поддержку романизированного хинди и межъязыкового выравнивания; результаты приведены для нескольких задач поиска и сходства. Качество может зависеть от языка, письма и состава корпуса; сведения карточки не задают отдельные ограничения по применению.

teven/bi_all_bs160_allneg_finetuned_WebNLG2020_correctness — модель Sentence Transformers на базе архитектуры MPNet, разработанная автором teven. Она преобразует предложения и абзацы в плотные векторы размерности 768 для вычисления семантического сходства, кластеризации и семантического поиска. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Модель дообучена с функцией потерь CosineSimilarityLoss; название указывает на обучение на данных WebNLG2020 для оценки корректности. Её можно применять для поиска текстов со сходным смыслом и группировки текстовых фрагментов. Данных о лицензии и поддерживаемых естественных языках в доступных источниках нет.

bilingual-embedding-base — модель для получения векторных представлений предложений на английском и французском языках. Репозиторий yco является форком Lajavaness/bilingual-embedding-base; в README указано, что изменение касается имени типа модели для совместимости с text-embeddings-inference. Модель основана на XLM-RoBERTa и дообучена на парах предложений для семантического сходства: в обучении использовались SNLI и XNLI, наборы STS на английском и французском, а также дополненные обучающие примеры. Модель кодирует текст в эмбеддинги для семантического поиска, сопоставления сходства и кластеризации. Архитектура Sentence Transformers включает усреднение токенных представлений и нормализацию; README описывает векторное пространство размерности 1024, тогда как архитектурный блок указывает размерность токенных эмбеддингов 768. Метаданные указывают 305,2 млн параметров и контекст до 514 токенов. Доступны форматы ONNX и Safetensors, лицензия Apache-2.0. Модель предназначена для английского и французского языков, поэтому её пригодность для других языков не подтверждена. README не содержит результатов оценки качества; фактическую производительность на целевом наборе данных следует проверять отдельно.

Это модель Sentence Transformer на базе BERT, опубликованная pankajrajdeo. Она преобразует предложения и абзацы в плотные векторы размерностью 384, пригодные для сравнения по косинусному сходству. Архитектура использует усреднение токенных представлений; максимальная длина входа составляет 1024 токена. В метаданных указано 50,3 млн параметров, библиотека sentence-transformers и формат safetensors. Модель предназначена для поиска семантически близких текстов, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Карточка сообщает об обучении на парах anchor-positive и использует MultipleNegativesRankingLoss. Название репозитория указывает на биомедицинскую тематику обучения, в том числе UMLS, PubMed и PMC, однако описание датасета в README приводит также примеры общего характера. Языки и лицензия в предоставленных данных не указаны. Для работы с моделью подходит библиотека Sentence Transformers; результатом являются векторы текста, а не готовые ответы или метки. Качество на конкретных языках и предметных областях следует проверять отдельно.

BjarneNPO/BjarneNPO-01_09_2025_15_34_35 — дообученная BjarneNPO модель Sentence Transformer на базе shibing624/text2vec-base-multilingual. Она использует архитектуру BERT и преобразует предложения и абзацы в плотные эмбеддинги размером 384 для сравнения смысловой близости, семантического поиска, поиска перефразировок, классификации и кластеризации текстов. Для сопоставления в README указана косинусная близость; метаданные сообщают контекстное окно до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель обучалась на парах запросов и ответов, включая примеры на немецком языке, и предназначена для семантического поиска по тематически специализированным текстам. Она поддерживает многоязычные текстовые эмбеддинги; обучающие примеры указывают на немецкоязычный материал. Для использования подходит библиотека Sentence Transformers. В README приведены результаты оценки поиска, однако они не подтверждают качество на других данных или языках. Лицензия в предоставленных сведениях не указана.

BjarneNPO/BjarneNPO-28_08_2025_14_24_44 — дообученная BjarneNPO модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений; сходство векторов можно оценивать косинусной мерой. Модель содержит 305,2 млн параметров и рассчитана на последовательности длиной до 514 токенов по метаданным; в README указана максимальная длина 128 токенов. Обучение проведено на 72 349 парах запрос–ответ с функцией MultipleNegativesRankingLoss. Примеры обучающих данных и оценка поиска в README ориентированы на немецкоязычные обращения в службу поддержки, поэтому модель подходит для поиска релевантных ответов в подобных корпусах. Многоязычная базовая модель позволяет работать с разными языками, но основной язык и перенос качества на другие задачи отдельно не подтверждены. Опубликована в формате safetensors; лицензия в предоставленных данных не приведена.

Bongard-mini — открытая модель для оценивания вариантов и вынесения суждений, разработанная на архитектуре encoder-decoder T5Gemma 2 4B-4B. Она принимает текст, структурированные данные или изображения вместе с вопросами и кандидатами ответов либо действий, а возвращает вероятностное распределение по вариантам вместо генерации текста. Модель предназначена для параллельной оценки нескольких вопросов об одном и том же состоянии, включая выбор следующего действия агента. Модель содержит 7,51 млрд параметров, из которых 7,09 млрд обучались; зрительная башня оставалась замороженной. Обучение охватывало суждения, семантические отношения и последствия действий. Заявлены поддержка английского и китайского языков, а базовая модель описана как мультимодальная с контекстом до 128 тыс. токенов. Лицензия — Gemma. README приводит результаты игровых демонстраций и тестов скорости, но они относятся к указанным условиям и не гарантируют аналогичных результатов на произвольных задачах.

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220810-185342 — дообученный классификатор текста на базе RoBERTa, разработанный carted-nlp. Модель содержит 36 млн параметров и принимает текст с контекстным окном до 514 токенов. Она предназначена для классификации текстов. В карточке приведены результаты оценки: accuracy 0,87 и F1 0,869. Данные о классах, обучающем наборе и целевой области применения не раскрыты. Модель распространяется в формате PyTorch; лицензия в предоставленных сведениях не указана.

Amdestya/ce-cat-distilbert — перекрёстный ранжировщик текстовых пар на базе DistilBERT, обученный Amdestya для диссертационного исследования по воспроизведению работ в информационном поиске. Модель получает запрос и фрагмент текста отдельно и оценивает их релевантность одним логитом: чем выше оценка, тем релевантнее фрагмент. Вход следует подавать в формате «запрос» и «фрагмент»; числовой балл BM25 в запрос добавлять не следует. Модель обучена с функцией потерь cross-entropy на бинарной релевантности и ранней остановкой по nDCG@10 на валидации. Это парный no-injection baseline для сравнения с Amdestya/ce-bm25cat-distilbert; README указывает, что варианты различаются только построением входа. Контекст ограничен 512 токенами, используется библиотека sentence-transformers и формат safetensors. Модель ориентирована на английский язык. Лицензия Apache-2.0.

ODeNy/ChecketV2 — модель Sentence Transformers, дообученная разработчиком ODeNy на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой и перефразированной близости с помощью косинусного сходства. Основное применение — оценка сходства формулировок; также модель подходит для семантического текстового сходства и поиска похожих фрагментов. Сравнение текстов по стилю автор README называет экспериментальным сценарием. Модель построена на XLM-RoBERTa с усреднением токенных представлений и обучена с CoSENTLoss на датасете ODeNy/ChecketV2-Dataset. README указывает максимальную длину последовательности 128 токенов; метаданные каталога сообщают нативный контекст 514 токенов. Карточка называет нидерландский основным языком и заявляет многоязычность, но конкретный перечень дополнительных языков не приводит. Лицензия — Apache 2.0.

OFA-Sys разработала базовую версию Chinese CLIP — мультимодальную модель сопоставления изображений и текста. В ней используется ViT-B/16 как визуальный энкодер и RoBERTa-wwm-base как текстовый энкодер; модель обучена на наборе примерно из 200 миллионов китайских пар «изображение — текст». Репозиторий содержит веса PyTorch. Модель предназначена для классификации изображений по текстовым описаниям без специального дообучения: пользователь задаёт варианты классов текстом, а модель оценивает их соответствие изображению. Она также формирует эмбеддинги изображений и текста и оценивает сходство между ними, что подходит для поиска и сопоставления изображений с китайскими текстами. Карточка приводит результаты на задачах поиска по MUGE, Flickr30K-CN и COCO-CN, а также на zero-shot классификации. Модель ориентирована на китайский язык; сведения о лицензии в предоставленных данных отсутствуют.

Chinese-CLIP ViT-H/14 — модель сопоставления изображений и текста, разработанная OFA-Sys. Она использует ViT-H/14 как визуальный энкодер и RoBERTa-wwm-large как текстовый энкодер; модель обучена на крупном наборе примерно из 200 млн китайских пар «изображение—текст». Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, вычисления эмбеддингов изображений и текста, оценки их сходства и поиска изображений по текстовому запросу. Модель подходит для китайскоязычного поиска по изображениям и классификации с произвольными текстовыми метками. В карточке также приведены результаты для задач поиска по тексту на MUGE, Flickr30K-CN и COCO-CN. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

claif-roberta-base — модель OpenMOSS-Team для построения эмбеддингов предложений и абзацев. Она основана на RoBERTa и выдаёт плотные векторы размерности 768; модель обучали с функцией потерь CosineSimilarityLoss и распространяют в формате PyTorch. Модель подходит для семантического поиска, сравнения текстов и кластеризации. Векторные представления можно использовать для поиска похожих фрагментов в коллекции документов или группировки текстов по смыслу. Доступна лицензия Apache-2.0. Контекст модели составляет 514 токенов. Карточка указывает английский язык; качество на других языках не подтверждено. Для использования через Transformers требуется применить корректную операцию pooling к контекстным представлениям токенов.

ClassOne Gemma 4 E2B — дообученная модель принятия решений, разработанная devops-thiago на основе google/gemma-4-E2B-it. Она классифицирует входной текст за один проход и возвращает типизированные вероятностные результаты без пошаговой генерации текста: булеву оценку Noul, выбор из нескольких вариантов Choice или оценку по шкале Score. Модель предназначена для проверок условий, выбора между вариантами и выставления оценок по заданным рубрикам, в том числе в локальных сценариях, где важны малая задержка и конфиденциальность. В README приведены результаты на JevBench и RLCDAlignBench; на сложном уровне JevBench точность существенно ниже, чем на простом, а оценки безопасности охватывают ограниченный набор тестов. Архитектура — плотная Gemma 4; веса опубликованы в формате safetensors. Лицензия — Apache 2.0.

CLIPCLAP — мультимодальная модель эмбеддингов, разработанная antflydb. Она объединяет текстовый и визуальный энкодеры OpenAI CLIP с аудиоэнкодером LAION CLAP, сопоставляя текст, изображения и аудио в общем 512-мерном векторном пространстве. Все выходные векторы L2-нормализованы и могут напрямую сравниваться с помощью косинусного сходства. Модель предназначена для мультимодального поиска, построения единых индексов медиафайлов, кросс-модального поиска и обнаружения аудиовизуального контента, включая сценарии текст↔изображение↔аудио. Для текста и изображений используются стандартные энкодеры CLIP ViT-B/32, для аудио — HTSAT из LAION CLAP. Аудиопроекция дополнительно обучена на 5000 парах аудио-описание из AudioCaps с использованием контрастивной функции потерь InfoNCE, чтобы сопоставить аудиопространство с пространством CLIP. Ключевые ограничения модели: аудио обрезается примерно до 10 секунд, поддержка текста преимущественно ориентирована на английский язык, а качество поиска аудио по изображениям может быть ниже, поскольку проекция обучалась через сходство аудио и текста, без прямых пар аудио-изображение. Модель также наследует ограничения CLIP в тонкой визуальной классификации, подсчёте объектов и работе с абстрактными понятиями; аудиочасть может хуже работать с узкоспециализированными звуковыми доменами. Распространяется по лицензии MIT.

CLIP ConvNeXt-Base с широким размером эмбеддингов — модель сопоставления изображений и текста, обученная Ross Wightman с помощью OpenCLIP на подмножестве LAION. Вариант с «320» в названии использует разрешение изображения 320×320; визуальный энкодер основан на timm ConvNeXt-Base, текстовый — на текстовом энкодере OpenAI CLIP глубиной 12 слоёв с размерностью эмбеддингов 640. Модель предназначена для классификации изображений по произвольным текстовым меткам без дополнительного обучения, поиска изображений по текстовому запросу и поиска текста по изображению. Её также можно использовать как основу для дообучения задач классификации и для управления генерацией изображений. В карточке для соответствующего варианта указана точность ImageNet zero-shot top-1 71,0%. Модель обучалась на англоязычных данных LAION-Aesthetic; README рекомендует ограничивать текстовые сценарии английским языком. Авторы предостерегают от развёртывания без тщательного тестирования на фиксированной таксономии классов; распознавание лиц и наблюдение исключены из рекомендуемых сценариев. Лицензия репозитория — MIT; карточка рекомендует исследовательское применение и описывает риски неотфильтрованных данных LAION.

Это модель CLIP семейства ViT, обученная командой Stability AI с OpenCLIP на наборе DataComp-1B, содержащем около 1,4 млрд примеров. Она сопоставляет изображения и текстовые описания в общем пространстве представлений и предназначена прежде всего для классификации изображений без дообучения по заданным текстовым меткам, а также для поиска изображений по тексту и текстов по изображению. Модель можно применять в исследованиях и экспериментах с классификацией по произвольной таксономии, линейными пробами и дообучением для задач компьютерного зрения. В карточке указана точность zero-shot top-1 79,2% на ImageNet-1k и оценка на 38 наборах данных. Обучение на неотфильтрованных веб-данных может приводить к смещениям и нестабильному качеству в зависимости от набора меток; карточка не рекомендует развёртывание без тщательной проверки и исключает наблюдение и распознавание лиц. Лицензия репозитория — MIT.

Qdrant/clip-ViT-B-32-vision — ONNX-порт визуальной части модели sentence-transformers/clip-ViT-B-32, опубликованный Qdrant. Модель содержит 113,2 млн параметров и предназначена для классификации изображений и поиска визуально похожих изображений; в карточке приведён пример использования через FastEmbed. Модель относится к семейству CLIP Vision и работает с изображениями, формируя визуальные представления для задач классификации и поиска сходства. Репозиторий содержит веса в формате ONNX. Лицензия — MIT.

Это конверсия CLIP ViT-B/32 от OpenAI для библиотеки Keras 3, подготовленная командой zeromodels. Модель использует два энкодера — изображений и текста — обученных сопоставлять пары «изображение — подпись» в общем пространстве эмбеддингов. Репозиторий содержит версию в формате TensorFlow; реализация Keras может работать с TensorFlow, Torch и JAX. Модель предназначена для классификации изображений по текстовым запросам без дообучения: при выводе ей передают изображения и текстовые подсказки, между которыми она оценивает соответствие. Архитектура также поддерживает поиск изображений по тексту и получение эмбеддингов изображений и текста. Лицензия — MIT. Качество результатов зависит от формулировок текстовых подсказок и соответствия изображений данным обучения. Модель сопоставляет изображения с текстом, поэтому не заменяет специализированный детектор объектов или систему распознавания текста на изображениях.

openai/clip-vit-large-patch14-336 — модель семейства CLIP на архитектуре CLIPModel, доступная в форматах PyTorch и TensorFlow. Она предназначена для классификации изображений по текстовым описаниям без отдельного обучения на каждом наборе классов: пользователь задаёт варианты текста, а модель сопоставляет их с изображением. README утверждает, что модель обучена с нуля, но не сообщает обучающий датасет, результаты оценки или дополнительные сценарии применения. Метаданные не подтверждают базовую модель или производный вариант, поэтому происхождение чекпойнта определить нельзя. Лицензия, размер и длина контекста в предоставленных данных не указаны.

Репозиторий philschmid/clip-zero-shot-image-classification — форк openai/clip-vit-base-patch32, настроенный для задачи классификации изображений без предварительного обучения на заданных классах. Он предназначен для вызова через Hugging Face Inference Endpoints: запрос содержит изображение в Base64 и список текстовых кандидатов, а модель определяет соответствие изображения этим описаниям. В основе лежит архитектура CLIP; в метаданных указан формат PyTorch. README не сообщает размер модели, длину контекста или языковые ограничения. Лицензия в предоставленных данных не указана.

CLM-Qwen3.5-2B — модель на основе Contrastive Language Models, разработанная Jayavibhav с использованием метода CLM, созданного Jacky Kwok, Hangoo Kang, Tarun Suresh, Jon Saad-Falcon, Marco Pavone, Christopher Ré и Azalia Mirhoseini. Это дообучение Qwen3.5-2B: замороженный языковой энкодер с двумя небольшими проекционными головами для представления состояния и ответа. Модель кодирует контекст и кандидаты в общем векторном пространстве, оценивает варианты по косинусному сходству и выдаёт относительное распределение вероятностей. Для повторно используемых вариантов можно кэшировать их представления. Модель предназначена для ранжирования вариантов ответа, классификации документов и типизированных решений по длинным текстовым контекстам. Она принимает состояния длиной до 131 тыс. токенов и обучена на английских данных, включая синтетические документы более чем 200 типов и задачи решений из нескольких прикладных областей. По заявлению авторов, модель превосходит CLM-v0.1-8B в тесте классификации документов, но уступает Jev на 4,6 процентного пункта; результаты на синтетических документах могут отличаться от результатов на реальных файлах. Для новых рабочих процессов решений качество без дополнительной настройки низкое: для таких задач авторы рекомендуют подгонку голов на нескольких сотнях примеров. Модель оценивает только переданный набор кандидатов, поэтому вероятности относительны к нему; головы также требуют эмбеддингов последнего токена Qwen3.5-2B в заданном формате. Веса распространяются по лицензии Apache 2.0.

anaghaj111/codebert-base-code-embed-mrl-langchain-langgraph — англоязычная модель Sentence Transformers, дообученная на базе shubharuidas/codebert-embed-base-dense-retriever. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для вычисления семантического сходства и поиска по смыслу. Архитектура основана на RoBERTa с усреднением токенных представлений; сходство оценивается косинусной мерой. Модель содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов по метаданным; в README указан предел 512 токенов. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации текста. Обучение с Matryoshka Loss позволяет использовать усечённые векторы меньшей размерности; в README приведены результаты поиска для размерностей от 64 до 768 на небольшом наборе из 180 обучающих примеров. Лицензия — Apache-2.0. Результаты на малом наборе не гарантируют качество на других данных; заявленная поддержка языка — английский.

Vsevolod/company-names-similarity-sentence-transformer — модель на базе BERT для получения плотных векторных представлений предложений и абзацев. Она содержит 25,9 млн параметров, выдаёт эмбеддинги размерностью 384 и поддерживает контекст до 512 токенов. Модель предназначена для семантического поиска и кластеризации текстов; название репозитория указывает на применение для сравнения названий компаний. Обучение использовало CosineSimilarityLoss. Модель работает с текстом и предназначена для использования с библиотекой Sentence-Transformers. В карточке не указаны языки и лицензия, поэтому нельзя определить языковой охват и условия использования.

kornwtp/ConGen-paraphrase-multilingual-mpnet-base-v2 — модель семейства ConGen, представленная пользователем kornwtp. Она преобразует предложения в плотные векторы размерностью 768 и предназначена для семантического поиска и сравнения текстов. Модель основана на архитектуре CamemBERT и содержит 132,5 млн параметров; веса опубликованы в формате PyTorch. Модель можно применять для поиска смыслово близких предложений и оценки семантического сходства, в том числе в многоязычных сценариях, на которые указывает название модели. README ссылается на оценку качества на тайском бенчмарке эмбеддингов предложений. Максимальная длина контекста составляет 512 токенов. Лицензия — Apache-2.0. Карточка не приводит конкретные результаты бенчмарка или сведения о языках, кроме указания на мультиязычность в названии; качество на отдельных языках и длинных текстах следует проверять отдельно.

Core-Embed-2B — мультимодальная модель эмбеддингов, разработанная Alibaba-NLP на архитектуре Qwen3-VL. Она преобразует текст и изображения в плотные векторы для поиска и сопоставления, уделяя особое внимание композиционным связям между атрибутами и объектами: например, различает изображение с белой тарелкой и чёрным стулом от изображения с обратным сочетанием цветов. Модель содержит 2 млрд параметров и рассчитана на извлечение признаков из текста и изображений. Модель обучена дистилляцией оценок ранжирования: её эмбеддинги учатся сохранять градации соответствия между запросом и кандидатами, включая ошибки атрибутов и объектов. Это помогает выполнять тонкий мультимодальный поиск, сохраняя качество обычного поиска изображений и текстов. Для запуска требуется версия Transformers с поддержкой Qwen3-VL. Модель распространяется по лицензии CC BY 4.0. Карточка описывает семейство и результаты Core-Embed-8B, но не приводит отдельные численные оценки для версии 2B.

Kyleiwaniec/COS_TAPT_n_RoBERTa-sts-e3_CosineSimilarityLoss_2023-10-16 — модель на базе RoBERTa, обученная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерностью 1024 и подходит для поиска семантически близких текстов, кластеризации и сравнения сходства предложений. Для работы доступны Sentence-Transformers и Hugging Face Transformers; заявленная длина контекста — 514 токенов, размер модели — 454,1 млн параметров. В карточке указано обучение с CosineSimilarityLoss. Модель принимает текст и выдаёт векторные представления; сведения о поддерживаемых естественных языках и специализированных прикладных областях отсутствуют. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.