I.11Классификация, ранжирование и сопоставление

cl-nagoya разработала японскую модель эмбеддингов предложений на архитектуре BERT, дообученную методом Unsupervised SimCSE на Wiki40B. Модель предназначена для получения векторных представлений японских текстов и оценки сходства предложений; её можно использовать через Sentence-Transformers или Transformers с CLS-пулингом. Дополнительный MLP-слой применялся только во время обучения. Модель содержит 138,4 млн параметров, принимает текст с контекстом до 512 токенов. В обучении использовались последовательности длиной до 64 токенов. Репозиторий содержит веса PyTorch; лицензия — CC BY-SA 4.0.

kowshik/upsc-classification-model-v1 — модель Sentence-Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации; метаданные указывают 136,7 млн параметров и контекст до 514 токенов. Модель работает с текстом и выдаёт эмбеддинги. В README описано обучение с CosineSimilarityLoss; доступны веса PyTorch и использование через Sentence-Transformers или Transformers с соответствующим pooling. Лицензия и целевые естественные языки в предоставленных данных не указаны.

victormuryn/use-combined-no-pt — модель Sentence Transformers, дообученная на базе paraphrase-multilingual-mpnet-base-v2 для создания эмбеддингов украинских предложений. Она использует архитектуру XLM-RoBERTa с плотным представлением, содержит 305,2 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель обучена на корпусе украинских текстов UberText 2.0 с контрастивной целью и комбинированными стратегиями аугментации без pool targets. Она предназначена для сравнения смысла предложений и абзацев, семантического поиска и кластеризации; полученные векторы можно использовать в приложениях на Sentence Transformers. Поддерживает многоязычные входные данные, при этом обучение ориентировано на украинский язык. Модель распространяется по лицензии Apache-2.0. Показатели качества и ограничения по областям применения в карточке не приведены; качество на языках, отличных от украинского, отдельно не охарактеризовано.

Модель use-token-shuffle-pt разработана Victormuryn как часть коллекции украинских эмбеддингов предложений. Это дообученная с контрастивной целью модель Sentence Transformers на базе paraphrase-multilingual-mpnet-base-v2, архитектура XLM-RoBERTa, около 305,2 млн параметров. При обучении использовался корпус UberText 2.0 и аугментация перемешиванием токенов с целями для pooling. Модель преобразует предложения и абзацы в векторы для семантического сравнения, поиска и кластеризации. Она ориентирована на получение эмбеддингов украинского текста; метаданные также указывают поддержку множества других языков. Контекст составляет 514 токенов. Распространяется по лицензии Apache-2.0.

victormuryn/use-translation-no-pt — модель эмбеддингов предложений из коллекции украинских Sentence Embeddings. Она дообучена методом контрастивного обучения на украинском корпусе UberText 2.0 с аугментацией обратным переводом без целевых текстов пула; исходная архитектура — XLM-RoBERTa, используемая через Sentence Transformers. Модель преобразует предложения и абзацы в векторы для семантического сравнения и поиска. В README показан пример кодирования украинских предложений; каталог также отмечает многоязычную поддержку и контекст длиной до 514 токенов. Распространяется по лицензии Apache-2.0.

victormuryn/use-translation-pt — модель векторных представлений предложений на базе XLM-RoBERTa, дообученная автором на корпусе украинских текстов UberText 2.0. Обучение с контрастивной целью использовало аугментацию обратным переводом; модель входит в коллекцию экспериментов с эмбеддингами предложений для украинского языка. Модель преобразует предложения и абзацы в векторы, пригодные для семантического сравнения, поиска и кластеризации. Её можно использовать в Sentence Transformers для получения эмбеддингов. Основа — sentence-transformers/paraphrase-multilingual-mpnet-base-v2; размер составляет 305,2 млн параметров, контекст — до 514 токенов. Модель распространяется под лицензией Apache-2.0.

VelaVec — компактная гибридная модель для поиска и сравнения текстов, созданная автором репозитория xagent2025 на основе дообучения BAAI/bge-small-en-v1.5. Она рассчитана на быстрый поиск на устройствах с ограниченными ресурсами и предоставляет два режима: симметричное сравнение смысла предложений и асимметричный поиск документов по запросу. Модель содержит 9,8 млн параметров и выдаёт эмбеддинги размерности 256. Архитектура включает замороженную таблицу токенов, три блока двунаправленного внимания и две головы пулинга. README описывает англоязычное обучение и оценку на задачах семантического сходства и поиска; предусмотрен путь инференса на Rust без Python во время выполнения. Лицензия репозитория — MIT. В опубликованных оценках модель показывает результаты, близкие к BGE-small на части тестов и превосходит её на Banking77, однако на медицинских, научных и дискуссионных доменах уступает учителю. Лучше всего подходит для коротких запросов длиной до 64 токенов и документов до 256 токенов; инструктивные промпты не поддерживаются. В обучении использовался MS MARCO с исследовательской лицензией, поэтому для коммерческого применения следует отдельно проверить условия использования данных.

Venusaur — компактная модель эмбеддингов на основе архитектуры BERT от автора Mihaiii, созданная дистилляцией Mihaiii/Bulbasaur на наборе данных qa-assistant. Она предназначена для семантического автодополнения: преобразует английские тексты в векторы, которые можно использовать для сравнения смысловой близости предложений и поиска релевантных вариантов. Модель содержит 16,4 млн параметров, поддерживает работу через Sentence-Transformers и Transformers; доступны форматы safetensors и ONNX. Модель рассчитана исключительно на английский язык. Контекст ограничен 512 токенами, а более длинные тексты обрезаются. Лицензия — MIT.

Модель vietnamese-bi-encoder-for-SoICT-2024 разработана на базе bkai-foundation-models/vietnamese-bi-encoder и дообучена как Sentence Transformer на парах предложений из набора данных json. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов на вьетнамском языке, сравнения сходства, поиска перефразирований, кластеризации и классификации текстов. Для сравнения векторов используется косинусное сходство. Модель основана на RoBERTa с усреднением токенных представлений; максимальная длина входа составляет 256 токенов. Лицензия Apache-2.0. В карточке приведены результаты оценки информационного поиска, однако они не характеризуют качество на всех прикладных данных; тексты длиннее лимита последовательности требуют обработки с учётом ограничения длины.

phatvucoder/vietnamese-bi-encoder-mp — дообученная разработчиком Phat Vu модель Sentence Transformers на базе bkai-foundation-models/vietnamese-bi-encoder. Она преобразует текстовые предложения и абзацы во векторы размерности 768 для извлечения признаков, семантического поиска и сравнения текстов по косинусному сходству. Архитектура состоит из RoBERTa и слоя среднего пулинга; модель рассчитана прежде всего на вьетнамский язык. Модель принимает только текст, имеет максимальную длину последовательности 256 токенов по README; метаданные каталога указывают контекст 258 токенов. Обучающий набор содержит 117 759 примеров, оценочный — 13 364. Лицензия в предоставленных данных не указана.

dangvantuan/vietnamese-embedding — модель эмбеддингов предложений для вьетнамского языка, разработанная на основе PhoBERT с архитектурой RoBERTa. Она преобразует текст векторы размерности 768 и предназначена для семантического поиска, сравнения сходства предложений и кластеризации текстов. Модель построена на Sentence Transformers: использует среднее объединение токенных представлений и поддерживает последовательности до 512 токенов согласно README; метаданные каталога указывают контекст 258 токенов. Веса содержат 162,4 млн параметров. Обучение включало SimCSE с контрастивным обучением, а также дообучение на наборах XNLI-vn и STSB-vn. В карточке приведены результаты оценки корреляции на наборах семантического сходства для вьетнамского языка. Модель подходит для поиска семантически близких фраз и группировки вьетнамских текстов по смыслу. Она принимает текст и возвращает векторные представления; результаты для других языков карточкой не подтверждены. Распространяется по лицензии Apache-2.0.

keepitreal/vietnamese-sbert — модель Sentence-Transformers на архитектуре RoBERTa, содержащая 162,4 млн параметров. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерностью 768 для сравнения семантической близости, поиска и кластеризации. Модель принимает текст и выдаёт эмбеддинги; её контекст ограничен 258 токенами. Модель подходит для семантического поиска по вьетнамским текстам, группировки похожих предложений и оценки их смыслового сходства. В README указано обучение с CosineSimilarityLoss. Доступные файлы представлены в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели Gnartiel/vietnamese-sbert-v2 на Hugging Face совпадает с карточкой keepitreal/vietnamese-sbert, поэтому описание составлено по ней. keepitreal/vietnamese-sbert — модель Sentence-Transformers на архитектуре RoBERTa, содержащая 162,4 млн параметров. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерностью 768 для сравнения семантической близости, поиска и кластеризации. Модель принимает текст и выдаёт эмбеддинги; её контекст ограничен 258 токенами. Модель подходит для семантического поиска по вьетнамским текстам, группировки похожих предложений и оценки их смыслового сходства. В README указано обучение с CosineSimilarityLoss. Доступные файлы представлены в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

VisME — мультимодальная модель эмбеддингов, представленная авторами исследования CVPR 2026 «Illuminating Visual Identity in Universal Multimodal Embeddings». Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct и создаёт плотные представления изображений, текста и пар «изображение–текст» для поиска и сопоставления. Веса содержат 3,1 млрд параметров; модель использует архитектуру Qwen2.5-VL и доступна в формате Safetensors. Заявлена длина контекста 128 000 токенов. Модель ориентирована на мультимодальный поиск и задачи, связанные с визуальной идентичностью: распознавание, повторная идентификация объектов и поиск по визуальным признакам. Обучение объединяет MMEB-v1 с общими задачами классификации, визуальных вопросов и ответов, поиска и локализации, а также MVEB с задачами идентификации. README сообщает о конкурентных результатах на этих бенчмарках, но код оценки ещё не опубликован. Лицензия Apache-2.0.

VisME — мультимодальная модель эмбеддингов, разработанная авторами работы Illuminating Visual Identity in Universal Multimodal Embeddings для CVPR 2026. Она дообучена на Qwen/Qwen2.5-VL-7B-Instruct и формирует плотные векторы для изображений, текста и пар «изображение–текст», предназначенные для поиска и сопоставления визуального содержимого. Модель ориентирована на мультимодальный поиск и задачи, связанные с визуальной идентичностью: распознавание объектов или людей по идентичности, повторную идентификацию, поиск по изображению и тексту, а также визуальное заземление. Обучение объединяет MMEB-v1 для общих мультимодальных задач и MVEB для поиска по визуальной идентичности; заявлены конкурентные результаты на MMEB и сильные результаты на MVEB. Архитектура — плотная Qwen2.5-VL, 7,1 млрд параметров, контекст до 128 000 токенов; репозиторий использует safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Авторы указывают, что код оценки и обучения будет опубликован позднее, поэтому воспроизведение заявленных результатов может быть затруднено до его выхода.

ViT-B-16-SigLIP2-512 — контрастивная модель «изображение–текст» семейства SigLIP 2, обученная на наборе WebLI. Разработчики карточки преобразовали исходные контрольные точки JAX из проекта Big Vision для использования в OpenCLIP; библиотека модели — open_clip, веса доступны в форматах PyTorch и safetensors. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: она сопоставляет изображение с предложенными текстовыми метками и оценивает их соответствие. Это подходит для поиска изображений по описанию и категоризации с собственным набором классов. В названии указаны архитектура ViT-B-16 и разрешение 512; карточка отмечает многоязычное направление семейства SigLIP 2, но не перечисляет конкретные поддерживаемые языки. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных сведений об ограничениях, поэтому надёжность на конкретных доменах и языках следует проверять на целевых данных.

timm/vit_base_patch16_clip_224.laion400m_e32 — модель семейства CLIP с визуальным энкодером Vision Transformer ViT-B/16, обученная на датасете LAION-400M. Она доступна для использования через open_clip и timm; карточка указывает имя OpenCLIP ViT-B-16. Модель предназначена для классификации изображений по текстовым описаниям без отдельного обучения на каждом наборе классов. Её можно применять для поиска изображений по тексту и сопоставления изображений с категориями, заданными текстовыми метками. Репозиторий содержит веса PyTorch и safetensors, лицензия — MIT. В описании модели не приведены сведения о размере входа, поддерживаемых языках или количественных оценках качества; название timm указывает разрешение 224 пикселя. Результаты зависят от формулировок текстовых меток и домена изображений; карточка не сообщает об отдельной адаптации для узких областей.

timm/ViT-gopt-16-SigLIP2-384 — модель компьютерного зрения и языка из семейства SigLIP 2, обученная на наборе WebLI. Это контрастивный энкодер изображений и текста, предназначенный для классификации изображений по текстовым описаниям без дообучения. Модель преобразована из исходных контрольных точек JAX проекта Big Vision для использования в библиотеке OpenCLIP. Модель подходит для сопоставления изображения с набором текстовых меток и выбора наиболее подходящей, а также для мультиязычных сценариев понимания связи между изображениями и текстом. В репозитории доступны веса PyTorch и Safetensors. Лицензия — Apache-2.0. Размер модели, поддерживаемые языки и ограничения качества в предоставленных данных не описаны.

Recap-CLIP-ViT-L-16-Txt-Huge-2.56B — контрастивная модель UCSC-VLAA для сопоставления изображений и текстовых описаний и классификации изображений по текстовым меткам без дообучения. Она основана на CLIPA с архитектурой OpenCLIP и обучена на Recap-DataComp-1B; в наборе использованы описания изображений, созданные LLaVA-1.5-LLaMA3-8B. Модель подходит для поиска изображений по тексту и классификации по заданным категориям в режиме zero-shot. Доступна под лицензией CC BY 4.0. Обучение на изображениях из интернета и автоматически созданных подписях может приводить к смещениям и неточностям. Для оценки этих рисков авторы рекомендуют ознакомиться с карточкой датасета.

bwang0911/word-order-bge — англоязычная модель Sentence Transformer, дообученная разработчиком на базе BAAI/bge-base-en-v1.5 для получения плотных текстовых эмбеддингов. Она предназначена для сравнения предложений и абзацев, семантического поиска, поиска перефразировок, кластеризации и классификации текста, с особым обучением на примерах, где смысл зависит от порядка слов или отрицания. Модель построена на BERT и выдаёт векторы размерности 768; сходство оценивается косинусной мерой. README указывает максимальную длину последовательности 128 токенов, а метаданные — контекст до 512 токенов. Обучение проводилось на word_orders и negation_dataset; репозиторий содержит веса в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

bwang0911/word-order-jina — англоязычная модель Sentence Transformers, дообученная на базе jinaai/jina-embeddings-v2-base-en. Архитектура JinaBertModel преобразует предложения и абзацы в нормализованные плотные векторы размерностью 768; для сравнения используется косинусное сходство. В README указана максимальная длина последовательности 128 токенов, а метаданные базовой модели приводят контекст до 8192 токенов. Модель обучалась на примерах порядка слов и отрицаний. Она предназначена для семантического сравнения текстов, поиска похожих фраз, поиска с учётом смысла, кластеризации и классификации; обучение на контрастных примерах нацелено на различение утверждений с разным порядком слов и отрицанием. Лицензия в предоставленных данных не указана.

X-CLIP base-sized patch16 — модель Microsoft для анализа видео и текста, основанная на расширении CLIP для понимания видео-языковых связей. Она обучена с учителем на наборе Kinetics-400 в контрастивном режиме на парах «видео — текст». Модель использует 8 кадров на видео с разрешением 224×224; веса доступны в форматах PyTorch и Safetensors. Модель подходит для классификации видео в режимах zero-shot, few-shot и с обучением на размеченных данных, а также для поиска соответствий между видео и текстом. Её можно применять для оценки того, насколько текстовое описание подходит к ролику. На Kinetics-400 указаны результаты 83,8% top-1 и 95,7% top-5. Лицензия — MIT.

X-CLIP — видеоязыковая модель Microsoft на архитектуре XCLIP, основанная на CLIP и обученная с учителем на наборе Kinetics-600. Она сопоставляет видео и текст и предназначена для классификации видео без дополнительного обучения, с небольшим числом примеров или в полностью контролируемом режиме, а также для поиска видео по текстовому описанию. Модель обрабатывает 8 кадров размером 224×224; обучение построено на контрастивном сопоставлении пар «видео — текст». Для оценки на Kinetics-600 указаны точность top-1 88,3% и top-5 97,7%. Репозиторий содержит веса PyTorch, лицензия — MIT.

tmnam20/xlm-roberta-base-qqp-100 — модель классификации текстовых пар, созданная дообучением XLM-RoBERTa Base на наборе tmnam20/VieGLUE/QQP. Она предназначена для определения связи между двумя вопросами, например для выявления дубликатов и поиска похожих вопросов. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст; заявленная длина контекста — 514 токенов. В README приведены результаты на оценочной выборке: accuracy 0,8946 и F1 0,8587. Репозиторий распространяется под лицензией MIT. Карточка не уточняет поддерживаемые языки и ограничения применения; метаданные указывают английский язык, но обучающий набор называется VieGLUE, поэтому язык модели определён не вполне однозначно.

airnicco8/xlm-roberta-de — модель эмбеддингов на базе XLM-RoBERTa, представленная как модель Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки сходства текстов, семантического поиска и кластеризации. Модель обучена на немецкоязычных расшифровках выступлений TED; заявленный контекст составляет 514 токенов, размер — около 305,2 млн параметров. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для поиска семантически близких текстов или группировать для кластеризации. Для использования с Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Карточка также отмечает возможность дообучения для NLI и классификации текста, но не приводит готовых результатов для этих задач. Лицензия в предоставленных данных не указана.

Moritz Laurer разработал эту компактную модель для классификации текста без заранее заданного набора классов: пользователь передаёт текст и варианты меток, а модель оценивает их соответствие. Это дообученная на задачах естественного языкового вывода (NLI) модель на базе Microsoft XTREME-Distil, с архитектурой BERT и 14,1 млн параметров по метаданным. Модель принимает текст и выдаёт оценки классов; максимальная длина контекста — 512 токенов. Модель рассчитана на быстрый запуск на устройствах с ограниченными ресурсами и в браузере, в том числе через Transformers.js. Карточка приводит точность на наборах данных, использованных при обучении, но не содержит отдельной оценки zero-shot качества; автор отмечает, что модель работает менее точно, чем более крупные варианты. Лицензия — MIT.

hon9kon9ize/yue-embed — модель Sentence Transformers, разработанная hon9kon9ize и дообученная на базе hon9kon9ize/bert-large-cantonese-sts на смешанном наборе данных для оценки семантического сходства предложений на кантонском и английском языках. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними оценивается косинусной мерой. Модель подходит для семантического поиска, поиска перефразировок, кластеризации, классификации текста и сравнения текстовых фрагментов. Архитектура состоит из BERT и слоя mean pooling. Максимальная длина входа — 512 токенов; модель принимает текст и выдаёт векторные представления. Данные модели указывают лицензию Apache-2.0. В README приведены результаты на англоязычных наборах NanoBEIR и Nano BEIR, однако их недостаточно, чтобы подтвердить качество для всех перечисленных языков и сценариев; показатели следует проверять на целевых данных.

DAMO-NLP-SG/zero-shot-classify-SSTuning-ALBERT — модель для классификации текста без дообучения на конкретных классах, разработанная авторами работы Zero-Shot Text Classification via Self-Supervised Tuning и впервые опубликованная в этом репозитории. Она основана на albert-xxlarge-v2 и обучена методом self-supervised tuning: на неразмеченных данных модель осваивает задачу First Sentence Prediction, связанную с форматом классификации. Модель предназначена для классификации по заданным пользователем меткам, например для анализа тональности и определения тематики. Вариант ALBERT содержит 235 млн параметров по README; метаданные каталога указывают 3,3 млрд параметров. При использовании рекомендуется задавать от 2 до 20 меток. Контекст составляет до 512 токенов. Модель принимает текст и выдаёт оценки классов; она работает медленнее вариантов SSTuning на RoBERTa-base и RoBERTa-large, но в сравнении авторов показывает более высокую точность. Лицензия — MIT. Количественные показатели производительности зависят от данных и сценария; в README приведено только качественное сравнение вариантов.

Zhinao-ChineseModernBert-Embedding — семантическая embedding-модель Qihoo 360 на архитектуре ModernBert, реализованная как Sentence Transformer. Она построена на собственной базовой модели Zhinao-ChineseModernBert и прошла двухэтапное обучение для получения векторных представлений: контрастивное обучение на китайских и английских поисковых и переводных данных, затем многозадачная настройка на CMTEB и MTEB. Модель имеет 227 млн параметров, выдаёт нормализованные векторы размерности 768, использует Qwen2Tokenizer и поддерживает контекст до 8192 токенов по метаданным; карточка модели указывает максимальную длину последовательности 512 токенов. Модель предназначена прежде всего для поиска по смыслу, расчёта сходства текстов, кластеризации и классификации, а также для векторных баз и извлечения контекста в RAG-системах. Она ориентирована на китайский язык и китайско-английские тексты; архитектура и обучение нацелены на эффективный инференс при ограничениях памяти. README заявляет высокие результаты на китайских и многоязычных бенчмарках, но эти сравнения приведены авторами модели. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Ограничения: максимальная длина входной последовательности embedding-модели составляет 512 токенов, поэтому длинные тексты следует разбивать на фрагменты или обрезать; для чисто английских специализированных текстов авторы рекомендуют англоязычные модели. Для задач, отличающихся от стандартных, может потребоваться подобрать подходящий prompt.

Nhat1904/16-shot-twitter-2classes-new — модель Sentence Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений по сходству. Модель содержит 136,7 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате PyTorch. Название указывает на обучение на небольшом количестве примеров из набора Twitter с двумя классами; в карточке также указан CosineSimilarityLoss. Такие векторы можно использовать в семантическом поиске и других системах сравнения текстов. Язык обучения явно не указан. Лицензия в предоставленных данных не указана.