I.11Классификация, ранжирование и сопоставление

MemReranker-4B — модель-реранкер, разработанная IAAR-Shanghai и дообученная на базе Qwen3-Reranker-4B с помощью многоэтапной дистилляции знаний. Она принимает запрос и набор текстовых фрагментов и оценивает релевантность каждой пары «запрос — фрагмент», чтобы упорядочить результаты поиска. Модель предназначена прежде всего для извлечения долгосрочной памяти агентами, поиска по многоходовой истории диалога и второго этапа RAG-поиска. В обучении использованы данные для временных и причинных запросов и разрешения кореференции; README также указывает применение для веб-поиска и общего поиска по документам. Архитектура — плотная Qwen3 на 3,7 млрд параметров, контекст — до 40 960 токенов; заявлена поддержка английского и китайского языков. Реранкер возвращает оценку релевантности, а не готовый ответ пользователю. В README сообщается об улучшенной калибровке оценок и работе со сложными запросами памяти; приведены результаты на бенчмарке LOCOMO. Файлы опубликованы в формате safetensors, модель использует библиотеку Transformers и распространяется по лицензии Apache-2.0. Качество в других языках и сценариях отдельно не подтверждено приведёнными сведениями.

mentee-embed-v1 — компактная мультиязычная модель эмбеддингов текста от MenteE AI, созданная с нуля на основе собственного трансформерного энкодера в стиле Qwen. Модель содержит около 41 млн параметров, выдаёт векторы размерности 384 и рассчитана на английский, арабский и урду. Контекст ограничен 512 токенами по метаданным; при обучении последовательности ограничивались 128 токенами. Модель предназначена для вычисления семантического сходства предложений и поиска релевантных документов, включая межъязыковой поиск между английским и урду. Её обучали в два этапа: маскированное языковое моделирование и дистилляция отношений от intfloat/multilingual-e5-base. По данным карточки, она обучалась на наборах NLI, XNLI, OPUS-100 и MIRACL; результаты показывают пригодность для лёгкого извлечения кандидатов и последующего ранжирования, но качество поиска по крупным корпусам уступает сильным мультиязычным базовым моделям. Модель распространяется по лицензии Apache-2.0. Ограничения включают слабее качество на открытом поиске по большим корпусам, возможное снижение качества в специализированных областях и необходимость разбивать длинные документы на фрагменты. Для загрузки текущего формата model.pt требуется код из репозитория mentee-embeddings.

mentee-embed-v4 — модель векторных представлений текста, разработанная Syed Syab Ahmad Shah и командой MenteE AI. Она предназначена для поиска по смыслу, извлечения релевантных текстов и оценки семантического сходства на английском, арабском и урду. Модель содержит 41 млн параметров и использует 12-слойный Transformer с размерностью эмбеддингов 384. Она обучена с нуля: разработчики создали BPE-токенизатор, провели предварительное обучение masked language modeling и три раунда контрастивной дистилляции с трудными негативными примерами. Контекст ограничен 512 токенами по метаданным. В репозитории указаны веса Safetensors; лицензия — Apache-2.0. Модель компактна и показала хорошие результаты на MIRACL, особенно для английского и арабского поиска; авторы также сообщают о высокой скорости инференса на RTX 5090. На их собственном тестовом наборе результаты заметно уступают более крупным моделям, арабский и урду отстают от английского; редкие письменности и диалекты могут токенизироваться хуже. Полный набор MTEB не оценивался.

microsoft/MiniLM-L12-H384-uncased — компактная англоязычная модель Microsoft для понимания языка, полученная дистилляцией предварительно обученной UniLM v2 размера BERT-Base. Это 12-слойный трансформер семейства BERT с размерностью скрытого слоя 384 и 12 головами внимания; в метаданных указано 40 млн параметров, а README приводит 33 млн. Модель без учета регистра символов, имеет контекст до 512 токенов и опубликована в форматах PyTorch, TensorFlow и Flax. Чекпойнт предназначен для последующей тонкой настройки под задачи понимания текста; авторы сообщают результаты на SQuAD 2.0 и задачах GLUE и отмечают, что модель может служить заменой BERT в соответствующих сценариях. Метаданные Hugging Face относят её к классификации текста. Лицензия — MIT. README описывает базовый предобученный чекпойнт, а не готовую к прикладному использованию настроенную модель.

KennethTM/MiniLM-L6-danish-encoder — компактная модель Sentence-Transformers для семантического представления датских предложений и абзацев. Она построена на архитектуре BERT, содержит 25,9 млн параметров и преобразует текст в плотные векторы размерностью 384. Максимальная длина входной последовательности — 512 токенов. Модель адаптирована от sentence-transformers/all-MiniLM-L6-v2 с датским токенизатором и обучена на наборах ELI5 и SQuAD, переведённых с английского на датский. Её можно применять для семантического поиска, сравнения сходства предложений и кластеризации текстов на датском языке. Для использования доступны веса PyTorch и safetensors; библиотека модели — Sentence-Transformers. Лицензия — MIT. Автор README указывает, что доступна более новая версия KennethTM/MiniLM-L6-danish-encoder-v2, обученная на большем объёме данных.

Карточка модели rolf-mozilla/minilm-multilingual-l12-full на Hugging Face совпадает с карточкой microsoft/Multilingual-MiniLM-L12-H384, поэтому описание составлено по ней. Multilingual-MiniLM-L12-H384 — предобученная компактная языковая модель Microsoft для понимания текста на нескольких языках. Она использует 12-слойный трансформер с архитектурой BERT, скрытым размером 384 и 12 головами внимания; карточка указывает 124,3 млн параметров, включая около 21 млн параметров трансформера и 96 млн параметров эмбеддингов. Для токенизации применяется токенизатор XLM-R. Модель рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач классификации текста и может дообучаться для межъязыкового переноса, распознавания текстового следствия и ответов на вопросы. В README приведены оценки на XNLI и MLQA. Поддерживаются английский, арабский, болгарский, немецкий, греческий, испанский, французский, хинди, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский языки. Доступны веса в форматах PyTorch, TensorFlow и Flax. Модель основана на дистилляции MiniLM и рассчитана на компактное и быстрое применение в задачах понимания языка. Для этого чекпойнта используется BertModel с XLMRobertaTokenizer, поэтому AutoTokenizer не работает согласно README. Лицензия — MIT.

UMCU разработала Sentence Transformer на основе UMCU/mirrorbert_medroberta.nl_clstoken, дообученный для представления предложений и абзацев в виде плотных векторов размерностью 768. Архитектура состоит из RoBERTa и слоя pooling, который использует представление CLS-токена; для сравнения предусмотрена косинусная мера сходства. В метаданных указано 153,2 млн параметров и контекст до 514 токенов, тогда как README задаёт максимальную длину последовательности 30 токенов для Sentence Transformers; при использовании этой библиотеки следует учитывать более короткое ограничение. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Название базовой модели и домен medroberta указывают на медицинскую направленность, однако README не описывает конкретные медицинские задачи или языки, поэтому применять её для них следует с отдельной проверкой. Репозиторий использует формат safetensors и библиотеку Sentence Transformers; лицензия в предоставленных данных не приведена.

Карточка модели avsolatorio/MixEmbedFinetune-base-20240122103941-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Mizan-Rerank-v1 — компактная модель-реранкер от ALJIACHI на архитектуре ModernBERT. Это cross-encoder на 148,9 млн параметров, дообученный на базе answerdotai/ModernBERT-base для оценки релевантности пар «запрос — документ» и сортировки результатов поиска. Модель рассчитана прежде всего на арабские тексты, также поддерживает английский; максимальная длина входа — 8192 токена. Модель подходит для арабского поиска, RAG-систем, цифровых библиотек и разговорных приложений, где нужно упорядочить найденные фрагменты по релевантности. В карточке заявлены низкое потребление памяти и высокая скорость инференса, но по качеству на длинных документах и специализированных наборах данных автор рекомендует преемника Mizan-Rerank-v2. Лицензия — Apache 2.0.

Mizan-Rerank-v2 — разработанный ALJIACHI арабский реранкер на базе Alibaba-NLP/gte-multilingual-reranker-base, дообученный для оценки релевантности пар «запрос — документ». Модель предназначена для повторной сортировки кандидатов в поиске и RAG, включая поиск по фетвам и длинным текстам. Использует архитектуру Cross-Encoder с 305,3 млн параметров и принимает последовательности длиной до 8192 токенов. В карточке указана поддержка арабского и английского языков. Модель помечена как устаревшая: разработчик рекомендует перейти на Mizan-Rerank-v3-Turbo или Mizan-Rerank-v3, которые показывают лучшие результаты на приведённых контрольных наборах. Для работы через Sentence Transformers требуется trust_remote_code=True; оценки разных версий не калиброваны между собой, поэтому при переходе следует перенастроить пороги фильтрации. Лицензия — Apache 2.0.

mmBERT-base — многоязычный двунаправленный энкодер от команды JHU CLSP, построенный на архитектуре ModernBERT и обученный методом masked language modeling. Модель содержит около 307 млн параметров, использует библиотеку Transformers и имеет контекст до 8192 токенов. Энкодер предназначен для многоязычного понимания текста и переноса между языками. Его можно дообучать для классификации, построения эмбеддингов, поиска и ранжирования; опубликованная карточка также указывает превосходство над XLM-R в этих задачах и высокую скорость относительно предыдущих многоязычных энкодеров. Для прямого применения без дополнительного обучения основная задача — заполнение замаскированных фрагментов текста. Модель обучалась более чем на 3 трлн токенов и охватывает свыше 1800 языков, включая низкоресурсные. Карточка описывает обучение на корпусах FineWeb2 и других веб-, научных, справочных и общественных текстах. Репозиторий предоставляет веса PyTorch под лицензией MIT.

mmBERTscandi-base-embedding — модель Sentence Transformer, разработанная Emillykkejensen и дообученная на датасете скандинавских текстовых эмбеддингов DDSC/nordic-embedding-training-data. В основе лежит jonasaise/scandmmBERT-base-scandinavian — ModernBERT с 306,9 млн параметров. Модель кодирует предложения и абзацы в плотные векторы размерности 768; для сравнения используется косинусное сходство. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов на датском, норвежском и шведском языках. Её можно применять для поиска близких по смыслу фрагментов, выявления перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки на датских и скандинавских наборах для информационного поиска. Модель распространяется под лицензией Apache-2.0. Качество поиска зависит от соответствия данных и запросов языкам и тематике обучения; в README нет результатов для других языков.

moBERTo — португалоязычная адаптация encoder-only модели ModernBERT, разработанная Tropic-AI. Модель продолжительно предобучена на португалоязычном корпусе, использует специализированный португальский токенизатор и перенос подсловных эмбеддингов. Вариант с контекстом 8192 токена прошёл дополнительное обучение для длинного контекста. Архитектура ModernBERT включает позиционные RoPE-эмбеддинги, чередование локального и глобального внимания, FlashAttention и unpadding. Модель содержит около 149 млн параметров и предназначена прежде всего для заполнения маскированных токенов и как основа для дообучения на ранжирование поиска, классификацию документов, распознавание сущностей и другие задачи понимания португальского текста. В статье сообщается о сильных результатах на португальских задачах поиска и понимания текста. Лицензия — Apache-2.0. Это encoder-модель для понимания текста, а не генеративный чат-ассистент; для прикладных задач, таких как ранжирование и классификация, может потребоваться отдельное дообучение. Основной язык модели — португальский, хотя исходная ModernBERT обучалась на английском.

MobileCLIP-B (LT) — модель сопоставления изображений и текста из семейства MobileCLIP, разработанного Apple и представленного на CVPR 2024. Этот репозиторий содержит чекпойнт для OpenCLIP, предназначенный для классификации изображений по текстовым описаниям без отдельного обучения на целевых классах: пользователь задаёт варианты классов текстом, а модель оценивает соответствие изображения каждому из них. Модель использует мультимодальное представление изображений и текста. Для MobileCLIP-B (LT) в README указана точность zero-shot классификации ImageNet 77,2%; авторы также приводят результаты сравнения с другими моделями близкой архитектуры. В карточке Hugging Face указаны библиотека OpenCLIP и форматы PyTorch и safetensors. Лицензия — Apple AMLR. Модель подходит для быстрой классификации изображений с гибко задаваемыми текстовыми метками. Приведённые характеристики не гарантируют аналогичного качества на пользовательских данных; корректность зависит от формулировок меток и предметной области. README не описывает отдельные ограничения или поддержку конкретных естественных языков.

MobileCLIP-B (LT) — мультимодальная модель Apple из семейства MobileCLIP, опубликованная в рамках работы «MobileCLIP: Fast Image-Text Models through Multi-Modal Reinforced Training» (CVPR 2024). Этот репозиторий содержит чекпойнт для библиотеки timm в формате PyTorch. Модель сопоставляет изображения и текст, поддерживая классификацию изображений с нулевым обучением по текстовым описаниям классов. В README для MobileCLIP-B (LT) указана точность 77,2% top-1 на ImageNet в режиме zero-shot. Модель принимает изображения и текстовые запросы и выдаёт оценки соответствия; число параметров и длина контекста для этого чекпойнта в предоставленных данных не приведены. Лицензия — Apple AMLR. Модель подходит для классификации изображений по пользовательским категориям и поиска изображений по текстовому описанию. Фактическое качество может зависеть от формулировок текстовых меток и набора изображений.

massaindustries/modernbert-capability-classifier — дообученная модель классификации текста на базе ModernBERT-base от Answer.AI. Она оценивает текст по шести измерениям возможностей: следование инструкциям, программирование, математические рассуждения, знания о мире, планирование и агентные задачи, творческий синтез. Модель предназначена для маршрутизации запросов в семантическом роутере Brick и может служить заменой классификатору предметных областей. Архитектура — ModernBERT с линейным классификационным слоем на шесть выходов; модель выдаёт оценки от 0 до 1 для каждого измерения и поддерживает многометочную классификацию. Она обучена на massaindustries/dataset-B-modernbert-train с мягкими метками. Число параметров — 394,7 млн, максимальный контекст — 8192 токена. Для применения нужна токенизация текста; выходы представляют собой оценки классов, а не готовые ответы на запросы. Лицензия — Apache-2.0.

benjamintli/modernbert-code — модель Sentence Transformers, созданная дообучением answerdotai/ModernBERT-base на наборе code-retrieval-combined. Она преобразует текстовые запросы и фрагменты кода в плотные векторы размерностью 768 и подходит для семантического поиска и сопоставления запросов с релевантным кодом. В README указана максимальная длина последовательности 1024 токена; метаданные каталога указывают контекст до 8192 токенов, поэтому фактическую длину входа следует сверять с конфигурацией используемого чекпойнта и библиотеки. Для сравнения векторов рекомендуется косинусное сходство. Модель основана на encoder-only архитектуре ModernBERT, содержит 149 млн параметров и распространяется в формате safetensors. Основные сценарии — поиск кода по текстовому описанию, семантический поиск и ранжирование кандидатов по близости к запросу, а также поиск похожих текстов и кластеризация. В README приведены результаты оценки поиска информации, однако они относятся к указанному в карточке набору оценки. Модель не генерирует код или ответы: она выдаёт векторы для последующего сравнения. Лицензия в предоставленных данных не указана.

sigridjineth/ModernBERT-korean-large-preview — модель Sentence Transformers, дообученная автором на корейском наборе korean_nli_dataset_reranker_v1 на основе answerdotai/ModernBERT-large. Это плотный энкодер ModernBERT с 394,7 млн параметров: он преобразует предложения и абзацы в векторы размерности 1024, а сходство между ними оценивается косинусной мерой. Максимальная длина входа — 8192 токена; модель предназначена прежде всего для корейского языка. Модель подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В README приведены результаты оценки на задачах поиска и сравнения предложений; показатели относятся к указанным оценочным наборам и не гарантируют такую же точность на других данных. Для практического применения модель можно использовать в системах поиска и анализа корейских текстов, передавая её эмбеддинги поисковому индексу или последующим алгоритмам. В предоставленных данных сведения о лицензии отсутствуют.

ytu-ce-cosmos/modernbert-tr-1k-embed — текстовая Sentence Transformer-модель на архитектуре ModernBERT, обученная для получения эмбеддингов предложений и абзацев и поиска по сходству. Она кодирует текст в плотные векторы размерностью 768, которые можно сравнивать косинусной близостью; модель подходит для семантического поиска и извлечения релевантных текстов. В README указан максимум 512 токенов, а метаданные указывают родной контекст до 8192 токенов. Модель содержит 148,7 млн параметров, использует mean pooling и распространяется в формате Safetensors; для работы заявлена библиотека Sentence Transformers. В обучающем наборе было 625 121 пример на турецком языке с парами anchor и positive и оценками сходства. Это делает модель ориентированной прежде всего на турецкие тексты. В карточке не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

MoEViE-H14-448 — визуальный энкодер Meta из семейства MoE-ViE, обученный по контрастивной методике на парах изображение–текст. Модель построена на архитектуре Mixture-of-Experts: каждый MoE-блок содержит общего эксперта и маршрутизируемый пул экспертов, из которого для каждого токена активируется часть. Версия H/14 имеет ширину 1280, 32 слоя, разрешение 448 пикселей и 3,5 млрд параметров, из которых активируется около 1,1 млрд. Модель предназначена для классификации изображений без дообучения на заданных текстовых метках, а также для извлечения визуальных и текстовых признаков и задач поиска по изображениям и видео. В README приведены результаты zero-shot оценки на ImageNet-1k, ObjectNet, COCO, Kinetics-400 и MSR-VTT. Для работы требуются CUDA GPU и Triton; лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

MoEViE-L16-384 — визуальный энкодер Meta из семейства MoE-ViE, предназначенный для понимания изображений и видео. Модель использует контрастивное обучение на визуально-языковых данных и архитектуру Mixture-of-Experts: каждый MoE-блок содержит общего эксперта и пул маршрутизируемых экспертов, а для каждого токена активируется лишь часть параметров. Этот вариант имеет архитектуру L/16: ширина 1024, 24 слоя, разрешение изображений 384 пикселя, 1,7 млрд параметров всего и около 0,3 млрд активных параметров. Он подходит для классификации изображений без примеров целевых классов, а также для сопоставления изображений с текстом и поиска по визуально-текстовым представлениям. В карточке приведены нулевые результаты на ImageNet-1k, ObjectNet и задачах поиска по COCO, Kinetics-400 и MSR-VTT. Для запуска требуются CUDA GPU и Triton; ядра MoE компилируются во время выполнения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

unicamp-dl/monoptt5-small — компактная модель T5, разработанная командой Unicamp-DL для переранжирования текстовых результатов поиска на португальском языке. Модель дообучена от unicamp-dl/ptt5-v2-small на смеси португальских и английских данных набора mMARCO в течение 100 тысяч шагов. Модель содержит 38,5 млн параметров, принимает текст и имеет контекст до 512 токенов. Её применяют для переоценки и сортировки документов по релевантности запросу, в том числе через пакет rerankers с Transformers. В метаданных задача обозначена как text-generation, однако назначение, описанное авторами, — переранжирование; для каталога это соответствует text-ranking. Лицензия — Apache-2.0.

Morgan-Tanglish-v7 — модель эмбеддингов предложений, созданная Vishnu N для семантического сравнения текста на танглише: смеси тамильского и английского языков, записанной латиницей. Она дообучена на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и предназначена для коротких сообщений и предложений, похожих на тексты из соцсетей; контекст модели — до 512 токенов. В метаданных указаны архитектура BERT, 124,3 млн параметров и формат safetensors. Модель подходит для семантического поиска, подбора похожих предложений, обнаружения дубликатов, сопоставления обращений в поддержку и резюме с вакансиями, а также поиска по корпусам для RAG-систем. Автор сообщает о результатах на TanglishSTS — наборе из 325 пар, размеченных носителем тамильского языка, — и о превосходстве над сравниваемыми моделями в ряде тестов; это заявление основано на оценке автора. Лицензия — Apache-2.0. Модель обучалась преимущественно на танглише. Автор предупреждает, что она не предназначена для формального тамильского на родном письме, а качество для хинглиша и чисто английских задач не подтверждено. Она оптимизирована для коротких текстов длиной около 6–50 слов; качество на длинных документах и новых интернет-сленгах может быть ниже.

gongysh2004/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers на базе MPNet, обученная разработчиком репозитория на триплетах набора AllNLI для сопоставления предложений. Она кодирует предложения и абзацы в плотные векторы размерности 768; близость оценивается косинусным сходством. Модель содержит 136,7 млн параметров, использует mean pooling и принимает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. В README приведены результаты TripletEvaluator на AllNLI: точность косинусного сходства 0,9124 на dev и 0,9239 на test. Для задач вне английского языка и предметных областей качество не установлено. Лицензия — Apache-2.0.

mR3-Qwen3-14B-en-prompt-en-thinking — диалоговая модель оценки ответов из семейства Multilingual Rubric-Agnostic Reward Reasoning Models, разработанного командой rubricreward. Это дообученная методом SFT модель Qwen3-14B с архитектурой Qwen3ForCausalLM и 14 млрд параметров; репозиторий содержит веса Safetensors, для работы используется Transformers. Модель принимает текстовые инструкции, входные данные, ответы и критерии оценки, а затем генерирует оценку с обоснованием. Она предназначена для задач классификации, сравнения предпочтений и ответов на вопросы; в описании семейства указано обучение на данных для 72 языков. Контекстная длина — до 40 960 токенов. Модель может помогать оценивать качество ответов по заданным рубрикам и формировать текстовые объяснения оценок, включая сценарии попарного сравнения. Лицензия — Apache 2.0. Карточка посвящена варианту с английским промптом и английским рассуждением; список языков в метаданных шире, чем языки карточки и описанного варианта, поэтому многоязычные возможности всей коллекции не следует автоматически считать одинаково доступными в этой конфигурации.

cuadron11/mrbert-parl-ft — модель Sentence Transformers на базе энкодера BSC-LT/MrBERT, дообученная для сопоставления предложений и абзацев. Она преобразует текст в плотные векторы размерности 768 и предназначена для семантического поиска, оценки сходства, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из ModernBERT с усреднением токенных представлений; сходство векторов можно оценивать косинусной мерой. Максимальная длина последовательности — 8192 токена. Обучение проводилось на парах запросов и релевантных текстов с MultipleNegativesRankingLoss. В примерах датасета представлены запросы и документы о парламентской деятельности на баскском языке, поэтому модель подходит для поиска по таким материалам. В README приведена cosine accuracy 0,6004 на TripletEvaluator. Метаданные указывают 307 млн параметров и формат safetensors. Условия лицензии в предоставленных данных не указаны.

tomaarsen/ms-marco-ettin-68m-reranker — англоязычная модель Cross-Encoder, разработанная на базе jhu-clsp/ettin-encoder-68m и дообученная на датасете MS MARCO с помощью библиотеки sentence-transformers. Она совместно обрабатывает пару «запрос — текст» и выдаёт одну оценку релевантности, которую используют для ранжирования результатов поиска и семантического поиска. Модель построена на архитектуре ModernBERT и содержит 68,1 млн параметров. В README максимальная длина последовательности указана как 512 токенов; метаданные каталога указывают native context в 7999 токенов. В карточке приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Модель предназначена прежде всего для английского языка. Это дообученная модель ранжирования; лицензия в предоставленных данных не указана. Оценки могут хуже переноситься на языки и области, отличные от английского веб-поиска. Для оценки большого числа документов попарное сравнение требует отдельного вычисления для каждой пары.

RinKana/ms-marco-MiniLM-L12-v2-cross-lingual-reranker — дообученная cross-encoder-модель на базе cross-encoder/ms-marco-MiniLM-L12-v2, созданная с использованием библиотеки sentence-transformers. Она оценивает пары текстов и выдаёт один числовой балл релевантности, который подходит для повторного ранжирования результатов поиска и семантического поиска. Модель принимает текст; архитектура основана на BERT и имеет около 40 млн параметров. Максимальная длина последовательности — 512 токенов. Карточка называет модель cross-lingual, однако приведённые сведения о данных и примерах относятся к английскому языку, поэтому поддержку других языков подтвердить нельзя. Лицензия в предоставленных данных не указана. Модель подходит для ранжирования пар запроса и найденного фрагмента, но её вход ограничен 512 токенами.

Jeevesh8/multiberts_seed_0_ft_3 — модель классификации текста на базе BERT из семейства Multiberts, опубликованная пользователем Jeevesh8 на Hugging Face. Она предназначена для присвоения входному тексту одного из заранее заданных классов и может использоваться в задачах последовательной классификации через библиотеку Transformers. Модель содержит около 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В метаданных указаны архитектура BERT, поддержка JAX и назначение text classification. Конкретный набор классов, обучающий датасет, языки, лицензия и специализированная предметная область по доступным данным не установлены.

Jeevesh8/multiberts_seed_1_ft_0 — модель классификации текста на базе BERT и семейства MultiBERTs, опубликованная пользователем Jeevesh8 на Hugging Face. Она предназначена для отнесения входных текстов к заранее заданным классам и использования в прикладных конвейерах text-classification. Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. В метаданных указаны Transformers, JAX и BERT; языковая поддержка и точный набор классов по доступным данным не установлены.