I.11Классификация, ранжирование и сопоставление

VideoPrism-LvT-B — фундаментальный видеоэнкодер, разработанный Google DeepMind. Модель принимает последовательность кадров и преобразует видео в компактные embedding-представления, которые можно использовать в классификаторах, LLM, системах поиска и retrieval-моделях. Вариант LvT дополнительно включает текстовый энкодер, поэтому поддерживает сопоставление видео и текста по косинусному сходству. Модель предназначена для классификации видео и действий, пространственно-временной локализации, video-text retrieval и open-set classification. Архитектура основана на факторизованном видеоэнкодере ViViT и включает Vision Transformer ViT-B, а также временные attention-слои Transformer; размер модели составляет 248 млн параметров, размер файла — около 991 МБ. Видео подаются в формате (num_frames, 288, 288, 3), а видео- и текстовый энкодеры формируют глобальные embedding-векторы. Для токенизации текста используется SentencePiece-модель c4_en. Поддерживается произвольное число кадров за счёт интерполяции временных позиционных embedding. Сильной стороной VideoPrism является высокая универсальность: на 31 из 33 публичных тестов в четырёх категориях задач модель превзошла предыдущие лучшие foundation-модели без дообучения на целевых наборах данных. Ограничения связаны с возможными смещениями и шумом обучающих данных, включая автоматически полученные текстовые транскрипции; также заявлена недостаточная проработка длинных видео, геометрической информации и несемантических признаков. Модель распространяется по лицензии Apache-2.0. Перед применением в чувствительных сценариях, включая наблюдение и модерацию, необходима отдельная оценка рисков безопасности и справедливости.

Карточка модели Gnartiel/vietnamese-sbert 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.

HgThinker/vietnamese-sbert — модель Sentence-Transformers на архитектуре RoBERTa, созданная для представления предложений и абзацев в виде плотных векторов размерностью 768. Её можно использовать для семантического поиска, сравнения сходства текстов и кластеризации. Обучение проводилось с функцией TripletLoss; число параметров — 162,4 млн, контекст — до 258 токенов. Модель ориентирована на вьетнамский язык, что отражено в названии репозитория, и подходит для получения эмбеддингов текста. Для работы доступны веса PyTorch; в Transformers после получения контекстных представлений требуется применить подходящий pooling. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformer, разработанная на основе keepitreal/vietnamese-sbert и дообученная на парном наборе данных из 10 200 примеров. Она использует RoBERTa с усреднением токенных представлений и преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов оценивается косинусным сходством. Модель предназначена для семантического поиска, сравнения предложений, поиска перефразирований, кластеризации и классификации текста, в первую очередь на вьетнамском языке. Максимальная длина последовательности — 256 токенов по карточке модели; метаданные указывают контекст до 258 токенов. В README приведены результаты оценки поиска для векторов размерностью 768 и 512, однако они не гарантируют качество на других данных и сценариях. Лицензия в предоставленных сведениях не указана.

Модель Виноградова Дмитрия предназначена для оценки семантического сходства двух запросов. Она построена на архитектуре BERT и доступна через SentenceTransformers; для получения представлений использует токенизатор, CLS-пулинг, полносвязный слой с активацией tanh и нормализацию. README указывает построение в 384-мерном векторном пространстве, а конфигурация архитектуры содержит выход Dense размерности 768; это расхождение не позволяет однозначно определить размер выходного вектора. Модель подходит для сравнения запросов и поиска семантически близких формулировок. В метаданных указаны 498,1 млн параметров, максимальная длина контекста 512 токенов и лицензия Apache-2.0. Метаданные помечают модель как многоязычную, однако README не уточняет языки обучения или оценки качества.

timm/vit_huge_patch14_clip_224.metaclip_altogether — модель семейства CLIP, доступная для использования через open_clip и timm. Это двухкомпонентная архитектура ViT-H-14: визуальный энкодер сопоставляет изображения с текстовыми описаниями в общем пространстве представлений. В карточке указан вариант предобучения metaclip_altogether. Модель предназначена для классификации изображений по текстовым меткам без специального дообучения под каждый набор классов. Её можно применять для поиска подходящей категории среди заданных описаний и для прототипирования задач распознавания изображений. Метаданные связывают её с задачей zero-shot-image-classification; доступны веса PyTorch в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит конкретные показатели качества или сведения о наборе Altogether, поэтому оценить точность для конкретных данных по имеющейся информации нельзя.

HAMMALE разработала компактный классификатор изображений документов на базе ViT-Tiny в рамках исследовательской стажировки в Laboratory of Complex Systems, Ecole Centrale Casablanca. Модель обучена методом дистилляции знаний от microsoft/dit-large-finetuned-rvlcdip на наборе RVL-CDIP и предназначена для отнесения изображений документов к 16 категориям, включая письма, формы, счета, резюме, научные публикации и презентации. В карточке указана точность 0,9210. В метаданных размер модели составляет 7,1 млн параметров; README приводит оценку около 5,5 млн и сообщает, что модель примерно в 55 раз меньше учителя. Модель работает с изображениями и выдаёт классы документов. Лицензия — Apache-2.0.

VLM2Vec-LLaVa-Next — мультимодальная модель TIGER-Lab, дообученная на базе llava-v1.6-mistral-7b-hf с помощью LoRA. Она преобразует изображение и текст в мультимодальные представления для задач поиска и сопоставления, включая оценку на наборах MMEB и Flickr30K. В метаданных указаны архитектура LLaVA-NeXT, формат safetensors и поддержка диалогового взаимодействия с изображениями. Модель рассчитана на англоязычные запросы и изображения; размер контекста и число параметров в предоставленных данных не приведены. По README, обучение использовало контрастивное обучение на MMEB-train с внутрипакетными отрицательными примерами. Лицензия — Apache-2.0. README приводит сравнительные заявления о результатах, но не содержит самих численных метрик.

Wartortle — компактная модель эмбеддингов на базе BERT, созданная Mihaiii как дистилляция bge-base-en-v1.5. Она предназначена прежде всего для семантического автодополнения: преобразует текст в векторы, которые можно использовать для поиска подходящего продолжения или сопоставления фраз. Модель содержит 18,8 млн параметров, работает с контекстом до 512 токенов и доступна в форматах Safetensors и ONNX. Для корректного использования в сценарии семантического автодополнения README рекомендует CLS-пулинг и нормализацию эмбеддингов; модель также можно применять в задачах сходства предложений и извлечения признаков. Базовая модель ориентирована на английский язык. Лицензия — MIT.

wissamantoun/WebOrganizer-FormatClassifier-ModernBERT — дообученная модель ModernBERT-base, разработанная для классификации веб-страниц. Она относит страницу к одной из 17 категорий, используя URL и текст её содержимого. Модель обучалась на корпусах WebOrganizer/TopicAnnotations-Llama-3.1-8B и WebOrganizer/TopicAnnotations-Llama-3.1-405B-FP8, размеченных моделями Llama. Модель основана на encoder-only архитектуре ModernBERT и содержит около 149 млн параметров. По метаданным она поддерживает контекст до 8192 токенов и предназначена для текстовой классификации. README описывает подачу URL и текстового содержимого страницы; лицензия в предоставленных данных не приводится.

WeMM-Embedding-2B-GGUF — неофициальная GGUF-квантизированная версия модели WeMM-Embedding-2B, разработанной Tencent и подготовленной ewinregirgojr. Это модель эмбеддингов и извлечения признаков, предназначенная для семантического представления кода и текста в виде плотных L2-нормализованных векторов размерностью 2048. Поддерживаются английский, китайский, другие многоязычные сценарии, а также языки программирования, включая Python, TypeScript, JavaScript, C++, Rust, Go, SQL и Shell. Модель использует гибридную архитектуру из 18 слоёв Mamba SSM с линейным вниманием и 6 слоёв полного softmax-внимания и содержит около 2 млрд параметров. Она ориентирована на поиск и извлечение кода, RAG-системы, индексацию векторных баз данных, поиск дубликатов и выявление близких реализаций. GGUF-файлы совместимы с llama.cpp, Ollama и LM Studio; заявлена также интеграция с Unsloth, vLLM и sentence-transformers. В репозитории представлены варианты квантизации от Q4 до Q8, позволяющие выбирать между размером, скоростью и точностью; для некоторых вариантов заявлено сохранение косинусного сходства на уровне примерно 99,59–99,82% относительно FP16-базовой версии. Сильными сторонами являются высокая пропускная способность, компактность квантизированных вариантов и специализация на поиске по коду и техническим данным. Модель не предназначена для авторегрессионной генерации текста, дополнений или чат-ответов. В описании упоминается мультимодальная поддержка базовой модели, включая текст, изображения и видео, однако подробные характеристики этих модальностей для данного GGUF-релиза не приведены; размер контекста также не указан. Лицензия — Apache-2.0.

WeMM-Embedding-2B-INT8 — мультимодальная модель для получения эмбеддингов, опубликованная ewin-reg. Это INT8-перекодировка модели ewin-reg/WeMM-Embedding-2B-Quantized, восходящей к tencent/WeMM-Embedding-2B; веса не дообучались и не дистиллировались. Модель построена на гибридной архитектуре Qwen3.5 с линейным и полным вниманием, а также визуальным трансформером; поддерживает Matryoshka-эмбеддинги размерностью от 64 до 2048. Размер файлов модели составляет около 1,94 ГБ. Модель предназначена для создания текстовых, изображенческих и видеоэмбеддингов, поиска по сходству и мультимодального поиска. Перекодировка весов позволяет запускать её на CPU, CUDA и Apple Silicon MPS со стандартным PyTorch. В README приведены измерения близкого совпадения эмбеддингов INT8-версии с FP8-вариантом и базовой моделью, однако это результаты ограниченных наборов запросов и изображений. В README указана лицензия «other» в метаданных, но её конкретные условия не приведены. Для использования следует проверить лицензию карточки и исходной модели.

Модель heidercs/xlmroberta-cv-chunked — дообученная XLM-RoBERTa Base для классификации резюме на испанском языке по 43 профессиональным категориям. Она принимает текст документа и выдаёт категорию с оценкой уверенности. Обучение проводилось на фрагментах по 512 токенов с перекрытием 64 токена, однако при обработке документа используется только первый фрагмент длиной до 512 токенов; архитектура — XLMRobertaForSequenceClassification, размер — 305,2 млн параметров. На тесте из 2 681 документа указаны accuracy 83,4% и macro-F1 0,826. Для быстрого маршрута без дополнительной проверки автор рекомендует порог уверенности 0,80: при таком пороге напрямую обрабатывались 84,5% тестовых примеров с точностью 92,0%. Модель подходит для первичной сортировки резюме по профессиональным направлениям, но длинные документы обрезаются после первого фрагмента, что может снизить точность. Обучающие данные основаны на общедоступном корпусе англоязычных резюме, переведённом на испанский; точная лицензия исходного корпуса зависит от его опубликованных условий. Лицензия модели указана как other.

Это 8-битная квантизованная версия XLM-RoBERTa-large-xnli-anli от heykorshun, подготовленная для MLX Swift на macOS. Базовая модель vicgalle/xlm-roberta-large-xnli-anli предназначена для многоязычной классификации текстов методом NLI и zero-shot: она сопоставляет текст с заданными категориями или проверяет, противоречит ли новое утверждение старому либо подтверждает его. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает контекст до 514 токенов. В README приведён сценарий применения в приложении Stilltone для локальной классификации заметок встреч; автор сообщает о побайтно идентичных результатах с исходными весами fp32 на использованных тестовых наборах. 8-битные веса занимают около 0,63 ГБ вместо примерно 2,2 ГБ для fp32. Это файлы MLX Swift, а не checkpoint для Transformers или sentence-transformers; для загрузки требуется совместимая реализация MLX Swift и соответствующая схема квантования. Лицензия — MIT.

xlm-v-base-language-id — модель классификации текста, разработанная Julien Simon и дообученная на базе facebook/xlm-v-base на датасете Google FLEURS. Она определяет язык по тексту и рассчитана на распознавание 102 языков. Модель построена на архитектуре XLM-RoBERTa и содержит около 805,7 млн параметров; максимальный контекст — 514 токенов. Модель подходит для автоматической сортировки и маршрутизации текстов по языку, а также для определения языка пользовательских сообщений и документов. В README указана точность 0,993 на оценочной выборке; обучение и оценка проводились на обучающей и валидационной выборках FLEURS. Доступны веса PyTorch, Safetensors и OpenVINO. Лицензия — MIT.

XtremeDistil-L12-H384-Uncased — компактная текстовая модель семейства BERT, созданная Microsoft на основе методов дистилляции XtremeDistil и MiniLM. В метаданных указано около 40 млн параметров, контекст до 512 токенов и поддержка PyTorch и TensorFlow. Карточка описывает задачно-независимую дистиллированную модель, предназначенную для переноса на различные задачи обработки текста; метаданные классифицируют её как модель классификации текста. Модель подходит для классификации текстов и как компактная основа для прикладных NLP-сценариев на английском языке. В README приведены результаты на наборах GLUE и SQuAD-v2, однако таблица в карточке отображается неполно, а описание размеров относится к другому чекпойнту L6-H384 и содержит расхождения с идентификатором модели и размером из метаданных. Лицензия MIT.

DAMO-NLP-SG/zero-shot-classify-SSTuning-base — модель для классификации текста без дообучения на целевых метках. Её разработала группа DAMO-NLP-SG; модель представлена в работе Zero-Shot Text Classification via Self-Supervised Tuning. В основе — RoBERTa-base с классификационной головой; при настройке на неразмеченных данных использовалась задача First Sentence Prediction. В метаданных указаны 151,8 млн параметров и контекст до 514 токенов. Модель предназначена для отнесения текста к заданным пользователем категориям, включая анализ тональности и тематическую классификацию. README указывает рекомендуемое число меток от 2 до 20 и отмечает высокую скорость базовой версии. Она обучалась на английских данных, поэтому заявленная поддержка других языков не подтверждена для этой версии. Модель распространяется по лицензии MIT.

Карточка модели Nhat1904/16-shot-twitter-2classes на Hugging Face совпадает с карточкой Nhat1904/16-shot-twitter-2classes-new, поэтому описание составлено по ней. 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.

biu-nlp/abstract-sim-sentence — англоязычный sentence encoder на архитектуре MPNet, разработанный для сопоставления абстрактных описаний предложений с подходящими им предложениями. Модель обучена на данных Википедии; для поиска соответствий её используют вместе с отдельным Query encoder в двухбашенной архитектуре. Энкодер принимает предложения и преобразует их в признаки для сравнения и поиска подходящих текстов. Модель содержит 136,7 млн параметров, поддерживает контекст длиной до 514 токенов и поставляется в формате PyTorch. Подходит для семантического поиска и сопоставления предложений по смыслу. Лицензия в предоставленных данных не указана.

faodl/actionable-policy-bert-base-multilingual-uncased-f1_weighted — модель классификации текста на базе BERT с многоязычной архитектурой и версией без учета регистра. По идентификатору модели она предназначена для задачи text-classification; разработчик, точная схема меток и назначение классов в карточке не описаны. Модель содержит 194,6 млн параметров, поддерживает контекст до 512 токенов и рассчитана на использование с библиотекой Transformers. Её можно применять для классификации текстовых сообщений по заранее определённым категориям в прикладных системах, если категории и формат входных данных соответствуют данным обучения. Языковые коды, сведения о лицензии, обучающем наборе, метриках и результатах оценки не приведены, поэтому качество и допустимые условия распространения необходимо проверять отдельно.

win2win/ad-categorizer-model — дообученный разработчиком win2win энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель преобразует предложения и абзацы в плотные векторы размерности 384 и сравнивает их с помощью косинусного сходства; архитектура включает BERT, усреднение токенов и нормализацию. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель предназначена для поиска семантически похожих текстов, сопоставления описаний, поиска перефразировок и кластеризации. Её можно применять для категоризации объявлений через сравнение с текстами категорий или примерами. Карточка сообщает о дообучении на двух парах предложений, поэтому качество для широкого круга задач может быть ограниченным. Формат весов — safetensors; лицензия в предоставленных сведениях не указана.

Xenova/all-MiniLM-L12-v2 — модель для извлечения признаков, основанная на sentence-transformers/all-MiniLM-L12-v2. Репозиторий содержит веса в формате ONNX, адаптированные для работы с библиотекой Transformers.js в JavaScript и веб-средах. Разработчик производной модели в README не указан. Модель предназначена для получения числовых представлений текста и может применяться в сценариях семантического поиска, сравнения текстов и кластеризации, однако конкретные поддерживаемые языки, размер, архитектурные детали и максимальная длина контекста в README не указаны. Сильной стороной является совместимость с Transformers.js и возможность использования ONNX-весов; ограничением выступает отсутствие подробной информации о характеристиках и условиях лицензирования. Лицензия в README не указана.

leliuga/all-MiniLM-L12-v2-GGUF — это квантованные файлы модели all-MiniLM-L12-v2 в формате GGUF. Исходную модель разработала команда Sentence Transformers, а данный вариант подготовлен пользователем Leliuga на основе sentence-transformers/all-MiniLM-L12-v2. Модель предназначена для получения эмбеддингов предложений и задач сравнения семантического сходства текста, включая sentence similarity, поиск и извлечение признаков. Она относится к семейству BERT и использует архитектуру MiniLM; в README указано, что поддерживается английский язык. Формат GGUF ориентирован на использование в совместимых локальных инструментах инференса, однако конкретные параметры квантования и требования к ресурсам не указаны. Сильными сторонами модели являются компактный формат распространения и специализация на семантическом представлении предложений. В качестве ограничений следует учитывать англоязычную направленность, отсутствие сведений о размере модели, длине контекста, точных вариантах квантования и готовых характеристиках производительности. Модель распространяется по лицензии Apache-2.0.

jaimevera1107/all-MiniLM-L6-v2-similarity-es — испаноязычная модель Sentence Transformers, дообученная на датасете Similarity Sentences Spanish для получения векторных представлений предложений и абзацев. Она основана на архитектуре BERT, содержит 25,9 млн параметров и формирует плотные векторы размерностью 768; заявленная длина контекста — 512 токенов. Модель подходит для семантического поиска, сравнения сходства предложений и кластеризации испаноязычных текстов. В README приведены результаты оценки Spearman Correlation 80,1% и R² 70,67% для строки «Roberta Fine tuned», поэтому эти числа нельзя уверенно приписать именно данной модели. Для работы доступны веса PyTorch и библиотека Sentence Transformers. Модель распространяется по лицензии MIT. Её обучение и заявленные языковые возможности ориентированы на испанский; результаты на других языках не подтверждены.

Qdrant подготовила ONNX-версию модели sentence-transformers/all-MiniLM-L6-v2, настроенную для возврата весов внимания. Модель предназначена для поиска BM42 и применяется для вычисления сходства между предложениями и подготовки представлений текста в поисковых системах. Модель основана на архитектуре BERT, содержит 25,9 млн параметров и поддерживает контекст до 512 токенов. В отличие от исходной модели, эта версия возвращает веса внимания; репозиторий содержит формат ONNX. Модель рассчитана на английский язык. Модель распространяется по лицензии Apache-2.0. Она подходит для поиска по текстовым коллекциям и ранжирования близких по смыслу фрагментов; качество за пределами английского языка и ограничения конкретной реализации в карточке не описаны.

ALM2Vec-FT — дообученная модель эмбеддингов аудио, разработанная на базе MiDashengLM-7B-0804-fp32. Она преобразует аудио и текст в общее векторное пространство для поиска и сопоставления; запрос на естественном языке позволяет направлять представление аудио на нужный аспект звучания. Модель предназначена для двустороннего поиска аудио по тексту и текста по аудио, поиска по речи, а также сопоставления аудиозаписи и вопроса с вариантами ответа. В отличие от обычных моделей для сопоставления аудио с описаниями, ALM2Vec-FT ориентирована на разные аудиодомены, типы задач и намерения пользователя. Она принимает аудио и текст и выдаёт эмбеддинги для поиска и ранжирования. В метаданных указан английский язык; размер базовой модели — 7 млрд параметров. Для работы нужны Transformers версии 4.52 или выше, PyTorch и Safetensors; для аудио не в WAV также требуется Torchaudio. Карточка указывает на необходимость GPU и загрузку весов объёмом около 31 ГБ, а также использование trust_remote_code=True. Модель распространяется по лицензии Apache-2.0.

AmberNet LangID — модель AmberNet для определения языка устной речи по аудио. Она принимает монофонический сигнал с частотой 16 кГц в формате float32 и относит его к одному из 107 языков набора VoxLingua107. Модель содержит 28,9 млн параметров и выдаёт оценки по языковым классам, а также языковой эмбеддинг размерности 512 для кластеризации и поиска ближайших примеров. Модель рассчитана на распознавание языка в аудиозаписях и может запускаться через PyTorch или ONNX Runtime. По данным карточки, на CPU она обрабатывает аудио примерно в 72 раза быстрее реального времени; для пакетной обработки можно передавать истинную длину каждого фрагмента, чтобы маскировать дополнение. Репозиторий содержит веса в формате Safetensors и граф ONNX. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

Ananthu357/Ananthus-BAAI-for-contracts9.0 — дообученная модель Sentence Transformers на базе BAAI/bge-large-en, предназначенная для работы с текстами договоров. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024; сходство между текстами оценивается косинусной мерой. Архитектура включает BERT, пулинг по CLS-токену и нормализацию. Модель подходит для семантического поиска по договорам, сравнения положений и поиска перефразировок. Также её можно применять для кластеризации и классификации текстов. Максимальная длина входной последовательности — 512 токенов. Базовая модель BAAI/bge-large-en ориентирована на английский язык; подтверждённых сведений о поддержке других языков нет. Репозиторий использует формат safetensors и библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

Aptivra-Base-110M — компактная модель эмбеддингов предложений, дообученная raghunath1 на базе intfloat/e5-base-v2 для маршрутизации запросов к навыкам и инструментам и семантического поиска по их описаниям. Это модель BERT с 136,7 млн параметров: она кодирует текст в 768-мерные векторы с mean pooling и L2-нормализацией, которые сравнивают косинусным сходством. Контекст ограничен 512 токенами. Модель принимает обычный текст без префиксов query: и passage: и предназначена для retrieval-компонента агента, роутера или MCP-сервера. README сообщает о повышении Recall@1 относительно базовой модели на чистом тесте маршрутизации, но качество зависит от корпуса навыков и проверено не для всех предметных пакетов. Модель не генерирует текст и не подходит как самостоятельный авторитет для выполнения действий. Доступны веса safetensors и форматы ONNX и OpenVINO; лицензия — MIT. Карточка характеризует модель как экспериментальную: перед применением следует проверить её на собственных запросах и сохранять последующую проверку политик, безопасности и разрешений.

acayir64/arabic-embedding-model-pair-class2 — модель эмбеддингов предложений на базе XLM-RoBERTa, созданная дообучением symanto/sn-xlm-roberta-base-snli-mnli-anli-xnli с помощью AutoTrain. Она предназначена для преобразования текста в векторы и семантического сравнения предложений, в том числе для поиска похожих фраз. Модель содержит 305,2 млн параметров, использует библиотеку Sentence Transformers и принимает контекст длиной до 514 токенов. Многоязычная базовая модель позволяет применять её к текстам на разных языках; название репозитория указывает на ориентацию этой версии на арабские эмбеддинги. В README приведена метрика потерь 1,103 на валидации, но без описания набора данных и протокола оценки, поэтому качество для конкретных задач по ней оценить нельзя. Лицензия в предоставленных данных не указана.