I.11Классификация, ранжирование и сопоставление

JevEmbed-KaLM-Embedding-V2.5 — модель эмбеддингов команды HIT-TMG, созданная дообучением KaLM-embedding-multilingual-mini-instruct-v2.5 с помощью LoRA на 1 601 157 обучающих вопросах набора JevEmbed-Data и последующим объединением адаптера с базовыми весами. Модель на архитектуре Qwen2 преобразует текстовые запросы и кандидаты в 896-мерные векторы; метаданные указывают контекст до 131 072 токенов, однако в описанном сценарии JevEmbed используется ограничение 1 024 токена с усечением. Модель предназначена для сопоставления запросов с кандидатами и определения выбора, оценки по категориям или шкале и бинарного решения Noul. В тестовом разбиении JevEmbed-Data после дообучения точность составила 76,03% для общей задачи выбора и 71,05% для подзадачи Choice; это результаты конкретной конфигурации и набора данных, а не гарантия качества на других данных. Для получения сырых эмбеддингов используется Sentence Transformers; конфигурация JevEmbed задаёт промпты и правила оценки. Модель принимает текст и выдаёт эмбеддинги, используемые для сравнения текстов; README демонстрирует применение к описаниям состояний и возможных действий в играх Doom и Snake. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки KaLM требуется trust_remote_code=True; данные обучения имеют смешанные лицензии, поэтому условия распространения самого набора следует проверять отдельно.

Jev-Style-Qwen3.5-2B-Decision v2 — дообученная ChaoliangUNSW модель на базе текстовой Qwen3.5-2B-Base для классификации, маршрутизации и выбора из заданных вариантов. Она принимает состояние, вопрос и список из 2–26 вариантов на английском языке и за один проход возвращает оценку каждого варианта; с применением предоставленной калибровки оценки превращаются в вероятности выбора. Модель построена на плотной архитектуре Qwen3_5ForCausalLM, содержит 1,7 млрд параметров и использует веса BF16 в формате Safetensors. Заявленная длина контекста базовой модели — 262 144 токена, однако интерфейс этой модели ограничивает вход 1 024 токенами. Модель предназначена для классификации текстов и тональности, ответов «да/нет», маршрутизации запросов и типизированных решений с фиксированным набором меток или упорядоченных оценок. По результатам фиксированной англоязычной панели автор сообщает макро-точность 81,20% на 3 277 решениях по 11 задачам с реальными метками; показатель относится к описанному набору оценки и не гарантирует качество на новых данных. Для вариантов GGUF и MLX приведены отдельные сборки, но этот репозиторий содержит сборку Transformers. Модель ориентирована на англоязычный ввод и выдаёт оценки и вероятности по объявленным вариантам. Требует совместимой среды Transformers и клиентского кода из репозитория; для CUDA автор описывает дополнительную проверенную среду. Распространяется по лицензии Apache-2.0.

Jina Embeddings v2 Base Code Q8_0 GGUF — это квантизированная версия модели для создания векторных представлений текста и исходного кода. Исходную модель разработала команда Jina AI, а данный вариант был конвертирован из jinaai/jina-embeddings-v2-base-code в формат GGUF с помощью llama.cpp и инструмента GGUF-my-repo. Модель предназначена для задач семантического поиска, сравнения сходства предложений, извлечения признаков и работы с кодом, включая сценарии, совместимые с llama.cpp. В карточке указано, что модель ориентирована на английский язык; точные сведения об архитектуре, количестве параметров, размерности эмбеддингов, поддерживаемой длине контекста и наборе модальностей не приведены. Квантование Q8_0 позволяет использовать модель в компактном формате, однако характеристики качества и влияние квантования в README не описаны. Для запуска требуется llama.cpp; доступен режим CLI и серверный режим. Лицензия — Apache-2.0.

Xenova/jina-embeddings-v2-base-en — это версия модели jinaai/jina-embeddings-v2-base-en с весами в формате ONNX, адаптированная для работы с библиотекой Transformers.js. Модель предназначена для извлечения признаков и создания векторных представлений англоязычных текстов, которые можно использовать для семантического поиска, сравнения текстов и других задач, основанных на сходстве эмбеддингов. Для получения эмбеддингов используется pipeline feature-extraction в Transformers.js с усредняющим pooling; сходство векторов можно оценивать, например, с помощью косинусной близости. Доступны варианты вычислений fp32, fp16, q8 и q4, что позволяет выбирать между точностью и требованиями к ресурсам. В README не указаны архитектура, размер модели, размерность эмбеддингов, максимальная длина контекста и точный перечень языков, поэтому эти характеристики нельзя достоверно описать. К сильным сторонам относятся совместимость с JavaScript-экосистемой Transformers.js и наличие ONNX-весов, пригодных для запуска в поддерживаемых средах, включая потенциальные веб-сценарии. К ограничениям относятся англоязычная специализация исходной модели и возможное снижение качества при квантовании. Лицензия в README не указана.

Это мультимодальная embedding-модель jina-embeddings-v4-vllm-retrieval, разработанная Jina AI и представленная в формате GGUF сообществом mradermacher. Репозиторий содержит квантизированные варианты модели, включая imatrix-файл для создания собственных квантов. Модель предназначена для multilingual embedding, извлечения признаков, оценки семантического сходства и поиска Text-to-Visual Document (T→VD), то есть сопоставления текста с визуальными документами. Она также связана с задачами и бенчмарками Vidore, ColPali и MTEB. Из README известно, что модель поддерживает мультимодальные входы и многоязычное использование, однако точные архитектура, число параметров, размерность embeddings, перечень языков и размер контекстного окна не указаны. Доступны варианты квантизации GGUF размером примерно от 0,9 до 2,0 ГБ и более; наиболее рекомендуемыми в описании названы i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. При этом низкобитные варианты могут заметно уступать по качеству. Модель подходит для семантического поиска и retrieval-систем, включая поиск по визуальным документам и мультимодальное сопоставление текста и изображений. Ограничения, связанные с конкретными характеристиками качества и производительности, в README не приведены; выбор квантизации влияет на компромисс между размером, скоростью и точностью. Лицензия модели — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

Eraly-ml/KazBERT-Duplicates — модель на основе BERT, дообученная разработчиком Eraly-ml на KazBERT для классификации пар предложений на казахском языке. Она определяет, являются ли предложения точными, частичными, смысловыми или контекстными дубликатами, и подходит для поиска повторов, проверки текстов на плагиат и предварительной очистки корпусов. В метаданных указаны 137,8 млн параметров, контекст до 512 токенов и формат safetensors; модель доступна по лицензии Apache-2.0. В README приведены результаты оценки на отложенной выборке: точность и F1 составляют 91,05%. Модель ориентирована на казахский язык; качество может снижаться на специализированных юридических и медицинских текстах, а также на длинных или зашумлённых входах.

KcELECTRA-base — Beomi-гийн урьдчилан сургасан ELECTRA загвар бөгөөд Naver News-ийн сэтгэгдэл, хариу сэтгэгдэлд тулгуурлан эхнээс нь сургажээ. Энэ нь солонгос хэлний хэрэглэгчийн үүсгэсэн, ярианы өнгө аястай, алдаатай бичвэр болон шинэ үг ихтэй текстэд зориулсан суурь загвар юм. Загвар нь 136.3 сая параметртэй, ELECTRA нягт архитектуртай бөгөөд ElectraForPreTraining ангилалд хамаарна. Контекстийн дээд хэмжээ 512 токен; PyTorch болон safetensors форматаар нийтлэгдсэн. Солонгос хэл үндсэн хэл нь бөгөөд өгөгдөл бэлтгэхдээ англи үсэг, тусгай тэмдэгт, эможийг мөн хамруулсан. Сэтгэгдлийн сэтгэл хөдлөлийн ангилал, нэрлэсэн entity таних, өгүүлбэрийн төстэй байдал болон асуулт-хариултын зэрэг даалгаварт нарийн тохируулж ашиглаж болно. README-д дурдсан жишиг үнэлгээнд NSMC болон Naver NER зэрэг солонгос хэлний даалгаврууд багтсан. Ерөнхий, цэвэр бичвэрийн даалгаварт KoELECTRA илүү сайн ажиллаж болзошгүй бөгөөд энэ загвар нь хэрэглэгчийн үүсгэсэн шуугиантай текстэд түлхүү тохирно. MIT лицензтэй.

KcELECTRA-base-v2022 — корейская предобученная языковая модель семейства ELECTRA, разработанная Beomi. Она обучена с нуля на комментариях и ответах к комментариям новостных статей Naver, чтобы лучше работать с пользовательским корейским текстом: разговорными выражениями, сленгом, опечатками и эмодзи. В обучающем корпусе было более 180 миллионов предложений; опубликованный чекпойнт прошёл 848 тысяч шагов обучения. Модель имеет плотную архитектуру ELECTRA с 155 млн параметров, контекстное окно 512 токенов и WordPiece-токенизатор со словарём из 30 тысяч токенов. Это базовый предобученный энкодер для последующей тонкой настройки: его применяли, в частности, для классификации тональности, распознавания именованных сущностей, оценки сходства и ответов на вопросы. В приведённых автором сравнениях версия v2022 улучшила результаты относительно KcELECTRA-base предыдущей версии на большинстве задач. Модель рассчитана прежде всего на корейский шумный пользовательский текст; для более общих текстовых задач автор отмечает, что KoELECTRA может работать лучше. Для прикладного решения обычно требуется дообучение под целевую задачу. Модель распространяется по лицензии MIT.

sigridjineth/ko-reranker-v1.1 — корейский реранкер, созданный дообучением Alibaba-NLP/gte-multilingual-reranker-base. Модель с архитектурой для классификации последовательностей насчитывает 305,3 млн параметров, принимает пары запроса и текста и оценивает их релевантность для сортировки результатов. Контекст — до 8192 токенов. Модель предназначена для корейского поиска, переупорядочивания кандидатов ответов в системах вопросов и ответов и рекомендаций по текстовым признакам. Она обучалась на 328 тысячах корейских триплетов с использованием сложных негативных примеров и дистилляции от учительской модели. В карточке приведены результаты оценки на AutoRAG Benchmark, но автор отмечает, что это предварительная версия в разработке и её обобщающую способность следует проверять на целевых данных. Распространяется по лицензии Apache-2.0.

jhgan/ko-sbert-multitask — модель на базе Sentence-BERT и архитектуры BERT, дообученная для получения векторных представлений корейских предложений и абзацев. Она преобразует текст в плотные эмбеддинги размерности 768 и подходит для семантического поиска, оценки сходства и кластеризации текстов. Модель обучалась на наборах KorSTS и KorNLI в режиме многозадачного обучения. В карточке приведены результаты оценки на KorSTS: корреляция Спирмена для косинусного сходства составляет 84,71. Максимальная длина контекста — 512 токенов; доступны веса PyTorch и TensorFlow. Модель рассчитана прежде всего на корейский язык. Её можно применять для поиска похожих фраз и группировки текстов, но качество за пределами корейских данных не подтверждено. Лицензия в предоставленных данных не указана.

Карточка модели BM-K/KoSimCSE-Unsup-BERT на Hugging Face совпадает с карточкой BM-K/KoSimCSE-Unsup-RoBERTa, поэтому описание составлено по ней. BM-K/KoSimCSE-Unsup-RoBERTa — модель корейских векторных представлений предложений из семейства KoSimCSE. Она основана на RoBERTa и предназначена для получения эмбеддингов текста, которые можно использовать для сравнения семантической близости предложений. Модель подходит для семантического поиска и кластеризации корейских текстов. В карточке указано 137,8 млн параметров и контекст до 514 токенов; доступны веса PyTorch и Safetensors. README описывает обучение KoSimCSE без разметки на корпусе Wikipedia и приводит семантический поиск и кластеризацию как downstream-задачи. Сведения о лицензии в предоставленных данных отсутствуют.

daekeun-ml/KoSimCSE-unsupervised-roberta-large — модель эмбеддингов предложений на основе RoBERTa large и метода SimCSE, опубликованная разработчиком daekeun-ml. Она обучена без размеченных пар предложений с помощью контрастивного обучения и предназначена для получения векторных представлений корейского текста. Эмбеддинги можно использовать для поиска семантически близких предложений и оценки сходства по косинусному или другим расстояниям. В README приведены результаты на корейских наборах KLUE-STS и Kor-STS: средние показатели для большой несупервизируемой модели составляют 81,96 и 81,71 соответственно. В руководстве по обучению рекомендована максимальная длина последовательности 32 токена; эти параметры описывают эксперимент обучения и не гарантируют качество для других данных. Модель опубликована в формате Safetensors под лицензией MIT. README также описывает учебный код для самостоятельного обучения SimCSE, включая supervised и distributed варианты.

Это модель Sentence Transformer от snunlp для получения векторных представлений корейских предложений и абзацев. Она основана на BERT с 144,3 млн параметров и формирует плотные эмбеддинги размерности 768; вектор предложения строится усреднением токенных представлений. Максимальная длина входа — 512 токенов, сходство векторов можно оценивать косинусной мерой. Модель обучена на корейском наборе klue/klue и предназначена для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и получения признаков для классификации. В README приведён результат Spearman 0,8765 на sts-dev. Она принимает текст на корейском языке и выдаёт векторы; классификацию и кластеризацию следует выполнять отдельным алгоритмом поверх эмбеддингов. Лицензия в предоставленных данных не указана.

hillbyte/labse-mizo-en-embed — модель встраивания предложений, созданная дообучением LaBSE на параллельном корпусе из 170 тысяч пар предложений на мизо и английском языках. Архитектура основана на BERT; модель кодирует предложения в плотные векторы размерностью 768 и сопоставляет оба языка в общем пространстве. Контекст модели — до 512 токенов. Модель предназначена для межъязыкового семантического поиска по корпусу, извлечения релевантных документов, поиска соответствий между переводами и оценки сходства предложений. В README приведены результаты тестирования на 3000 отложенных парах запрос-документ для поиска в обоих направлениях — с английского на мизо и с мизо на английский. Модель распространяется по лицензии Apache-2.0.

Nimsara2001/labse-sinhala-finetuned — дообученная модель Sentence Transformer на основе sentence-transformers/LaBSE, предназначенная для поиска и сравнения предложений и абзацев на сингальском языке. Она кодирует текст в плотные векторы размерности 768 и использует косинусное сходство; заявленная максимальная длина входа — 64 токена, а контекстное окно базовой модели в метаданных указано как 512 токенов. Модель дообучена на 262 664 примерах с MultipleNegativesRankingLoss. Основной сценарий — извлечение представлений сингальского текста для семантического поиска и оценки тематической связности фрагментов. В описанной авторами оценке на парах предложений для нейросимвольного разбиения текста AUC выросла с 0,7269 у базовой LaBSE до 0,8832 у дообученной модели; этот результат относится к указанному тесту, а не гарантирует качество на других задачах. README не сообщает лицензию, поэтому условия использования следует сверить с карточкой модели и базовой LaBSE.

lingtrain/labse-udmurt — модель Sentence Transformer, созданная дообучением многоязычной LaBSE командой Lingtrain для работы с предложениями и абзацами на удмуртском языке. Она кодирует текст в плотные векторы размерностью 768 и сравнивает их косинусным сходством. Модель основана на BERT, содержит 498,1 млн параметров; максимальная длина последовательности в README указана как 256 токенов, а контекстное окно в метаданных — 512 токенов. Модель подходит для семантического поиска, оценки сходства и поиска перефразировок, а также для кластеризации и классификации текстов. В обучающих данных использовались пары предложений, в том числе удмуртские фразы с русскими переводами; обучение проводилось с MultipleNegativesRankingLoss. Репозиторий содержит веса PyTorch и Safetensors. Модель предназначена прежде всего для удмуртского языка; README не подтверждает качество для других языков и специализированных предметных областей. Лицензия в предоставленных материалах не указана.

Модель gordonlim/layoutlmv3-base-finetuned-rvlcdip — дообученная Microsoft LayoutLMv3-base для классификации документов по датасету RVL-CDIP с OCR-текстом, извлечённым Amazon OCR. Она сочетает визуальную информацию страницы с распознанным текстом и его расположением; число параметров — 151,8 млн, контекст — 514 токенов. Модель предназначена для отнесения документов к классам RVL-CDIP. На оценочной выборке автор сообщает точность около 95,2% и взвешенную F1 около 95,2%; эти показатели относятся к указанному набору данных и не гарантируют такого же качества на других документах. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

LENS-d4000 — модель текстовых эмбеддингов, разработанная Yibin Lei. Она использует подход Lexicon-based Embeddings: компоненты вектора задуманы как соответствующие кластерам семантически близких токенов. Версия d4000 формирует представления размерностью 4000 на основе архитектуры Mistral с 7,1 млрд параметров. Модель предназначена для извлечения признаков из текста и получения эмбеддингов, которые можно применять для сравнения семантической близости текстов и поиска по смыслу. Для неё заявлен контекст длиной до 32 768 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0. Описание не содержит результатов оценок качества или подробностей о рекомендуемом способе использования и ограничениях представлений. Указан интерфейс извлечения признаков, поэтому для получения эмбеддингов может потребоваться подходящая библиотека или обёртка.

Карточка модели Laevo/LFM2.5-Encoder-230M на Hugging Face совпадает с карточкой LiquidAI/LFM2.5-Encoder-230M, поэтому описание составлено по ней. LFM2.5-Encoder-230M — разработанный Liquid AI компактный многоязычный двунаправленный энкодер на архитектуре LFM2 с 221,2 млн параметров. Это masked language model с головой заполнения масок, предназначенная прежде всего для дообучения под прикладные задачи обработки текста. Гибридная архитектура чередует блоки коротких gated-свёрток и grouped-query attention; модель доступна в формате safetensors и работает через Transformers с удалённым кодом модели. Энкодер подходит как основа для классификации текста и токенов, извлечения сущностей, поиска и ранжирования, оценки семантического сходства, определения тональности и естественно-языкового вывода. Заявлена поддержка 15 языков, включая русский. README указывает контекст до 8 192 токенов и возможность эффективного запуска на устройстве и в браузере через WebGPU; значение длины контекста в метаданных каталога составляет 128 000 токенов, поэтому фактический рабочий предел следует сверять с используемой конфигурацией модели. Модель ориентирована на низкие требования к памяти и задержке; авторы сообщают о хорошей производительности на длинных последовательностях и приводят сравнения с другими энкодерами. Для перечисленных прикладных задач обычно требуется дообучение: исходная модель не является готовым специализированным классификатором или поисковым ранжировщиком. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

LFM2.5-Encoder-230M — разработанный Liquid AI компактный многоязычный двунаправленный энкодер на архитектуре LFM2 с 221,2 млн параметров. Это masked language model с головой заполнения масок, предназначенная прежде всего для дообучения под прикладные задачи обработки текста. Гибридная архитектура чередует блоки коротких gated-свёрток и grouped-query attention; модель доступна в формате safetensors и работает через Transformers с удалённым кодом модели. Энкодер подходит как основа для классификации текста и токенов, извлечения сущностей, поиска и ранжирования, оценки семантического сходства, определения тональности и естественно-языкового вывода. Заявлена поддержка 15 языков, включая русский. README указывает контекст до 8 192 токенов и возможность эффективного запуска на устройстве и в браузере через WebGPU; значение длины контекста в метаданных каталога составляет 128 000 токенов, поэтому фактический рабочий предел следует сверять с используемой конфигурацией модели. Модель ориентирована на низкие требования к памяти и задержке; авторы сообщают о хорошей производительности на длинных последовательностях и приводят сравнения с другими энкодерами. Для перечисленных прикладных задач обычно требуется дообучение: исходная модель не является готовым специализированным классификатором или поисковым ранжировщиком. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

Карточка модели suryatmodulus/LFM2.5-Encoder-350M-Prompt-Router на Hugging Face совпадает с карточкой LiquidAI/LFM2.5-Encoder-350M-Prompt-Router, поэтому описание составлено по ней. LFM2.5-Encoder-350-Prompt-Router — дообученная Liquid AI модель на базе двунаправленного энкодера LFM2.5-Encoder-350M. Она сопоставляет текст запроса с заданными пользователем маршрутами, описанными свободным текстом, и за один проход энкодера выдаёт оценки для каждого маршрута. Модель предназначена для маршрутизации промптов в приложениях с несколькими специализированными обработчиками или агентами. Модель содержит 444,6 млн параметров, принимает текст и рассчитана на контекст до 128 000 токенов. Карточка указывает поддержку английского, немецкого, испанского, французского, итальянского, нидерландского, польского, португальского, арабского, хинди, японского, русского, турецкого, вьетнамского и китайского языков. Для загрузки требуется Transformers и включение пользовательского кода через trust_remote_code=True. Лицензия указана как other; конкретные условия следует сверить с лицензией репозитория.

reranker_0.5_cont_filt_7max — это модель для ранжирования текстов, созданная на основе Qwen/Qwen2.5-0.5B-Instruct и дообученная разработчиком lightblue на датасете reranker_continuous_filt_max7_train. GGUF-квантизации модели подготовил Richard Erkhov. Модель предназначена для задач reranking: оценки релевантности текстовых вариантов и упорядочивания результатов поиска или кандидатов по соответствию запросу. В основе используется компактная языковая модель Qwen2.5 с размером 0,5 млрд параметров; исходная модель поддерживает текстовый режим, однако сведения о фактических языках, максимальной длине контекста и формате входных данных для этой версии не приведены. Указана оценка на тестовой выборке: loss 0,3869. Доступны варианты GGUF с методами квантизации от Q2_K до Q8_0 размером примерно от 0,39 до 0,63 ГБ, что позволяет выбирать между экономией памяти и сохранением качества. Сильными сторонами являются небольшой размер, возможность локального запуска в формате GGUF и специализация на ранжировании. Ограничения связаны с неполным описанием назначения, данных обучения, поддерживаемых языков, контекста и практических метрик качества; указан только loss. Лицензия оригинальной модели обозначена как other, но точные условия использования в карточке не уточняются.

LinkBERT-base — англоязычный трансформерный энкодер семейства BERT, разработанный Мичи Ясунага и соавторами. Модель предварительно обучена на статьях англоязычной Википедии с учётом гиперссылок между документами: связанный текст подавался в общий контекст, чтобы модель усваивала знания, распределённые по нескольким документам. Размер модели — 135,5 млн параметров, максимальная длина контекста — 512 токенов; доступны веса PyTorch. Лицензия — Apache-2.0. Модель предназначена для дообучения под классификацию текста и другие задачи понимания языка, включая ответы на вопросы, классификацию последовательностей и токенов. Её также можно использовать как исходный энкодер для извлечения признаков. Учёт связей между документами особенно полезен для задач, требующих объединять сведения из нескольких источников, таких как поиск по документам и чтение с пониманием. В опубликованных результатах дообученная модель превосходит BERT-base на приведённых наборах MRQA и GLUE; сама базовая модель не является готовой системой ответов на вопросы и может требовать дообучения для целевой задачи.

LLM2CLIP-EVA02-L-14-336 — модель семейства CLIP, разработанная исследователями Tongji University и Microsoft. Это визуальный backbone на архитектуре EVA-CLIPModel, предназначенный для сопоставления изображений с текстовыми описаниями и поиска по изображениям или тексту. Модель улучшает текстовую различимость представлений CLIP с помощью обучения LLM в пространстве подписей и контрастивного обучения; подход поддерживает длинные и сложные описания и расширяет возможности кросс-языкового поиска. Модель обучалась на данных CC3M, CC12M, YFCC15M и подмножестве Recap-DataComp-1B. В карточке Hugging Face основная задача обозначена как zero-shot классификация изображений; веса представлены в формате PyTorch. Лицензия — Apache-2.0. В опубликованной работе улучшения оценки приведены для PyTorch-весов, и авторы предупреждают, что результаты на версии Hugging Face могут отличаться.

LLM2CLIP — модель семейства CLIP, разработанная исследователями из Университета Тунцзи и Microsoft. Этот репозиторий содержит вариант OpenAI L/14 с разрешением изображения 224 пикселя и предназначен для получения признаков изображений и поиска соответствий между изображениями и текстом; в метаданных Hugging Face основная задача обозначена как zero-shot-классификация. Метод LLM2CLIP переносит языковые возможности большой языковой модели в текстовые эмбеддинги CLIP с помощью контрастивного обучения, а затем использует эту модель как учителя для визуального энкодера. Подход поддерживает работу с более длинными и сложными подписями и улучшает межъязыковой поиск; в статье также описано применение признаков в мультимодальном обучении. Для данной версии карточка приводит веса в формате safetensors и лицензию Apache-2.0. Авторы сообщают об улучшениях в задачах поиска по изображению и тексту, однако предупреждают, что результаты статьи оценивались на весах PyTorch и могут отличаться для версий Hugging Face. В карточке не приведены конкретный лимит контекста и список языков этой версии.

lod-lille-0.6B — плотная модель для оценки вариантов и классификации без генерации токенов, разработанная авторами проекта LOD. На вход она получает состояние и один или несколько вопросов с вариантами ответа и критериями; для вариантов вычисляет вероятности, а отдельная оценка confidence показывает, насколько вероятно, что правильный ответ вообще присутствует среди предложенных. Также поддерживаются вопросы типа noul для оценки истинности утверждения и score для позиционирования по шкале от 2 до 10 баллов. Модель основана на Qwen3-0.6B-Base и дообучена с LoRA, веса адаптера объединены с базовой моделью. Она принимает текст на английском языке, использует контекстное окно до 32 768 токенов и рассчитана на оценивание вариантов, классификацию с заданным набором меток и выборочный отказ от ответа. Авторы сообщают о среднем ECE 0,026 на тестовых вопросах, но точность заметно различается между задачами и областями; для задач с 129 и более вариантами в тесте точность составила 0,288. Модель распространяется под лицензией Apache-2.0. Она не умеет выбирать ответ за пределами предоставленного списка: если правильного варианта нет, следует ориентироваться только на confidence. Калибровка может быть неточной на отдельных задачах, а результаты для состояний длиннее 30 000 токенов не измерялись.

zer0int/LongCLIP-GmP-ViT-L-14 — дообученная модель CLIP, созданная zer0int на основе BeichenZhang/LongCLIP-L. Она предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по текстовым меткам без отдельного обучения на этих классах. Модель также можно использовать как текстовый энкодер в рабочих процессах генерации изображений, включая Flux.1, SDXL и Stable Diffusion. Модель основана на архитектуре CLIP ViT-L/14 и использует формат safetensors. В README описан вариант интеграции, поддерживающий до 248 токенов текста; упрощённый способ загрузки обрезает текст до 77 токенов. Автор сообщает об улучшении точности на ImageNet/ObjectNet до 0,89 относительно примерно 0,81 у исходного LongCLIP, но это результат указанной оценки, а не гарантия для других данных. Для корректной загрузки в Transformers и интеграции с ComfyUI могут потребоваться специальные настройки или узлы. В карточке указана лицензия MIT для исходной модели OpenAI CLIP; отдельные условия лицензирования дообученной модели не уточнены.

Jeevesh8/lp1e-3_ft_corr_init_shuff_clipped_warmed_wd0_pnt_01_seq_len_128_bert-base-uncased_mnli_ft_33 — модель классификации текста, опубликованная пользователем Jeevesh8 на Hugging Face. По названию и метаданным она основана на BERT-base-uncased и связана с дообучением на задаче MNLI; в карточке указаны Transformers, JAX и text-classification. Модель предназначена для классификации текстовых входов и может использоваться в пайплайнах, где требуется отнести текст к одному из заранее заданных классов. Она содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Данные о модальностях, поддерживаемых естественных языках и лицензии в доступных источниках не установлены. Возможны ограничения, связанные с доменом и данными дообучения; качество на прикладной задаче необходимо проверять отдельно.

Модель LinkTransformer от исследователей Harvard предназначена для сопоставления записей и товаров на испанском языке. Это дообученная модель Sentence Transformers на базе hiiamsid/sentence_similarity_spanish_es с архитектурой BERT и 137,1 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768; максимальная длина входа — 512 токенов. Модель обучена на данных, полученных при связывании классификаций товаров статистики ООН, чтобы сопоставлять разные описания товаров. Модель подходит для связывания сущностей, кластеризации, удаления дубликатов, объединения классификаций товаров и семантического поиска. Для векторизации использует среднее объединение токенов, обучение проводилось с функцией SupCon loss. Указанный формат весов — safetensors; для работы в описанных сценариях разработчики предлагают пакет LinkTransformer. Лицензия в предоставленных сведениях не указана. Результаты обучения ориентированы на сопоставление товарных описаний и классификаций ООН; качество на других типах текстов не подтверждено. Контекст ограничен 512 токенами.

LVBERT — регистрозависимая модель BERT-base для латышского языка, разработанная AiLab-IMCS и представленная в исследовательской работе; текущий репозиторий содержит улучшенную версию модели. Она предварительно обучена на корпусах современного латышского языка, латышской Википедии, новостных статьях и комментариях — суммарно примерно на 500 млн токенов. Обучение использовало masked language modeling и next sentence prediction. Модель имеет архитектуру BERT-base с 12 слоями, 768 скрытыми единицами, 12 головами внимания и контекстом до 512 токенов. Для токенизации используется словарь из 32 тысяч токенов в формате WordPiece, полученный из SentencePiece. Модель предназначена для дообучения на задачах понимания латышского текста, включая классификацию, распознавание именованных сущностей и ответы на вопросы; без дообучения её можно применять для получения контекстных представлений, поиска по смыслу, сравнения текстов и кластеризации. Доступна в форматах PyTorch и Safetensors. Модель выпущена под лицензией Apache-2.0. Она ориентирована на латышский язык и ограничена контекстом в 512 токенов; качество на задачах зависит от используемых данных и дообучения.