I.11Классификация, ранжирование и сопоставление

SIGMA-BERT-base — словенская языковая модель на архитектуре ModernBERT, разработанная командой LHRS-UM-FERI и предварительно обученная с нуля на словенских текстах методом masked language modeling. Это плотный encoder-чекпойнт примерно на 148,7 млн параметров с контекстом до 8192 токенов; модель использует токенизатор SentencePiece BPE с 50 000 токенов. Модель предназначена для заполнения пропусков и как основа для дообучения на задачах понимания словенского текста: классификации, распознавания именованных сущностей, извлечения ответов, оценки семантического сходства, поиска по документам и ранжирования в RAG-системах. Длинное контекстное окно подходит для анализа больших документов. SIGMA-BERT-base не генерирует связный текст: это encoder для предсказания замаскированных токенов и извлечения языковых представлений. Модель рассчитана прежде всего на словенский язык и может отражать предубеждения обучающих данных. Лицензия — CC BY-SA 4.0.

Cyclone SIMCSE Chinese RoBERTa WWM Ext — модель для получения векторных представлений предложений на упрощённом китайском языке. Она разработана на основе Chinese RoBERTa WWM Ext: энкодер токенов используется в подходе Simple Contrastive Learning для кодирования предложений. Модель содержит 129,5 млн параметров, имеет архитектуру BERT и контекст до 512 токенов; веса доступны в формате PyTorch. Модель предназначена для построения эмбеддингов, которые можно применять для семантического поиска, сравнения сходства предложений и поиска похожих текстов. README рекомендует загружать её с помощью SentenceTransformer. Сведения о лицензии и специальных ограничениях в предоставленных данных отсутствуют.

Это корейская модель для оценки семантического сходства предложений, разработанная автором репозитория на основе klue/roberta-base. Она кодирует предложения и позволяет сравнивать их смысловую близость по косинусному сходству. Модель построена на RoBERTa, содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов по метаданным; в описанных экспериментах использовалась максимальная длина 64 токена. Модель обучалась с учителем на KorNLI-train в течение одной эпохи с методом SimCSE и проверялась на KorSTS-dev и Klue-dev. Она предназначена для поиска семантически близких предложений и сравнения формулировок на корейском языке. Репозиторий распространяется по лицензии MIT.

Ransaka/sinhala-sentence-transformer — модель на базе RoBERTa, опубликованная пользователем Ransaka на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 81,2 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Обучение проводилось с TripletLoss и евклидовой метрикой расстояния. Модель предназначена для работы с сингальским языком, что отражено в её названии. Её можно применять для семантического поиска и группировки похожих предложений и документов. Репозиторий содержит веса PyTorch и поддерживает использование через Sentence-Transformers либо Transformers с соответствующим pooling. Сведения о лицензии в предоставленных данных отсутствуют.

SkillMatch MPNet — дообученная модель Aleksandruz на базе sentence-transformers/all-mpnet-base-v2 для сопоставления предложений из описаний вакансий с определениями навыков. Она кодирует оба текста в векторы, после чего косинусное сходство позволяет находить наиболее подходящие навыки для каждого предложения. Модель предназначена для извлечения навыков и поиска по ним в текстах вакансий. Модель использует архитектуру MPNet и содержит 136,7 млн параметров. Принимает текст на английском языке; контекст — до 514 токенов. Распространяется в формате Safetensors по лицензии MIT. Оценивалась в исследованиях по автоматическому извлечению навыков и бенчмарке для рабочих задач.

SR-Rank-0.6B — реранкер навыков для маршрутизации задач к инструментам и навыкам LLM-агента, разработанный pipizhao на основе дообученной Qwen/Qwen3-Reranker-0.6B. Это cross-encoder на архитектуре Qwen3 с причинно-языковой моделью и примерно 507,6 млн параметров; он совместно оценивает запрос и текст каждого кандидата, после чего выдаёт скалярную оценку релевантности как разность логитов «yes» и «no». Модель принимает запрос и текст кандидата, оформленные по шаблону Qwen reranker, и рассчитана на контекст до 40 960 токенов. Её используют после первичного поиска, чтобы переупорядочить небольшой список кандидатов и выбрать наиболее подходящий навык для агента. Например, сначала извлекают top-K навыков отдельным ретривером, затем ранжируют их этой моделью и передают top-1 или top-N на планирование либо выполнение. Английский указан среди языков карточки; метаданные также отмечают интерфейс чата и вызова инструментов, но README не заявляет свободную генерацию как целевую задачу. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Она предназначена для ранжирования уже отобранных кандидатов, а не для самостоятельного поиска по большому корпусу; без предварительного сужения списка кандидатов её не следует использовать для поиска по корпусам масштаба 80 тысяч навыков.

SLIM-CATEGORY — специализированная модель серии SLIM от llmware, дообученная для анализа тем и классификации текста по категориям с помощью вызовов функций. Она построена на плотной decoder-only архитектуре Llama и содержит 1 млрд параметров. Модель принимает текст и формирует структурированный результат в виде словаря Python, например категорию «markets», который можно использовать в автоматизированных рабочих процессах с несколькими моделями. Модель предназначена для тематической категоризации текстов и выдачи результата по заданным ключам. Её можно подключать через Transformers или библиотеку llmware; README также упоминает отдельную квантизованную версию slim-category-tool. Репозиторий содержит веса PyTorch, контекст составляет 2048 токенов. Лицензия — Apache-2.0. Результат ориентирован на заданную категорию и структурированный вывод, а не на универсальный диалог. В README приведён пример классификации финансовой новости, но перечень поддерживаемых тематик и языков не задан; для надёжного разбора результата предлагается преобразование строки в словарь Python.

unclemusclez/SmolLM-135M-Instruct-DEVINator-v0.2 — дообученная модель на архитектуре Llama, созданная с помощью AutoTrain на наборе skratos115/opendevin_DataDevinator. Карточка указывает тип задачи Sentence Transformers; модель предназначена для получения представлений текста и сравнения сходства предложений. Метаданные также отмечают возможности генерации текста и чата. Модель содержит 134,5 млн параметров, использует контекст до 2048 токенов и распространяется в форматах safetensors и GGUF. Базовая модель — HuggingFaceTB/SmolLM-135M-Instruct. Данных о метриках проверки качества в README нет. Лицензия в предоставленных данных не указана.

Sathvik0101/srag-biencoder-hn — sentence-transformers биэнкодер, дообученный разработчиком на базе sanganaka/bge-m3-sanskritFT. Модель использует XLM-RoBERTa с пулингом CLS и нормализацией, преобразует текстовые предложения и абзацы в плотные векторы размерностью 1024. Сходство векторов можно оценивать косинусной мерой; модель предназначена для семантического поиска и извлечения релевантных текстов. В метаданных указано контекстное окно 8194 токена, а в README — максимальная длина последовательности 256 токенов. Обучение описано для набора из 4858 примеров с MultipleNegativesRankingLoss. Базовая модель специализируется на сопоставлении английских и санскритских текстов, поэтому пригодность этой версии для других языков не подтверждена. Лицензия в предоставленных данных не указана.

Sathvik0101/srag-biencoder-v1 — модель Sentence Transformers, дообученная на базе sanganaka/bge-m3-sanskritFT. Она кодирует предложения и абзацы на входе в плотные векторы размерности 1024, нормализует их и предназначена для семантического поиска и сопоставления текстов по косинусному сходству. Архитектура построена на XLM-RoBERTa с объединением представления CLS; в метаданных указан контекст до 8194 токенов, а карточка README задаёт максимальную длину последовательности 256 токенов. Модель обучалась на 4 858 примерах с английскими запросами и санскритскими фрагментами, поэтому подходит, в частности, для поиска санскритских соответствий английскому тексту и ранжирования найденных фрагментов. Она принимает текст и выдаёт векторы для последующего поиска или сравнения; генерацию текста не выполняет. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

stackoverflow_mpnet-base — модель эмбеддингов предложений, разработанная в рамках Community Week Hugging Face для проекта по обучению моделей sentence embeddings. Она основана на microsoft/mpnet-base и дообучена сиамской сетью с контрастивной целью на 18,56 млн пар заголовков и текстов вопросов Stack Overflow; в качестве эмбеддинга используется mean pooling скрытых состояний. Веса доступны в формате PyTorch, размер модели — 136,7 млн параметров, контекст — до 514 токенов. Модель кодирует текст в векторы для семантического поиска, сравнения сходства и кластеризации. Она ориентирована на технические вопросы и ответы Stack Overflow, поэтому особенно подходит для поиска похожих вопросов и семантической навигации по базе знаний разработчиков. Карточка описывает обучение с последовательностями до 128 токенов; более длинные входы могут не соответствовать режиму обучения. Лицензия в предоставленных данных не указана.

System One Model — дообученная модель Blocks.ai на базе Gemma 4 12B. Она заменяет языковую голову базовой модели компактным векторным выходом с 26 логитами и выдаёт вероятностные оценки для структурированных решений по тексту. Модель поддерживает три режима: оценку ответа «да/нет» (`noul`), выбор одного варианта (`choice`) и оценку по упорядоченной шкале (`score`); до 26 вариантов или уровней можно задать через критерии. Несколько вопросов об одном состоянии обрабатываются одним пакетным проходом. Модель предназначена для классификации намерений и тональности, проверки условий и оценки текста по заданным критериям, а также для использования в агентных системах, которым нужны типизированные решения и вероятности. README приводит результаты локальных тестов и задержек на конкретном оборудовании; это небольшая тестовая выборка, поэтому результаты не гарантируют качество на других данных. Для работы требуется Transformers версии 5.17 или новее и загрузка пользовательского кода репозитория через `trust_remote_code=True`. Лицензия — Gemma.

TabRank — это диалоговая языковая модель на базе Qwen3-8B, дообученная AdarshSingh7647 для переранжирования таблиц. Она получает вопрос и список кандидатов-таблиц в одном сообщении и за одну генерацию возвращает их полный порядок в виде JSON с позициями кандидатов. Модель предназначена для второго этапа поиска: она переставляет таблицы из списка, уже найденного первой системой поиска, чтобы наиболее подходящие к вопросу оказались выше. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и имеет контекстное окно 40 960 токенов. Для обучения применялся LoRA ранга 16, слитый с весами базовой модели; файлы представлены в формате safetensors. В README сообщается об оценке на пяти бенчмарках, использованных при обучении, и семи бенчмарках вне обучающей выборки; результаты показывают улучшение среднего nDCG@10 относительно базовой модели. Лицензия — Apache-2.0.

chs20/tecoa4-clip — модель CLIP ViT-L/14, опубликованная пользователем chs20 и предназначенная для классификации изображений по текстовым описаниям без дообучения на каждом наборе классов. Она сопоставляет изображения и текстовые метки, позволяя задавать категории естественным языком. Модель создана дообучением с учителем и состязательным обучением на ImageNet от исходной модели OpenAI CLIP; при обучении использовалась норма L∞ с радиусом 4/255. Модель работает с изображениями и текстом и доступна в формате PyTorch через библиотеку open_clip. Состязательное дообучение направлено на устойчивость к небольшим возмущениям входного изображения, однако README не приводит метрик качества и не уточняет пределы такой устойчивости. Лицензия — MIT.

tevatron-elastic-modernbert-reranker-plain — дообученная модель ранжирования на основе ModernBERT-base, выпущенная командой Utah NLP как часть набора контрольных точек к работе Tevatron-Elastic. Она предназначена для переоценки релевантности найденных документов по запросу: получает текст запроса и passage с префиксами query: и passage: и кодирует их для ранжирования. Модель содержит 149 млн параметров, использует encoder-only архитектуру ModernBERT и поддерживает контекст до 8192 токенов; в обучении применялась максимальная длина 512 токенов и датасет rlhn/rlhn-680K. Это полный базовый вариант одной контрольной точки, рассчитанный на работу с Tevatron-Elastic; для него указана BEIR-15 nDCG@10 0,457. Чекпойнт опубликован как ресурс для воспроизводимости результатов и изучения компромиссов сжатия, а не как заявка на превосходство над современными методами. Базовая модель — answerdotai/ModernBERT-base; файлы представлены в формате Safetensors. Лицензия Apache-2.0.

vulong3896/topic_classifier — модель классификации текста на основе DistilBERT, дообученная на distilbert/distilbert-base-multilingual-cased. Она предназначена для отнесения текстов к темам и другим заданным классам; конкретные категории и сценарии применения в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов; репозиторий содержит веса в формате safetensors. Базовая модель многоязычная, поэтому модель подходит для классификации текстов на разных языках, хотя конкретные поддерживаемые языки не перечислены. На оценочном наборе указаны accuracy 0,8869 и loss 1,2182, но набор данных и методика оценки не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

WebOrganizer/TopicClassifier — англоязычный классификатор веб-страниц по темам, разработанный WebOrganizer на основе Alibaba-NLP/gte-base-en-v1.5. Модель принимает URL страницы и её текстовое содержимое и распределяет страницу по 24 категориям. Это дообученная плотная энкодерная модель с архитектурой sequence classification, примерно 136,7 млн параметров, максимальным контекстом 8192 токена и весами в формате safetensors. Модель предназначена для тематической организации веб-контента и классификации страниц при построении каталогов или обработке больших коллекций URL и текстов. Обучение проходило в два этапа на наборах WebOrganizer с аннотациями, созданными Llama 3.1: сначала на 1 млн документов, затем на 100 тыс. документов. README рекомендует для ускоренного вывода реализацию gte-base-en-v1.5 с unpadding и memory-efficient attention; для этого требуется xformers. Сведения о лицензии в предоставленных данных отсутствуют.

TPIPS-ActDiff-Qwen3VL-8B — модель для оценки перцептивного сходства изображений с учётом текста, разработанная на основе Qwen/Qwen3-VL-Embedding-8B. Она вычисляет многослойное расстояние между скрытыми представлениями пары изображений, а небольшая текстовая MLP-сеть задаёт веса слоёв. Чем выше попарная оценка, тем изображения похожее; на её основе также можно рассчитывать вероятности выбора отличающегося изображения и сравнивать кандидатов с эталоном. Модель дообучена с помощью channel LoRA (r=16, α=32) и отдельной текстовой MLP-головы. Репозиторий содержит checkpoint activation distance и предназначен для сценариев сравнения изображений по текстовому условию. Для работы предлагается библиотека TPIPS и Python 3.10 или новее. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

FrancescoPeriti/TRoTR-multi-qa-mpnet-base-cos-v1 — дообученная модель предложений на базе sentence-transformers/multi-qa-mpnet-base-cos-v1 для оценки тематической близости контекстов, в которых повторно используется текст. Она преобразует тексты в плотные векторные представления и сравнивает их косинусное сходство; в карточке приведён пример сравнения контекстов библейских цитат. Модель построена на MPNet, содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для задач TRoTR по анализу тематической связанности и изменения контекста при повторном использовании текста. Её можно применять для сравнения контекстов, семантического сопоставления предложений и поиска тематически близких фрагментов. Указанная лицензия — CC BY-SA 4.0. Карточка демонстрирует английские примеры и указывает английский язык.

UForm uform3-image-text-english-large — компактная мультимодальная модель unum-cloud для сопоставления изображений и английского текста в общем векторном пространстве. Она предназначена для извлечения признаков, поиска изображений по текстовому запросу и классификации изображений без дополнительного обучения. Модель включает 12-слойный текстовый энкодер BERT с контекстом до 64 токенов и визуальный энкодер ViT-L/14 для изображений 224 × 224 пикселя; шесть слоёв энкодеров общие. Она формирует эмбеддинги размерностью 64, 256, 512 или 768. Доступны форматы PyTorch, ONNX и CoreML, а лицензия — Apache-2.0. В README приведены результаты zero-shot классификации ImageNet: 51,8% Top-1 и 75,6% Top-5, а также поиска по тексту на Flickr и MS-COCO. Модель рассчитана на английский язык и короткие текстовые запросы; многоязычные сценарии и входной текст длиннее 64 токенов не описаны.

UForm uform3-image-text-english-small — компактная мультимодальная модель от unum-cloud для кодирования изображений и английского текста в общее векторное пространство. Она предназначена для извлечения признаков, поиска изображений по текстовому запросу и сопоставления изображений с текстами. Лицензия Apache-2.0. Модель использует текстовый энкодер на основе BERT из 4 слоёв, принимающий до 64 токенов, и визуальный энкодер ViT-S/16 для изображений размером 224 × 224. Энкодеры совместно используют два слоя; выходные эмбеддинги имеют размерность до 256. Доступны веса в форматах PyTorch, ONNX и CoreML, включая предварительно квантованные варианты. В карточке приведены результаты zero-shot классификации ImageNet: точность Top-1 36,1%, Top-5 60,8%; для поиска текста по изображениям Recall@10 составляет 86% на Flickr и 64,5% на MS-COCO. Модель компактна и поддерживает совместное представление текста и изображений, но ограничена английским языком, коротким контекстом и входными изображениями 224 × 224; результаты на ImageNet указывают на скромную точность классификации по сравнению с крупными моделями.

UME-R1-2B — модель семейства Qwen2-VL, представленная в виде плотной архитектуры с 1,5 млрд параметров. По карточке, модель прошла этап обучения с учителем для холодного старта и этап обучения с подкреплением. Она формирует эмбеддинги текста, изображений, нескольких изображений и видео; доступны дискриминативные и генеративные представления. Для генеративных эмбеддингов описан потенциал масштабирования за счёт повторных выборок во время вывода. Контекст составляет 32 768 токенов. Модель предназначена для мультимодального поиска и сопоставления представлений; карточка сообщает о преимуществах в оценках относительно дискриминативных эмбеддингов, но не приводит датасеты и численные результаты. Использование предполагает библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0.

ddobokki/unsup-simcse-klue-roberta-small — модель на архитектуре RoBERTa, разработанная для получения векторных представлений корейских предложений и оценки их семантической близости. Её можно использовать через библиотеку Sentence-Transformers для сравнения предложений, поиска семантически похожих текстов и построения векторного поиска. Модель содержит 81,2 млн параметров и принимает текстовые последовательности с контекстом до 514 токенов. Репозиторий содержит веса PyTorch и safetensors. Карточка не сообщает отдельную лицензию; ограничения качества и условия коммерческого использования по доступным данным определить нельзя.

Карточка модели josedossantos/urf-txtInteiroTeorLimpo-legalbert на Hugging Face совпадает с карточкой josedossantos/urf-txtEmenta-legalbertpt, поэтому описание составлено по ней. josedossantos/urf-txtEmenta-legalbertpt — модель Sentence-Transformers на архитектуре BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для поиска семантически близких текстов, кластеризации и сопоставления предложений; обучение использовало контрастивную функцию потерь с косинусной метрикой расстояния. Модель содержит 136,1 млн параметров и принимает текст, выдавая векторные представления. Максимальная длина контекста — 512 токенов. Название указывает на правовые тексты на португальском языке, однако README не уточняет состав обучающих данных или специализированные юридические сценарии. Файлы модели представлены в формате safetensors; лицензия в предоставленных данных не указана.

YAR.INK v5_Embedding — текстовая модель эмбеддингов от YARlabs для семантического поиска, кластеризации и выявления иерархических связей в больших наборах данных. Модель содержит 507,6 млн параметров, принимает текст и возвращает векторы признаков; архитектура YarEmbeddingModel использует гиперболическое пространство Лоренца и Matryoshka Representation Learning. Заявленное авторами окно контекста — 512 токенов, токенизатор основан на Qwen2Tokenizer. Модель предназначена для поиска по документам и базам знаний, построения иерархий и компактных векторных индексов, в том числе для систем RAG и устройств с ограниченными ресурсами. Размерность эмбеддингов можно уменьшать, выбирая конфигурации Matryoshka; для сравнения векторов README предписывает использовать расстояние Лоренца, а не косинусную или евклидову метрику. Приведённые в README результаты сравнения являются заявлениями авторов. В репозитории указаны форматы safetensors и ONNX. Для загрузки требуется trust_remote_code=True, поскольку используются пользовательские классы архитектуры. Метаданные и README не сообщают лицензию, поэтому условия использования определить нельзя.

VEJI-V2 — компактная модель типизированного выбора кандидата и принятия структурированных решений, опубликованная racore. Это не генеративная языковая модель: она получает контекст, вопрос или инструкцию и список вариантов, совместно оценивает варианты и возвращает лучший ответ, вероятности, оценку уверенности и фрагменты контекста, использованные для решения. Модель использует замороженный многоязычный энкодер paraphrase-multilingual-MiniLM-L12-v2, маршрутизацию свидетельств, рекуррентное уточнение с GRUCell и признаки точного совпадения, чисел, отрицаний и токенов кода. Обучаемая часть содержит около 3,28 млн параметров без учёта энкодера. Модель предназначена для классификации, маршрутизации запросов, извлечения ответа из заданных вариантов, проверок политик, семантического сопоставления, анализа кода и многошаговых вопросов по контексту. В README заявлена обработка контекста до 250 000 символов с повторным использованием закодированного состояния; тестовая точность составила 82,95% на выборке из 522 вопросов. Указаны английский и арабский языки, формат PyTorch и лицензия MIT. Ответ ограничен предоставленными вариантами, поэтому качество зависит от их полноты и формулировок. Оценка основана на небольшой выборке; в ней слабы ранжирование, планирование, временной порядок, некоторые числовые проверки и предсказание точного вывода кода. Начальная компиляция длинного контекста может быть затратной, а полный тест на длинном контексте не завершился.

anhtuansh/vietnamese-bi-encoder-Financial-Matryoshka-1e-200k — дообученная модель Sentence Transformers на базе bkai-foundation-models/vietnamese-bi-encoder, разработанная для получения плотных векторных представлений вьетнамских предложений и абзацев. Она основана на RoBERTa и использует среднее объединение токенных представлений; исходная размерность вектора — 768, сходство оценивается косинусной мерой. Благодаря Matryoshka-обучению доступны укороченные представления размером 512, 256, 128 и 64 измерения. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текстов. Она обучалась на парах примеров из набора json: карточка указывает 181 350 обучающих и 20 150 оценочных примеров. Максимальная длина последовательности — 258 токенов по метаданным; README указывает ограничение 256 токенов. Лицензия в предоставленных сведениях не указана.

Модель iwillcthew/vietnamese-embedding-PROPTIT-domain-ft — Sentence Transformer на архитектуре XLM-RoBERTa, дообученный на базе AITeamVN/Vietnamese_Embedding_v2. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 1024, нормализованные для сравнения по косинусному сходству. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. В README указаны максимальная длина последовательности 512 токенов и оценка Spearman 0,7062 на валидационном наборе для задачи семантического сходства. Метаданные каталога указывают контекст до 8194 токенов; это значение относится к базовой конфигурации, тогда как карточка модели задаёт предел 512 токенов для Sentence Transformers. Модель ориентирована на вьетнамский язык и обучена на 1457 примерах, связанных с вопросами и ответами о PROPTIT — клубе программирования. Лицензия в предоставленных данных не указана.

Cloyne/vietnamese-sbert — дообученная модель Sentence Transformer на базе keepitreal/vietnamese-sbert, разработанная Cloyne. Архитектура RoBERTa с mean pooling преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. Модель содержит 162,4 млн параметров и рассчитана на последовательности длиной до 258 токенов по метаданным Hugging Face; в README указана максимальная длина 256 токенов. Модель предназначена прежде всего для семантического поиска и сравнения вьетнамских текстов. Её можно применять для поиска похожих фрагментов, выявления перефразировок, кластеризации и получения эмбеддингов для последующей классификации. Дообучение выполнено на 120 210 парах anchor-positive из CSV-датасета с функцией потерь MultipleNegativesRankingLoss. Модель принимает текст и выдаёт векторы, поэтому сама по себе не генерирует ответы и не является готовым классификатором. Контекст ограничен короткими последовательностями, а качество для языков помимо вьетнамского не подтверждено. Лицензия в предоставленных данных не указана.

VLM2Vec-V2.0 — мультимодальная модель для получения эмбеддингов, разработанная командой TIGER-Lab. Она предназначена для сопоставления визуального или текстового запроса с текстовыми описаниями и решения задач мультимодального поиска и оценки семантического сходства. Модель поддерживает изображения, видео и визуальные документы, а также текстовые данные. В демонстрации используется backbone Qwen2-VL-7B и дообучение с LoRA; предусмотрено нормализованное pooling-представление и вычисление сходства между эмбеддингами. Модель обучалась и оценивалась на наборах MMEB-train, MMEB-V2 и MMEB-eval. В метаданных указан английский язык. Размер контекста и точные характеристики архитектуры в README не указаны. Сильная сторона модели — единое мультимодальное представление для работы с разными типами визуального контента, включая видео, изображения и документы, что делает её подходящей для retrieval-сценариев. Ограничения README подробно не описывает; для запуска требуются Transformers, PyTorch и, согласно примеру, GPU с поддержкой bfloat16. Модель распространяется по лицензии Apache-2.0.