I.11Классификация, ранжирование и сопоставление

VoiceCLAP-Large-v2 — модель эмбеддингов аудио и текста от LAION, созданная дообучением LCO-Embedding-Omni-7B с помощью rank-16 LoRA. Она основана на архитектуре Qwen2.5-Omni thinker и предназначена для сопоставления речи с текстовыми описаниями, в том числе для анализа эмоций в голосе. Модель обучалась с контрастивными функциями потерь InfoNCE и Prototypical Contrastive Loss на смеси аудиокорпусов и подписей MOSS-Audio. Модель кодирует аудиоклип и текст в эмбеддинги, близость которых можно оценивать сравнением векторов. В README приведены результаты тестирования на эмоциональных и связанных с голосом признаках; авторы сообщают об улучшении относительно предыдущей версии VoiceCLAP и варианта без PCL. Указана поддержка английского, немецкого, французского, испанского и китайского языков. Для работы README предлагает библиотеку Sentence Transformers и загрузку с trust_remote_code=True. Лицензия — CC-BY-4.0.

WaterSheep — англоязычная модель для оценки и классификации текста, разработанная как открытая альтернатива Jev. Она отвечает на вопросы о тексте в форматах «да/нет», выбор одного варианта, оценка по шкале и многометочная классификация, выдавая вероятность для каждого варианта. Модель дообучена на базе answerdotai/ModernBERT-base; доступны веса Safetensors и формат ONNX, а также запуск через Transformers, ONNX Runtime, локальный сервер или JavaScript в браузере. Модель предназначена для классификации тональности и эмоций, модерации, проверки безопасности, определения намерений и других задач, заданных вариантами ответа. В README указана точность 77,8% на тестовой выборке из распределения обучения и 61,2% на отложенных наборах; качество и калибровка вероятностей зависят от соответствия данных обучающим. Входные данные на английском языке, длинные тексты обрезаются. Оценки по шкале менее точны; модель не следует использовать самостоятельно для важных медицинских, юридических, финансовых решений и найма. Лицензия — Apache-2.0.

Wendi 2B — компактная модель для принятия решений, разработанная на основе Qwen3.5-2B. Она получает свидетельства, критерий выбора и небольшой набор вариантов, после чего выбирает ответ одним предсказанием следующего токена. Модель предназначена для маршрутизации рабочих процессов, выбора следующего действия, классификации с учётом инструкций, проверки свидетельств, анализа использования инструментов и классификации электронной почты. Модель представляет собой плотную архитектуру Qwen3.5 с 2 млрд параметров; карточка указывает настройку контекста до 262 144 токенов и поддержку диалога. Wendi дообучена с помощью supervised fine-tuning и гибридного GRPO; языковые LoRA-адаптеры ранга 16 объединены в самостоятельный BF16-чекпойнт. Для обслуживания README рекомендует актуальные версии SGLang или vLLM с поддержкой Qwen3.5. Метаданные указывают языки en и zh. Внутренние отложенные проверки показывают пригодность для ряда задач классификации и выбора по заданным критериям, однако результаты различаются по категориям и не гарантируют точность на новых данных. Для запросов на принятие решений README рекомендует отключать режим thinking, использовать заглавные буквы для вариантов и оценивать следующий токен только среди допустимых ответов. Модель распространяется по лицензии Apache-2.0.

X-CLIP — базовая модель семейства CLIP для понимания видео и текста, разработанная Microsoft и представленная Ni и соавторами. Она обучена контрастивным способом на парах «видео–текст» и полностью контролируемым образом на наборе Kinetics-400. Видеоклип обрабатывается по 8 кадрам с разрешением 224×224; модель использует архитектуру X-CLIP с визуальными патчами размером 32 пикселя. Модель предназначена для классификации видео с нулевым или малым числом примеров, а также для классификации с учителем и поиска соответствий между видео и текстом. Она может оценивать, насколько текст подходит к видео; для Kinetics-400 указана точность top-1 80,4% и top-5 95,0%. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — MIT.

Moritz Laurer разработал эту модель на базе xtremedistil-l6-h256-uncased от Microsoft для классификации текста без заранее заданного набора классов. Она сопоставляет текст-посылку с гипотезой-кандидатом и предсказывает, следует ли гипотеза из посылки: «следует» или «не следует». Такой бинарный формат подходит для zero-shot-классификации, где различие между нейтральным отношением и противоречием несущественно. Модель использует архитектуру BERT и содержит 14,1 млн параметров; максимальная длина контекста — 512 токенов. Она обучена на 782 357 парах из MultiNLI, Fever-NLI, LingNLI и ANLI. В README приведены результаты оценки на этих наборах; точность заметно ниже на ANLI, чем на MultiNLI. Метаданные указывают английский язык. Лицензия в предоставленных данных не указана. README также предупреждает о возможных смещениях, связанных с данными NLI, и проблемах совместимости со старыми версиями Transformers и токенизатора; автор советует Transformers 4.13 как возможное решение.

Alfiob12/agnews-bert — модель классификации новостей, созданная дообучением bert-base-uncased на наборе AG News. Она принимает заголовок и текст статьи и относит новость к одной из четырёх категорий: World, Sports, Business или Sci/Tech. Модель построена на архитектуре BERT и содержит 136,7 млн параметров; максимальная длина контекста — 512 токенов. Предназначена для автоматической разметки новостных материалов и тематической сортировки публикаций. В README указана точность 94,47% на выделенной тестовой выборке. Модель работает с англоязычными новостями. Доступна в формате safetensors и распространяется по лицензии MIT. Результаты оценки относятся к AG News и могут не отражать качество на других тематиках, языках или форматах текста.

AIMv2 Large Patch14 224 LIT — модель компьютерного зрения из семейства AIMv2, разработанного Apple. Это вариант архитектуры Aimv2Model с патчами 14×14 и входным разрешением 224 пикселя; модель предварительно обучена с мультимодальной авторегрессионной целевой функцией. В метаданных Hugging Face для неё указана задача классификации изображений без предварительно заданного набора классов. Модель предназначена для сопоставления изображений с текстовыми описаниями классов и распознавания объектов по словесным категориям. По данным README, семейство AIMv2 показывает сильные результаты на задачах мультимодального понимания, обнаружения объектов с открытым словарём и интерпретации выражений, указывающих на объекты. Карточка также сообщает, что AIMv2 превосходит CLIP и SigLIP на большинстве упомянутых бенчмарков, но конкретные результаты для данного Large-чекпойнта не приведены. Репозиторий содержит веса в форматах Flax и Safetensors; для использования указана библиотека Transformers. Лицензия — Apple AMLR. README описывает семейство, но не приводит отдельные ограничения или гарантии качества именно этой версии.

Это модель SentenceTransformer, дообученная на наборе it_project_docs на базе sentence-transformers/all-MiniLM-L6-v2. Энкодер BERT преобразует предложения и абзацы в плотные векторы размерностью 384; сходство векторов можно оценивать по косинусной мере. В метаданных указано 25,9 млн параметров и контекст до 512 токенов, тогда как README задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения вопросов и текстов проектной документации, а также для поиска перефразировок, кластеризации и классификации текстов. Она выдаёт эмбеддинги, а не готовые ответы на вопросы. Обучение проводилось на парах вопросов и ответов из it_project_docs с функцией потерь MultipleNegativesRankingLoss. Модель рассчитана на английский язык, унаследованный от базовой модели; подтверждений поддержки других языков нет. Качество зависит от соответствия корпуса и запроса обучающим данным, а входные последовательности длиннее 256 токенов выходят за указанную в README максимальную длину. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformers, разработанная пользователем jaimevera1107 и дообученная на базе sentence-transformers/all-MiniLM-L6-v2 на 67 560 парах предложений с оценками сходства. Архитектура основана на BERT: энкодер с усреднением токенных представлений и нормализацией формирует плотные векторы размерности 384. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; в README заявлена максимальная длина последовательности 256 токенов. Модель предназначена для семантического сравнения предложений и абзацев, семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Она выдаёт векторы, которые можно сравнивать косинусным сходством; примеры обучающих данных относятся к биомедицинской тематике, поэтому модель может быть полезна для поиска и сопоставления научных текстов этой области. Лицензия в предоставленных данных не указана.

tavakolih/all-MiniLM-L6-v2-pubmed-full — модель Sentence-Transformers на базе архитектуры BERT, обученная для преобразования предложений и абзацев в плотные векторы размерностью 384. В метаданных указаны 25,9 млн параметров, PyTorch и контекст до 512 токенов; датасет модели связан с PubMed. Модель предназначена для семантического поиска и кластеризации текстов: она представляет похожие по смыслу фрагменты близкими векторными представлениями. Обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Это текстовая модель эмбеддингов, а не генератор ответов; лицензия и конкретная специализация на медицинских текстах в доступных данных не подтверждены.

Это компактная модель Sentence Transformer, разработанная на основе prajjwal1/bert-tiny и дообученная с использованием библиотеки sentence-transformers. Модель преобразует предложения и абзацы в плотные векторы размерности 256 и предназначена для оценки семантического сходства текстов, семантического поиска, поиска перефразирований, классификации и кластеризации текста. Архитектура включает BERT-трансформер с максимальной длиной последовательности 384 токена, mean-пулингом, полносвязным Dense-слоем с преобразованием размерности с 128 до 256 и активацией Tanh, а также нормализацией выходных векторов. Для сравнения по умолчанию используется косинусное сходство. Язык и обучающий датасет в карточке не указаны; заявленный набор данных содержит 277277 примеров, а функция потерь — MultipleNegativesRankingLoss. Модель отличается малым размером и потенциально высокой скоростью инференса, что делает её подходящей для ресурсоограниченных сценариев и массового сравнения коротких текстов. Ограничения включают неизвестную языковую специализацию, ограниченный контекст в 384 токена и более низкие показатели на тестовой выборке STS по сравнению с крупными моделями: корреляция Spearman для косинусного сходства составляет 0,678, Pearson — 0,691. Лицензия в README не указана.

check2207/alqac_VNTeamVN_embedding — модель Sentence Transformers, дообученная на базе AITeamVN/Vietnamese_Embedding. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для сравнения семантического сходства, поиска и группировки текстов. В архитектуре используются XLM-RoBERTa, pooling по CLS-токену и нормализация векторов; сходство рассчитывается косинусной метрикой. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов, тогда как README сообщает максимальную длину последовательности 512 токенов. Модель ориентирована на вьетнамский язык. Её можно применять для семантического поиска, поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Основа описана в карточке как модель эмбеддингов на базе BGE-M3 для вьетнамского языка. Лицензия в предоставленных данных не указана. Обучающая выборка содержит 729 примеров, поэтому качество на других языках и вне представленных сценариев может быть ограниченным.

Ananthus-Transformers-for-contracts — дообученный Ananthu357 энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель построена на архитектуре BERT и библиотеке Sentence Transformers; она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384 для сравнения по косинусному сходству. В метаданных указано 25,9 млн параметров и контекст до 512 токенов; README описывает максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сопоставления текстов, поиска парафразов, кластеризации и подготовки признаков для классификации. Название указывает на работу с договорами, но README не сообщает, на каких именно договорных данных модель обучалась и насколько хорошо она справляется с юридическими текстами. Лицензия в предоставленных данных не указана.

Модель andreasmartin/apertus-v1.5-swiss-embed-4.9b-bidir-langmoe — экспериментальная модель эмбеддингов Sentence Transformers от автора репозитория, созданная адаптацией двунаправленной модели Apertus. В ней финальная плотная проекция заменена разрежанным слоем SparseMixtureOfExperts с семью экспертами и маршрутизацией Top-2; языковые метки экспертов описывают эксперимент, но сам слой не содержит языковой логики. Всего модель имеет около 4,93 млрд параметров, а в Sentence Transformers использует модули Transformer, Pooling, новую проекцию и Normalize. Модель предназначена для построения эмбеддингов предложений, семантического и межъязыкового поиска, особенно для немецкого, английского, французского, итальянского и швейцарских языковых вариантов. Она обучена на 31 483 триплетах из Wikipedia и швейцарских наборов данных; README приводит внутренние диагностические результаты, а не внешние бенчмарки. Базовые представления замораживались и кэшировались при обучении, а голова MoE обучалась на последовательностях до 512 токенов. Несмотря на контекст базовой модели в 262 144 токена, качество MoE за пределами обучавшего контекста отдельно не проверено; README также указывает на необходимость trust_remote_code=True до регистрации модуля в Sentence Transformers. Лицензия — Apache-2.0.

Arabic-labse-Matryoshka — модель Sentence Transformer от Omartificial-Intelligence-Space, дообученная на базе sentence-transformers/LaBSE на наборе арабских NLI-триплетов. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения смысловой близости текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. В README указана максимальная длина последовательности 256 токенов; метаданные сообщают контекст до 512 токенов. Модель использует архитектуру BERT, библиотеку Sentence Transformers и косинусное сходство; матрёшечное обучение позволяет получать эмбеддинги разной размерности. Веса содержат около 498,1 млн параметров. Модель ориентирована на арабский язык и обучалась на датасете из 557 850 троек «якорь — положительный пример — отрицательный пример». README приводит результаты оценки семантического сходства на нескольких размерностях эмбеддингов. Веса распространяются по лицензии Apache-2.0. Поскольку обучение и карточка сосредоточены на арабских текстах, качество для других языков и специализированных предметных областей не подтверждено приведёнными данными.

Το Aristotle είναι модель Sentence Transformer, дообученная авторами репозитория novelcore на базе intfloat/multilingual-e5-base для греческого языка. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 768; сходство векторов можно оценивать косинусной близостью. Архитектура включает XLM-RoBERTa, mean pooling и нормализацию. Максимальная длина последовательности — 512 токенов; в метаданных указано контекстное окно 514 токенов. Модель подходит для семантического поиска и сопоставления греческих текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. README приводит оценки информационного поиска на тестовой и валидационной выборках. Модель опубликована под лицензией Apache-2.0.

Assay-1.7b — англоязычная модель для структурированных решений, разработанная командой Assay на базе Qwen3-1.7B-Base. Это дообученная плотная авторегрессионная модель с объединёнными весами LoRA-адаптера; она обрабатывает текстовое состояние и именованные вопросы трёх типов: bool, choice и score. Для каждого вопроса модель выдаёт распределение вероятностей по вариантам, оценку уверенности, оценку наличия подтверждающих данных и множество вариантов, которые нельзя исключить. Ответы считываются из логитов меток вариантов за один проход без свободной генерации текста. Контекст модели — до 32 768 токенов. Модель предназначена для классификации и принятия ограниченных решений по текстовым данным, в том числе для пакетной оценки нескольких вопросов по одному состоянию и обхода дерева решений. В README сообщается точность 0,752 на наборе невиданных при обучении задач; для bool- и choice-вопросов модель может воздерживаться от ответа, если уверенность недостаточна. Калибровка и пороги воздержания зависят от распределения данных и не гарантируют качество на каждом отдельном ответе или на пользовательских данных. Модель обучалась на английских данных и принимает только текст. Она не предназначена для арифметики, подсчёта, сравнения дат или многошаговых рассуждений в одном проходе; точность снижается, если состояние слабо связано с вопросом. Оценка evidence обучена на грубых отрицательных примерах с заменой фрагмента. Лицензия — Apache-2.0.

Модель gchhablani/bert-base-cased-finetuned-mrpc — англоязычная модель классификации пар предложений на базе BERT-base-cased, дообученная на наборе GLUE MRPC. Она предназначена для определения того, выражают ли два предложения одно и то же значение. В карточке указано, что модель обучалась для сравнения google/fnet-base с bert-base-cased. Модель использует архитектуру BertForSequenceClassification, содержит 135,5 млн параметров и принимает текстовые входы с контекстом до 512 токенов. На оценочной выборке MRPC указаны accuracy 0,8603 и F1 0,9026. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения за пределами задачи MRPC.

m3hrdadfi/bert-fa-base-uncased-wikinli-mean-tokens — персидская модель эмбеддингов предложений на базе ParsBERT, представленная Mehrdad Farahani в проекте Sentence Transformers. Она преобразует текст в векторные признаки и предназначена для получения представлений предложений, в том числе для задач семантического поиска и сравнения текстов. Модель построена на архитектуре BERT, содержит 190 млн параметров и принимает последовательности длиной до 512 токенов. Доступны форматы PyTorch и Flax. Модель ориентирована на персидский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка краткая и не описывает результаты оценки или детальные ограничения качества.

DIACDE/bertimbaularge_tjgo_diacde_sts — Sentence Transformer, дообученный Дирекцией искусственного интеллекта, науки о данных и статистики суда штата Гояс (TJGO) на базе neuralmind/bert-large-portuguese-cased. Модель кодирует предложения и абзацы в плотные векторы размерности 1024; архитектура включает BERT Large и усреднение токенных представлений. Максимальная длина последовательности — 512 токенов, сходство можно оценивать косинусной мерой. Модель предназначена для поиска семантически близких португалоязычных текстов, оценки сходства предложений, поиска перефразировок, кластеризации и извлечения признаков для классификации. Карточка приводит результаты оценки на наборе sts-dev: корреляция Спирмена составляет 0,6928 для косинусного сходства; качество зависит от данных и метрики. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

lyeonii/bert-small — компактная англоязычная версия BERT-Small без учёта регистра, первоначально выпущенная Google Research в составе семейства небольших BERT-моделей. Репозиторий содержит конвертированные из TensorFlow в PyTorch веса; архитектура — BertModel, размер — 32,4 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для получения контекстных векторных представлений текста, которые можно использовать как признаки в NLP-системах. В README приведены результаты оценки на задаче сопоставления предложений MRPC: F1 81,41 и accuracy 70,34. Лицензия репозитория — MIT.

Это компактная модель Sentence Transformers, дообученная автором swardiantara на базе англоязычной google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерности 128; сходство текстов можно оценивать косинусным сходством, а в README отдельно указано применение для поиска. Модель подходит для семантического поиска и сравнения текстовых фрагментов, в том числе отзывов о товарах. Архитектура включает BertModel с mean pooling. Метаданные указывают 4,4 млн параметров и контекст до 512 токенов, тогда как README задаёт максимальную длину последовательности 128 токенов; при использовании следует учитывать это различие. Веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

swardiantara/bert-tiny-amazon_reviews-k5-adaptive-cosine — компактная модель Sentence Transformers, дообученная автором на базе google/bert_uncased_L-2_H-128_A-2 на парах текстов с оценками сходства. Она преобразует предложения и абзацы в плотные векторы размерности 128 и предназначена для поиска похожих текстов и извлечения признаков. Архитектура включает BERT с двумя слоями, mean pooling и сравнение векторов по косинусному сходству; модель принимает текст, поддерживает последовательности до 128 токенов по README и имеет контекстное окно до 512 токенов по метаданным. В карточке показаны примеры англоязычных отзывов Amazon, поэтому прежде всего модель подходит для поиска и сравнения англоязычных отзывов. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

google/bert_uncased_L-12_H-256_A-4 — компактная англоязычная модель BERT от Google из серии BERT Miniatures, описанной в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Она обучена без учёта регистра с маскированием токенов WordPiece и имеет 12 слоёв, скрытый размер 256 и 4 attention-головы; максимальная длина контекста — 512 токенов. Число параметров — около 20,4 млн. Модель предназначена для задач понимания текста и для сред с ограниченными вычислительными ресурсами. Её можно дообучать для классификации и других задач обработки языка; авторы отмечают, что особенно полезна она в дистилляции, когда обучающие метки создаёт более крупная модель-учитель. Доступны веса в форматах PyTorch и Flax. Лицензия Apache-2.0. Как компактная модель, она может уступать более крупным моделям по качеству; README рекомендует для лучших результатов дистилляцию от более точного учителя.

BERT-Wiki-Paragraphs — модель классификации пар абзацев, разработанная Сатьей Алмасианом, Деннисом Аумиллером, Люсьен-Софи Марме и Михаэлем Герцем. Она оценивает, относятся ли два абзаца к одной теме, и предназначена для проверки тематической связности текста и сегментации документов на смысловые части. Модель основана на BERT и дообучена на парах абзацев из Википедии с использованием слабого автоматического надзора: абзацы одного раздела считаются тематически связанными. Веса содержат около 136,7 млн параметров; модель принимает текст и выдаёт метку классификации. Контекст ограничен 512 токенами, а при обработке длинных пар применяется усечение longest-first. Доступна под лицензией MIT.

Avinashc/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная на 6 300 парах текстов из набора json на основе BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные эмбеддинги размерностью 768 и предназначена для семантического поиска и сравнения текстов, в том числе финансового содержания. Архитектура модели основана на BERT: вектор формируется с помощью CLS-пулинга и нормализации, а сходство текстов оценивается косинусной мерой. Контекст ограничен 512 токенами. Благодаря Matryoshka-обучению можно использовать укороченные векторы размерностью 512, 256, 128 или 64 с некоторым снижением качества поиска. Модель подходит для поиска финансовых фрагментов по запросу, ранжирования похожих предложений, кластеризации и подготовки признаков для классификации текстов. В README приведены результаты оценки информационного поиска на нескольких размерностях эмбеддингов, но они относятся к указанному в карточке набору данных. Лицензия — Apache-2.0.

BGE base Financial Matryoshka — англоязычная модель эмбеддингов на базе Sentence Transformers, дообученная revtestuser на финансовых текстовых парах от BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска и сравнения текстов. Архитектура включает BERT, пулинг по CLS-токену и нормализацию; сходство оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Matryoshka-обучение позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64 с некоторым снижением качества поиска. Модель подходит для поиска ответов и сведений в финансовых и регуляторных документах, поиска похожих фрагментов, кластеризации и отбора текстов для последующей классификации. В README приведены результаты информационного поиска на нескольких размерностях векторов, но они относятся к указанным там наборам оценки. Модель принимает текст и выдаёт векторы; лицензия — Apache-2.0.

bge-large-zh-v1.5-gguf — набор моделей для получения текстовых эмбеддингов в формате GGUF, подготовленный Compendium Labs на основе исходной модели BAAI/bge-large-zh-v1.5. Модели предназначены для работы через llama.cpp, llama-cpp-python и интеграцию LangChain, а также для сценариев семантического поиска, сравнения текстов, кластеризации и других задач, использующих векторные представления текста. Доступны варианты F32 размером 1,3 ГБ, F16 размером 620 МБ, Q8_0 размером 332 МБ и Q4_K_M размером 193 МБ. Квантизация может обеспечить ускорение на CPU до 30% при минимальной потере точности; для GPU преимущество заявлено как умеренное. Модель ориентирована на китайскоязычные тексты, однако другие характеристики, включая архитектуру, размерность эмбеддингов и максимальную длину контекста, в README не указаны. Сильные стороны — поддержка llama.cpp, несколько вариантов точности и возможность эффективного запуска на CPU. Ограничения связаны с тем, что это модель эмбеддингов, а не генеративная языковая модель, и что в представленных данных отсутствуют подробности о качестве на конкретных наборах данных и поддерживаемых языках помимо указания zh в названии. Распространение осуществляется по лицензии MIT.

Xenova/bge-small-zh-v1.5 — это версия модели BAAI/bge-small-zh-v1.5, подготовленная сообществом Xenova для работы в Transformers.js. В репозитории представлены веса в формате ONNX, совместимые с JavaScript-библиотекой Transformers.js и ориентированные на выполнение моделей в веб- и JavaScript-средах. Модель предназначена для извлечения признаков (feature extraction), то есть преобразования текстов в числовые представления, которые могут использоваться в задачах семантического поиска, сопоставления текстов и построения систем на основе эмбеддингов. В README не указаны точные архитектура, количество параметров, размер контекста, поддерживаемые языки, модальности или результаты оценки качества. Сильной стороной является готовность к использованию через Transformers.js и формат ONNX; при этом условия лицензирования и ограничения применения в карточке не указаны.

BioLORD-2023-S — модель представления текста, разработанная FremyCompany для получения семантических эмбеддингов клинических предложений и биомедицинских понятий. Она основана на sentence-transformers/all-mpnet-base-v2 и дообучена на BioLORD-Dataset и определениях из Automatic Glossary of Clinical Terminology. Архитектура — MPNet, размер — 136,7 млн параметров; модель обрабатывает текстовые фразы, предложения и абзацы и выдаёт плотные векторы размерности 768. Максимальная длина контекста — 514 токенов. Модель предназначена для сравнения сходства медицинских текстов и понятий, семантического поиска и кластеризации. Определения и описания из биомедицинского графа знаний помогают связывать представления понятий с их смыслом и иерархическими отношениями в онтологиях. В README заявлены высокие результаты на MedSTS и EHR-Rel-B; эмбеддинги медицинских текстов и терминов совместимы в общем пространстве. Поддерживаемый язык карточки — английский. Модель опубликована в формате PyTorch. В метаданных указана лицензия «other», но её конкретные условия в предоставленных данных не раскрыты; перед использованием следует проверить лицензию на странице модели.