I.11Классификация, ранжирование и сопоставление

CamemBERTa-L4 — компактная обрезанная версия предварительно обученного чекпойнта CamemBERTa, представленная Antoine Louis. Веса получены удалением верхних слоёв исходной модели; в репозитории указана архитектура DeBERTa-v2 и 62,3 млн параметров. Модель принимает текст, а контекст ограничен 512 токенами. Чекпойнт предназначен прежде всего для дообучения под задачи, где решение опирается на целое предложение: классификацию текста, извлечение ответа на вопрос и семантический поиск. Его также можно использовать для извлечения признаков и masked language modeling; для генерации текста автор рекомендует авторегрессионные модели. Модель рассчитана на французский язык. Репозиторий распространяется по лицензии MIT.

almanach/camembertav2-base-pawsx — франкоязычная модель классификации текста, разработанная Виссамом Антуном из Almanach, Inria-Paris. Это дообученная для распознавания перефразировок модель DeBERTa-v2 с 138,4 млн параметров и контекстом до 1024 токенов. Она определяет, выражают ли две фразы или предложения одинаковый смысл, и предназначена для классификации французского текста. Модель обучена на FLUE-PAWS-X и показала точность 0,93511 на этом наборе данных. Лицензия MIT. Результаты могут зависеть от обучающих данных, а качество на других наборах данных и задачах может быть ниже.

CamemBERT-L10 — компактная версия предварительно обученной языковой модели CamemBERT, созданная удалением верхних слоёв исходного чекпойнта. Модель разработана авторами семейства CamemBERT и предназначена для обработки французского текста; в репозитории представлены веса PyTorch и Safetensors, лицензия — MIT. Модель принимает текст и выдаёт контекстные признаки токенов. Её можно использовать для masked language modeling, а основное назначение — дообучение для задач, где решение зависит от всего предложения: классификации текста, извлечения ответа на вопрос и семантического поиска. По README версия L10 удаляет 10 из предварительно обученных слоёв базовой модели; в метаданных указан размер 119 млн параметров, максимальный контекст — 514 токенов. CamemBERT-L10 не является авторегрессионной моделью и не предназначена для генерации текста. Для прикладных задач качества может потребоваться дообучение на соответствующих данных.

CLIP-convnext_base_w-laion2B-s13B-b82K — модель семейства CLIP, обученная Россом Уайтманом с помощью OpenCLIP на английской выборке LAION-2B. Она объединяет визуальный энкодер ConvNeXt-Base с широким пространством эмбеддингов и текстовый энкодер CLIP глубиной 12 слоёв с размерностью эмбеддинга 640. Базовое разрешение изображений при обучении — 256×256 пикселей; обучение охватило около 13 млрд примеров. Модель предназначена для классификации изображений по текстовым описаниям без специального дообучения, а также для поиска соответствий между изображениями и текстом. Её можно использовать в исследованиях, для поиска изображений в ограниченных коллекциях и как основу для дальнейшей настройки задач компьютерного зрения. В README для варианта указана точность ImageNet zero-shot top-1 70,8%. Модель обучалась на англоязычных данных и не предназначена для сценариев на других языках без отдельной проверки. Разработчики не рекомендуют развёртывание и применение в чувствительных сценариях; распознавание лиц и наблюдение указаны как недопустимые области использования. Обучающие данные LAION не проходили полной фильтрации и могут содержать нежелательный контент. Лицензия модели — MIT.

laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg — модель сопоставления изображений и текста семейства CLIP, обученная Ross Wightman с помощью OpenCLIP на подмножестве LAION-2B. Она предназначена прежде всего для классификации изображений по текстовым описаниям без дополнительного обучения, а также для поиска изображений по тексту и поиска текста по изображению. Визуальная часть модели основана на ConvNeXt-Base, текстовая — на архитектуре OpenAI CLIP RN50x4: глубина 12 слоёв и размерность эмбеддингов 640. Модель обучалась на разрешении 256×256 с усиленной аугментацией и регуляризацией; показатель zero-shot top-1 на ImageNet составляет 71,5%. Она рассчитана на английские запросы и подписи. README указывает, что модель предназначена для исследований и не рекомендуется для развёртывания без тщательной проверки на конкретной задаче и фиксированном наборе классов. Применение для наблюдения и распознавания лиц исключено. Лицензия репозитория — MIT.

Это модель сопоставления изображений и текста семейства CLIP, разработанная LAION и обученная Россом Уайтманом с помощью OpenCLIP. Визуальная часть основана на ConvNeXt-Large с MLP-головой, текстовая часть имеет 16 слоёв и размерность эмбеддингов 768. Обучение проводилось на английской части LAION-2B; модель принимает изображения и текстовые описания и предназначена прежде всего для классификации изображений без дообучения по заданным текстовым классам. Модель также подходит для поиска изображений по тексту и текста по изображению, а её представления можно использовать для последующего дообучения классификаторов и в задачах генерации изображений. При разрешении обучения 256×256 она показала 75,9% top-1 точности в zero-shot классификации ImageNet. Поддержка языков, кроме английского, не подтверждена; качество зависит от набора текстовых классов и предметной области. Автор карточки рекомендует ограничить применение исследованиями и не использовать модель в развёрнутых сценариях без тщательной проверки на конкретной фиксированной таксономии. Распознавание лиц и наблюдение отнесены к недопустимым сценариям. Лицензия — MIT.

Italian CLIP — модель для сопоставления изображений и текстов на итальянском языке, разработанная командой проекта Contrastive Language-Image Pre-training for the Italian Language. Это двухэнкодерная архитектура VisionTextDualEncoder: текстовый энкодер основан на итальянской BERT от dbmdz, а визуальный — на Vision Transformer от OpenAI. Модель обучали на 1,4 млн примеров из WIT, MSCOCO-IT, Conceptual Captions и La Foto del Giorno; доступны веса PyTorch и Flax. Модель предназначена для получения признаковых представлений изображений и текстов, поиска изображений по итальянским подписям и классификации изображений без дополнительного обучения. В описанной оценке она превзошла multilingual CLIP на поиске по MSCOCO-IT и zero-shot классификации ImageNet с переведёнными метками. Результаты могут зависеть от перевода меток, а использование MSCOCO-IT при обучении могло дать преимущество в оценке поиска. Лицензия репозитория — GPL-3.0.

sonoisa/clip-vit-b-32-japanese-v1 — японская версия CLIP для получения признаковых представлений текста и изображений. Автор адаптировал текстовый энкодер англоязычной CLIP-модели к японскому языку с помощью метода, описанного как разновидность дистилляции. В метаданных указаны архитектура BERT, 137,8 млн параметров, длина контекста 512 токенов и форматы PyTorch и safetensors. Модель предназначена для вычисления эмбеддингов текста и изображений, оценки их сходства, поиска изображений по текстовому запросу и мультимодальной классификации. Она ориентирована на японский язык; карточка демонстрирует сценарии мультимодального поиска и расчёта сходства. Репозиторий распространяется по лицензии CC BY-SA 4.0.

CLIP ViT-B/32 — модель сопоставления изображений и текста, обученная Romain Beaumont с помощью OpenCLIP на англоязычной подвыборке из 2 млрд пар LAION-5B. В репозитории представлены веса PyTorch и safetensors; модель использует архитектуру CLIP с визуальным энкодером ViT-B/32. Модель предназначена для классификации изображений по произвольным текстовым меткам без отдельного обучения, а также для поиска изображений по текстовому запросу и поиска текста по изображению. Её можно применять в исследованиях, при настройке классификаторов и для управления генерацией изображений. В README указана точность zero-shot классификации ImageNet-1k 66,6% top-1. Модель ориентирована на английский язык и не оценивалась специально на других языках. README не рекомендует развёртывание в продуктах и неконтролируемое применение без тщательной проверки на конкретных данных и фиксированном наборе классов; распознавание лиц и задачи наблюдения обозначены как недопустимые сценарии. Обучающие данные собраны из интернета и не были полностью отфильтрованы, поэтому возможны смещения и нежелательные результаты. Лицензия репозитория — MIT.

CLIP ViT-H/14 — мультимодальная модель сопоставления изображений и текста, обученная LAION под руководством Ромена Бомона с использованием OpenCLIP на англоязычной подвыборке LAION-2B из LAION-5B. В репозитории используются архитектура CLIPModel и веса в форматах PyTorch и safetensors; библиотека для работы — open_clip. Размер модели и длина контекста в предоставленных данных не указаны. Модель предназначена прежде всего для классификации изображений по произвольным текстовым меткам без специального дообучения, а также для поиска соответствий между изображениями и текстом. Её можно применять в исследованиях и как основу для последующего дообучения задач компьютерного зрения. В README указана точность zero-shot top-1 78,0% на ImageNet-1k. Модель обучалась на английских данных и рассчитана на англоязычные сценарии. Разработчики не рекомендуют развёртывание модели в продуктах и неконтролируемое применение; распознавание лиц и наблюдение обозначены как недопустимые сценарии. Качество зависит от выбранной таксономии классов, поэтому требуется проверка на конкретных данных. Обучающий набор был неотфильтрованным и мог содержать нежелательные материалы. Лицензия репозитория — MIT.

Bingsu/clip-vit-large-patch14-ko — корейская модель CLIP, разработанная автором репозитория Bingsu и обученная с использованием подхода Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Она сопоставляет изображения с текстовыми описаниями и предназначена для классификации изображений по текстовым меткам без отдельного обучения на этих метках. Для обучения использовались корейско-английские параллельные данные AIHUB. Модель относится к архитектуре CLIPModel; репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — MIT. Карточка не сообщает размер модели и длину контекста.

CompassJudger-2-32B-Instruct — языковая модель для оценки и ранжирования текстовых ответов, связанная с проектом OpenCompass. Базовая модель opencompass/CompassJudger-2-32B-Instruct имеет размер 32 млрд параметров и предназначена для задач judge-модели, оценки качества, reward modeling и text ranking. В данном репозитории опубликованы её квантизированные версии в формате GGUF, подготовленные mradermacher с использованием weighted/imatrix quantization. Модель ориентирована на автоматизированную оценку результатов генерации и сравнительный анализ текстовых ответов. Указан английский язык; сведения о поддерживаемых дополнительных языках, максимальном контексте и точной архитектуре отсутствуют. Доступны варианты квантизации размером примерно от 7,4 до 27 ГБ: более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству, тогда как Q4_K_M рекомендован как быстрый вариант с хорошим балансом размера, скорости и качества. Модель распространяется по лицензии Apache-2.0.

ConGen-WangchanBERT-Small — модель семейства ConGen на базе WangchanBERT-Small, разработанная автором репозитория kornwtp. Она преобразует предложения в плотные векторы размерностью 128 и предназначена для семантического поиска и сравнения смысла предложений. Модель использует архитектуру BERT, содержит 32,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель рассчитана на тайский язык; её оценивали на бенчмарке Thai Sentence Embeddings Benchmark для задачи семантического сходства. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Описание не сообщает результаты оценки и конкретные ограничения качества.

ConvBERT small — компактная предобученная языковая модель на архитектуре ConvBERT, созданная Manuel Romero (@mrm8488) при поддержке Narrativa. Модель обучена на large_spanish_corpus и предназначена для получения контекстных векторных представлений испанского текста. Модель содержит 20,4 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. В README приведены метрики предобучения, включая точность masked language modeling 0,535 на наборе оценки. Её можно использовать как основу для поиска по смыслу, кластеризации текста и дообучения под задачи классификации или извлечения признаков на испанском языке. Распространяется по лицензии MIT.

Это дообученная модель Sentence Transformers на базе итальянской версии BERT dbmdz/bert-base-italian-uncased, разработанная владельцем репозитория AChierici84. Она преобразует предложения и абзацы на итальянском языке в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT с усреднением токенных представлений; сходство векторов оценивается косинусной мерой. Модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В README приведён результат Spearman 0,811 по косинусному сходству на задаче оценки семантической близости. Модель подходит для поиска похожих текстов и построения эмбеддингов, но качество на других наборах данных и задачах отдельно не подтверждено. Лицензия в предоставленных сведениях не указана.

Карточка модели crisistransformers/CT-M2-Complete на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

Azma-AI/deberta-base-multi-label-classifier — модель DeBERTa-v3-base, дообученная с многозадачным обучением на 600 задачах классификации и понимания языка. Она предназначена для классификации текста по заданным категориям без отдельного обучения на этих категориях, а также для задач определения языкового следования и дальнейшей адаптации под новые задачи. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 для классификации последовательностей и принимает текст длиной до 512 токенов. В README отмечена высокая точность zero-shot-проверки на ряде задач; также заявлена совместимость с tasksource-adapters. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

sentence-transformers/distilroberta-base-msmarco-v1 — модель Sentence Transformers, обученная командой Sentence Transformers на основе архитектуры DistilRoBERTa. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска и кластеризации. Модель также подходит для сравнения сходства предложений; её можно использовать через библиотеку sentence-transformers или Transformers с соответствующей операцией pooling. Модель содержит 95,2 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Доступны версии в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Карточка предупреждает, что модель устарела и формирует эмбеддинги низкого качества, поэтому для новых проектов рекомендуются другие модели эмбеддингов.

DNA-VL-STEER-2B — мультимодальная модель эмбеддингов от dnotitia, дообученная на базе Qwen/Qwen3-VL-Embedding-2B. Она преобразует текст, изображения и видео в общее 2048-мерное пространство векторов; поддерживает инструкционно-зависимый интерфейс и контекст до 32 тысяч токенов. Изменены ранние слои residual stream, а остальные веса, включая vision tower, сохранены как в базовой модели. Модель предназначена прежде всего для мультиязычного поиска и сопоставления подписей с изображениями и видео. Калибровка охватывает все 36 языков XM3600 и заметно улучшает мультиязычный визуальный поиск, особенно для ряда низкоресурсных языков; README приводит результаты и для корейского. Лицензия — Apache-2.0. Улучшения ориентированы на визуальные подписи: для абстрактного текстового поиска, классификации тонких визуальных различий и составных запросов результаты могут ухудшаться. Пользователям следует сравнить модель с базовой на своей задаче; сильное сокращение размерности эмбеддингов также может существенно снизить качество отдельных сценариев.

Это модель классификации текста из проекта Adaptive Classifier, построенная на базе answerdotai/ModernBERT-base. Она относит текст к одному из двух классов качества: high_quality или poor_quality; в карточке указаны 10 обучающих примеров, поровну для каждого класса, и размерность эмбеддингов 768. Модель предназначена для оценки качества текстов и поддерживает непрерывное обучение с добавлением новых классов. Для каждого класса требуется не менее трёх примеров; максимум составляет 150 примеров на класс, а прототипы обновляются каждые 10 примеров. Модель распространяется в формате safetensors по лицензии Apache-2.0.

DUSUNEN Rota 270M v2 — плотная турецкоязычная модель для поиска похожих предложений и извлечения релевантных документов. Её разработал GoktugD, продолжив дообучение DUSUNEN Rota 270M v1 на 50 000 триплетах с трудными негативными примерами. Модель содержит около 257 млн параметров, построена на архитектуре Gemma 3 Text и выдаёт векторные представления размерности 640; метаданные указывают контекст до 32 768 токенов, однако в обучении использовалась длина последовательности 256. Модель предназначена для семантического поиска на турецком языке, ранжирования результатов и подбора кандидатов для RAG. В пяти тестах поиска v2 показала небольшое стабильное улучшение относительно v1, но уступила multilingual E5 по общему результату и превзошла его только на MKQA в указанной матрице. Весы опубликованы в формате safetensors; лицензия — MIT.

DUSUNEN Rota 270M v3 — компактная модель плотного поиска по турецким текстам, разработанная Werea и дообученная на базе microsoft/harrier-oss-v1-270m. Она построена на текстовой архитектуре Gemma 3, содержит около 257 млн параметров и рассчитана на контекст до 32 768 токенов. Модель создаёт текстовые эмбеддинги для семантического поиска и сравнения предложений; обучение включало дистилляцию оценок multilingual-e5-large и 308 тысяч естественных пар из MS MARCO-TR и DUSUNEN без синтетических шаблонов. Модель подходит для поиска документов и формирования кандидатов на первом этапе турецкоязычного RAG. В опубликованной оценке на TurHistQuadRetrieval она превзошла базовую Harrier OSS 270M по nDCG@10, но уступила multilingual-e5-base, особенно по полноте поиска на 100 результатах. Для стабильной работы автор рекомендует bf16: при fp16 выходы эмбеддингов могут содержать NaN. Лицензия — Apache-2.0.

robzchhangte/e5-base-mizo — модель Sentence Transformer, дообученная автором на базе intfloat/multilingual-e5-base для преобразования текстов на мизо в плотные векторные представления и поиска по смыслу. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений и нормализацией; модель содержит 305,2 млн параметров, выдаёт эмбеддинги размерности 768 и принимает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска и сопоставления предложений или абзацев, в том числе для retrieval-сценариев. Для сравнения векторов используется косинусное сходство. Карточка указывает дообучение на примерах anchor, positive и negative; отдельная лицензия в предоставленных данных не приведена.

Jechto/e5-dansk-test-0.1 — модель эмбеддингов предложений и абзацев на базе XLM-RoBERTa, опубликованная Jechto. Она преобразует текст в плотные векторы размерностью 1024 и предназначена для семантического поиска, сравнения предложений и кластеризации. Модель обучена на датасете MS MARCO, автоматически переведённом с английского на датский, чтобы проверить качество такого перевода для обучения на другом языке. Модель использует библиотеку Sentence Transformers и сохраняется в формате safetensors. Максимальная длина контекста — 514 токенов. В README описано обучение с MultipleNegativesRankingLoss и косинусным сходством. Карточка не сообщает лицензию; результаты обучения на машинном переводе могут зависеть от его качества.

EMO355 — модель эмбеддингов на базе RoBERTa, разработанная procesaur и дообученная на Jerteh-355. Она предназначена для получения векторных представлений текста, в том числе для оценки сходства предложений и работы с эмоциями и эмоционально-выразительными оттенками на сербском языке. Модель содержит 453 млн параметров, принимает текст и рассчитана на контекст до 514 токенов; для загрузки и использования применяется библиотека sentence-transformers. Модель подходит для сравнения сербских предложений по смыслу и эмоциональной окраске, а также для поиска текстов со сходными эмоциональными характеристиками. Репозиторий распространяется под лицензией Apache-2.0. В предоставленном фрагменте карточки нет количественных оценок качества, поэтому пригодность для конкретного приложения следует проверять на его данных.

susnato/ernie-m-large_pytorch — конверсия весов ERNIE-M Large из формата PaddlePaddle в PyTorch, выполненная автором репозитория; исходную модель разработала Baidu. Это плотная мультиязычная модель семейства ERNIE-M с 658,7 млн параметров и контекстом до 514 токенов. Она предназначена для извлечения семантических представлений предложений и межъязычных задач: сопоставления предложений, определения текстового следования, распознавания именованных сущностей и ответов на вопросы после настройки под соответствующую задачу. Модель обучалась выравнивать представления языков с помощью восстановления маскированных токенов и обратного перевода на моноязычных корпусах. В карточке перечислены 14 языков, включая русский, английский, китайский, арабский и хинди. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Это базовая модель извлечения признаков, поэтому классификация и ответы на вопросы обычно требуют подходящей обвязки или дообучения.

Norsk Helsenett разработала эту модель на базе google/embeddinggemma-300m, дообучив её на парах и триплетах медицинских текстов. Это Sentence Transformer с архитектурой Gemma 3 Text и 302,8 млн параметров: он преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства. Максимальная длина входа — 2048 токенов. Модель предназначена для семантического поиска и сопоставления текстов, в том числе поиска по медицинским документам, поиска перефразировок, классификации и кластеризации. В README приведены результаты оценки на тестовых наборах TripletEvaluator и InformationRetrievalEvaluator; они не гарантируют аналогичного качества на других данных. В метаданных указана библиотека sentence-transformers и формат safetensors. Сведения о лицензии отсутствуют в предоставленных источниках.

EvoEmbedding-0.8B — модель эмбеддингов от MiG-NJU для поиска по длинным диалогам и динамическому контексту. Она построена на архитектуре Qwen3.5-0.8B и использует обновляемую латентную очередь памяти, чтобы учитывать порядок реплик и изменения контекста при формировании представлений. Модель возвращает нормализованные векторы для истории сообщений и финального запроса; также README описывает ранжирование списка кандидатов по релевантности. Модель предназначена для семантического поиска в длинных разговорах, систем RAG и памяти агентных приложений, где содержание контекста меняется со временем. Указаны поддержка английского и китайского языков и формат весов safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не приводит длину контекста и подробную оценку качества.

FARE CLIP ViT-L/14 — модель сопоставления изображений и текста на основе CLIP, опубликованная chs20. Она получена несупервизируемым состязательным дообучением исходной OpenAI CLIP на ImageNet с ограничением возмущения по норме бесконечности радиусом 4/255. Модель предназначена для классификации изображений по текстовым описаниям в режиме zero-shot: пользователь передаёт изображение и варианты классов в текстовом виде, а модель оценивает соответствие между ними. Модель использует архитектуру ViT-L/14 и распространяется в формате PyTorch; для загрузки и обработки изображений README указывает библиотеку open_clip. Состязательное дообучение ориентировано на устойчивость к небольшим состязательным изменениям входных изображений. Лицензия — MIT. Карточка не приводит отдельных измерений качества, сведений о поддерживаемых языках текста или ограничениях применения.

facebook/fasttext-tr-vectors — предварительно обученная модель векторных представлений слов fastText для турецкого языка. fastText разработана Facebook как открытая лёгкая библиотека для обучения векторов слов и классификаторов текста; эта модель предназначена для получения векторов, которые можно использовать в классификации текста, определении языка и сравнении семантической близости слов. Векторы обучены методом CBOW с позиционными весами на корпусах Common Crawl и Википедии. Размерность векторов — 300, используются символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. Модель принимает текст и выдаёт векторные представления слов. Символьные n-граммы помогают получать векторы для словоформ, в том числе редких. Модель можно применять на обычном оборудовании, в том числе в прототипах и производственных системах. Векторы отражают статистику обучающих корпусов и могут содержать смещения; они не предназначены сами по себе для генерации текста. Лицензия — CC-BY-SA-3.0.