I.11Классификация, ранжирование и сопоставление

FewShotIssueClassifier-NLBSE23 — модель на базе SetFit и Sentence Transformers, разработанная для классификации отчётов об ошибках в четырёх категориях: bug, documentation, feature и question. Она дообучена на размеченной вручную части набора NLBSE23 и кодирует предложения и абзацы в плотные векторы размерностью 768 для поиска семантически близких текстов и кластеризации. Модель построена на архитектуре MPNet, содержит 136,7 млн параметров и принимает текст с контекстом до 514 токенов. Основной сценарий — классификация сообщений об ошибках и запросах в проектах; векторы также пригодны для семантического поиска и группировки похожих отчётов. Поддерживаемый язык карточки — английский. Модель распространяется по лицензии GPL-3.0.

FG-CLIP 2 SO400M — двуязычная модель выравнивания изображений и текста, разработанная командой Qihoo 360 для детального понимания визуального содержимого на английском и китайском языках. В репозитории указана архитектура FG-CLIP 2; модель загружается через Transformers как AutoModelForCausalLM, однако её назначение — сопоставление визуальных и текстовых признаков, а не обычная генерация текста. Модель предназначена для классификации изображений без дополнительного обучения по текстовым меткам, поиска изображений по запросу и поиска текста по изображению. В карточке заявлены результаты на 29 датасетах и 8 задачах, с превосходством над SigLIP 2 и MetaCLIP 2; это заявление авторов, а не независимая оценка. Поддерживаются английский и китайский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит подробностей о размере модели, длине контекста или известных ограничениях качества. Пример использования требует Transformers и загрузки модели с trust_remote_code=True; модель ориентирована на визуально-текстовые задачи, а не на универсальный диалог.

ZenML разработала эту модель Sentence Transformers, дообученную на базе Snowflake/snowflake-arctic-embed-m-v1.5 на 36 примерах из набора json. Она преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768 для сравнения семантической близости; архитектура включает BERT, CLS-пулинг и нормализацию, а сходство можно оценивать косинусной мерой. Модель подходит для семантического поиска, сопоставления похожих предложений, поиска перефразировок, кластеризации и подготовки векторных признаков для классификации текста. Максимальная длина входа — 512 токенов. Карточка приводит результаты поиска на небольшом наборе и описывает обучение на 36 примерах, поэтому качество за пределами данных и сценариев ZenML требует отдельной оценки. Лицензия — Apache-2.0.

fio-base-japanese-v0.1 — экспериментальная модель эмбеддингов предложений, разработанная Benjamin Clavié как первая версия семейства Fio для японского языка. Она основана на cl-tohoku/bert-base-japanese-v3 и дообучена для оценки сходства и смыслового следования предложений, а также поиска по тексту. Модель использует архитектуру BERT и библиотеку sentence-transformers, содержит 138,4 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для построения векторных представлений японских предложений, семантического сравнения и поиска релевантных фрагментов. В README приведены результаты на JSTS, JSICK и MIRACL; автор отмечает, что JSICK и задачи текстового следования присутствовали в обучающих данных, поэтому результаты на JSICK загрязнены обучением и сравнение с другими моделями может быть несправедливым. Это proof of concept, обученный на ограниченном объёме данных на одной видеокарте. Для токенизации требуются fugashi и unidic-lite. Лицензия в предоставленных данных не указана.

FubukiO9/fiqh-minilm — дообученная модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и сравнивает их косинусным сходством. Модель предназначена для семантического поиска и поиска релевантных текстов, в том числе по вопросам исламского права и богословия. Архитектура включает BERT-трансформер и усредняющий pooling. README указывает максимальную длину последовательности 128 токенов; метаданные каталога — контекст до 512 токенов. Обучение проводилось на 10 710 парах предложений с оценками сходства, включая примеры на арабском, английском и хинди. Репозиторий использует формат safetensors и библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

Это дообученный Sentence Transformer на основе sentence-transformers/all-MiniLM-L6-v2, опубликованный пользователем GbrlOl. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и сравнивает их по косинусному сходству; архитектура включает энкодер BERT, усреднение токенов и нормализацию. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и оценки сходства текстов; также её можно применять для поиска перефразировок, кластеризации и классификации текстов. Дообучение выполнено на 1628 примерах с парами query и sentence и метками, в карточке датасет обозначен как JSON. Пример обучения содержит испанский запрос и технический фрагмент о строительстве, но данных недостаточно, чтобы уверенно определить полный набор поддерживаемых языков или узкую предметную область. Лицензия в предоставленных сведениях не указана. Поскольку это эмбеддинговая модель, она выдаёт векторы, а не готовые ответы; качество зависит от соответствия входных данных обучающему набору и целевой задаче.

buddhist-nlp представляет gemma-2-mitra-e — многоязычную модель эмбеддингов предложений на базе Gemma 2. Она использует архитектуру Gemma2ForCausalLM как текстовый энкодер: извлекает скрытое состояние последнего токена и нормализует полученный вектор по L2. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для семантического поиска, сравнения предложений и межъязыкового выравнивания текстов. Для запросов рекомендуется шаблон с инструкцией «Please find the semantically most similar text in {language}», а тексты корпуса подаются без инструкции; близость векторов можно оценивать косинусным сходством, а поиск выполнять, например, через FAISS. Среди целевых языков карточка называет санскрит, тибетский, пали, китайский и английский; также приведены примеры шаблона для хинди. Модель подходит для поиска по коллекциям, сопоставления параллельных текстов и систем RAG, которым нужны многоязычные векторы предложений. Карточка рекомендует проверять качество на собственных данных и языках, поскольку возможны смещения и ограничения. Лицензия в предоставленных данных не указана.

Collab-uniba разработала sentence-transformers-модель на базе MPNet для вычисления смыслового сходства текстов о проблемах GitHub. Модель обучена на наборе NLBSE22 после удаления записей с пустым описанием и дубликатов; обучающей паре служили заголовок и тело одной и той же проблемы. Обучение продолжалось 10 эпох с Multiple Negative Ranking Loss и косинусным сходством. Модель предназначена для получения эмбеддингов и сопоставления заголовков с описаниями GitHub Issues, например для поиска похожих проблем и ранжирования кандидатов. Архитектура — плотная MPNet с 136,7 млн параметров; максимальная длина контекста составляет 514 токенов. Данные о лицензии и поддерживаемых естественных языках в предоставленных источниках отсутствуют.

GPT-JT-6B-v1 — языковая модель Together, дообученная на базе GPT-J (6B) с использованием децентрализованного алгоритма обучения. Она предназначена для генерации текста по запросу и особенно ориентирована на задачи классификации, например определение тональности. Модель использует архитектуру GPT-J с плотной сетью и цель обучения UL2: входной запрос доступен модели с двунаправленным контекстом, а продолжение генерируется авторегрессионно. Обучение включало 3,53 млрд токенов из The Pile, Natural-Instructions, P3 и данных Chain-of-Thought. Контекст модели — 2048 токенов; в карточке указана поддержка английского языка. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Заявления карточки о сравнении с более крупными моделями относятся к классификационным бенчмаркам и сами по себе не гарантируют качество на других задачах.

gte-micro — компактная модель эмбеддингов на архитектуре BERT, разработанная как дистилляция gte-small. Она предназначена для семантического автодополнения: преобразует английский текст в векторы, которые можно использовать для поиска подходящих продолжений или сравнения смысловой близости. Модель содержит 18,8 млн параметров, принимает текстовые входы и рассчитана на контекст до 512 токенов; доступны форматы Safetensors и ONNX. Модель подходит для сценариев семантического поиска и ранжирования вариантов автодополнения по смыслу. Лицензия — MIT. Она предназначена только для английского текста; более длинные входы обрезаются до 512 токенов.

GTE-ModernColBERT-SauerkrautLM-linear-merge — демонстрационная модель, созданная слиянием весов двух чекпойнтов средствами Sentence Transformers: lightonai/GTE-ModernColBERT-v1 и VAGOsolutions/SauerkrautLM-Multi-ModernColBERT. Для объединения применён линейный метод с равными весами 0,5; модель сохранена в формате safetensors. Это не специализированный релиз, дообученный под конкретную задачу. Модель на архитектуре ModernBERT предназначена для получения много-векторных представлений текста и задач семантического сходства, поиска документов и переранжирования результатов. Она принимает текст, поддерживает контекст до 8192 токенов и содержит 149 млн параметров. Базовые модели ориентированы на англоязычный семантический поиск; отдельные языковые возможности слитой версии в карточке не уточнены. Модель может служить компонентом поискового конвейера, где эмбеддинги используются для сопоставления запросов и документов. Поскольку это демонстрационное слияние, качество для конкретных наборов данных и задач не гарантируется. Лицензия в предоставленных данных не указана.

gte-multilingual-mlm-base — многоязычный текстовый энкодер, разработанный Institute for Intelligent Computing группы Alibaba. Это версия для Transformers исходной модели Alibaba-NLP/gte-multilingual-mlm-base: веса сохранены без изменений, а конфигурация преобразована для загрузки без trust_remote_code. Модель содержит 305,3 млн параметров и принимает последовательности длиной до 8192 токенов. Энкодер построен на архитектуре transformer++ на основе BERT с RoPE и GLU и использует словарь XLM-R. Он обучен методом masked language modeling на многоязычных текстовых данных и предназначен для представления текста; в карточке также заявлены результаты на GLUE и XTREME-R, превосходящие XLM-R-base того же размера. Модель поддерживает 75 языков, включая русский, и подходит для задач, которым нужны контекстуальные представления текста и заполнение маски. Лицензия — Apache-2.0.

Классификатор Institutional Books Topic Classifier разработан Institutional Data Initiative при Harvard Law School Library для присвоения книгам тематических категорий верхнего уровня из схемы Library of Congress Classification Outline. Модель принимает текстовые метаданные тома — например, название, автора, год, язык и примечание — и относит их к одной из 20 категорий, включая историю, право, медицину, науку, литературу и искусство. Поля метаданных можно передавать по отдельности или опускать. Это дообученная для классификации последовательностей модель BERT на базе google-bert/bert-base-multilingual-uncased, с 194,6 млн параметров и контекстом до 512 токенов. В описанных проверках указаны macro F1 0,961, micro F1 0,9694 и точность 97,8% на отдельном наборе из 1000 примеров. Модель подходит для тематической разметки книжных каталогов и коллекций; метрики относятся к данным и условиям эксперимента авторов и не гарантируют такую же точность на других коллекциях. Лицензия — Apache-2.0.

intelli-embed-v2 — дообученная модель текстовых эмбеддингов, разработанная Serhii Seletskyi на базе Snowflake/snowflake-arctic-embed-l-v2.0. Она предназначена для семантического поиска, сравнения предложений и извлечения связанных сведений, особенно в GraphRAG и системах с долговременной памятью, где тексты хранятся в графовых базах данных. Модель использует архитектуру XLM-RoBERTa с плотным представлением и содержит 658,7 млн параметров. Она создаёт векторы размерности 1024, поддерживает контекст до 8194 токенов и распространяется в форматах Safetensors и ONNX. Разработчик сообщает о трёхэтапном дообучении с дистилляцией от Azure text-embedding-3-large и приводит результаты внутренних тестов на поиск, дедупликацию и извлечение воспоминаний. В метаданных указан английский язык; мультиязычность базовой модели сама по себе не подтверждает поддержку других языков этой версии. Лицензия — Apache-2.0. Модель выдаёт эмбеддинги, поэтому для поиска или ранжирования по ним нужна отдельная система хранения и сравнения векторов. Приведённые показатели основаны на наборах тестов разработчика и не гарантируют такое же качество на других данных; в README также отмечена более слабая оценка для асимметричного поиска по сравнению с другими сценариями.

Bruno/intent-classification-pt-setfit-model — модель эмбеддингов предложений на базе BERT, опубликованная пользователем Bruno на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 384 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов; модель распространяется в формате PyTorch и поддерживает получение эмбеддингов. Модель обучалась с функцией потерь CosineSimilarityLoss. Несмотря на название репозитория, в карточке не описан отдельный классификационный интерфейс: основное применение — векторное представление текста для сравнения и поиска. Язык обучающих данных, лицензия и дополнительные ограничения в предоставленных источниках не указаны.

Intern-Decision-4B — мультимодальная модель для структурированного принятия решений, разработанная путём дообучения Qwen3.5-4B. Она принимает общее описание состояния, схему с именованными вопросами и вариантами ответов, а также при необходимости изображения, после чего за один проход вычисляет распределение вероятностей по допустимым вариантам для каждого вопроса. Модель рассчитана на выбор из категорий, оценивание по заданным вариантам и бинарные решения. Она использует плотную архитектуру семейства Qwen3.5 и библиотеку Transformers; для изображений применяет процессор базовой модели. Вход ограничен 8192 токенами и восемью изображениями, а схема поддерживает до 16 вопросов и 62 вариантов на вопрос. Вероятности откалиброваны отдельно для этого чекпойнта. Для работы требуется соблюдать заданный шаблон чата и формат JSON с маркерами полей, а варианты необходимо сопоставить с однотокенными символами. Модель возвращает вероятности и уверенность по каждому полю; это специализированный интерфейс принятия решений, а не универсальный генератор ответов. Лицензия — Apache-2.0.

hotchpotch が公開した、日本語検索向けの小型 reranker です。ModernBERT 系の ModernBertForSequenceClassification アーキテクチャを採用し、Ruri v3 の 70M パラメータ版をベースにファインチューニングされています。モデル規模は約70Mパラメータで、コンテキスト長は最大8192 токеновです。 モデル оценивает релевантность пар «запрос — документ» и предназначен для повторной сортировки найденных фрагментов в поиске и RAG. В карточке для small-v2 указаны 13 слоёв, размер скрытого представления 384 и средняя оценка 0,8856; автор также приводит тесты скорости на GPU для примерно 150 тысяч пар. Серия позиционируется как достаточно компактная для применения на CPU и Apple Silicon, а также в сценариях с низкой задержкой. Основной язык модели — японский. Она распространяется под лицензией MIT. Для запуска README рекомендует Transformers версии 4.48 или новее и sentence-transformers; результаты и скорость могут зависеть от оборудования и настроек инференса.

Cohee/jina-embeddings-v2-base-en — это модель для получения векторных представлений текста (эмбеддингов), основанная на jinaai/jina-embeddings-v2-base-en. В карточке указано, что модель подготовлена в формате ONNX для совместимости с библиотекой Transformers.js и предназначена для использования в задачах извлечения признаков (feature extraction), включая последующий семантический поиск и сравнение текстов. Модель ориентирована на англоязычные тексты, что следует из её идентификатора base-en. Сведения о точной архитектуре, размере, длине контекста, поддерживаемых модальностях и числовых характеристиках эмбеддингов в карточке не приведены. Также не указаны результаты тестирования, ограничения качества и лицензия.

jina-embeddings-v5-omni-nano-classification-GGUF — мультимодальная модель эмбеддингов, разработанная Jina AI и предназначенная для запуска через llama.cpp. Это GGUF-квантизированная версия модели jina-embeddings-v5-omni-nano-classification с поддержкой текстовых, графических, видео- и аудиоданных. Модель преобразует входные данные в 768-мерные векторы общего пространства, поэтому документы можно индексировать с помощью текста, а выполнять поиск — по изображениям, видео, аудио или тексту без переиндексации. Модель содержит около 0,95 млрд параметров с текстовой, визуальной и аудиобашнями, использует pooling по последнему токену и поддерживает контекст до 8192 токенов. Она ориентирована на задачи классификации, мультимодального поиска и семантического сходства. Доступны матрёшечные размерности эмбеддингов от 32 до 768, а текстовая часть представлена в F16 и нескольких уровнях int-квантизации; мультимодальные проекторы используют F16. Заявлена мультиязычность, однако конкретный перечень языков в README не указан. Сильные стороны модели — единое векторное пространство для нескольких модальностей, относительно небольшой размер, возможность квантизации и поддержка различных форматов изображений, видео, аудио и PDF. Ограничения связаны с тем, что вариант предназначен только для classification-задач, а мультимодальная работа требует специальной ветки llama.cpp с патчами Jina AI, которые ещё не включены в upstream-версию. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями для некоммерческих целей.

jina-embeddings-v5-text-small-clustering — компактная модель векторных представлений текста от Jina AI, предназначенная прежде всего для кластеризации. Это квантизированная версия базовой модели jinaai/jina-embeddings-v5-text-small, обученная с использованием дистилляции и задачных контрастивных потерь. Модель подходит для группировки текстов по смыслу и других сценариев, где требуется преобразование документов или фрагментов текста в эмбеддинги. Модель содержит 677 млн параметров, поддерживает многоязычные тексты и обрабатывает последовательности длиной до 32 768 токенов. Размер выходного эмбеддинга составляет 1024 измерения; поддерживаются Matryoshka-размерности 32, 64, 128, 256, 512, 768 и 1024, что позволяет выбирать компромисс между качеством и затратами на хранение и поиск. Используется pooling по последнему токену. Модель интегрируется с sentence-transformers, vLLM, llama.cpp и Elastic Inference Service. Сильными сторонами являются компактность, высокая производительность для своего размера, большой контекст и возможность адаптировать размер вектора. Ограничение модели — заявленная специализация на кластеризации; README не приводит подробностей о точном наборе поддерживаемых языков и не описывает качество для других задач. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

IFM разработала K2-Type-0.9B — компактную модель принятия решений на базе IFM/K2-Horizon-0.9B, дообученную в стиле Jev. Модель принимает одно текстовое или JSON-состояние и набор типизированных вопросов с вариантами ответа, после чего за один проход выдаёт вероятности для вариантов. Она поддерживает вопросы true/false, выбор из 1–255 вариантов и оценку по упорядоченным уровням; текстовые ответы не генерирует. Архитектура — плотная причинная языковая модель с отдельной pointer head, размер — 924,5 млн параметров, контекст — до 8192 токенов. В метаданных указана поддержка английского языка; карточка описывает задачи классификации, выбора и калибровки вероятностей. Лицензия — Apache-2.0. Модель предназначена для классификации и структурированного принятия решений, где нужно оценить состояние по заданным вопросам или выбрать один из предложенных вариантов. В карточке приведены результаты JevBench и пример игры Snake; вероятности откалиброваны на отдельном наборе Kev. Ответы ограничены переданными вариантами: модель не выберет «ничего из перечисленного», если такой вариант не добавлен. Она не выполняет многошаговые рассуждения, слаба на арифметике и разнице дат, а документы длиннее 8192 токенов выходят за её контекст; калибровка может хуже работать на данных, отличающихся от обучающих.

KaLM-embedding-multilingual-mini-v1-i1-GGUF — GGUF-квантизованная версия модели HIT-TMG/KaLM-embedding-multilingual-mini-v1, подготовленная и опубликованная mradermacher. Это модель для получения векторных представлений текста, предназначенная для семантического поиска, сравнения сходства предложений, кластеризации и других задач извлечения признаков; в карточке также указана совместимость с экосистемой sentence-transformers и MTEB. Модель позиционируется как мультиязычная, однако в метаданных README явно указан только английский язык. Архитектура, число параметров, размерность эмбеддингов, максимальная длина контекста и сведения о поддерживаемых модальностях не приведены. Доступны многочисленные варианты GGUF-квантизации размером примерно от 0,4 до 0,5 ГБ, включая IQ- и Q-форматы; Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества, а Q4_K_M — как быстрый и рекомендуемый. Основные преимущества — небольшой размер файлов и возможность выбрать компромисс между скоростью, занимаемой памятью и качеством. При этом агрессивные варианты квантизации могут заметно снижать качество, а README не содержит количественных результатов тестирования или подробного описания ограничений. Модель распространяется по лицензии MIT; в карточке указано, что квантизацию выполнил mradermacher.

Kev-9B — специализированная модель принятия решений, разработанная для проекта TypeSafe и опубликованная Jared Palmer под идентификатором jaredpalmer/kev-9b. Она получает один документ или состояние и набор типизированных вопросов, а возвращает распределение вероятностей по вариантам ответа за один проход. Модель предназначена для задач классификации, выбора, оценки уверенности и автоматизации решений, а не для генерации текста. Это LoRA-адаптер с рангом r=16 и 45,4 млн обучаемых параметров, установленный поверх Qwen/Qwen3.5-9B-Base, дополненный pointer head. В карточке указана модальность текста и язык en; обучение и оценивание проводились на наборах для классификации намерений, логического вывода, тональности, отзывов, вопросов с выбором ответа и других типах решений. Для модели заявлены accuracy, Brier score и expected calibration error. На закрытом внераспределительном тесте она достигла accuracy 0,852 и Brier score 0,237, а на разработочном наборе того же типа — accuracy 0,822. Сильные стороны модели — вероятностные ответы, встроенная калибровка уверенности, поддержка нескольких типов решений и хорошая переносимость на незнакомые источники данных. Ограничение состоит в том, что это узкоспециализированная модель без текстовой генерации; качество зависит от типа задачи и может заметно различаться между доменами. Для арифметики по датам рекомендуется предварительная обработка date_facts, поскольку без неё модель ненадёжно вычисляет разницу между датами. Модель распространяется по лицензии Apache-2.0.

Это корейский Cross-Encoder на базе klue/roberta-small, дообученный с помощью библиотеки Sentence Transformers. Модель оценивает пару текстов одним числовым баллом, который можно использовать для ранжирования результатов поиска и оценки семантической релевантности. Модель содержит 81,2 млн параметров, использует архитектуру RoBERTa и принимает последовательности длиной до 514 токенов. В README приведены результаты оценки корреляции: Pearson 0,986 и Spearman 0,866; обучающая выборка насчитывает 35 108 пар текстов. Примеры и базовая модель указывают на работу с корейским языком. Лицензия в предоставленных данных не описана.

bespin-global/klue-sentence-roberta-base — модель эмбеддингов предложений и абзацев от Jaehyeong из Bespin Global. Она основана на RoBERTa и преобразует текст в плотные векторы размерности 768; размер модели — 137,8 млн параметров, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска и кластеризации текстов. Её можно использовать в системах поиска по смыслу, группировки похожих предложений и сравнения текстовых фрагментов. Обучение проводилось с функцией потерь CosineSimilarityLoss на данных KLUE, что указывает на ориентацию на корейский язык. Модель доступна в формате PyTorch по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. В карточке не приведены результаты оценки качества; поэтому качество для конкретного сценария следует проверять отдельно.

Knesset-multi-e5-large — модель эмбеддингов на базе intfloat/multilingual-e5-large, дообученная на данных Кнессета для работы с законодательной и парламентской лексикой. Разработчики представляют её как модель Sentence-Transformers: кодировщик XLM-RoBERTa-large преобразует предложения и абзацы в плотные векторы размерности 1024. Веса опубликованы в формате safetensors; число параметров — 658,7 млн, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска, сравнения и кластеризации текстов, особенно парламентских и законодательных материалов. Она поддерживает иврит; карточка также связывает базовую модель с многоязычной обработкой, но у этой версии явно отмечен иврит. Лицензия в предоставленных данных не указана.

BM-K/KoSimCSE-roberta-multitask — корейская модель эмбеддингов предложений на архитектуре RoBERTa, опубликованная в репозитории Korean-Sentence-Embedding. Она предназначена для получения векторных представлений текста и семантических задач, включая сравнение смысловой близости предложений. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. В README приведены результаты оценки на тестовом наборе Semantic Textual Similarity и материалы для обучения и запуска моделей. Модель подходит для поиска семантически похожих предложений, ранжирования текстов по близости и построения систем поиска на основе эмбеддингов. Указанные сведения не подтверждают качество на других задачах или доменах. Лицензия в предоставленных данных не указана.

haryads/kurdish-sentence-embeddings — модель векторных представлений предложений на центральнокурдском языке (сорани), разработанная для семантического поиска, поиска фрагментов для RAG, кластеризации и оценки сходства. Она преобразует текст в 512-мерные векторы; используется архитектура RoBERTa с усреднением токенов и L2-нормализацией. Базовая курдская RoBERTa обучена с нуля на корпусе из примерно миллиона предложений, затем модель дообучена контрастивным методом на примерно 22 тысячах пар предложений с трудными отрицательными примерами. Модель рассчитана на центральнокурдский (сорани, ckb), записанный арабским письмом. Контекст ограничен 130 токенами по метаданным. README приводит результаты на внутреннем курдском бенчмарке и сообщает о превосходстве над мультиязычной MiniLM в поиске и разделении тем; эти показатели относятся к описанным тестам. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. По README, обучение преимущественно на новостных текстах ограничивает надёжность на узкоспециализированных и разговорных данных; для них может потребоваться дообучение на профильном корпусе. Для лучших результатов рекомендуется нормализовать варианты арабских и курдских символов, ZWNJ и цифры перед кодированием.

Xenova/LaBSE — версия модели LaBSE из репозитория sentence-transformers/LaBSE, адаптированная в формате ONNX для совместимости с библиотекой Transformers.js. Репозиторий содержит ONNX-веса и предназначен для запуска модели в JavaScript-средах, включая веб-приложения. Модель рассчитана на извлечение признаков: она преобразует входной текст в векторное представление, которое может использоваться в задачах семантического поиска, сравнения текстов, кластеризации и других сценариях работы с эмбеддингами. В README не указаны архитектура, размер модели, поддерживаемые языки, максимальная длина контекста, точные модальности, ограничения качества или лицензия, поэтому эти характеристики нельзя достоверно оценить по предоставленным данным.

Карточка модели LanguageBind/LanguageBind_Video на Hugging Face совпадает с карточкой LanguageBind/LanguageBind_Image, поэтому описание составлено по ней. LanguageBind_Image — модель для сопоставления изображений с текстовыми описаниями в рамках проекта LanguageBind, разработанного авторами исследования LanguageBind, принятого на ICLR 2024. В репозитории она представлена как PyTorch-модель на базе архитектуры CLIPModel и предназначена для классификации изображений без примеров на этапе обучения: пользователь задаёт текстовые метки или описания, а модель оценивает их соответствие изображению. Модель входит в мультимодальный подход LanguageBind, который использует язык как общий семантический ориентир для связывания представлений разных модальностей. Для этого чекпойнта подтверждён сценарий zero-shot классификации изображений; описание проекта также упоминает вычисление сходства между модальностями и текстом. README не сообщает размер этой модели, её языковой охват или длину контекста. Лицензия репозитория — MIT.