I.11Классификация, ранжирование и сопоставление

leomaurodesenv/roberta-base-nvidia-aegis-v2 — англоязычная модель RoBERTa, разработанная на основе FacebookAI/roberta-base и дообученная для классификации текста. Она содержит 151,8 млн параметров, принимает текстовые последовательности длиной до 514 токенов и выдаёт класс текста. На указанном в карточке наборе оценки достигла accuracy 0,8540 и loss 0,3329; данные обучения не описаны. Модель может применяться для классификации текстов в приложениях на базе Transformers. Лицензия — MIT.

Это модель на базе XLM-RoBERTa для получения векторных представлений болгарских предложений и оценки их сходства. Она содержит 124,5 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель обучали по идеям Sentence-BERT на закрытых параллельных болгарско-английских данных: переводные предложения должны располагаться близко в общем векторном пространстве. Учителем служила модель Google USE; затем модель сжали методом progressive module replacing. Модель подходит для поиска семантически близких предложений и сопоставления болгарских фраз с английскими переводами. Она чувствительна к регистру: различает «bulgarian» и «Bulgarian». Репозиторий предоставляет веса PyTorch; лицензия — MIT. Качество на иных языках и типах данных в карточке не описано.

Byunghwee/roberta_belief_finetuned — модель Sentence-Transformers на базе RoBERTa, дообученная на триплетах убеждений из датасета Debate.org. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска и сравнения смыслового сходства, кластеризации и анализа контекстных связей между убеждениями. В метаданных указано 151,8 млн параметров и контекст до 514 токенов; модель использует библиотеку sentence-transformers и распространяется в формате safetensors. Модель подходит для семантического поиска и группировки текстов об убеждениях, а также для получения эмбеддингов, учитывающих их контекстные отношения. Она обучалась с TripletLoss на триплетах, извлечённых из Debate.org. Лицензия в предоставленных данных не указана.

stefra разработал модель roberta-unical-old на базе дообученной FacebookAI/roberta-large. Это энкодер архитектуры UNICAL, обученный методом statement tuning для оценки утверждений относительно текста-состояния: модель возвращает вероятность истинности каждого утверждения и не генерирует текст. Блочная двунаправленная маска внимания позволяет оценивать несколько утверждений в одном запросе независимо друг от друга, что предназначено для быстрой фильтрации семантических утверждений. Модель работает через Transformers и содержит собственный код архитектуры; на GPU может загружаться в float16. Модель подходит для классификации по заданным категориям, когда их можно представить как утверждения, а также для оценки и ранжирования таких утверждений по вероятности истинности. В README приведены результаты проверки на нескольких наборах данных, включая отдельные задачи, не встречавшиеся при обучении; качество на них различается, поэтому перенос на новые домены требует проверки. Языковая ориентация следует от англоязычной базовой RoBERTa-large. Сведения о лицензии в предоставленных данных отсутствуют.

RuModernBERT-small — компактный двунаправленный encoder-only Transformer семейства ModernBERT, разработанный DeepVK для работы с русским и английским текстом. Это модель masked language modeling: она предсказывает замаскированные токены и служит основой для задач понимания текста после дополнительной настройки. Модель содержит 34,4 млн параметров, имеет 12 слоёв, размер скрытого представления 384 и словарь из 50 368 токенов; длина контекста — до 8 192 токенов. Предобучение проводилось примерно на 2 трлн токенов русского, английского и кода из интернет-источников, книг, научных материалов и социальных сетей. Модель подходит как компактный энкодер для классификации, извлечения сущностей и других задач анализа текста; README приводит оценки на русскоязычных бенчмарках. В опубликованной ревизии patched-tokenizer исправлена токенизация шести распространённых русских строчных букв, что может быть полезно для NER; авторы сообщают, что на 20 задачах RuMTEB статистически значимых изменений качества не обнаружили. Лицензия — Apache-2.0.

Ruri-Reranker-Base — японский кросс-энкодер для переоценки релевантности текстовых пар, разработанный командой cl-nagoya. Это дообученная на наборе cl-nagoya/ruri-dataset-reranker модель семейства BERT, распространяемая в формате safetensors и рассчитанная на последовательности длиной до 512 токенов. Она принимает запрос и кандидаты документов и ранжирует кандидатов по релевантности; в карточке приведены результаты на японских поисковых наборах JQaRA, JaCWIR и MIRACL. Модель предназначена для улучшения поисковой выдачи и выбора наиболее подходящих фрагментов перед передачей их в систему ответов на вопросы или RAG-процесс. README указывает японский язык и лицензию Apache 2.0. Для использования требуется библиотека Sentence Transformers; качество зависит от соответствия запросов и документов японскому языку и поисковым сценариям, представленным в оценке.

Модель saikasyap/samskritam-xlm-roberata-base — Sentence Transformer, дообученный на базе FacebookAI/xlm-roberta-base на двуязычном наборе en-sa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и других задач с текстовыми эмбеддингами. Архитектура включает XLM-RoBERTa с усреднением токенных представлений; в README указана максимальная длина последовательности 128 токенов, а метаданные каталога сообщают контекст до 514 токенов. Для вычисления сходства предусмотрена косинусная мера. Модель обучалась на парах английского текста и текста на санскрите. Она подходит для поиска соответствий между английскими и санскритскими фразами, поиска по смыслу, кластеризации и классификации текста с использованием получаемых эмбеддингов. Это дообученная многоязычная модель с 305,2 млн параметров, распространяемая в формате safetensors. Лицензия в предоставленных данных не указана.

pritamdeka/SapBERT-mnli-snli-scinli-scitail-mednli-stsb — модель Sentence-Transformers на базе BERT, разработанная для получения плотных векторных представлений предложений и абзацев. Она содержит 136,7 млн параметров, формирует эмбеддинги размерности 768 и принимает последовательности длиной до 512 токенов. Модель обучена на SNLI, MNLI, SCINLI, SCITAIL, MEDNLI и STSB с использованием CosineSimilarityLoss. Её можно применять для семантического поиска, сравнения смысловой близости текстов и кластеризации, в том числе медицинских и научных текстов. Для использования через Transformers требуется корректно выполнить pooling контекстных представлений. В карточке нет сведений о лицензии и явно заявленной поддержке языков, поэтому условия использования и языковой охват по этим источникам установить нельзя.

akhooli/sbert-nli-500k-triplets-MB — модель Sentence Transformers на архитектуре ModernBERT, разработанная на основе akhooli/ModernBERT-ar-base-tiny и дообученная на 550 тысячах арабских NLI-триплетов. Она преобразует предложения и абзацы на арабском языке в плотные векторы размерностью 768 для сравнения по косинусному сходству; максимальная длина последовательности составляет 8192 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Обучение на парах запрос–положительный пример–отрицательный пример помогает сопоставлять запросы с релевантными фрагментами. Лицензия — Apache-2.0. Модель ориентирована на арабский язык; качество на других языках карточкой не подтверждено. Она выдаёт эмбеддинги, а не готовые ответы или метки классов, поэтому для классификации требуется отдельная модель или последующая обработка векторов.

SBERTPQ — компактная модель Sentence-Transformers на архитектуре BERT, разработанная для оценки релевантности короткого текста вопросу. Она преобразует вопрос и текст преимущественно длиной до 10–15 слов в векторы размерностью 312; косинусное сходство между векторами служит оценкой того, содержит ли текст ответ на вопрос. Модель применялась для семантического поиска записей в базе фактов диалоговой системы. Модель основана на cointegrated/rubert-tiny2 и насчитывает 29 млн параметров. Карточка сообщает о контексте до 2048 токенов, быстром инференсе даже на CPU и значении cossim_f1 до 0,986 на тестовой выборке. Модель ориентирована на русский язык и распространяется по лицензии Unlicense. Указанная метрика получена на конкретной тестовой выборке и не гарантирует такую же точность на других данных; назначение модели рассчитано на короткие тексты.

dangvantuan разработал sentence-camembert-base — модель для получения векторных представлений французских предложений и оценки их семантического сходства. Она дообучена на базе facebook/camembert-base с помощью Siamese BERT-сетей и библиотеки sentence-transformers на данных STSb. Модель содержит 137,8 млн параметров, принимает текст и выдаёт эмбеддинги. Её можно применять для сравнения предложений по смыслу, поиска похожих фраз и построения семантического поиска на французском языке. В тестах на французской части STSb указаны корреляции Пирсона 82,36 и Спирмена 81,64. Модель распространяется по лицензии Apache-2.0. Контекст ограничен 514 токенами; заявленные результаты относятся к оценке на STSb и не гарантируют такое же качество на других данных или задачах.

Sentence-ModernBERT-JP-0.5B — японская модель эмбеддингов предложений, разработанная автором репозитория и дообученная на базе iamtatsuki05/Sentence-ModernBERT-JP-0.5B-PT с помощью supervised contrastive learning на cl-nagoya/ruri-v3-dataset-ft. Она предназначена для сравнения семантической близости текстов, поиска по смыслу, классификации и кластеризации японских текстов. Модель основана на архитектуре ModernBERT и содержит около 677,5 млн параметров. Она преобразует текст в векторы размерности 1280 с mean pooling; сходство рекомендуется оценивать косинусной метрикой. Модель принимает последовательности длиной до 8192 токенов. Карточка указывает поддержку японского языка; лицензия — MIT. В таблице оценки приведены результаты на JMTEB, включая средние показатели для поиска, семантического сходства, классификации, переранжирования и кластеризации. Они показывают качество на этих бенчмарках, но сами по себе не гарантируют результат на конкретных данных. Модель рассчитана на японские тексты, поэтому её пригодность для других языков не подтверждена.

sentence-transformers/sentence-t5-xl — модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерности 768. Она использует энкодер T5-3B и содержит 385,2 млн параметров; максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса PyTorch в формате Safetensors, сохранённые в FP16. Модель предназначена прежде всего для вычисления сходства между предложениями: её можно применять для сравнения формулировок и поиска семантически близких текстов. Для семантического поиска по корпусам документов она работает хуже. Чекпойнт перенесён из TensorFlow-модели st5-3b-1 в PyTorch; по данным карточки, embeddings могут немного отличаться от TensorFlow-версии, хотя результаты на тех же бенчмарках совпадают. Лицензия — Apache-2.0.

peulsilva/sentence-transformer-trained-tweet — дообученная модель Sentence Transformer на базе whaleloops/phrase-bert, разработанная пользователем peulsilva. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру BERT с усреднением токенных представлений; метаданные указывают 136,7 млн параметров. Контекст по карточке ограничен 128 токенами, хотя метаданные указывают 512 токенов, поэтому практический предел следует уточнять в используемой конфигурации. Модель обучалась на парах текстов с оценками сходства; среди примеров есть короткие сообщения из Twitter о футболе. Для сравнения обычно используют косинусное сходство. По приведённой оценке Spearman cosine составил 0,1537 на валидационном наборе, поэтому качество на конкретных данных стоит проверять отдельно. Репозиторий использует safetensors и библиотеку Sentence Transformers; лицензия в предоставленных данных не указана.

sentence-transformers-ult5-pt-small — модель эмбеддингов предложений и абзацев, разработанная tgsc на основе tgsc/ult5-pt-small. Она преобразует текст в плотные векторы размерности 512 для поиска по смыслу, вычисления сходства, кластеризации и поиска перефразировок. Архитектура — энкодер T5; размер контекста — 1024 токена. Метаданные указывают 47,8 млн параметров, а README приводит оценку около 51 млн для sentence-transformer-версии. Модель предназначена для семантического поиска и анализа отношений между текстами. README описывает применение для кластеризации, оценки семантического сходства и поиска перефразировок; в репозитории указаны форматы PyTorch и Safetensors. Карточка и название базовой модели указывают на португальскую языковую специализацию. Качество для других языков не подтверждено. Лицензия в предоставленных данных не указана.

alunadiderot подготовил модель классификации текста на базе SetFit и intfloat/multilingual-e5-base. Она дообучена методом few-shot: Sentence Transformer сначала адаптирован контрастивным обучением, затем поверх его признаков обучен классификатор LogisticRegression. Модель распределяет тексты по 12 категориям; среди примеров в карточке указаны Business и Politics. Заявленная точность на наборе оценки составляет 0,8222. Модель предназначена для тематической классификации коротких текстов, например новостных статей и сообщений. Архитектура включает XLM-RoBERTa, размер составляет 305,2 млн параметров, максимальная длина последовательности — 512 токенов. Базовая модель multilingual-e5-base ориентирована на многоязычные текстовые эмбеддинги; конкретный перечень поддерживаемых языков для классификатора не приведён. Лицензия в предоставленных данных не указана.

hyunlord/siglip2-base-patch16-224-ko — модель SigLIP 2, дообученная для улучшения понимания корейского языка при сопоставлении изображений с текстом. Автор сообщает, что обучение основано на дистилляции знаний и использует англо-корейский параллельный набор aihub; оценка проводилась на подписях MS-COCO на английском и корейском языках. Модель принимает изображение и текстовые метки или описания, оценивая соответствие между ними; заявлены задачи классификации изображений без дообучения и поиска совпадений изображение—текст. Архитектура — SiglipModel семейства SigLIP 2, около 375 млн параметров; веса опубликованы в формате safetensors. В сравнении на MS-COCO автор приводит для корейского Recall@1 57,24% при поиске текста по изображению и 36,55% при поиске изображения по тексту; результаты на английском близки к базовой SigLIP 2. Лицензия — MIT. Показатели относятся к описанной оценке и не гарантируют качество на других данных; README не содержит подробных инструкций по использованию или ограничений по контексту.

mrp/simcse-model-wangchanberta — модель эмбеддингов предложений на базе архитектуры CamemBERT, обученная с использованием SimCSE. По README, исходной точкой служил mBERT, а для обучения использовалась тайская Википедия. Модель преобразует предложения и абзацы в плотные векторы размерности 768; её можно применять для семантического поиска и кластеризации. Параметры распространяются в формате PyTorch, размер модели — 132,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена прежде всего для работы с тайским текстом. Лицензия в доступных данных не указана.

SkillReason-embedding-4b — плотная текстовая модель эмбеддингов, разработанная авторами проекта SkillReason для поиска подходящих навыков агента по запросу на естественном языке. Она дообучена на базе Qwen/Qwen3-Embedding-4B с использованием supervision по рассуждению о возможностях навыков и обратной связи от поиска. Модель содержит 3,7 млрд параметров, использует pooling по последнему непаддинговому токену и поддерживает контекст до 40 960 токенов. Основной сценарий — находить переиспользуемый навык, соответствующий неявной цели пользователя, даже когда тот не называет навык или порядок действий напрямую. Обычный поиск кодирует запрос и документы навыков в векторы; генерация объяснений не требуется. Модель рассчитана на англоязычные данные и подходит для поиска и сравнения текстов, в частности для подбора навыков агентам. Лицензия — Apache-2.0.

cafierom создал дообученную модель SentenceTransformer на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 768; сходство между ними можно оценивать косинусной мерой. Модель рассчитана на семантическое сравнение текстов, поиск, поиск перефразировок, классификацию и кластеризацию. Модель использует текстовую архитектуру Gemma 3, содержит 302,8 млн параметров и распространяется в формате Safetensors. В метаданных указан контекст до 2048 токенов, а в README — максимальная длина последовательности 128 токенов; на практике ориентируйтесь на ограничение SentenceTransformer в карточке. Обучающие и оценочные примеры представлены парами текстов с метками, однако приведённые образцы выглядят как строки химических структур, поэтому качество на обычном естественном языке из этих данных не подтверждается. Лицензия в предоставленных сведениях не указана.

sonda-1.0 — дообученная модель для оценки вероятностей вариантов ответа в задачах принятия решений на польском и английском языках. Она разработана авторами проекта Sonda на базе JevK5, которая, в свою очередь, создана на основе Qwen3.5-4B. Модель имеет плотную архитектуру Qwen3.5 и около 3,4 млрд параметров; в репозитории представлены веса safetensors. Указанная длина контекста — 262 144 токена. На вход подаются свидетельства или состояние (state), вопрос одного из заданных типов — да/нет, выбор из вариантов или оценка — и варианты ответа. Модель за один проход вычисляет калиброванные вероятности для каждого варианта, извлекая их из логитов букв ответов; генерация токенов для этого не требуется. Её предназначение — структурированная оценка решений через сервер sonda-server или совместимый рабочий процесс, а не свободный диалог. В описанных авторами тестах модель показывает высокую точность и калибровку на английском и польском языках. Модель распространяется по лицензии Apache-2.0. README указывает на применение через sonda-server или vLLM и сообщает о требовании NVIDIA GPU для описанной серверной конфигурации. Результаты для французского языка не подтверждены: авторы отмечают, что он не входил в обучающие языки. Хотя в метаданных стоит задача text-generation и заявлена возможность chat, карточка описывает модель как специализированную систему принятия решений, а не разговорную модель.

wwydmanski/specter2_pubmed-v0.7-full — дообученный Sentence Transformer на базе allenai/specter2_base для работы с научными текстами. Модель кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT-энкодер с усреднением токенных представлений. Максимальная длина входа — 512 токенов, для сравнения векторов используется косинусное сходство. Модель обучена на 57 306 парах и тройках текстов с помощью MultipleNegativesRankingLoss. Она предназначена для семантического поиска и сравнения научных публикаций, а также может применяться для поиска перефразировок, кластеризации и классификации текстов. В примерах обучающих данных встречаются названия и заголовки работ из разных предметных областей, включая медицину; специализация на PubMed отражена в названии модели. В README приведены оценки на NanoNQ, NanoMSMARCO и NanoBEIR; результаты зависят от набора данных и сценария, поэтому качество для конкретного корпуса следует проверять отдельно. Для использования требуется подавать текст и сравнивать полученные векторы. Лицензия в предоставленных сведениях не указана.

aimanfadillah/standardized — дообученная модель Sentence Transformers на базе aimanfadillah/standardized для преобразования предложений и абзацев в плотные векторы размерностью 384. Она использует архитектуру BERT с усреднением токенных представлений и нормализацией; сходство векторов можно оценивать косинусной мерой. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В README приведён обучающий набор из трёх пар терминов, связанных с функциями бытовой техники, поэтому практическую точность на широких тематиках и языках нельзя считать подтверждённой. Лицензия в предоставленных данных не указана.

ahmedHamdi/story-similarity-mpnet-plots-es-en — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, предназначенная для оценки семантического сходства текстов. Её можно применять для получения эмбеддингов сюжетов и сравнения описаний на испанском и английском языках, например для поиска похожих сюжетов или их группировки. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текстовые входы; максимальная длина контекста составляет 514 токенов. README указывает на обучение через AutoTrain и приводит значение loss 0,8079, но не описывает набор данных, метрику качества на прикладных примерах или лицензию.

shannonnonshan/streamland-embeddings-v1 — дообученный энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2, созданный для представления предложений и абзацев в виде плотных семантических векторов. Модель использует архитектуру BERT и библиотеку Sentence Transformers; число параметров — 25,9 млн. Она предназначена для семантического сравнения и поиска, поиска перефразирований, классификации и кластеризации текстов. Модель формирует векторы размерности 384 и сравнивает их с помощью косинусного сходства. В README указана максимальная длина последовательности 256 токенов, а метаданные приводят контекст до 512 токенов. Дообучение описано на наборе из 8 примеров, поэтому качество может быть нестабильным и особенно зависит от соответствия данных целевому применению. Лицензия в предоставленных данных не указана.

sentence-transformers-testing/stsb-bert-tiny-openvino — модель семейства Sentence-Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 128. В README разработчик явно не указан; модель опубликована под идентификатором sentence-transformers-testing. Она предназначена для оценки семантического сходства текстов, семантического поиска, кластеризации и других задач, где требуется сравнивать смысл текстовых фрагментов. Архитектура включает BERT с максимальной длиной последовательности 512 токенов и mean pooling по токенам с учётом attention mask. Указана поддержка текстовой модальности, однако языки модели не обозначены. Модель обучалась с CosineSimilarityLoss в течение 10 эпох; подробные данные о качестве в README не приведены. Сильной стороной является компактное 128-мерное представление, удобное для поиска и кластеризации, а ограничениями — отсутствие сведений о языках, обучающем наборе данных, фактических метриках качества и производительности OpenVINO. Лицензия в README не указана.

Модель optimum-intel-internal-testing/stsb-bert-tiny-safetensors — это модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 128. В README указано, что модель предназначена для задач сравнения предложений, кластеризации и семантического поиска. Разработчик явно не указан; модель опубликована под идентификатором optimum-intel-internal-testing/stsb-bert-tiny-safetensors. Архитектура включает BERT в конфигурации BertModel с максимальной длиной последовательности 512 токенов и mean pooling, учитывающим attention mask. Модель работает с текстом и использует режим без принудительного приведения к нижнему регистру. Языки и точный размер базовой BERT-модели в README не указаны. Обучение выполнялось с CosineSimilarityLoss в течение 10 эпох с размером пакета 16. Сильная сторона модели — компактное 128-мерное представление, удобное для хранения и быстрого поиска, а также готовая интеграция с библиотеками sentence-transformers и Hugging Face Transformers. Ограничения заключаются в отсутствии сведений о поддерживаемых языках, качестве на конкретных бенчмарках, составе обучающих данных и сравнении с другими моделями. Лицензия в README не указана.

Модель eduardofv/stsb-m-mt-es-distiluse-base-multilingual-cased-v1 — дообученная версия distiluse-base-multilingual-cased-v1 для оценки семантического сходства предложений на испанском языке. Она основана на DistilBERT и предназначена для извлечения эмбеддингов предложений и сравнения их смысловой близости; обучение проводилось на испанской части stsb_multi_mt, сформированной из переведённых наборов STSBenchmark. Модель можно применять для ранжирования пар предложений по смысловой близости и для экспериментов и бенчмаркинга STS. Максимальная длина контекста — 512 токенов; веса доступны в формате PyTorch. Автор описывает модель как proof of concept и не заявляет о специальном назначении за пределами изучения и оценки STS-дообучения. Лицензия в предоставленных данных не указана.

Модель yjoonjang/stsb-quora-distilroberta-linear-merge — демонстрационное линейное слияние двух англоязычных Cross-Encoder-моделей на базе DistilRoBERTa: cross-encoder/stsb-distilroberta-base и cross-encoder/quora-distilroberta-base. Разработчик объединил их веса методом linear с коэффициентами 0,5 и 0,5; это пример работы функции слияния CrossEncoder в Sentence Transformers, а не выпуск модели, специально настроенной под отдельную задачу. Модель предназначена для оценки и ранжирования пар текстов по семантической близости, в частности для сценариев семантического сходства и поиска похожих вопросов. Архитектура — RobertaForSequenceClassification, размер — 95,2 млн параметров, максимальный родной контекст — 514 токенов. Модель принимает текстовые пары и выдаёт оценки релевантности или сходства. Доступны форматы safetensors, Flax и OpenVINO. Это демонстрационная объединённая модель; README не приводит результатов оценки качества, поэтому её пригодность для конкретной задачи следует проверять отдельно. Лицензия в предоставленных данных не указана.

Amu/tao-8k — экспериментальная модель эмбеддингов, опубликованная автором Amu. В карточке она описана как пробная версия, созданная по методу stella-v2 с увеличенной длиной контекста для tao. Модель основана на архитектуре BERT, содержит около 424,3 млн параметров и принимает текстовые последовательности длиной до 8192 токенов. Модель предназначена для получения векторных представлений текста и оценки сходства предложений, в том числе для поиска и сравнения длинных текстовых фрагментов. В метаданных указан китайский язык. Веса доступны в формате PyTorch по лицензии Apache-2.0. Автор отмечает, что для работы с полным контекстом в 8 тысяч токенов может потребоваться преобразование весов в float32; также в README упоминается работа над другой версией модели.