I.11Классификация, ранжирование и сопоставление

rohit-vt/tink-reranker-minilm — текстовая cross-encoder-модель на основе cross-encoder/ms-marco-MiniLM-L6-v2, дообученная автором с помощью Sentence Transformers. Она принимает пары текстов и вычисляет оценку их релевантности для переранжирования результатов поиска и семантического поиска. Модель построена на архитектуре BERT с классификационной головой и выдаёт один числовой балл на пару; размер — 25,9 млн параметров, максимальная длина последовательности — 512 токенов. README описывает обучение на 11 010 примерах и оценку на 1 505 примерах с бинарными метками. Модель предназначена для включения в поисковые конвейеры, где нужно пересортировать кандидатов по соответствию запросу или сравнить семантическую близость двух текстов. Она обрабатывает только текст; карточка не сообщает о поддерживаемых естественных языках, а базовая модель предназначена для английского. Вес опубликован в формате safetensors. Лицензия в предоставленных данных не указана.

rohit-vt/tink-reranker-phase4_minilm_real — текстовая Cross-Encoder-модель на базе cross-encoder/ms-marco-MiniLM-L6-v2, дообученная с помощью библиотеки Sentence Transformers. Архитектура BERT обрабатывает пару текстов совместно и выдаёт оценку релевантности; модель содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для переранжирования результатов поиска и семантического сопоставления запроса с текстами-кандидатами. Её можно применять на втором этапе поиска, чтобы упорядочить документы, навыки или другие короткие текстовые записи по соответствию запросу. Обучение описано на парах текстов с бинарными метками релевантности; отдельные примеры относятся к сопоставлению профессиональных навыков. Указана лицензия Apache 2.0 для базовой модели, но лицензия этой модели в предоставленных данных не приведена.

rohit-vt/tink-reranker-phase5_minilm_multikind — текстовый Cross-Encoder на архитектуре BERT, дообученный на базе cross-encoder/ms-marco-MiniLM-L6-v2 с использованием Sentence Transformers. Модель совместно обрабатывает пару текстов и выдаёт оценку их соответствия, которую можно использовать для переранжирования результатов поиска и семантического поиска. Модель содержит 25,9 млн параметров, поддерживает последовательности длиной до 512 токенов и выдаёт один числовой скор. Для обучения указаны 93 031 пример и функция BinaryCrossEntropyLoss; в карточке приведены примеры пар, связанные с навыками и профессиями. Лицензия в предоставленных данных не указана.

Это дообученный cross-encoder на базе cross-encoder/ms-marco-MiniLM-L6-v2, созданный с помощью библиотеки Sentence Transformers. Модель оценивает пару текстов одним числовым баллом, который можно использовать для ранжирования по релевантности и семантического поиска. Модель построена на архитектуре BERT с классификационной головой BertForSequenceClassification, содержит 25,9 млн параметров и принимает текстовые пары с максимальной длиной последовательности 512 токенов. При обучении использовались пары предложений с бинарными метками и BinaryCrossEntropyLoss; README приводит примеры сопоставления описаний навыков. Модель ориентирована на английский язык, как и базовый чекпойнт. Её можно применять как второй этап поиска: оценивать соответствие найденных документов запросу и сортировать результаты, а также ранжировать семантически похожие тексты. Лицензия в предоставленных данных не указана.

Tiny-Jev-1.7B — разработанная lostargon компактная модель для принятия структурированных решений по текстовому состоянию и вопросу с заданным набором вариантов. Это дообученная на базе Qwen3-1.7B модель с архитектурой decoder stack и отдельной линейной головой решений; языковая голова генерации текста не используется. Модель возвращает распределение вероятностей по вариантам, оценку уверенности и поддерживает выбор категории (Choice), оценивание по упорядоченной шкале (Score) и проверку истинности утверждения (Noul). Размер — 1,7 млрд параметров; метаданные указывают контекст до 40 960 токенов, тогда как README сообщает практический предел 4 096 токенов на вопрос. Модель предназначена для маршрутизации обращений, триажа, фильтрации, модерации, тегирования, проверки политик и безопасности действий агента, а также анализа логов и других структурированных данных. Она подходит для конвейеров и обработчиков запросов, где нужно быстро выбрать один из заранее заданных вариантов, а не сформулировать ответ. Обучение проводилось на синтетических данных для поддержки, операций, бизнес-текста, диалогов и задач чтения структурированных состояний; README также приводит результаты нескольких тестов с выбором ответа. Ограничения: модель не генерирует, не суммирует и не объясняет текст; вопросы с отрицаниями следует формулировать точно, арифметику и незнакомые правила лучше проверять отдельно. По README, длинное состояние может обрезаться, а пользовательский текст внутри состояния способен влиять на решение. Лицензия — Apache-2.0.

am-azadi/UAE-Large-V1_Fine_Tuned — дообученная модель Sentence Transformers на базе WhereIsAI/UAE-Large-V1, разработанная автором репозитория am-azadi. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Архитектура состоит из BERT-трансформера с объединением представлений CLS-токена; максимальная длина входа — 512 токенов, сходство оценивается косинусной мерой. Модель обучалась на 25 743 парах текстов с MultipleNegativesRankingLoss. Примеры обучающих данных многоязычны, но основное назначение и язык базовой модели — английский. Для применения нужны тексты; результатом служат векторы, пригодные для ранжирования или дальнейшей обработки. Лицензия в предоставленных данных не указана.

udever-bloom-560m — модель для получения текстовых эмбеддингов, разработанная Alibaba Group на основе bigscience/bloom-560m. Это декодерный трансформер семейства BLOOM с 659,6 млн параметров и контекстом до 2048 токенов; модель дообучена методом BitFit на MS MARCO Passage Ranking, SNLI и MultiNLI с контрастивной функцией потерь и трудными отрицательными примерами. Модель предназначена для представления естественного языка и кода в виде векторов для поиска, сравнения семантической близости, классификации, кластеризации и ранжирования текстов. В карточке заявлена поддержка множества естественных и программных языков; метаданные перечисляют языки, включая английский, китайский, французский, испанский и другие. Репозиторий содержит веса PyTorch и опубликован под лицензией BigScience BLOOM RAIL 1.0. Результаты в README приведены на MTEB и CodeSearchNet, но не дают полной картины качества по всем языкам и сценариям.

USER2-base — русскоязычная модель для создания векторных представлений предложений, разработанная deepvk на основе энкодера RuModernBERT-base. Она содержит 149 млн параметров, поддерживает контекст до 8192 токенов и выдаёт эмбеддинги размерностью 768. Модель дообучена для поиска и семантических задач, включая извлечение информации, сравнение предложений, классификацию и кластеризацию. USER2-base поддерживает Matryoshka Representation Learning: размер эмбеддинга можно сократить до 32, 64, 128, 256, 384 или 512 измерений с минимальной потерей качества. Для разных задач рекомендуется добавлять префиксы, например search_query и search_document для поиска или clustering для кластеризации. Модель доступна в форматах Safetensors и ONNX и совместима с библиотекой Sentence Transformers. Модель ориентирована на русский язык. Карточка приводит результаты оценки на MTEB-rus и MLDR-rus, но не даёт полной таблицы всех сравнительных результатов. Репозиторий распространяется по лицензии Apache-2.0.

USER-base — модель sentence-transformers, разработанная DeepVK для получения эмбеддингов предложений и абзацев на русском языке. Она основана на DeBERTa v1 base, содержит 151,8 млн параметров и преобразует текст в плотные векторы размерности 768; максимальная длина контекста — 512 токенов. Модель предназначена для семантического поиска, оценки сходства, кластеризации, поиска перефразировок и использования эмбеддингов как признаков классификации. Модель дообучена на русскоязычных парах текстов, включая данные ru-HNP и ru-WANLI, а также обучающие выборки ряда задач NLI, поиска и суммаризации. Для асимметричного поиска рекомендуется добавлять к запросу префикс «query: », а к документу — «passage: »; для симметричных задач и эмбеддингов-признаков используется «query: ». В опубликованных сравнениях USER-base показывает конкурентные результаты среди моделей сопоставимого размера, но уступает некоторым более крупным моделям в задачах поиска. Другие языки не оценивались. Лицензия — Apache-2.0.

codersan/validadted_e5Fa_onV8d — модель Sentence Transformers, дообученная на базе intfloat/multilingual-e5-small для получения плотных векторных представлений предложений и абзацев. Архитектура основана на BERT: среднее объединение токенных представлений с последующей нормализацией; размерность эмбеддингов — 384, максимальная длина входа — 512 токенов. Для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Она обучалась на 21 484 парах «запрос — релевантный текст» с функцией MultipleNegativesRankingLoss. Базовая модель многоязычная, а примеры обучающих данных включают тексты на персидском языке. Лицензия в предоставленных данных не указана.

Модель timm/vit_base_patch16_plus_clip_240.laion400m_e32 разработана для экосистем open_clip и timm. Это вариант CLIP с архитектурой ViT-B-16-plus-240, обученный на наборе изображений и текстов LAION-400M. Она сопоставляет изображения с текстовыми описаниями и подходит для классификации изображений по заданным пользователем категориям без отдельного обучения классификатора. Репозиторий содержит веса в форматах PyTorch и safetensors; лицензия — MIT. Модель принимает изображения и текстовые метки классов, а для классификации выдаёт оценки соответствия изображения каждой метке. Данных о контекстном окне или поддерживаемых естественных языках в предоставленной карточке нет.

timm/ViT-L-16-SigLIP2-256 — контрастивная модель «изображение–текст» семейства SigLIP 2, разработанная и преобразованная для использования в OpenCLIP из исходного контрольного набора JAX проекта Big Vision. Модель обучена на WebLI и предназначена для классификации изображений без дообучения: она сопоставляет изображение с текстовыми описаниями классов и позволяет выбирать наиболее подходящие варианты. Модель принимает изображения и текстовые метки или описания, а результатом служат оценки соответствия, пригодные для ранжирования кандидатов. В названии указаны вариант ViT-L-16 и размер изображения 256; карточка описывает мультиязычные возможности семейства SigLIP 2, но не перечисляет поддерживаемые языки этой конкретной версии. Использование весов регулируется лицензией Apache-2.0.

vSR Embeddings v1 Text Small — мультиязычная модель текстовых эмбеддингов, разработанная Xunzhuo для семантического поиска, сопоставления текстов, кластеризации и маршрутизации запросов в AI-шлюзах. Это дообученная плотная модель семейства Qwen3 примерно на 508 млн параметров, распространяемая в формате safetensors по лицензии MIT. Модель использует инструкции для ролей запроса и документа и поддерживает Matryoshka-векторы размерностью 1024, 512, 256, 128 или 64, позволяя выбирать баланс между скоростью и точностью. Для длинных документов README описывает разбиение на фрагменты по 320 токенов с перекрытием 64 токена и оценивание по максимальному сходству запроса с фрагментами; заявленный рабочий предел такого сценария — 32 тысячи токенов. Нативное окно контекста — 32 768 токенов. Модель предназначена для высокопроизводительного поиска и маршрутизации; в README приведены результаты MTEB Multilingual v2 и профиль производительности на AMD MI300X, которые зависят от конфигурации сервера. Это биэнкодер для получения эмбеддингов, а не кросс-энкодер-реранкер и не классификатор безопасности на уровне последовательности.

WeMM-Embedding-9B — универсальная мультимодальная модель эмбеддингов Tencent, построенная на базе Qwen3.5-9B. Она принимает текст, изображения, видео и визуальные документы, в том числе смешанные входы с чередованием текста и изображений или видео, и преобразует их в L2-нормированный вектор размерностью 4096. Аудио модель не поддерживает. Модель предназначена для получения эмбеддингов и поиска по тексту, изображениям, видео и визуальным документам, включая сопоставление разных типов содержимого. README также описывает поддержку Matryoshka Embeddings с сокращением размерности и варианты запуска через Transformers, Sentence Transformers, vLLM и SGLang. Метаданные указывают архитектуру Qwen3.5 и дообучение базовой модели Qwen/Qwen3.5-9B; опубликованные веса представлены в формате Safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке модели. Модель не подходит для аудио-входов; заявленный основной результат — векторное представление, а не генерация текста.

xiaobu-embedding — текстовая модель эмбеддингов, разработанная на основе GTE и дообученная для нескольких задач сопоставления запросов и документов. Она предназначена для получения векторных представлений текстов и вычисления их смыслового сходства; автор приводит примеры разговорных пар «запрос — запрос» и пар «запрос — документ» из области знаний, а также данные BGE для пар «запрос — документ». Для обучения использовались очищенные положительные примеры и отрицательные примеры средней сложности; общий объём данных составил около 6 млн примеров. Модель построена на архитектуре BERT, содержит 424,3 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Для использования автор рекомендует Sentence-Transformers; оценивание описано со ссылкой на китайский бенчмарк CMTEB. Лицензия в предоставленных данных не указана.

Многоязычная модель Sentence Transformers на базе FacebookAI/xlm-roberta-base, дообученная на парах предложений en–es. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения семантической близости, поиска и группировки текстов. Для сопоставления векторов используется косинусное сходство; архитектура включает XLM-RoBERTa с усреднением токенных представлений. Максимальная длина последовательности в карточке — 128 токенов. Модель поддерживает английский и испанский, а также широкий набор других языков, включая русский. В README приведены результаты оценки на задачах сходства и перевода между английским и испанским; это не генеративная модель и сама по себе не переводит текст. Размер базовой архитектуры — 305,2 млн параметров, формат весов — safetensors. Лицензия в предоставленных данных не указана.

joeddav/xlm-roberta-large-xnli — мультиязычная модель классификации текста, разработанная на основе XLM-RoBERTa Large и дообученная на данных для вывода по тексту (NLI), включая MNLI и XNLI. Она предназначена прежде всего для zero-shot-классификации: пользователь задаёт текст и набор меток, а модель оценивает соответствие текста каждой метке без отдельного обучения на этих категориях. Модель содержит около 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст с контекстным окном до 514 токенов. Она рассчитана на работу на 15 языках XNLI: английском, французском, испанском, немецком, греческом, болгарском, русском, турецком, арабском, вьетнамском, тайском, китайском, хинди, суахили и урду. Можно задавать метки на одном языке, а классифицируемый текст подавать на другом. Подходит для тематической разметки, маршрутизации обращений и других задач классификации с пользовательскими категориями, особенно в мультиязычных сценариях. Для классификации только на английском в карточке рекомендованы модели семейства BART MNLI. Модель распространяется по лицензии MIT.

IronPooh/xlm-roberta-qa-cross-encoder — текстовый Cross-Encoder, созданный дообучением FacebookAI/xlm-roberta-base с помощью библиотеки Sentence Transformers. Модель оценивает пары текстов одним числовым баллом, пригодным для ранжирования результатов поиска и семантического поиска. Архитектура — XLM-RoBERTa для классификации последовательностей; размер — 305,2 млн параметров, максимальная длина входа — 512 токенов. В карточке приведены примеры обучения на парах вопросов и ответов и результаты бинарной классификации на наборе xlm-roberta-val. Это указывает на применение для оценки соответствия вопроса и ответа, а также переранжирования найденных фрагментов. Базовая XLM-RoBERTa многоязычная, а примеры в обучающих данных включают украинский и русский языки. Доступны веса в формате safetensors; лицензия в предоставленных сведениях не указана.

Yalda Embedding — модель текстовых эмбеддингов, разработанная Yaldat для плотного поиска и семантического поиска на персидском языке (фарси). Она дообучена на базе Qwen/Qwen3-Embedding-0.6B на более чем миллионе пар «запрос — документ» с применением дистилляции отношений от F2LLM-v2-8B. В метаданных указаны архитектура Qwen3, 507,6 млн параметров и контекст до 32 768 токенов; README указывает 595 776 512 параметров и эмбеддинги размерности 1 024. Модель предназначена для поиска документов по запросам и ранжирования кандидатов по семантической близости. В оценке на восьми задачах персидского поиска из FaMTEB она получила средний результат 0,5488, близкий к показателю Qwen3-Embedding-4B; заявленное преимущество ограничено сравнением оценённых моделей размером 0,6B и этими задачами. Модель доступна в формате safetensors и рассчитана на использование через Sentence Transformers. Лицензия — Apache-2.0. Экспериментальные результаты охватывают персидский поиск; качество для других языков, классификации, кластеризации и длинного контекста в README не подтверждено. В обучении использовались пары запрос-документ и дистилляция, поэтому модель может наследовать предпочтения и ошибки учителя.

Карточка модели Yaldat/Yalda-Embedding2 на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

Карточка модели Yaldat/Yalda-Embedding3 на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

Карточка модели Yaldat/Yalda-Embedding6 на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

Карточка модели Yaldat/Yalda-Embedding-Scratch на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

blemond/0908a — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-large, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 1024 для семантического поиска и сравнения текстов. Архитектура включает XLM-RoBERTa, усреднение токенов и нормализацию векторов; сходство оценивается косинусной мерой. В README указана максимальная длина последовательности 256 токенов, а метаданные модели — контекст 514 токенов. Модель предназначена для поиска соответствующих фрагментов по запросу, оценки семантического сходства, поиска перефразировок, кластеризации и классификации текста. Обучение проведено на 19 380 парах запросов и фрагментов с MultipleNegativesRankingLoss; в карточке приведены результаты оценки на e5-eval-real. Мультиязычность унаследована от базовой модели, а примеры обучения включают корейский язык. Лицензия в предоставленных данных не указана.

Карточка модели avsolatorio/30-100-31-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240206161831-latest на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

gte-tiny — компактная модель эмбеддингов предложений на базе архитектуры BERT, опубликованная avsolatorio. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, кластеризации и сравнения текстов. Модель дистиллирована из thenlper/gte-small и, согласно карточке, показывает сопоставимое, немного более низкое качество при примерно вдвое меньшем размере. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для получения векторов можно использовать Sentence Transformers либо Transformers с подходящей операцией pooling. Лицензия и перечень поддерживаемых естественных языков в предоставленных данных не описаны.

gte-tiny — компактная модель эмбеддингов предложений на базе архитектуры BERT, представленная в репозитории avsolatorio. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения текстов и кластеризации. Модель дистиллирована из thenlper/gte-small; README отмечает, что качество сопоставимо, но немного ниже, при размере примерно вдвое меньше. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт векторы, пригодные для поиска по смыслу и группировки похожих текстов. Она опубликована в формате safetensors и поддерживает библиотеку Sentence Transformers. Сведения о лицензии и специальных языках применения в предоставленных источниках отсутствуют.

jamiehudson/579-STmodel-v4 — модель Sentence Transformers на базе архитектуры MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения смысловой близости текстов, семантического поиска и кластеризации. Для получения эмбеддингов используются веса PyTorch и операция pooling над контекстными представлениями токенов. Модель содержит 136,7 млн параметров, а длина контекста составляет 514 токенов. В README указано обучение с CosineSimilarityLoss. Языки применения не обозначены. Лицензия в предоставленных данных не указана.

Nerdofdot/abc — модель Sentence Transformers на архитектуре BERT, преобразующая предложения и абзацы в плотные векторы размерности 384. Она предназначена для сравнения семантической близости текстов, семантического поиска и кластеризации. Модель обучена с TripletLoss и евклидовой метрикой расстояния; для работы можно использовать Sentence-Transformers или Transformers с подходящей операцией pooling. Веса представлены в формате safetensors. Контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

Arnaudmkonan/adn-setfit-model — модель предложений на базе MPNet, созданная с использованием Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. В карточке указано обучение с CosineSimilarityLoss, что подходит для получения векторов, сохраняющих сходство между текстами. Модель можно применять для семантического поиска, группировки текстов и ранжирования по смысловой близости. Язык данных обучения в доступных сведениях не указан. Условия лицензии в предоставленных данных не приведены.