I.11Классификация, ранжирование и сопоставление

Это 4-битная сборка MLX модели LFM2.5-ColBERT-350M, подготовленная сообществом mlx-community на основе LiquidAI/LFM2.5-ColBERT-350M для локального инференса на компьютерах Apple с Apple Silicon. Модель использует архитектуру ColBERT с поздним взаимодействием: формирует 128-мерный вектор для каждого токена, а релевантность запроса и документа оценивает методом MaxSim. В метаданных указаны 443,4 млн параметров и контекст до 128 000 токенов. Модель предназначена для многоязычного семантического поиска и извлечения документов. В тестах README 4-битная версия сохранила в среднем 98,7% NDCG@10 и 99,7% Recall@10 относительно bf16 версии на восьми наборах данных; оценки получены на небольших или сокращённых корпусах и не сопоставимы напрямую с результатами на полных корпусах. В репозитории указана лицензия other; условия исходной модели следует сверить с её карточкой.

LLaVE-2B — мультимодальная модель эмбеддингов, основанная на Aquila-VL-2B и дообученная на 662 тысячах пар данных. Она предназначена для получения представлений текста, изображений, нескольких изображений и видео, в том числе для поиска по сходству между текстом и визуальным содержимым. В карточке Hugging Face указаны архитектура Qwen2, 1,5 млрд параметров и контекст до 32 768 токенов; README сообщает окно контекста 4K токенов, поэтому эти сведения расходятся. Модель подходит для мультимодального поиска и извлечения видео по текстовым запросам; авторы сообщают о сильных результатах на MMEB и переносе на задачи поиска по видео без специального обучения. Доступны веса в формате safetensors и лицензия Apache-2.0. Метаданные также отмечают чат и интерфейс вызова инструментов, но основное назначение по README — эмбеддинги.

facebook/mms-lid-1024 — модель Meta, разработанная Vineel Pratap и соавторами в рамках проекта Massively Multilingual Speech (MMS). Это аудиоклассификатор на архитектуре Wav2Vec2 с примерно 1,3 млрд параметров, предназначенный для определения языка по речи: модель относит входной аудиосигнал к одному из 1024 поддерживаемых языков. Принимает аудио с частотой дискретизации 16 кГц и возвращает метку языка; среди поддерживаемых языков есть русский, английский, арабский и многие другие. Модель подходит для предварительной маршрутизации аудиозаписей по языкам, сортировки многоязычных речевых коллекций и выбора языка для последующей транскрибации. Это не модель распознавания речи и сама по себе она не создаёт текстовую расшифровку. Для использования необходимы совместимое аудиопредставление и обработка результата как классификационной метки. Лицензия CC-BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

robro612/modernbert_colbert_kd — англоязычная модель поиска и ранжирования текста на базе ModernBERT и архитектуры ColBERT, распространяемая в библиотеке PyLate. Она преобразует запросы и документы в последовательности плотных 128-мерных векторов и сравнивает их оператором MaxSim; в README указаны максимальные длины 32 токена для запроса и 512 для документа, а метаданные сообщают о контекстном окне ModernBERT в 8192 токена. Модель предназначена для семантического поиска по коллекциям документов и повторного ранжирования результатов первичного поиска. Её можно использовать для поиска релевантных документов по запросам, в том числе в системах вопросно-ответного поиска и retrieval-augmented generation. В карточке приведены оценки на наборах NanoBEIR и PyLate Information Retrieval, но они не гарантируют аналогичного качества на других данных. Модель описана как дистиллированная; тег датасета указывает на MS MARCO на английском языке. Размер по метаданным — 149 млн параметров. Указаны формат safetensors и библиотека PyLate; сведения о лицензии в предоставленных данных отсутствуют.

robro612/ModernBERT-XTR — модель PyLate для поиска и ранжирования текстов на основе архитектуры ColBERT с трансформером ModernBERT. Она обучена методом дистилляции на lightonai/ms-marco-en-bge-gemma и дополнительно контрастивно обучена на bclavie/msmarco-10m-triplets; в метаданных указано 149 млн параметров. Модель преобразует запросы и документы в последовательности плотных 128-мерных векторов и сопоставляет их оператором MaxSim. Подходит для семантического поиска по коллекции документов и для переранжирования результатов первичного поиска. README указывает ограничения длины в 32 токена для запроса и 512 токенов для документа; метаданные указывают контекст до 8192 токенов. Для запуска и построения индекса предназначена библиотека PyLate, а для эффективного поиска README описывает индекс FastPLAID. Модель рассчитана на английский язык. В карточке приведены оценки на наборах Nano BEIR и задачах PyLate Information Retrieval. Лицензия в предоставленных данных не указана.

robro612/modernbert_xtr_contrastive_k128 — англоязычная модель ColBERT на базе answerdotai/ModernBERT-base, дообученная автором репозитория с помощью PyLate на наборе msmarco-10m-triplets. Она кодирует запросы и документы в последовательности плотных 128-мерных векторов, а релевантность оценивает оператором MaxSim. Архитектура включает ModernBERT encoder и линейный слой проекции с 768 до 128 измерений; в метаданных указано 149 млн параметров и контекст до 8192 токенов. В README для использования заданы длины документов до 512 токенов и запросов до 32 токенов. Модель предназначена для семантического поиска по коллекциям документов и переранжирования результатов первичного поиска. Для быстрого поиска по индексу README рекомендует связку с FastPLAID в PyLate. Модель обучалась на англоязычных триплетах MS MARCO; приведены результаты оценивания на наборах Nano BEIR и других коллекциях, но они не гарантируют качество на произвольных данных. Для работы с моделью требуется библиотека PyLate. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

ModernCE-large-nli — англоязычный cross-encoder для вывода по паре текстов: определяет, противоречат ли они друг другу, нейтральны ли они или второй текст следует из первого. Модель разработана dleemiller на архитектуре ModernBERT-large и совместима с аналогичными cross-encoder-моделями Sentence Transformers. Она содержит около 394,7 млн параметров; метаданные указывают контекст до 2048 токенов. Модель предназначена для классификации отношений между предложениями, проверки утверждений и оценки соответствия ответа исходному тексту, в том числе при оценке ответов LLM. В README указана точность 92,02% на MNLI mismatched и 91,10% на SNLI. Модель обучалась на AllNLI; автор сообщает, что для большой версии заморозил первые 19 слоёв и дообучил оставшиеся слои с новой классификационной головой. Лицензия — MIT. Это cross-encoder: для оценки пары текстов их нужно подавать совместно, поэтому применение для массового попарного сравнения может требовать значительных вычислений. Хотя README заявляет обработку последовательностей до 8192 токенов, метаданные каталога указывают нативный контекст 2048 токенов.

Mogan-ColBERT-TR — MoganAI tarafından geliştirilen, Türkçe metinler için 148,7 milyon parametreli çok vektörlü arama ve yeniden sıralama modelidir. ModernBERT tabanlı kodlayıcı, 768 boyutlu token temsillerini 128 boyuta izdüşürür ve sorgu ile belge arasındaki uygunluğu MaxSim geç etkileşim yöntemiyle hesaplar. Model PyLate ile çalışır; bağlam uzunluğu metаданныхına göre 8192 токен, README бойынша сұраныстар 32 токенге дейін толықтырылып, құжаттар 512 токенге дейін кодталады. Модель MoganBERT-Embed негізінде дообучение арқылы жасалып, bge-reranker-v2-m3 бағалауларынан KL-дистилляцияланған. Ол түрік тіліндегі іздеу жүйелерінде бастапқы нәтижелерді қайта ранжирлеуге арналған; ұсынылған өндірістік сценарий — алдымен MoganBERT-Embed арқылы үміткер құжаттарды табу, содан кейін осы модельмен ранжирлеу. README бес түрік іздеу жиынында нөлдік атылым нәтижелерін келтіреді. Модель Apache-2.0 лицензиясымен таратылады. Көп векторлы индекстер тығыз векторлы индекстерден ондаған есе үлкен болуы мүмкін, сондықтан сақтау көлемі мен есептеу шығынын ескеру керек; жарияланған бағалау құжаттар үшін 300 токенмен жүргізілген, ал модель 512 токенге дейін оқытылған.

cicero-ai/multi-qa-mpnet-base-cos-v1-rust — вариант модели multi-qa-mpnet-base-cos-v1, опубликованный под именем cicero-ai; README описывает исходную модель Sentence Transformers, разработанную в рамках Community Week Hugging Face для проекта по обучению моделей эмбеддингов предложений. Это MPNet-base с 136,7 млн параметров, который кодирует предложения и абзацы в нормализованные плотные векторы размерности 768. Модель предназначена прежде всего для семантического поиска: по запросу или вопросу помогает находить релевантные текстовые фрагменты. Модель дообучена на примерно 215 млн пар «вопрос — ответ» из разных источников с использованием контрастивного обучения и mean pooling. Нормализация векторов позволяет использовать скалярное произведение вместо косинусного сходства. Поддерживается английский язык; контекст составляет до 514 токенов по метаданным, а README указывает предел в 512 word pieces и сообщает, что обучение проводилось на текстах длиной до 250 word pieces. Более длинный текст может обрезаться, а качество на нём может снижаться. В метаданных указаны форматы PyTorch и safetensors; лицензия не установлена по предоставленным данным.

Mursit-Base-TR-Retrieval — модель для создания векторных представлений текстов, разработанная newmindai на базе Mursit-Base. Она основана на архитектуре ModernBERT-base и дообучена для поиска по сходству и извлечения релевантных документов. Модель содержит 155,6 млн параметров, выдаёт эмбеддинги размерности 768 и принимает последовательности длиной до 1024 токенов. Модель предназначена прежде всего для поиска по турецким юридическим текстам: договоров, нормативных актов и судебных решений. Её также можно применять для поиска по смыслу, сопоставления документов и межъязыкового поиска между турецким и английским текстом. Для настройки на retrieval использовалось контрастивное обучение на MS MARCO-TR; в карточке приведены результаты оценки на турецком MTEB и юридических наборах задач. Модель принимает текст и возвращает эмбеддинги, которые можно сравнивать для поиска и ранжирования. Она распространяется по лицензии Apache-2.0; для юридического поиска качество зависит от корпуса, формулировки запроса и выбранной схемы индексации.

mxbai-embed-xsmall-v1 — модель для создания текстовых векторных представлений, разработанная mixedbread-ai. Она предназначена для семантического поиска и задач retrieval, включая поиск релевантных документов, ранжирование результатов и построение систем, работающих с embedding-представлениями текста. В README указано, что модель использует библиотеку sentence-transformers и основана на mixedbread-ai/mxbai-embed-mini-v1. В представленном описании не указаны размер модели, архитектура, размерность эмбеддингов, поддерживаемые языки, модальности и максимальная длина контекста. Доступные результаты оценки относятся к retrieval-задачам бенчмарка MTEB, включая ArguAna и различные поднаборы CQADupstack; показатели приведены для NDCG, MAP, recall, precision и accuracy при разных значениях k. Это подтверждает применимость модели для оценки качества поиска, однако не позволяет сделать выводы о её производительности в других сценариях или языках. Лицензия и условия коммерческого или иного использования в README не указаны. Поэтому перед применением модели необходимо отдельно проверить лицензионные условия и совместимость с конкретной задачей.

NeoMME-800M-Retriever-ST-late — мультимодальная модель для поиска по документам, разработанная Hcompany. Она дообучена на основе Hcompany/NeoMME-800M-Retriever и использует один общий двунаправленный Transformer-энкодер для текстовых запросов и документов, включая текст и изображения страниц. Вариант ST-late предназначен для независимой настройки многовекторного поиска через Sentence Transformers и возвращает только многовекторные эмбеддинги. Модель подходит для поиска релевантных текстовых документов и страниц по текстовому запросу, включая визуальный поиск по документам. Представления L2-нормализованы, а ранжирование использует оценку MeanMaxSim. Архитектура NeoMME, около 1,1 млрд параметров, контекст до 16 384 токенов; заявлена многоязычная поддержка. Для работы используется Sentence Transformers. Модель распространяется по лицензии Apache-2.0. В Sentence Transformers за один запуск доступна только одна из двух голов поиска; этот вариант поддерживает только многовекторные эмбеддинги.

Модель dima806/news-category-classifier-distilbert классифицирует текст новостей по категориям. Это дообученная для классификации последовательностей модель на базе google-bert/bert-base-uncased, разработанная автором репозитория dima806. Она принимает текст и возвращает категорию новости. Модель использует архитектуру BERT и доступна в форматах PyTorch и Safetensors; размер составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для автоматической тематической сортировки новостных материалов и категоризации текстов в новостных потоках. Базовая модель англоязычная, поэтому классификатор ориентирован на английский текст. Лицензия — Apache-2.0.

Ogma Mini — компактная англоязычная модель эмбеддингов текста семейства Ogma, предназначенная для локального поиска и работы на устройствах с ограниченными ресурсами. В README указаны 3,5 млн параметров, размер около 14 МБ и контекст до 1024 токенов; модель использует архитектуру энкодера и выдаёт векторные представления текста, а не генерирует текст. Модель подходит для семантического и векторного поиска, извлечения документов для RAG, памяти агентных систем, кластеризации и классификации. Поддерживаются маршруты кодирования с токенами задач и Matryoshka-размерности 256, 128, 64 и 32, позволяющие уменьшать размер векторов. В README приведена оценка 53,06 на англоязычном бенчмарке MTEB; результаты зависят от задачи и способа применения. Ограничения: модель рассчитана на английский язык, не выполняет генерацию текста и уступает MiniLM-L6-v2 в задачах реранжирования. На CPU трансформерный энкодер может работать заметно медленнее статических моделей. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без отдельного разрешения.

OpenLID-v2 — модель классификации текста для автоматического определения языка. Её разработали Laurie Burchell, Alexandra Birch, Nikolay Bogoychev и Kenneth Heafield; она представляет собой улучшенную версию OpenLID и использует библиотеку fastText. В README модель описана как высокопроизводительная и охватывающая широкий набор языков. Модель подходит для определения языка коротких текстов и строк, например для маршрутизации запросов по языку, предварительной сортировки корпусов и добавления языковых меток к пользовательскому контенту. В карточке указано NLP-язык en, а репозиторий связан с датасетом OpenLID-v2. Лицензия — GPL-3.0.

Ops-MM-embedding-v1-2B — плотная мультимодальная модель эмбеддингов, разработанная и опубликованная командой Alibaba Cloud OpenSearch-AI. Она дообучена на основе Qwen/Qwen2-VL-2B-Instruct и преобразует текст, изображения, пары «текст–изображение» и визуальные документы в единое пространство эмбеддингов. Видео обрабатываются как последовательности кадров-изображений. Модель предназначена для поиска и извлечения данных между модальностями: например, для поиска изображений по текстовому запросу или сопоставления визуальных документов с текстом. В карточке приведены результаты на наборах MMEB-V2 и MMEB-Image; указанные в README показатели относятся к версии размером 2,21 млрд параметров, тогда как метаданные репозитория указывают 1,5 млрд параметров. Архитектура — Qwen2-VL, контекст — 32 768 токенов, файлы представлены в формате safetensors. Карточка заявляет многоязычные возможности и сильные результаты на мультимодальных бенчмарках, но подробный список поддерживаемых языков и методика измерения качества этой версии не приведены. Лицензия — Apache-2.0.

Карточка модели patentory/patentory_model на Hugging Face совпадает с карточкой LeopoldBloom2K/patentscout-models, поэтому описание составлено по ней. LeopoldBloom2K/patentscout-models — дообученная модель Sentence Transformers на базе mpi-inno-comp/paecter для преобразования английских предложений и абзацев в плотные эмбеддинги. Она использует архитектуру BERT с усреднённым пулингом токенов, формирует векторы размерности 1024 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов; модель опубликована в формате safetensors и рассчитана на работу с библиотекой Sentence Transformers. Модель подходит для семантического поиска и сравнения патентных текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Обучение описано как дообучение с MultipleNegativesRankingLoss на наборе из 250 примеров с парами и отрицательными примерами. Лицензия в предоставленных данных не указана.

PIXIE-Spell-Reranker-Preview-0.6B — кросс-энкодерный реранкер TelePIX Co., Ltd. на основе архитектуры Qwen3. Модель содержит около 507,6 млн параметров и предназначена для повторной оценки релевантности пар запроса и документа, чтобы улучшать порядок результатов семантического поиска и retrieval-систем. Модель обучена на корейских и английских наборах для информационного поиска и оптимизирована для этих языков. Разработчик отмечает специализацию на аэрокосмической тематике, а также применение для поиска по документам, технических вопросов и ответов и поиска в предметных областях с высокими требованиями к точности. Максимальная длина последовательности — 40 960 токенов; модель доступна через Sentence Transformers. В README приведены сравнительные оценки на корейских и англоязычных бенчмарках, но результаты на конкретных корпусах могут отличаться от рабочих сценариев. Для продуктивного применения рекомендуется проверять качество на данных целевой системы. Лицензия — Apache-2.0.

sdadas/polish-reranker-bge-v2 — польский реранкер, разработанный автором репозитория на основе BAAI/bge-reranker-v2-m3 и дообученный на большом наборе пар текстов. Для обучения применялась функция потерь RankNet; также использовалась дистилляция с BAAI/bge-reranker-v2.5-gemma2-lightweight, после чего исходные и дообученные веса были объединены. Модель построена на XLM-RoBERTa и содержит около 658,7 млн параметров. Модель ранжирует документы по релевантности запросу и предназначена прежде всего для польского информационного поиска, включая реранжирование результатов с длинными документами. Контекст составляет до 8194 токенов. README сообщает результат NDCG@10 64,21 в категории реранкеров польского бенчмарка PIRB. Для ускорения обработки длинного контекста можно использовать Flash Attention 2 с пользовательским кодом модели. Автор указывает, что для большинства случаев предпочтительнее sdadas/polish-reranker-roberta-v2, поскольку он лучше справляется с польским языком; преимущество этой модели — длина контекста, и на некоторых наборах с длинными документами она может работать лучше. Лицензия в метаданных обозначена как Gemma.

pplx-embed-context-v1.3.1-4B — контекстная модель эмбеддингов предложений от seslami, представленная как предварительная закрытая версия. Она предназначена для текстового поиска и улучшает разрешение перефразировок, снижает влияние лексически похожих отвлекающих фрагментов и помогает находить связанные с запросом термины из глоссария. Модель использует плотную архитектуру bidirectional_pplx_qwen3, содержит 3,7 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Модель загружается через Transformers и распространяется в формате safetensors. По карточке она является заменой версии v1.3-4B с той же архитектурой и кодом загрузки. Лицензия — Apache-2.0. Карточка называет выпуск закрытым предварительным просмотром; результаты и пригодность для конкретных коллекций документов следует проверять на собственных данных.

PreferED — модель оценки предпочтений на архитектуре DeBERTa, разработанная Samagra и предназначенная для оценки ответов приложений на базе LLM. Она принимает текст с контекстом и критериями оценки, а также проверяемую генерацию, и возвращает логит-оценку, по которой можно сравнивать ответы по качеству, релевантности, уместности или наличию галлюцинаций. Модель содержит 533,8 млн параметров, использует архитектуру DeBERTa-v2 для классификации последовательностей и рассчитана на контекст до 512 токенов. Основной язык — английский. Модель обучена на Anthropic HH/RLHF с использованием DeBERTa-v3-large в качестве базовой модели; на тестовой выборке HH/RLHF указана точность 69,7%. Обучение использовало бинарную кросс-энтропию. Подходит для ранжирования и проверки текстовых ответов в оценочных конвейерах, в том числе при наличии эталонного или извлечённого контекста. Лицензия — MIT. Качество оценки может зависеть от соответствия критериев и данных конкретной задачи обучающим данным; опубликованный показатель относится к тестовой выборке HH/RLHF.

R3-Qwen3-14B-4k — языковая reward-модель из семейства R3, разработанная на базе Qwen3-14B. Она дообучена на наборе R3-Dataset-4K, собранном из 45 источников. Модель оценивает ответы по заданным критериям: вход включает инструкцию и описание задачи, данные, один или несколько ответов и рубрики оценки; результат содержит оценку и обоснование. Модель предназначена для классификации и оценки качества ответов, сравнения предпочтений и задач вопросно-ответного типа. Это плотная причинная языковая модель на 14 млрд параметров с контекстом до 40 960 токенов. В карточке заявлен английский язык; доступны формат safetensors и лицензия Apache 2.0. Хотя на Hugging Face указана задача text-generation, её специализированное назначение — оценивание ответов по рубрикам.

PaSaMaster Ranker — модель ранжирования научных публикаций, разработанная для системы PaSaMaster. Она дообучена на базе Qwen3-30B-A3B с помощью дистилляции на 42 762 парах «запрос—статья» из 19 дисциплин и 97 узких тематик. Архитектура — Qwen3 MoE; число параметров в метаданных указано как 2,6 млрд, родной контекст — 262 144 токена. Модель работает с текстом и предназначена для использования в конвейере поиска научной литературы или совместимой системе ранжирования с опорой на доказательства. На вход подаются исследовательский запрос, критерии релевантности, метаданные и аннотация статьи, а также найденные свидетельства. Модель оценивает каждый критерий по шкале от 1 до 5, формирует обоснования со ссылкой на предоставленные свидетельства, отмечает слабые совпадения и переупорядочивает проверенные записи публикаций. Она ранжирует реальные записи и не предназначена для генерации цитат или самостоятельного поиска литературы. Сообщённые результаты относятся к системе PaSaMaster в целом, а не только к этому чекпойнту. Лицензия — Apache-2.0.

Rapido NER + Entity Embedding — модель распознавания именованных сущностей и получения их векторных представлений, разработанная автором репозитория pierre-tassel. Она дообучена на базе многоязычного энкодера Alibaba-NLP/gte-multilingual-mlm-base и объединяет классификационную голову для разметки токенов, CRF-декодирование с ограничениями BIO, пулинг упоминаний с помощью внимания и проекционные слои с учётом типа сущности. Модель предназначена для многоязычного NER, а также для кластеризации, поиска и связывания упоминаний сущностей. Для выбранного упоминания она может выдавать L2-нормализованный вектор размерности 768; предусмотрено разделение представлений по типам PER, ORG и LOC. Контекст модели составляет до 4096 токенов, входная модальность — текст. В README указано обучение на корпусе из 55 языков; метаданные перечисляют поддерживаемые языки, включая русский. Модель распространяется по лицензии Apache 2.0. Качество может зависеть от языка и предметной области; заявленные возможности не гарантируют одинаковую точность на любых текстах. Для получения векторов упоминаний требуется передать mention_mask.

RoBERTa TopSeg QMSUM — модель Sentence-Transformers на базе архитектуры RoBERTa, дообученная для кодирования предложений и абзацев в плотные векторы размерностью 768. Она обучалась на наборе QMSUM с расшифровками очных совещаний: фрагменты, относящиеся к одной теме, должны располагаться близко в векторном пространстве. Модель подходит для семантического поиска и кластеризации тематически связанных фрагментов стенограмм. Всего в модели 151,8 млн параметров; максимальный контекст — 514 токенов. Лицензия — CC BY 3.0.

lewtun/setfit-ethos-multilabel-example — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 136,7 млн параметров и поддерживает контекст длиной до 514 токенов. Модель подходит для поиска похожих фрагментов текста и группировки текстов по смыслу. В README указано обучение с CosineSimilarityLoss. Репозиторий также содержит в названии указание на пример многометочной классификации ETHOS, но приведённая карточка описывает именно получение эмбеддингов. Для использования требуются Sentence-Transformers либо Transformers с подходящей операцией pooling. Доступные данные не содержат сведений о лицензии, поэтому условия использования по ним определить нельзя.

aammari/setfit-zero-shot-classification-pbsp-p3-freq — модель Sentence Transformers на архитектуре MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель работает с текстом и выдаёт эмбеддинги. Обучение использовало CosineSimilarityLoss. Модель подходит для поиска смыслово близких фрагментов и группировки текстов по содержанию. В README не приведены результаты бенчмарков, поэтому качество для конкретного языка или предметной области по имеющимся данным оценить нельзя. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют в предоставленных источниках.

SPLADE-BERT-Mini-BS256-distil — разреженный текстовый энкодер, дообученный Yosefw на базе yosefw/SPLADE-BERT-Mini-BS256 с использованием Sentence Transformers. Он преобразует предложения и абзацы в разреженные векторы размерности 30 522, пригодные для семантического поиска и разреженного поиска документов; сходство оценивается скалярным произведением. Архитектура сочетает BERT с маскированным языковым моделированием и SPLADE pooling с max-пулингом и ReLU. Модель принимает последовательности длиной до 512 токенов и содержит около 12 млн параметров. Модель подходит для кодирования запросов и документов в поисковых системах и информационно-поисковых приложениях. В README приведены метрики dot_accuracy@1 0,5018, @3 0,8286 и @5 0,9194; также указано обучение на наборе из 1 млн примеров с запросами, релевантными и нерелевантными текстами. Языки обучения или целевые языки в доступных данных явно не названы. Репозиторий содержит веса safetensors и использует библиотеку sentence-transformers; сведения о лицензии отсутствуют.

Это англоязычный разреженный кодировщик SPLADE, разработанный авторами модели на основе Luyu/co-condenser-marco и дообученный для поиска по текстам. Он преобразует запросы и документы в разреженные векторы размерностью 30 522; их сходство вычисляется скалярным произведением. Модель построена на BERT с головой masked language modeling и max-пулингом SPLADE. Модель предназначена для семантического поиска и разреженного извлечения документов, в том числе для поиска по запросам и абзацам. Максимальная длина последовательности — 512 токенов. В README приведены оценки на небольших наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR; они не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии Apache-2.0.

Adaptive Classifier — классификатор обращений в поддержку с возможностью непрерывного обучения и добавления новых классов. Он основан на answerdotai/ModernBERT-base и предназначен для отнесения текста обращения к одной из категорий: account, billing, general_inquiry или technical. В карточке указаны 4 класса, 20 примеров и размерность эмбеддингов 768; модель распространяется в формате safetensors и использует библиотеку adaptive-classifier. Модель подходит для первичной маршрутизации обращений и может адаптироваться по мере накопления размеченных примеров. Для каждого класса требуется не менее 3 примеров, максимальный объём составляет 150 примеров на класс; прототипы обновляются каждые 10 примеров. Лицензия — Apache-2.0. Метаданные помечают модель как мультиязычную, но конкретные языки не перечислены.