I.11Классификация, ранжирование и сопоставление

title_feature — англоязычная модель Loyoladatamining для извлечения атрибутов из названий вакансий. Это дообученная DeBERTa-v3-base с архитектурой DebertaV2ForSequenceClassification, примерно 211,6 млн параметров и контекстом до 512 токенов. Модель выполняет многометочную классификацию последовательностей и может выявлять признаки вроде полной занятости и возможности удалённой работы. Для получения меток README рекомендует применить к логитам сигмоиду и порог уверенности, например 0,98; в примере метки FT и Rem означают полную занятость и удалённую работу. Модель распространяется по лицензии MIT.

vectorizer.raspberry — векторизатор компании Sinequa для поиска релевантных фрагментов текста. Он преобразует запросы и passages в эмбеддинги: векторы passages сохраняются в векторном индексе, а вектор запроса используется для поиска по этому индексу. Модель построена на XLM-RoBERTa, содержит около 110,2 млн параметров и выдаёт векторы размерности 256. В метаданных указано ограничение контекста в 514 токенов. Модель обучена для сопоставления запросов и фрагментов текста, в том числе с использованием трудных негативных примеров и негативов внутри батча. Она нечувствительна к регистру и диакритическим знакам. Поддерживаемые и оценённые языки — английский, французский, немецкий, испанский, итальянский, нидерландский, японский, португальский и упрощённый китайский; автор также отмечает базовую поддержку других языков предобучения XLM-R. В README приведён средний Recall@100 0,613 на наборах BEIR и результаты MIRACL для части языков. Для запуска README указывает минимальную версию Sinequa 11.10.0 и CUDA compute capability выше 7.5. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Это визуальный энкодер SigLIP 2 на архитектуре ViT-Base с патчами 16×16, предназначенный для библиотеки timm. Он соответствует только изображенческой части мультимодальной модели и обучен на наборе данных WebLI. Модель извлекает признаки изображений; её можно использовать как компонент систем поиска и сопоставления изображений с текстом или для других задач, строящихся на визуальных представлениях. В репозитории указаны веса PyTorch и Safetensors и лицензия Apache-2.0. Карточка не приводит численный размер модели, разрешение входа, набор поддерживаемых языков или параметры контекста; поскольку это только энкодер изображений, текстовый ввод и генерация текста не заявлены.

Это модель семейства SigLIP 2, разработанная для библиотеки timm: визуальный энкодер ViT-Large с патчами 16×16 и входным разрешением 256 пикселей. Она соответствует только визуальной башне мультимодальной модели и обучена на наборе WebLI; в репозитории доступны веса PyTorch и SafeTensors. Основное назначение — извлечение признаковых представлений изображений для последующего поиска и других задач компьютерного зрения. Энкодер принимает изображения и выдаёт векторные признаки. Его можно использовать как компонент систем поиска изображений и сопоставления визуального содержимого, однако эта версия сама не принимает текст и не генерирует описания. Лицензия — Apache 2.0.

Perception Encoder Core Gigantic Patch14 448 — разработанная Meta модель-кодировщик изображений из семейства Perception Encoder, опубликованная в формате timm с переназначенными весами исходной модели. Это визуальная часть модели без текстового кодировщика: архитектура ViT с патчами 14 × 14, размером G и входным разрешением 448 пикселей. Семейство PE обучалось контрастивно на изображениях и на синтетически выровненных видео; для агрегации признаков используется attention pooling. Модель предназначена для извлечения визуальных признаков, классификации и поиска изображений, а также может использоваться как визуальный энкодер в системах понимания изображений и видео. В отчёте авторов вариант G/14 448 показывает сильные результаты в zero-shot классификации и поиске изображений, включая сложные наборы ImageNet-A и ObjectNet, а также в zero-shot классификации и поиске видео. Репозиторий содержит веса PyTorch в формате safetensors и рассчитан на использование с библиотекой timm. Лицензия — Apache 2.0. Это только энкодер изображений, поэтому он сам по себе не генерирует текстовые ответы и не принимает видео как последовательность кадров. Описанные результаты относятся к оценкам авторов семейства PE; фактическое качество зависит от способа получения признаков и последующей задачи.

Это визуальный энкодер SigLIP из библиотеки timm: модель преобразует изображения в признаки и поддерживает извлечение визуальных представлений. В карточке указаны вариант SO400M с патчами 14×14 и входным разрешением 378 пикселей; сохранён исходный механизм attention pooling. Модель разработана как часть семейства timm и распространяется в форматах PyTorch и safetensors. Энкодер подходит для получения признаков изображений в системах визуального поиска, сопоставления и анализа. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. В доступной карточке не приведены сведения о качестве на конкретных наборах данных.

Модель timm/vit_so400m_patch16_siglip_512.v2_webli — визуальный энкодер SigLIP 2 на архитектуре ViT, предназначенный для библиотеки timm. Это только image encoder, соответствующий визуальной части модели SigLIP 2; он обучен на наборе данных WebLI. Модель преобразует изображения в признаки и подходит для извлечения визуальных представлений, например, для последующего сравнения или поиска изображений.

WorldPM-72B — модель предпочтений, разработанная авторами проекта World Preference Modeling на базе Qwen2.5-72B. Она обучена на 15 млн примеров предпочтений и предназначена для оценки ответов языковых моделей: выявления фактических ошибок, нерелевантных или неполных ответов и вычисления предпочтительности ответа по его скрытому представлению. Это плотная архитектура Qwen2 с 71,5 млрд параметров; модель принимает текст и выдаёт классификационную оценку. Контекст составляет 2048 токенов, основной указанный язык — английский. Модель демонстрирует масштабируемость на объективных задачах оценки, но результаты на субъективных оценках не показывают явной зависимости от масштаба и могут зависеть от стилевых предпочтений. Для оптимальной работы в конкретном сценарии авторы рекомендуют дообучение на целевых данных. Распространяется под лицензией Apache-2.0.

Qwen/WorldPM-72B-UltraFeedback — модель предпочтений, разработанная авторами WorldPM и дообученная на 100 тысячах примеров датасета UltraFeedback. Это плотная архитектура Qwen2 с 71,5 млрд параметров, реализованная как Qwen2ForRewardModel. Модель оценивает ответы языковых моделей по предпочтениям и подходит для ранжирования кандидатов, отбора более качественных ответов и оценки их релевантности. Модель рассчитана на текстовый ввод и выдаёт оценку, используемую для классификации или сравнения ответов. В карточке указаны английский язык и контекст до 2048 токенов. Авторы отмечают, что предпочтения в объективных областях масштабируются лучше, чем субъективные оценки: модель может сохранять стилистические предпочтения, поэтому результаты субъективного оценивания могут быть менее надёжными. Для оптимального качества на конкретной задаче README рекомендует дополнительное дообучение. Лицензия — Apache-2.0.

Карточка модели avsolatorio/00-100-11-1-0-1-0-0-cls-normed-768-512-hard_GIST_BAAI_bge-base-en-v1.5-20240128213417-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130184711-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130201355-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130211808-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Alireza1044 выпустил модель ALBERT-base-v2, дообученную для классификации текстовых пар на наборе GLUE QNLI. Она оценивает, следует ли ответ на вопрос из предоставленного фрагмента текста, и подходит для проверки соответствия вопроса контексту. Модель содержит 136,3 млн параметров, принимает текстовые входы, использует архитектуру AlbertForSequenceClassification и обрабатывает последовательности длиной до 512 токенов. Для английского языка на оценочной выборке указана точность 0,9138 и loss 0,3608. Модель распространяется по лицензии Apache-2.0.

NAMAA-Space/AraModernBert-Topic-Classifier — экспериментальная арабоязычная модель классификации тем, созданная NAMAA-Space на основе answerdotai/ModernBERT-base. Это encoder-модель ModernBERT с 149 млн параметров, дообученная для отнесения текста к семи темам: политике, финансам, медицине, культуре, спорту, технологиям и религии. Для обучения использован датасет SANAD; карточка также описывает арабский токенизатор и предварительное обучение на арабской Википедии. Модель принимает текст и выдаёт метку класса; автор сообщает F1 0,95 на тестовом наборе из 14 181 примера. Контекст — до 8192 токенов. Распространяется по лицензии Apache-2.0. Результаты относятся к указанному набору данных и не гарантируют такую же точность на других текстах и распределениях тем.

Карточка модели avsolatorio/AVES_BAAI_bge-base-en-v1.5-20240125221415-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

dtunkelang/bag-of-documents-minilm — англоязычный энкодер предложений от разработчика модели, дообученный на базе sentence-transformers/all-MiniLM-L6-v2 для исследовательского retrieval-проекта bag-of-documents с обучающими сигналами из каталога Amazon ESCI. Модель преобразует запросы, предложения и абзацы в нормализованные плотные векторы размерности 384; сходство можно оценивать косинусной мерой. Архитектура — Sentence Transformer на базе BERT с усреднением токенных представлений и нормализацией. Модель предназначена прежде всего для кодирования поисковых запросов и семантического поиска по каталогу товаров, а также для сравнения текстов, поиска перефразировок и кластеризации. Метаданные указывают 25,9 млн параметров и контекст 512 токенов, тогда как README сообщает максимальную длину последовательности 256 токенов. В репозитории указана лицензия Apache-2.0. Модель обучалась на данных Amazon ESCI, поэтому её пригодность для других областей и языков может быть ниже; длинный текст сверх лимита последовательности не обрабатывается целиком.

bert-finetuned-resumes-sections — дообученная модель на основе dbmdz/bert-base-french-europeana-cased для классификации разделов резюме. Она предназначена для определения типа или раздела по текстовому фрагменту резюме. Модель использует архитектуру BERT для классификации последовательностей, содержит 137,8 млн параметров и принимает текст длиной до 512 токенов. В README приведены результаты оценки: F1 0,9548, ROC AUC 0,9732 и accuracy 0,9493. Датасет обучения не описан, поэтому эти показатели нельзя переносить на другие наборы резюме без проверки. Модель опубликована под лицензией MIT.

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024, пригодные для сравнения смысловой близости, поиска и кластеризации. Модель основана на крупной португалоязычной юридической версии BERTimbau и прошла обучение с маскированным языковым моделированием на юридических текстах, а затем этапы обучения на данных NLI и дообучения для оценки семантического сходства. В числе использованных наборов данных — ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура BERT имеет контекст до 512 токенов; модель содержит 433,2 млн параметров. Модель подходит для построения семантического поиска по португалоязычным юридическим документам, а также для сопоставления, ранжирования и кластеризации текстов по смыслу. Лицензия — MIT. Карточка не сообщает об оценках качества или ограничениях на конкретных типах юридических текстов.

Legal BERTimbau — модель Sentence Transformers, разработанная для проекта IRIS и системы семантического поиска решений Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для сравнения смысловой близости, кластеризации и поиска юридических текстов. Модель основана на крупной версии BERTimbau для португальского языка, адаптированной к юридическим текстам. Обучение включало MLM на юридических предложениях примерно из 30 000 документов, этапы с псевдоразметкой и NLI, а также дообучение для оценки семантического сходства на наборах ASSIN, ASSIN2, STS-B Multi MT и IRIS STS. Модель содержит 433,2 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт эмбеддинги. Лицензия — MIT.

Legal BERTimbau — модель Sentence Transformers на базе BERT large, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерностью 1024, пригодные для поиска похожих текстов, кластеризации и оценки семантического сходства. Модель основана на юридической версии BERTimbau large и обучалась на португальских юридических текстах, а затем проходила многоязычную дистилляцию и дообучение на наборах ASSIN, ASSIN2 и STS-B Multi-MT для португальского. Архитектура BERT имеет 433,2 млн параметров; максимальная длина контекста — 512 токенов. Лицензия — MIT. Модель предназначена прежде всего для семантического поиска по юридическим документам на португальском языке. Она также подходит для кластеризации и сравнения предложений. Контекст ограничен 512 токенами, поэтому длинные документы потребуется разбивать на фрагменты.

Xenova/bge-large-zh-v1.5 — веб-совместимая версия модели BAAI/bge-large-zh-v1.5, подготовленная с весами в формате ONNX для работы с библиотекой Transformers.js. Разработчик исходной модели — BAAI; данный репозиторий предназначен для использования модели в JavaScript- и веб-приложениях. Модель предназначена для извлечения признаков из текста и может применяться в задачах, где требуются текстовые эмбеддинги, например для семантического поиска, сравнения текстов и построения систем поиска по смыслу. В README приведён пример запуска через pipeline с задачей feature-extraction. Известно, что модель использует ONNX-веса и совместима с Transformers.js. Назначение исходной модели предполагает работу с китайским языком, однако другие языки, размер модели, архитектура, максимальная длина контекста, точные показатели качества и поддерживаемые модальности в README не указаны. Лицензия также не указана, поэтому условия использования необходимо уточнять в карточке исходной модели BAAI/bge-large-zh-v1.5.

Roflmax/bge-m3-legal-ru — дообученная Roflmax на базе BAAI/bge-m3 модель Sentence Transformer для векторного представления русскоязычных юридических текстов. Она кодирует предложения и абзацы в плотные векторы размерности 1024; близость текстов можно оценивать косинусным сходством. Архитектура включает XLM-RoBERTa, слой pooling по CLS-токену и нормализацию. Репозиторий использует библиотеку Sentence Transformers, а число параметров составляет 658,7 млн. Модель предназначена для семантического поиска и сравнения юридических запросов с документами, а также для поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты поиска по судебным и нормативным материалам. Метаданные указывают контекст до 8194 токенов, тогда как карточка описывает максимальную длину последовательности в 512 токенов; фактическое ограничение может зависеть от используемой конфигурации модели. Лицензия в предоставленных данных не указана.

pan0sk/bge-m3-legal-v4 — дообученная pan0sk модель BAAI/bge-m3 для поиска релевантных фрагментов в греческих юридических, законодательных, административных и повседневных текстах. Это плотный энкодер на архитектуре XLM-RoBERTa с 658,7 млн параметров: он формирует векторы размерностью 1024 с mean pooling. Контекст составляет 8194 токена; доступны веса safetensors и GGUF F16, лицензия MIT. Модель предназначена для семантического поиска по греческим документам и сопоставления запросов с фрагментами текста. На отложенных выборках README сообщает recall@1 92,2% для юридических текстов, 77,8% для законодательных и административных и 85,6% для повседневных греческих текстов. Английский также присутствовал в обучающих данных, однако для поиска по греческому корпусу автор рекомендует переводить англоязычный запрос на греческий. Для полнотекстового поиска и ранжирования README рекомендует разбивать документы на фрагменты и индексировать каждый отдельно; эмбеддинги разных версий модели несовместимы и требуют повторного пересчёта при миграции.

andreaschari/bge-m3-RU_MMARCO_50_MIXED — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная для семантического поиска на русском языке. При обучении использовался русский датасет MMARCO/v2 с равной долей запросов на кириллице и русских запросов, транслитерированных в английский текст с помощью uroman; модель связана с исследованием о поиске при различии письменности запроса и документов. Модель на архитектуре XLM-RoBERTa содержит 658,7 млн параметров и формирует текстовые эмбеддинги размерности 1024. Она принимает последовательности длиной до 8192 токенов; для сравнения эмбеддингов в карточке указана косинусная близость. Подходит для поиска русскоязычных документов по запросам как на кириллице, так и в транслитерации. Распространяется под лицензией MIT. Специализация на MMARCO/v2 и смешанных кириллических и транслитерированных запросах может ограничивать качество за пределами этих условий; результаты поиска следует проверять на целевых данных.

Это турецкоязычный переранжировщик seroe на основе BAAI/bge-reranker-v2-m3, дообученный как Cross Encoder на наборе vodex-turkish-triplets-large из 215 676 триплетов «запрос, релевантный текст, нерелевантный текст». Модель оценивает пары запроса и текста одним числовым баллом релевантности, чтобы переупорядочивать результаты поиска и улучшать семантический поиск. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, принимает текст и поддерживает последовательности длиной до 8194 токенов. В README приведены результаты оценки на турецких наборах val-hard и test-hard: NDCG@10 составляет 0,8425 и 0,8418 соответственно. Для работы указана библиотека Sentence Transformers. Модель распространяется по лицензии Apache-2.0.

Cappy — предварительно обученный оценщик ответов, разработанный авторами проекта Cappy. Он принимает инструкцию и кандидатный ответ и выдаёт оценку от 0 до 1, отражающую предполагаемую правильность ответа относительно инструкции. Модель можно применять самостоятельно для задач классификации или как вспомогательный компонент для повышения качества многоцелевых LLM; также она позволяет добавлять обучение на целевых данных без дообучения самой LLM и доступа к её параметрам. В README указано около 360 млн параметров, тогда как метаданные репозитория указывают 454,1 млн; модель основана на архитектуре RoBERTa для классификации последовательностей и имеет контекст до 514 токенов. Доступны реализации PyTorch и JAX/Flax. Описаны оценки на задачах PromptSource и BIG-Bench, включая улучшение результатов FLAN-T5. Репозиторий распространяется по лицензии Apache-2.0.

Корейская модель ColBERT, разработанная dragonkue и дообученная от skt/A.X-Encoder-base с помощью PyLate. Она предназначена для поиска по текстовым коллекциям и переранжирования результатов: кодирует запросы и документы в последовательности токенных эмбеддингов и сравнивает их оператором MaxSim. Модель построена на ModernBERT с проекцией 768→128; поддерживает матрёшечные размерности эмбеддингов 32, 64, 96 и 128. Документы могут содержать до 2048 токенов, запросы — до 32; контекст энкодера — до 16 384 токенов. Модель ориентирована на корейский язык, имеет 148,7 млн параметров и распространяется по лицензии Apache-2.0. Подходит для семантического поиска и ранжирования корейских документов, в том числе с использованием PyLate и PLAID для приближённого поиска по большим коллекциям. В README приведены результаты на AutoRAG, Ko-StrategyQA и NanoBEIR-Ko; выбор меньшей размерности сокращает размер векторов в 2–4 раза при небольших изменениях метрик. PyLate использует размерность 128; для переключения между размерностями требуется другой путь загрузки, указанный в карточке.

ColBERT-Zero-unsupervised — модель LightOnAI для поиска релевантных документов по текстовому запросу. Это ColBERT-модель на архитектуре ModernBERT с 149 млн параметров, реализованная через PyLate. Она кодирует запросы и документы в наборы векторов и сопоставляет их методом позднего взаимодействия MaxSim; выходная размерность — 128. В README указаны длины до 39 токенов для запросов и до 187 токенов для документов, а контекст модели по метаданным — 8192 токена. Модель обучена на открытых данных и предназначена для много-векторного поиска и ранжирования документов. В тестах авторов ColBERT-Zero достигла 55,43 nDCG@10 на BEIR. Для сохранения качества необходимо кодировать запросы и документы с соответствующими промптами `search_query:` и `search_document:`; неверное выравнивание промптов может заметно ухудшить результаты. Карточка сообщает об ограничениях обобщения результатов на другие обучающие данные и настройки. Лицензия — Apache-2.0.

newmindai/ColmmBERT-base-TR — PyLate modeli, ozayezerceli/mmBERT-base-TR temel modelinden msmarco-tr veri kümesinde Türkçe metinlerle ince ayar yapılarak oluşturulmuştur. Это ColBERT-архитектура на базе ModernBERT: трансформер выдаёт последовательности плотных векторов размерности 128, а релевантность запросов и документов оценивается оператором MaxSim. Модель предназначена для семантического поиска и повторного ранжирования результатов поиска на турецком языке; её можно использовать для индексации документов и поиска top-k кандидатов через PyLate и FastPLAID. Размер модели — 306,9 млн параметров, максимальный контекст по метаданным — 8192 токена. В карточке также указаны длины до 32 токенов для запросов и до 180 токенов для документов. Модель принимает текст и формирует векторные представления токенов для оценки релевантности. Лицензия в предоставленных данных не указана.