I.11Классификация, ранжирование и сопоставление

GroNLP разработала эту модель на основе mDeBERTa V3, дообучив её для определения субъективности предложений в газетных статьях. Для каждого предложения модель предсказывает метку OBJ (объективное) или SUBJ (субъективное); она предназначена для анализа новостных текстов и участвовала в задаче CLEF 2023 CheckThat! Lab Task 2. Модель содержит 305,3 млн параметров, использует архитектуру DeBERTa V2 для классификации последовательностей и принимает до 512 токенов контекста. В соревновании CheckThat! она заняла второе место с macro F1 0,81 и F1 для класса SUBJ 0,81. Обучение проводилось на многоязычном наборе данных, однако конкретный перечень языков в доступных сведениях не приведён. Условия лицензии в доступных сведениях не указаны.

Vikhrmodels/Mini-cpm-vikhr — русскоязычная версия генеративной языковой модели MiniCPM, представленная Vikhrmodels. Модель с плотной архитектурой MiniCPMForCausalLM содержит 2,8 млрд параметров и рассчитана на контекст до 2048 токенов. В карточке приведены результаты на наборах PARus и RCB; они указывают на оценку способности модели решать задачи понимания русского языка. Модель подходит для генерации текста и классификации текста, в частности для обработки русскоязычных запросов. В метаданных также отмечена поддержка английского и китайского языков. Распространяется в формате Safetensors для Transformers по лицензии Apache-2.0. Приведённые в карточке метрики ограничены двумя тестовыми наборами и не подтверждают качество на других задачах.

Teux/mpnet-patents-v1 — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, созданная с помощью AutoTrain для семантического сравнения предложений в патентном контексте. Она кодирует текст в плотные векторы, которые можно использовать для поиска похожих патентных формулировок, сопоставления описаний и группировки текстов. Модель содержит 136,7 млн параметров, принимает текст и имеет контекст до 514 токенов. В README приведена метрика validation loss 0,533; других результатов, позволяющих оценить качество на конкретных патентных задачах, не сообщается. Для использования подходит библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

MrBERT-legal — многоязычная языковая модель для юридических текстов, разработанная Language Technologies Lab при Barcelona Supercomputing Center. Она построена на архитектуре ModernBERT и получена дообучением MrBERT на специализированном юридическом корпусе объёмом 8 млрд токенов: 20,5% испанского и 79,5% английского текста. Модель содержит около 307 млн параметров, использует токенизатор SPM со словарём из 256 000 токенов и поддерживает контекст до 8192 токенов. Модель обучена предсказывать замаскированные токены и подходит для адаптации к юридическим задачам, включая получение текстовых представлений, поиск и классификацию юридических документов. В карточке приведены оценки на испанских и английских юридических бенчмарках; результаты зависят от задачи и набора данных. Это encoder-модель, поэтому она не предназначена для генерации длинных ответов в диалоге. Лицензия — Apache-2.0. Авторы предупреждают о возможных смещениях и необходимости учитывать риски при развёртывании.

Muffakir_Embedding — арабоязычная модель Sentence Transformer, созданная Mohamed2811 на основе Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2 и дообученная для семантического сходства текстов и поиска информации. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, ранжирования релевантных фрагментов, кластеризации и классификации текстов, в том числе в системах RAG для юридических документов. Обучение проводилось на 20 252 синтетических парах «вопрос—ответ», полученных из египетских юридических книг с помощью LLM; использовались MatryoshkaLoss и MultipleNegativesRankingLoss. Архитектура — BERT, контекст — до 512 токенов. Карточка сообщает о первом месте на арабском RAG-бенчмарке для исламского набора данных, но не приводит подробностей методики сравнения. Модель ориентирована на арабский язык; результаты для других языков не заявлены. Лицензия в предоставленных данных не указана.

Mursit-Embed-Qwen3-4B-TR — модель эмбеддингов NewMind AI для семантического поиска и извлечения информации на турецком языке, включая юридические документы. Она создана на основе дообученной модели Mecellem-Qwen3-4B-TR с преобразованием декодера Qwen3 в двунаправленный энкодер: удалена языковая голова, применяются двунаправленное внимание и mean pooling. Размер модели — 3,7 млрд параметров, размерность эмбеддинга — 2560; в README максимальная длина последовательности указана как 1024 токена, тогда как метаданные указывают контекст 40960 токенов. Доступны веса Safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для получения векторных представлений текстов, семантического поиска, сопоставления текстов и извлечения релевантных фрагментов из турецких документов. В README приведены результаты турецкого бенчмарка MTEB и юридического поиска: качество заметно различается между поиском по договорам, нормативным актам и судебным решениям. Это специализированная модель для турецкого языка; метаданные также отмечают английский. Показатели бенчмарка не гарантируют аналогичного качества на других языках, наборах данных или задачах.

Карточка модели unicamp-dl/ptt5-small-portuguese-vocab на Hugging Face совпадает с карточкой unicamp-dl/ptt5-base-portuguese-vocab, поэтому описание составлено по ней. PTT5-base-portuguese-vocab — модель семейства T5, разработанная командой Unicamp-DL и предварительно обученная на большом корпусе португалоязычных веб-страниц BrWac. Это базовая версия размера base с португальским словарём, обученным на португалоязычной Википедии; в метаданных указано 123,8 млн параметров, архитектура T5WithLMHeadModel и контекст до 512 токенов. Модель предназначена для генерации текста и может служить основой для задач на португальском языке, включая сходство предложений и определение логического следования, для которых авторы отмечают улучшение по сравнению с исходным T5. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — MIT. Карточка не описывает конкретные ограничения качества или дополнительные настройки применения.

NeuML подготовила PubMedBERT Embeddings Matryoshka — модель эмбеддингов на архитектуре BERT для сравнения сходства предложений и семантического поиска по биомедицинским текстам. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов; основной язык — английский. Обучение с Matryoshka Representation Learning позволяет получать эмбеддинги размером 64, 128, 256, 384, 512 или 768 измерений. Меньшие размерности экономят место при хранении векторной базе, но, согласно README, не уменьшают вычислительные затраты. Модель подходит для семантического поиска, построения источников для RAG и сопоставления вопросов, статей, аннотаций и других биомедицинских текстов. В приведённой оценке на наборах PubMed она сохраняет конкурентное качество при сокращённых размерностях. Модель распространяется по лицензии Apache-2.0. Контекст ограничен 512 токенами; область оценки в README ограничена несколькими биомедицинскими наборами, поэтому результаты не гарантируют такое же качество на иных текстах и языках.

mnoukhov/pythia410m-rm-tldr6.9b — модель оценки текстов на базе GPT-NeoX, разработанная как дообученная версия mnoukhov/pythia410m-sft-tldr. Она предназначена для классификации текста; вероятно, её используют как reward model для оценки ответов или кратких пересказов, однако README не уточняет назначение и схему меток. Модель содержит 454,2 млн параметров, принимает текст, выдаёт результат классификации и поддерживает контекст до 2048 токенов. В метаданных указаны формат Safetensors и лицензия Apache-2.0. README сообщает о результате на оценочном наборе: accuracy 0,7418 и loss 0,5162, но набор данных и условия оценки не описаны.

RewardAnything-8B-v1 — языковая модель для оценки ответов по принципам, сформулированным на естественном языке. Её разработали исследователи Пекинского университета, WeChat AI, William & Mary и Westlake University. Модель дообучена на базе Qwen/Qwen3-8B и содержит 7,6 млрд параметров; поддерживает контекст до 40 960 токенов. На этапе вывода можно задавать или менять критерии оценки без повторного обучения. Модель предназначена для сравнения ответов, оценки их соответствия заданным принципам и интеграции в конвейеры RLHF, включая PPO и GRPO. По описанию авторов, она также выдаёт объяснения решений и показывает высокие результаты на RM-Bench и RABench; численные результаты в карточке не приведены. Репозиторий содержит веса Safetensors. Указаны английский и китайский языки. Модель распространяется по лицензии Apache-2.0. README рекомендует локальный запуск для экспериментов, а vLLM — для пакетной оценки и рабочих нагрузок с высокой пропускной способностью.

RobBERT-v2 Dutch Base — созданная исследовательской группой RobBERT предварительно обученная языковая модель для нидерландского языка на архитектуре RoBERTa. Она содержит 144 млн параметров, обучена на нидерландском токенизаторе и корпусах и поддерживает контекст до 514 токенов. Модель предсказывает замаскированные токены и служит основой для дообучения под классификацию текста, регрессию и разметку токенов. Модель применялась для анализа тональности и эмоций, распознавания именованных сущностей, разрешения кореференции, тегирования частей речи, обнаружения юмора и кибербуллинга, а также исправления орфографических ошибок. Карточка сообщает о сильных результатах на ряде нидерландских задач, в том числе при малом объеме данных. Доступны веса в форматах PyTorch, TensorFlow, Flax и safetensors. Лицензия — MIT. В статье об исследовании отмечены возможные гендерные смещения: модель чаще предпочитает местоимение «он» в шаблонах с названиями профессий и точность определения тональности может различаться в зависимости от указанного пола автора отзыва. Для прикладных задач классификации и разметки требуется дообучение на соответствующих данных.

rmihaylov/roberta-base-sentiment-bg — модель XLM-RoBERTa Base, дообученная для классификации тональности текстов на болгарском языке. Она предназначена для определения тональности текста и подходит для анализа болгарских отзывов, публикаций и других коротких текстов. Модель чувствительна к регистру букв и содержит около 124,5 млн параметров; максимальная длина контекста — 514 токенов. Модель разработал пользователь Hugging Face rmihaylov; для дообучения использован частный набор данных для анализа тональности. В метаданных также перечислены OSCAR, Chitanka и Wikipedia. Модель распространяется по лицензии MIT.

RockAndEgg-313M — компактная модель-основа для классификации и извлечения признаков, созданная разработчиком moeshawky на основе Qwen/Qwen3-0.6B-Base. Это плотная причинная трансформерная архитектура Qwen3 без специализированной классификационной головы: сохранены первые 10 из 28 слоёв исходной модели, ширина скрытых представлений и токенизатор. В метаданных указано 281,4 млн параметров, а README оценивает backbone примерно в 312,89 млн параметров. Модель принимает текст, поддерживает контекст до 32 768 токенов и выдаёт скрытые представления для последующей классификации, регрессии, ранжирования или оценки после настройки под нужную задачу. Модель подходит для создания компактных классификаторов и моделей оценки, а также для экспериментов с признаковыми представлениями причинных языковых моделей. Для целевого применения необходимо задать и обучить собственную голову и согласовать обработку паддинга, маски внимания, усечения и последнего непустого токена. Сокращение глубины не сопровождалось дистилляцией; README не заявляет сохранение качества генерации, рассуждений, следования инструкциям, чата или работы с длинным контекстом относительно исходной модели. Лицензия — Apache-2.0.

Модель Jhusef Alfonso López Parra для классификации тональности текстов на испанском языке. Она дообучена на базе xlnet/xlnet-base-cased и построена на архитектуре XLNet; содержит 137,8 млн параметров. Модель принимает текст и относит его к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель предназначена для анализа испанских текстов, в том числе сообщений в социальных сетях, и доступна для инференса через библиотеку Transformers. Для оценки автор приводит macro-F1 0,561 на валидации; при использовании следует учитывать возможные смещения обучающих данных и проверять результаты человеком в критически важных сценариях. Модель распространяется по лицензии Apache-2.0.

Модель scholarly360/setfit-contracts-clauses — классификатор договорных положений на базе SetFit. Она дообучена на sentence-transformers/all-MiniLM-L6-v2: энкодер предложений использует контрастивное обучение, а классификационную голову образует LogisticRegression. Модель различает 100 классов положений, включая применимое право и количество экземпляров договора; в README приведена точность 0,9425 для всего набора меток. Модель предназначена для классификации фрагментов договоров и извлечения типа положения из текста. Она принимает текстовые последовательности; метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Базовый энкодер ориентирован на английский язык, а примеры меток также англоязычные. Репозиторий использует библиотеку SetFit и формат весов safetensors. Условия лицензии в предоставленных данных не приведены.

SPECTER2 — модель для построения специализированных эмбеддингов научных документов и текстовых запросов. Она разработана Amanpreet Singh, Mike D’Arcy, Arman Cohan, Doug Downey и Sergey Feldman и опубликована Allen AI. Модель предназначена для представления научных статей по заголовку и аннотации, а также коротких текстовых запросов, чтобы использовать полученные векторы в поиске, извлечении похожих публикаций, классификации, регрессии и задачах link prediction. Идентификатор allenai/specter2 соответствует retrieval-адаптеру proximity для базовой модели allenai/specter2_base. Архитектура основана на bert-base-uncased с адаптерами; исходная модель дообучена на базе allenai/scibert_scivocab_uncased. SPECTER2 обучалась на более чем 6 миллионах троек цитирования научных статей и дополнительно на задачах SciRepEval. Поддерживаются форматы proximity retrieval, adhoc search, classification и regression, для которых используются соответствующие адаптеры. В README не указаны точный размер контекстного окна, размерность эмбеддингов и перечень языков; по описанию модель ориентирована на англоязычные научные тексты. Сильная сторона модели — специализация на научной литературе и возможность адаптировать представления под конкретный тип задачи. Адаптер proximity предназначен для кодирования статей-запросов и статей-кандидатов при поиске релевантных публикаций. Для коротких поисковых запросов, классификации и регрессии рекомендуются отдельные адаптеры. Модель не предназначена как универсальная мультимодальная система и работает с текстовыми данными; для использования требуется библиотека adapters и базовая модель specter2_base. Лицензия — Apache 2.0.

allenai/tulu-v2.5-70b-preference-mix-rm — модель оценки предпочтений из набора RLHF-моделей Tulu, разработанная AllenAI. Это плотная модель семейства Llama с 68,7 млрд параметров, дообученная на базе allenai/tulu-2-70b; README также описывает обучение на фильтрованной смеси инструкций Tulu V2 и дальнейшее обучение на наборе preference_big_mixture. Модель предназначена для классификации и оценки текстовых ответов в сценариях обучения с обратной связью по предпочтениям. Модель принимает текст на английском языке и выдаёт классификационные оценки. Максимальный контекст составляет 4096 токенов. Для корректной обработки следует использовать формат сообщений, поддерживаемый шаблоном чата токенизатора. Модель выпущена по лицензии Apache 2.0. README позиционирует её как исследовательский артефакт; результаты оценки предпочтений не следует считать универсальной мерой качества или заменой проверке человеком.

TWIN-Qwen2.5-VL-3B — мультимодальная модель glab-caltech, полученная дополнительным обучением Qwen/Qwen2.5-VL-3B-Instruct на наборе данных TWIN. Она предназначена для диалогового анализа изображений, визуальных рассуждений и распознавания тонких различий между объектами или сценами. Модель использует плотную архитектуру Qwen2.5-VLForConditionalGeneration, содержит 3,1 млрд параметров и принимает изображения и текстовые запросы, выдавая ответы на естественном языке. Максимальная длина контекста — 128 000 токенов; в метаданных указан английский язык. Модель подходит для вопросов по изображениям и задач fine-grained recognition, где требуется определить, являются ли визуальные объекты одинаковыми или различными. Веса опубликованы в формате safetensors и доступны через Transformers. Лицензия обозначена как other; конкретные условия следует сверить с карточкой репозитория.

Это PyTorch-порт VideoPrism LVT Base от Google DeepMind, подготовленный автором репозитория sposiboh на основе google/videoprism-lvt-base-f16r288. Он переносит модель из исходного релиза с весами JAX/Flax в PyTorch и, согласно карточке, даёт численно эквивалентные исходной реализации выходы. Модель предназначена для извлечения признаков из видео и получения векторных представлений, которые можно использовать в последующих задачах анализа видео. Архитектура — VideoPrism LVT Base; репозиторий содержит веса safetensors и используется через Transformers AutoModel и AutoProcessor. Суффикс f16r288 входит в название версии, но карточка не поясняет его значение. Лицензия — Apache-2.0. README указывает, что для загрузки требуется trust_remote_code=True.

Vietnamese_Law_Embedding_finetuned_v3 — модель эмбеддингов на основе Sentence Transformers, созданная дообучением AITeamVN/Vietnamese_Embedding на парных текстовых примерах. Она использует XLM-RoBERTa с CLS-пулингом и нормализацией и преобразует предложения и абзацы в плотные векторы размерности 1024; для сравнения применяется косинусное сходство. Модель рассчитана на вьетнамские юридические тексты и поддерживает последовательности длиной до 8192 токенов. Её можно применять для семантического поиска по правовым документам, ранжирования фрагментов по сходству с запросом, поиска перефразировок и кластеризации текстов. В README приведены результаты оценки информационного поиска при разных размерностях вектора, включая усечение до 128–768 измерений. Обучающий набор описан как 20 594 парных примера с полями anchor и positive; состав и охват юридических материалов подробно не раскрыты. Лицензия — Apache-2.0.

timm/vit_small_patch16_dinov3_qkvb.lvd1689m — визуальный энкодер семейства DINOv3 от команды PyTorch Image Models (timm). Это ViT-S/16 с 21,6 млн параметров, обученный дистилляцией на наборе LVD-1689M от модели DINOv3 ViT-7B. Он принимает изображения; размер изображения в карточке — 256 × 256. Модель выдаёт признаки и эмбеддинги изображений, которые можно использовать как основу для классификации, извлечения карт признаков и других задач компьютерного зрения. Карточка описывает вариант с включёнными смещениями QKV, значения которых равны нулю; он сохраняет поведение исходной модели. Модель предназначена для извлечения визуальных признаков и пригодна для downstream-задач, включая классификацию и плотные задачи вроде сегментации. В карточке приведены результаты сравнительных оценок DINOv3, однако часть таблиц относится к другим размерам моделей, поэтому их нельзя считать прямой оценкой этого чекпойнта. Репозиторий содержит веса PyTorch в формате safetensors и доступен через библиотеку timm. Лицензия указана как other, а в карточке названа лицензия DINOv3; точные условия использования следует сверить с текстом лицензии модели.

volo_d3_448.sail_in1k — модель семейства VOLO (Vision Outlooker) для классификации изображений и извлечения визуальных признаков. Она обучена авторами статьи на ImageNet-1k с использованием разметки токенов и предназначена для распознавания объектов на изображениях и получения эмбеддингов для последующей обработки. Модель содержит 86,6 млн параметров, имеет вычислительную сложность 96,3 GMACs и рассчитана на изображения размером 448 × 448 пикселей. Репозиторий предоставляет веса PyTorch и SafeTensors; для работы используется библиотека timm. Лицензия — Apache-2.0. Модель подходит для прикладной классификации изображений и как визуальный backbone. Описание не приводит перечень классов сверх обучения на ImageNet-1k и не сообщает результатов на других наборах данных.

FerhatDk/wav2vec2-base_music_speech_both_classification — модель классификации аудио на основе Wav2Vec2, дообученная автором на базе facebook/wav2vec2-base. Она предназначена для отнесения аудиозаписей к классам музыки и речи. В README сообщается точность 0,9847 и значение loss 0,0586 на оценочном наборе, однако состав набора и методика оценки не описаны. Модель содержит 113,3 млн параметров, использует формат PyTorch и распространяется по лицензии Apache-2.0.

ALBERT XXLarge v2 — англоязычная предварительно обученная модель семейства ALBERT, представленная авторами ALBERT и опубликованная командой Hugging Face. Она обучена предсказывать замаскированные токены и порядок двух соседних фрагментов текста; основное применение — заполнение пропусков, получение признаков текста и последующая тонкая настройка для задач классификации, разметки токенов и ответов на вопросы. Архитектура — плотный Transformer с 12 повторно используемыми слоями и общими весами. Карточка описывает конфигурацию XXLarge v2 как 223 млн параметров, тогда как метаданные репозитория указывают 3,3 млрд параметров. Модель использует регистр-независимую обработку английского текста и контекст до 512 токенов. Указанные обучающие данные — BookCorpus и английская Википедия. Модель рассчитана на задачи, использующие контекст всего предложения, и не предназначена для генерации свободного текста. Предсказания могут отражать смещения из обучающих данных. Лицензия — Apache-2.0.

Nexusflow Athene-RM-8B — модель оценки вознаграждения с открытыми весами, разработанная командой Nexusflow. Она дообучена на Meta-Llama-3-8B-Instruct и предназначена для оценки качества ответов языковых моделей, в том числе в сценариях RLHF и ранжирования ответов. Модель использует плотную архитектуру Llama и содержит 7,5 млрд параметров; метаданные указывают контекст до 8192 токенов и библиотеку Transformers. Модель принимает текст и выдаёт оценку для классификации ответа. Карточка указывает английский язык. Весам назначена Nexusflow Research License (лицензия `other` в метаданных); перед использованием следует проверить условия этой лицензии. README не приводит численных результатов оценки или подробностей обучающих данных.

Это японская модель для определения логических отношений между парами предложений, разработанная akiFQC на основе tohoku-nlp/bert-base-japanese-v3 и обученная как cross-encoder на наборе JSNLI. Для каждой пары предложений модель выдаёт оценки по трём классам: следование, нейтральное отношение и противоречие. Её можно применять для вывода отношений между текстами и классификации по заданным категориям без отдельного набора обучающих примеров. Модель основана на BERT и содержит 138,4 млн параметров; максимальная длина контекста — 512 токенов. В проверке на валидационной части JGLUE-JNLI точность составила 0,770. Для японского NLI автор README рекомендует более позднюю модель akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsick. Лицензия — CC BY-SA 4.0.

monsoon-nlp/bert-base-thai — тайскоязычная предобученная модель BERT-Base, адаптированная для библиотеки Hugging Face Transformers. Она предназначена для получения контекстных представлений тайского текста, которые можно использовать как признаки для последующей классификации и других задач обработки языка. Модель содержит 132,4 млн параметров, работает с контекстом до 512 токенов и использует архитектуру BertModel. Для корректной токенизации README требует предварительно обрабатывать текст оригинальным ThaiTokenizer. В основе токенизации лежит SentencePiece с BPEmb и словарём из 25 000 единиц. Модель обучена на тайской Википедии; в README также описано её применение к классификации тональности отзывов и кросс-языковому выводному заключению после дообучения. Модель рассчитана на тайский язык. Для использования доступны форматы PyTorch, Flax и safetensors. Лицензия в предоставленных данных не указана.

BERT-Tiny_L-2_H-128_A-2 — компактная модель семейства BERT, опубликованная nreimers. В карточке она описана как модель Google с 2 слоями, размером скрытого представления 128 и 2 головами внимания; метаданные указывают 4,4 млн параметров и архитектуру BertModel. Модель предназначена для извлечения признаковых представлений текста и может использоваться как основа для задач, которым нужны векторные представления последовательностей. Максимальная длина контекста — 512 токенов. Доступны веса PyTorch и Flax. Карточка не сообщает о специальной предметной области, языковой специализации или ограничениях качества. Лицензия в предоставленных данных не указана.

Испаноязычная модель Sentence Transformers, разработанная дообучением BAAI/bge-m3 на небольшом наборе юридических текстов и запросов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и подходит для семантического поиска и сравнения текстов в юридических материалах на испанском языке. В основе лежит XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов. Максимальная длина последовательности — 8192 токена; тексты сравниваются по косинусному сходству. Модель также можно применять для поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки поиска на нескольких размерностях векторов, однако описание не уточняет состав и широту тестовой выборки. Модель распространяется по лицензии Apache-2.0.

Это модель Sentence Transformer, разработанная pablosi и дообученная на базе littlejohn-ai/bge-m3-spa-law-qa на наборе boe_sintetic_question_context. Она преобразует испанские предложения и фрагменты документов в плотные векторы размерностью 1024 для семантического поиска и сравнения юридических вопросов с контекстами. Также её можно применять для поиска перефразировок, кластеризации и классификации текста. Модель построена на XLM-RoBERTa с pooling по токену CLS и нормализацией векторов; максимальная длина последовательности — 8192 токена, сходство рекомендуется вычислять по косинусной мере. Модель рассчитана прежде всего на испанские юридические документы и вопросы по ним. В README приведены результаты оценки поиска на датасете модели, однако они не гарантируют качество на других корпусах. Лицензия — Apache-2.0.