I.11Классификация, ранжирование и сопоставление

sentence-transformers/msmarco-roberta-base-v2 — модель Sentence Transformers, обученная командой Sentence Transformers на базе архитектуры RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения смысловой близости, кластеризации и других задач работы с текстовыми эмбеддингами. Модель содержит 151,8 млн параметров, использует библиотеку Sentence Transformers и принимает текст; контекст составляет до 514 токенов. Модель подходит для поиска фрагментов по смыслу и группировки похожих текстов. Доступны веса в форматах PyTorch, Safetensors, TensorFlow, Flax, ONNX и OpenVINO. Лицензия Apache-2.0 разрешает свободное использование в соответствии с её условиями.

cross-encoder/ms-marco-TinyBERT-L2 — компактная модель ранжирования от Sentence Transformers, обученная на задаче MS MARCO Passage Ranking. Это дообученная BERT-модель с архитектурой BertForSequenceClassification и 4,4 млн параметров; она принимает пару «запрос — текстовый фрагмент» и оценивает релевантность фрагмента запросу. Контекст модели — до 512 токенов. Модель предназначена для информационного поиска по схеме retrieve-and-rerank: после первичного поиска, например в ElasticSearch, она пересчитывает релевантность найденных фрагментов и сортирует их по убыванию оценки. Подходит для ранжирования passages в поисковой выдаче и для оценки релевантности пар текстов. Поддерживает английский язык. Доступны варианты весов PyTorch, safetensors, ONNX, OpenVINO и Flax. Компактный размер делает модель пригодной для повторного ранжирования множества кандидатов, но её применение ограничено текстовыми парами и контекстом до 512 токенов. Она рассчитана на переоценку уже найденных документов, а не на генерацию текста или самостоятельный поиск по коллекции. Лицензия — Apache-2.0.

AIDA-UPM/MSTSb_paraphrase-xlm-r-multilingual-v1 — модель на базе XLM-RoBERTa, опубликованная AIDA-UPM и предназначенная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 768, пригодные для семантического поиска, кластеризации и сравнения сходства предложений. В метаданных указано 305,2 млн параметров и контекстное окно 514 токенов; веса доступны в формате PyTorch. Модель обучалась с CosineSimilarityLoss. Для работы требуется корректное объединение контекстных представлений токенов с помощью pooling; Sentence-Transformers предоставляет готовый способ использования. Карточка не указывает лицензию, поэтому условия распространения здесь описать нельзя.

groonga/multilingual-e5-base-Q4_K_M-GGUF — это квантизированная в формате GGUF версия multilingual-e5-base, разработанная на основе модели intfloat/multilingual-e5-base и предназначенная для создания векторных представлений текста. Модель ориентирована на задачи семантического сходства, поиска и извлечения документов, классификации текстов и других сценариев, где требуется сравнивать смысл текстовых фрагментов. Она совместима с llama.cpp и связанной экосистемой инструментов. Модель поддерживает широкий набор языков, включая русский, английский, немецкий, французский, испанский, китайский, японский и многие другие. В README указана оценка на бенчмарке MTEB, включающем задачи классификации отзывов и контрфактических высказываний, а также задачи информационного поиска. Квантизация Q4_K_M снижает требования к памяти и может упростить локальный запуск, однако потенциально уменьшает точность по сравнению с исходной версией. Размер модели, точная архитектура, максимальная длина контекста и другие параметры в предоставленных данных не указаны. Модель распространяется по лицензии MIT. Она подходит для многоязычного семантического поиска, построения систем рекомендаций, кластеризации, дедупликации и классификации текстов. Ограничения включают зависимость качества от языка и типа данных, возможные потери качества из-за квантизации, а также отсутствие в README подробных инструкций по применению и сведений о поддерживаемых модальностях, кроме текстовой.

IoannisKat1/multilingual-e5-large-ft-new — это дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-large, разработанная автором репозитория IoannisKat1. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024 для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. Архитектура включает XLM-RoBERTa, усреднение токенных представлений и нормализацию; сходство векторов можно измерять косинусной близостью. Максимальная длина последовательности — 512 токенов. Карточка указывает английский язык. Модель подходит для построения векторного поиска и других систем, где требуется сопоставлять тексты по смыслу; опубликованные результаты оценки поиска приведены для нескольких размерностей эмбеддингов. Лицензия — Apache-2.0. README описывает дообучение на 1 627 парах anchor-positive, поэтому качество за пределами указанных задач и данных может отличаться; более конкретные сведения о составе обучающих данных не приведены.

Data-Lab multilingual-e5-large-instruct-embedder_distill-tgd — дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-large-instruct, разработанная Data-Lab. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска и сравнения текстов. Архитектура включает XLM-RoBERTa, усреднение токенных представлений и нормализацию; модель использует косинусное сходство и принимает последовательности длиной до 514 токенов по метаданным. Модель подходит для поиска близких по смыслу документов, оценки сходства текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. В README приведена точность cosine_accuracy 0,8994 на dev-наборе TripletEvaluator, но это значение относится только к указанной оценке и не гарантирует качество на других данных. Метаданные не уточняют языковой охват дообученной версии; базовая модель многоязычная. Репозиторий содержит веса Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Ralriki/multilingual-e5-large-instruct-GGUF — это GGUF-версия мультиязычной embedding-модели multilingual-e5-large-instruct, разработанной командой intfloat и адаптированной для использования в llama.cpp после добавления поддержки XLM-RoBERTa. Модель предназначена для создания векторных представлений текста, включая мультиязычный поиск, семантическое сходство и другие задачи, где требуется сопоставление текстов по смыслу. Для разных сценариев рекомендуется использовать соответствующие prompt-шаблоны из исходной модели. Доступны варианты квантования q4_k_m, q6_k, q8_0 и f16. Автор README рекомендует q6_k или q8_0: переход к 8-битному квантованию обычно почти не снижает качество относительно базовой модели, тогда как при переходе от q6 к q4 возможно небольшое заметное ухудшение, а при использовании уровней около q3 и ниже — существенная потеря качества. Модель ориентирована на мультиязычные тексты, однако конкретный список поддерживаемых языков и размер контекста в README не указаны. Модель распространяется по лицензии MIT. Для работы требуется совместимая поддержка GGUF и llama.cpp с поддержкой XLM-RoBERTa.

IoannisKat1 разработал эту модель Sentence Transformers, дообучив multilingual-e5-large для семантического поиска и сопоставления предложений и абзацев. Она преобразует текст в плотные нормализованные векторы размерностью 1024 и использует косинусное сходство для сравнения. В архитектуру входят XLM-RoBERTa, усредняющий pooling и нормализация; модель содержит 658,7 млн параметров и принимает последовательности длиной до 514 токенов по метаданным (в README указан предел 512). Matryoshka-обучение позволяет использовать укороченные векторы размерностью от 64 до 768 для компромисса между размером представления и качеством поиска. Модель предназначена для векторизации текстов и поиска семантически близких фрагментов, в том числе для систем извлечения информации. README указывает английский язык и текстовый ввод; пример обучающих данных включает греческий текст, но это не подтверждает полноценную поддержку греческого. Лицензия — Apache-2.0. Результаты оценки приведены для датасета json и не гарантируют такое же качество на других данных; обучающая выборка содержит 4268 пар.

IoannisKat1 выпустил дообученную версию multilingual-e5-large для создания текстовых эмбеддингов. Модель построена на XLM-RoBERTa-large с архитектурой Sentence Transformer: усредняет токенные представления, нормализует результат и отображает предложения и абзацы в плотное векторное пространство размерности 1024. Максимальная длина входной последовательности — 512 токенов; для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска, сравнения сходства текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. В README описано дообучение на 82 парах anchor-positive и приведены метрики поиска при нескольких размерностях вектора; результаты зависят от выбранной размерности и тестового набора. Указанная лицензия — Apache-2.0.

SMARTICT/multilingual-e5-large-wiki-tr-rag — модель Sentence Transformer, созданная дообучением intfloat/multilingual-e5-large. Она кодирует предложения и абзацы в нормализованные плотные векторы размерности 512; для сравнения используется косинусное сходство. Архитектура построена на XLM-RoBERTa с усреднением токенных представлений и нормализацией. Модель содержит 658,7 млн параметров, принимает последовательности длиной до 514 токенов по метаданным. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов, в том числе для сценариев RAG. Примеры обучающих данных содержат запросы и длинные фрагменты на турецком языке; название репозитория также указывает на турецкую Wikipedia, поэтому модель ориентирована на поиск по турецким текстам. Лицензия в предоставленных данных не указана.

multilingual-e5-small-GGUF — это GGUF-версия мультиязычной модели для создания текстовых эмбеддингов, разработанная на основе intfloat/multilingual-e5-small. Репозиторий cstr/multilingual-e5-small-GGUF выполняет только конвертацию и квантование весов; обучение, дообучение, слияние и изменение архитектуры не проводились. Модель предназначена для получения векторных представлений текста, семантического поиска, сравнения текстов и других задач, использующих эмбеддинги. Работает через CrispEmbed и Ollama, включая совместимые с OpenAI и Ollama API. Модель построена на архитектуре BERT, содержит около 118 млн параметров, 12 слоёв, использует mean pooling и токенизатор SentencePiece, а размерность эмбеддингов составляет 384. Поддерживается широкий набор языков, включая английский, русский, китайский, японский, корейский, арабский, хинди и многие другие. Доступны варианты F32, Q8_0, Q4_K, Q4_K с imatrix и IQ4_XS. Рекомендуется Q8_0: его близость к версии F32 составляет 0,9999 по cosine similarity при существенно меньшем размере файла. Четырёхбитные варианты экономят память, но могут немного снижать точность. Модель удобна для локального и ресурсоограниченного инференса благодаря компактным квантованным версиям и совместимости с несколькими API. Ограничения включают зависимость качества от выбранного уровня квантования и отсутствие в README подробностей о максимальной длине контекста, обучающих данных и результатах прикладных бенчмарков. Указана лицензия MIT; репозиторий распространяется на тех же условиях, что и исходная модель.

srikarvar/multilingual-e5-small-pairclass-contrastive — дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-small. Она кодирует предложения и абзацы в плотные векторы размерности 384; для сравнения векторов используется косинусное сходство. Архитектура включает BERT, усреднение токенных представлений и нормализацию; максимальная длина входа — 512 токенов. Модель предназначена для оценки семантического сходства пар текстов, семантического поиска и поиска перефразирований. Эмбеддинги также можно использовать для кластеризации и классификации текста. В README приведены результаты бинарной классификации на наборах pair-class-dev и pair-class-test; обучение проведено с ContrastiveLoss на 296 парах. Многоязычность унаследована от базовой multilingual-e5-small, однако конкретные поддерживаемые языки в доступных данных не перечислены. Лицензия в предоставленных данных не указана.

Abdul-Ib/multilingual-en-ar-2024 — модель на основе BERT из библиотеки Sentence Transformers, разработанная Abdul-Ib. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Название указывает на английский и арабский языки; README описывает модель как мультиязычную. Модель можно использовать для семантического поиска, группировки похожих фраз и построения систем сравнения предложений. Файлы модели опубликованы в формате safetensors. Условия лицензии в доступных данных не указаны.

uaritm разработал мультиязычную модель на базе XLM-RoBERTa для преобразования предложений и абзацев в плотные векторы размерности 768. Модель предназначена для вычисления семантической близости, поиска по смыслу и кластеризации; в README приведён пример определения подходящей врачебной специальности по жалобам пациентов. Она доступна в формате PyTorch через Sentence-Transformers, а для использования через Transformers требуется применить подходящий pooling к контекстным представлениям токенов. Модель имеет 305,2 млн параметров и принимает до 514 токенов контекста. Поддерживаются английский, русский, украинский и польский языки. Для версии с польским языком автор указывает более новую модель uaritm/multilingual_en_uk_pl_ru. Репозиторий распространяется по лицензии Apache-2.0.

Multilingual MiniLM-L12-v2 (Harrier-Distilled) — компактный многоязычный кодировщик предложений, дообученный командой agentlans методом дистилляции эмбеддингов на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 с учителем microsoft/harrier-oss-v1-270m. Модель содержит 124,3 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов. Для работы требуется вспомогательный пакет, поскольку модель использует обученный проекционный слой. Модель предназначена для межъязыкового семантического поиска, сравнения сходства текстов, кластеризации и фильтрации корпусов, включая параллельные и переводные данные. Она рассчитана на высокую пропускную способность при умеренных вычислительных затратах и ориентирована на многоязычные сценарии. Лицензия — Apache-2.0. Качество может снижаться для малоресурсных языковых вариантов и узкоспециализированной терминологии. Размерности и архитектура отличаются от учительской модели, поэтому её представления не взаимозаменяемы с представлениями учителя.

Horizon-Labs разработала multilingual-reranker-small — мультиязычный cross-encoder-реранкер на базе mmBERT-small с архитектурой ModernBERT и примерно 140,5 млн параметров. Он предназначен для повторной сортировки результатов поиска и кандидатов для RAG: модель оценивает релевантность каждой пары «запрос — фрагмент», в том числе когда они написаны на разных языках. Более высокий логит означает более высокую релевантность; sigmoid(logit) можно использовать как оценку от 0 до 1. Модель поддерживает более 40 языков и имеет контекстное окно 8192 токена по метаданным, однако при обучении пары ограничивались 384 токенами, поэтому длинные фрагменты обрезаются. Для длинных документов рекомендуется сначала разделить текст на фрагменты. В репозитории есть веса Safetensors и ONNX, включая квантованный вариант для CPU и браузера. Модель получена дистилляцией Qwen3-Reranker-4B и заметно компактнее учителя; в приведённых бенчмарках уступает ему и более крупной версии multilingual-reranker-base. Модель выпущена под лицензией Apache-2.0. Её оценки наследуют ошибки учителя; качество ниже на длинных и технических текстах. Обучающие запросы созданы языковой моделью на основе веб-текстов, поэтому специализированный поиск в юридических, медицинских и программных материалах, а также разговорные запросы покрыты слабее.

checkiejan/multi-qa-mpnet-base-dot-v1-covidqa-search-test — модель Sentence-Transformers на базе MPNet, разработчик которой не указан в доступной карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст; максимальная длина контекста составляет 514 токенов. В README указано обучение с TripletLoss и евклидовой метрикой расстояния. Веса доступны в формате PyTorch; лицензия и целевые языки в предоставленных данных не определены. Суффикс covidqa-search-test в имени не подтверждён описанием как специализированное назначение модели.

Модель celik-muhammed/multi-qa-mpnet-base-dot-v1-finetuned-dtc-zoomcamp — дообученная модель Sentence Transformers на архитектуре MPNet, разработанная Muhammed Celik. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу и кластеризации. В обучении использовались MultipleNegativesRankingLoss и OnlineContrastiveLoss с косинусным сходством. Модель содержит 136,7 млн параметров, принимает текст и формирует векторные представления; заявленная длина контекста — 514 токенов. Доступны форматы PyTorch, Safetensors и TFLite. Лицензия в предоставленных данных не указана.

flax-sentence-embeddings/multi-qa_v1-MiniLM-L6-cls_dot — модель SentenceTransformers для преобразования предложений и коротких текстов в векторы, пригодные для поиска и сравнения смысла. Её разработали в рамках Hugging Face Community Week для проекта по обучению моделей эмбеддингов; модель основана на предварительно обученной nreimers/MiniLM-L6-H384-uncased и дообучена контрастивным обучением на парах вопрос–ответ, включая данные StackExchange, MSMARCO и NQ. Это плотная BERT-модель с 25,9 млн параметров. Для представления предложения используется выход CLS, а близость векторов оценивается скалярным произведением. Модель предназначена для семантического поиска, оценки сходства предложений и кластеризации; её можно использовать для поиска подходящих ответов по запросу или группировки похожих вопросов. Максимальная длина контекста — 512 токенов. Модель выдаёт текстовые эмбеддинги, а не готовые ответы. Качество особенно ориентировано на сопоставление вопросов и ответов; доступные сведения не подтверждают поддержку русского языка или оценку качества на других языках и задачах. В карточке не указана лицензия.

SeanLee97/mxbai-embed-large-v1-nli-matryoshka — модель на базе BERT, созданная для преобразования предложений и абзацев в плотные векторные представления. Её можно применять для семантического поиска и кластеризации текстов; метаданные также указывают поддержку оценки сходства предложений. Модель содержит около 433,9 млн параметров и принимает последовательности длиной до 512 токенов. Обучение использует MatryoshkaLoss с MultipleNegativesRankingLoss и размерами представлений от 64 до 3072 измерений, что позволяет выбирать векторы разной размерности. Модель распространяется в форматах PyTorch и Safetensors. В README не указаны языки обучения или лицензия.

mxbai-rerank-base-v2 (также ProRank-0.5B) — базовая модель семейства реранкеров Mixedbread AI. Она оценивает релевантность пар «запрос — документ» и помогает переставить результаты поиска так, чтобы наиболее подходящие оказались выше. Модель построена на плотной архитектуре Qwen2 с 494 млн параметров; для работы использует Transformers и формат Safetensors. Размер контекста — до 32 768 токенов. Модель предназначена для мультиязычного поиска, включая поиск по коду, и может применяться для повторного ранжирования кандидатов в RAG-системах и поисковых сервисах. По данным авторов, она поддерживает более 100 языков и показывает сильные результаты на английском и китайском; в опубликованной таблице для base-v2 приведены показатели BEIR, мультиязычного и китайского поиска, поиска по коду, а также задержка на A100. Лицензия — Apache-2.0. README не приводит технический отчёт и не описывает ограничения качества или полный перечень языков. Указанные в карточке языковые теги охватывают лишь часть заявленной мультиязычной поддержки; показатели скорости относятся к тестированию на A100 и могут отличаться на другом оборудовании.

leerobert/my-awesome-setfit-model — модель Sentence-Transformers на базе MPNet, которая преобразует предложения и абзацы в плотные векторы размерности 768. Её можно использовать для семантического поиска, кластеризации и сравнения сходства текстов. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги. В карточке указано обучение с CosineSimilarityLoss; модель рассчитана на применение через Sentence-Transformers или Transformers с подходящей операцией pooling. Лицензия в доступных данных не указана.

MartinV/my-awesome-setfit-model — модель семейства MPNet на базе Sentence Transformers, которая преобразует предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений по смыслу. Модель содержит 136,7 млн параметров и принимает текст с контекстным окном до 514 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss. Веса опубликованы в формате PyTorch; для использования подходят библиотека Sentence Transformers или Transformers с корректной операцией pooling. В карточке указана архитектура MPNet, но базовая модель и лицензия не установлены, поэтому условия распространения по этим данным описать нельзя.

erickrribeiro/my-embedding-gemma — модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Модель содержит 302,8 млн параметров, принимает текстовые последовательности длиной до 2048 токенов и рассчитана на работу через библиотеку Sentence Transformers. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, классификации и кластеризации. В README описан обучающий набор из трёх примеров на португальском языке; этого мало, чтобы судить о широте языкового покрытия или обобщающей способности именно этой дообученной версии. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

blakechi/my-model-2 — модель Sentence Transformers на базе MPNet, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и рассчитана на контекст до 514 токенов; для получения векторов используются контекстные представления и pooling. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. README указывает на применение Sentence Transformers или Hugging Face Transformers.

skripsiskripsi/myskripsisbert — дообученная модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она кодирует предложения и абзацы на естественном языке в плотные векторы размерности 384; сходство векторов оценивается косинусной мерой. Модель предназначена для семантического поиска, извлечения релевантных текстов и сравнения сходства предложений. Архитектура состоит из BERT-трансформера и слоя усредняющего pooling. В README указана максимальная длина последовательности 128 токенов; метаданные каталога указывают контекст до 512 токенов. В обучении использовались 358 пар предложений с оценками сходства, а для проверки приведён Spearman cosine 0,9021. Базовая модель многоязычная, а примеры обучающих данных написаны на индонезийском языке. Модель принимает текст и возвращает векторы, поэтому её можно подключать к системам поиска и ранжирования документов. Она выпущена в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Nemotron-3-Embed-1B-Q4_K_M-GGUF — независимо сконвертированная и квантованная версия NVIDIA Nemotron-3-Embed-1B-BF16, подготовленная zenmagnets для локального получения текстовых эмбеддингов в LM Studio и совместимых с llama.cpp средах. Репозиторий не является официальным релизом NVIDIA и не связан с её поддержкой. Модель предназначена для семантического поиска, retrieval, RAG, извлечения признаков и reranking, но не для диалогов или генерации текста. Модель распространяется в формате GGUF с квантованием Q4_K_M и занимает около 714,6 МиБ. Она формирует L2-нормализованные эмбеддинги размерностью 2048 и поддерживает заявленный максимальный контекст 262 144 токена, однако функционально проверялась только на контексте 4096 токенов; большие контексты требуют значительно больше памяти и не валидировались. Для retrieval рекомендуется использовать префиксы «query:» для запросов и «passage:» для документов. В README указана поддержка multilingual-сценариев, включая английский, русский, китайский, японский, корейский, арабский, немецкий, французский и другие языки. К преимуществам относятся компактный размер, локальный запуск, нормализованные векторы, совместимость косинусного сходства и скалярного произведения, а также проверенная работа на Apple M3 Max с производительностью до 32,82 текста в секунду для пакетной обработки. Q4_K_M является lossy-квантованием и может менять оценки и ранжирование относительно BF16-версии; для этой квантованной модели не проводилась оценка качества MTEB/MMTEB. Модель распространяется по лицензии OpenMDW License Agreement 1.1; материалы исходной модели также включают компоненты под Apache 2.0.

NeoAraBERT-STS — модель Sentence Transformers для семантического сопоставления предложений на арабском языке. Модель разработана на архитектуре NeoBERT и содержит 314,2 млн параметров; она преобразует текст в векторы размерностью 768, а сходство предложений оценивается косинусной мерой. Максимальная длина входной последовательности — 512 токенов. Модель предназначена для сравнения смысла арабских фраз и предложений, в том числе для поиска семантически близких текстов. Репозиторий содержит веса в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

dicta-il/neodictabert-bilingual-embed — модель эмбеддингов предложений на базе NeoBERT, разработанная Dicta и дообученная от dicta-il/neodictabert-bilingual на датасете на иврите. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости, семантического поиска, поиска перефразировок, классификации и кластеризации текста. Модель содержит 362,5 млн параметров и распространяется в формате safetensors для библиотеки sentence-transformers. Она поддерживает иврит и английский; в частном этапе Национального конкурса семантического поиска на иврите заняла 10-е место. Лицензия — CC BY 4.0.

Карточка модели Nerdofdot/nickprock_mmarco-bert-base-italian-uncased_TM на Hugging Face совпадает с карточкой Nerdofdot/nickprock_mmarco-bert-base-italian-uncased_E_5_nli, поэтому описание составлено по ней. Nerdofdot/nickprock_mmarco-bert-base-italian-uncased_E_5_nli — модель Sentence-Transformers на базе BERT, разработанная пользователем Nerdofdot. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Обучение с MultipleNegativesRankingLoss и косинусной мерой сходства ориентировано на ранжирование текстовых пар. Модель содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт векторные представления. По названию репозитория она предназначена для итальянского языка без учёта регистра; README не сообщает отдельные результаты оценки. В метаданных указан формат safetensors. Сведения о лицензии в предоставленных данных отсутствуют.