I.11Классификация, ранжирование и сопоставление

dndjd03 выпустил SentenceTransformer, дообученный на основе klue/roberta-base для сравнения смысла предложений и поиска по тексту. Модель кодирует предложения и абзацы в плотные векторы размерностью 768 и оценивает их сходство с помощью косинусной близости. Архитектура включает RoBERTa с усреднённым пулингом; число параметров — 137,8 млн, максимальная длина входа — 512 токенов. Модель принимает текст и выдаёт векторы для задач поиска и семантического сопоставления. Базовая модель ориентирована на понимание корейского текста, а обучающие примеры в карточке также корейские. Лицензия в предоставленных данных не указана.

shangrilar/klue-roberta-base-klue-sts — модель на базе RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения семантической близости. Модель подходит для семантического поиска, кластеризации и других задач, где нужно находить похожие тексты или группировать их по смыслу. Для использования доступны Sentence-Transformers и Transformers с последующим pooling контекстных представлений. Обучение проводилось с CosineSimilarityLoss. Веса представлены в формате safetensors; модель содержит 137,8 млн параметров и поддерживает контекст до 514 токенов. Карточка не сообщает лицензию или конкретный набор языков, поэтому они не указаны.

dyryu/klue_roberta-base-klue-sts — модель Sentence-Transformers на архитектуре RoBERTa, разработчик которой не уточнён в карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 137,8 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Для работы доступны веса в формате safetensors и библиотека sentence-transformers. При обучении использовалась функция потерь CosineSimilarityLoss. Метаданные указывают задачи sentence-similarity и feature-extraction; основное назначение для пользователя — поиск семантически похожих предложений. Карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя.

Карточка модели logexp1/klue-roberta-base-klue-sts-mrc на Hugging Face совпадает с карточкой Jinsol0802/klue-roberta-base-klue-sts-mrc, поэтому описание составлено по ней. Jinsol0802/klue-roberta-base-klue-sts-mrc — модель эмбеддингов предложений на архитектуре RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения близости текстов и кластеризации. Обучение с MultipleNegativesRankingLoss оптимизирует сходство косинусной мерой; размер модели — 137,8 млн параметров, максимальный контекст — 514 токенов. Модель рассчитана на работу с текстом и подходит для поиска похожих фрагментов и группировки семантически близких текстов. Идентификатор и название базового семейства указывают на ориентацию на корейский язык KLUE, однако в доступной карточке отдельный список поддерживаемых языков не приведён. Ограничения: представление текста сведено к вектору, поэтому модель сама не генерирует ответы; качество поиска и сравнения зависит от соответствия домена и данных. Файлы представлены в формате safetensors; лицензия в предоставленных сведениях не указана.

MDDDDR/klue-roberta-base-klue-sts-mt-30000 — модель Sentence Transformers на архитектуре RoBERTa, содержащая 137,8 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Обучение с MultipleNegativesRankingLoss и косинусным сходством нацелено на формирование эмбеддингов, пригодных для сравнения предложений. Модель принимает текст и выдаёт векторы; её можно использовать для семантического поиска, группировки текстов и вычисления сходства предложений. Контекст составляет до 514 токенов. В карточке не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

ddobokki/klue-roberta-base-nli-sts — модель эмбеддингов предложений на базе архитектуры RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки семантического сходства, семантического поиска и кластеризации текстов. Модель содержит 137,8 млн параметров и принимает текстовые последовательности длиной до 514 токенов. В карточке описано обучение с функцией потерь CosineSimilarityLoss. Файлы доступны в форматах PyTorch и Safetensors; для использования подходят Sentence-Transformers или Transformers с соответствующим pooling. Это производная модель на основе KLUE-RoBERTa-base, дообученная для задач сходства предложений и семантического представления текста. Основной язык — корейский, что следует из KLUE в названии базовой модели. Условия лицензирования в предоставленных данных не указаны.

KoE5 — модель для создания плотных текстовых эмбеддингов, разработанная NLP&AI Lab. Она дообучена на базе intfloat/multilingual-e5-large на более чем 700 тысячах корейских пар «запрос — документ» из набора ko-triplet-v1.0 с функцией потерь CachedMultipleNegativesRankingLoss и предназначена прежде всего для поиска по корейским текстам. Модель построена на XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт векторы размерности 1024. Контекст ограничен 512 токенами. Эмбеддинги подходят для семантического поиска, ранжирования документов, оценки сходства, поиска перефразировок и кластеризации. Для поиска по паре «запрос — документ» рекомендуется добавлять префиксы «query: » и «passage: », а для симметричных задач и использования эмбеддингов как признаков — «query: ». Заявлена поддержка корейского и английского языков; обучение и основная специализация модели связаны с корейским поиском. Лицензия — MIT. Длинные тексты обрезаются до 512 токенов, а отсутствие рекомендованных префиксов может снизить качество.

ko-reranker — модель переранжирования текстов, созданная дообучением BAAI/bge-reranker-large на корейских данных. Она оценивает релевантность пары «запрос — документ» и выдаёт оценку: чем она выше, тем релевантнее документ запросу. Модель можно использовать через FlagEmbedding, Sentence-Transformers или Transformers. Модель построена на архитектуре XLM-RoBERTa и содержит 658,7 млн параметров. Она принимает текстовые пары и рассчитана прежде всего на корейский язык; в метаданных также указаны английский и китайский. Контекст ограничен 514 токенами. Распространяется под лицензией MIT.

jeongeunKJ/ko-sbert-custom-v1 — корейская модель Sentence-Transformers на архитектуре BERT, дообученная на snunlp/KR-SBERT-V40K-klueNLI-augSTS. Она преобразует предложения и абзацы в плотные векторы размерности 768, используя усреднение токенных представлений; сходство векторов оценивается косинусной мерой. Модель содержит 144 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска и сравнения корейских текстов, поиска перефразирований, кластеризации и классификации. В README указана небольшая обучающая выборка из 4361 пары предложений с оценками сходства и обучение с CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

KURE-Reranker-nano — компактная двуязычная модель-переранжировщик корейских и английских текстов, разработанная nlpai-lab на базе SKT A.X-Encoder-base. Это cross-encoder на архитектуре ModernBERT примерно со 148,7 млн параметров: модель совместно обрабатывает запрос и кандидатный документ и выдаёт оценку их релевантности. Контекст составляет до 16 384 токенов. Модель предназначена для повторного ранжирования результатов поиска, в том числе длинных документов. В README приведены результаты на девяти корейских поисковых бенчмарках: средний nDCG@10 — 87,57, а на MultiLongDocRetrieval — 79,66; также сообщается о высокой пропускной способности в условиях описанного теста на NVIDIA RTX A6000. Эти показатели относятся к указанным бенчмаркам и условиям измерения и не гарантируют аналогичных результатов на других данных или оборудовании. Модель выпущена под лицензией Apache-2.0.

Sammau/labse-dhivehi-finetuned — модель Sentence Transformer, дообученная разработчиком Sammau на базе sentence-transformers/LaBSE. Она кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их смысл с помощью косинусного сходства. Модель предназначена для семантического поиска и оценки сходства текстов; её также можно применять для поиска перефразирований, кластеризации и классификации текстов. Модель использует архитектуру BERT и библиотеку Sentence Transformers. В метаданных указан контекст до 512 токенов, а в README — максимальная длина последовательности 256 токенов; для практического использования следует учитывать лимит 256 токенов, заданный карточкой модели. Обучение описано на наборе из 968 266 пар предложений с оценками сходства. Название модели указывает на фокус на языке дивехи, тогда как базовая LaBSE поддерживает 109 языков; README не уточняет, насколько дообученная версия сохраняет качество на остальных языках. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

pouxie/LaBSE-en-ru-bviolet — модель на базе BERT, опубликованная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 155,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт эмбеддинги. Обучение с MultipleNegativesRankingLoss и косинусным сходством нацелено на формирование представлений, пригодных для ранжирования по смысловой близости. По названию модель ориентирована на английский и русский языки. Её можно использовать для семантического поиска и группировки текстов на этих языках. В README не приведены результаты оценки, поэтому качество для конкретного набора данных следует проверять отдельно. Лицензия в предоставленных сведениях не указана.

Это дообученная модель Sentence Transformers на базе cointegrated/LaBSE-en-ru, разработанная автором репозитория whitemouse84. Она кодирует предложения и абзацы на русском и английском языках в плотные векторы размерностью 768 для сравнения семантического сходства по косинусной близости. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста по эмбеддингам. Модель основана на архитектуре BERT, содержит 89,5 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены оценки на наборах STS и оценка дистилляции; они дают ориентир для проверки сходства, но не гарантируют качество для конкретного корпуса. Для работы с эмбеддингами требуется совместимый механизм сравнения или поиска.

Solomennikova/labse_funetuned_hoff — дообученная модель Sentence Transformers на базе cointegrated/LaBSE-en-ru. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки семантического сходства и поиска текстов по смыслу. Также её можно применять для поиска перефразировок, кластеризации и классификации текстов. Модель использует архитектуру BERT, функцию косинусного сходства и принимает последовательности длиной до 512 токенов. Она обучена на 86 732 парах текстов; примеры в карточке включают короткие русские поисковые запросы и описания товаров. Это позволяет использовать её для семантического поиска по каталогу товаров, хотя карточка не приводит результатов оценки качества. Библиотека модели — Sentence Transformers, веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

sergeyzh разработал русскоязычную модель BERT для вычисления эмбеддингов предложений и оценки их семантического сходства. Это дообученная версия cointegrated/LaBSE-en-ru, рассчитанная на использование, в частности, с библиотекой Sentence Transformers. Модель содержит 155,5 млн параметров, формирует векторы размерностью 768 и принимает последовательности длиной до 512 токенов. Модель подходит для поиска похожих предложений, выявления перефразирований и других задач сравнения смысла текстов. В README также приведены результаты для определения следования, тональности и токсичности, а также тесты классификации и кластеризации. На опубликованных метриках ruMTEB результаты различаются по задачам; для каждой из перечисленных задач качество может зависеть от данных и настройки применения. Веса доступны в формате safetensors, лицензия — MIT. Карточка описывает модель для русского языка; основание на LaBSE-en-ru само по себе не подтверждает, что эта версия предназначена для двуязычного использования.

Карточка модели Cutting3dg3/LaBSE-TID на Hugging Face совпадает с карточкой sentence-transformers/LaBSE, поэтому описание составлено по ней. LaBSE — перенос многоязычной модели LaBSE в PyTorch, опубликованный командой sentence-transformers. Модель на архитектуре BERT содержит 498,1 млн параметров и отображает предложения на общем векторном пространстве, чтобы сопоставлять их смысл на разных языках. Поддерживает 109 языков; максимальная длина контекста — 512 токенов. Модель подходит для поиска семантически близких предложений, сопоставления текстов на разных языках и построения многоязычных эмбеддингов для семантического поиска и кластеризации. Доступна через библиотеку sentence-transformers и в форматах PyTorch, TensorFlow, Flax и ONNX. Лицензия — Apache-2.0. README указывает на публикацию LaBSE, но не приводит подробностей обучения или сравнительных результатов.

LanguageBind_Image — модель для сопоставления изображений с текстовыми описаниями в рамках проекта LanguageBind, разработанного авторами исследования LanguageBind, принятого на ICLR 2024. В репозитории она представлена как PyTorch-модель на базе архитектуры CLIPModel и предназначена для классификации изображений без примеров на этапе обучения: пользователь задаёт текстовые метки или описания, а модель оценивает их соответствие изображению. Модель входит в мультимодальный подход LanguageBind, который использует язык как общий семантический ориентир для связывания представлений разных модальностей. Для этого чекпойнта подтверждён сценарий zero-shot классификации изображений; описание проекта также упоминает вычисление сходства между модальностями и текстом. README не сообщает размер этой модели, её языковой охват или длину контекста. Лицензия репозитория — MIT.

gemasphi/laprador — модель Sentence-Transformers на базе архитектуры BERT, содержащая 136,1 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 768, подходящие для семантического поиска и кластеризации. Модель можно использовать с библиотекой Sentence-Transformers или через Transformers с подходящей операцией pooling. Модель принимает текст и выдаёт векторные представления; заявленная длина контекста — 512 токенов. README не уточняет языки обучения или специализацию по областям, поэтому применимость к конкретным языкам следует проверять на своих данных. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

laprador-document-encoder — модель Sentence-Transformers на архитектуре BERT, представленная в репозитории gemasphi. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель содержит 136,1 млн параметров, работает с текстом и рассчитана на контекст до 512 токенов. Полученные эмбеддинги подходят для поиска семантически близких фрагментов и группировки текстов по смыслу. Для сравнения текстов и поиска требуется использовать векторное представление модели; README также описывает применение через Sentence-Transformers либо Transformers с соответствующей операцией pooling. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

gemasphi/laprador_mmarco — модель Sentence-Transformers на базе BERT для преобразования предложений и абзацев в плотные векторные представления размерности 768. Её обучили с помощью MultipleNegativesRankingLoss на основе косинусного сходства; в метаданных указаны 79,5 млн параметров и контекст до 512 токенов. Модель подходит для семантического поиска, сравнения текстов и кластеризации. Она принимает текст и выдаёт эмбеддинги, которые можно использовать для поиска похожих фрагментов или группировки текстов. Для работы доступны Sentence-Transformers и Transformers с подходящей операцией pooling. В репозитории указан формат PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

LaSER-Qwen3-8B-i1-GGUF — это GGUF-квантизированная версия модели LaSER-Qwen3-8B, разработанной Alibaba-NLP и дополнительно подготовленной к публикации mradermacher. Модель предназначена прежде всего для плотного поиска, построения эмбеддингов, извлечения признаков и задач информационного поиска, включая сценарии семантического сопоставления документов и запросов. В README указано, что она обучалась с использованием набора данных jinjiajie/LaSER-Training. Модель относится к семейству Qwen3 и имеет размер 8B параметров; точные сведения об архитектуре, длине контекста, поддерживаемых модальностях и языках, кроме английского, не приведены. Доступны варианты квантизации i1 с размерами примерно от 2,2 до 6,8 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Низкоразрядные варианты могут заметно терять в качестве, тогда как i1-Q4_K_M обозначен как быстрый и рекомендуемый, а i1-Q4_K_S — как сбалансированный по размеру, скорости и качеству. Лицензия модели — MIT.

Falconsai/laya-v796 — англоязычный чекпойнт семейства Laya, разработанный Falconsai. Это модель классификации текста на базе ModernBERT-large с 421 млн параметров, двунаправленным энкодером и обученной с нуля головой принятия решений. Она принимает текст, письма, обращения или JSON-состояния вместе с типизированными вопросами и возвращает структурированные ответы и вероятности за один проход, не генерируя текст. Модель предназначена для маршрутизации запросов, сортировки писем и обращений, оценки риска и применения правил модерации и защитных ограничений; в карточке указана длина контекста 512 токенов и ориентир около 33 мс на решение. Обучение описано как RLCD — обучение с подкреплением по строго правильным правилам оценки, рассчитанное на выдачу калиброванных вероятностей. Английский чекпойнт особенно подходит для английского текста и сценариев guardrails и email triage. Карточка предупреждает, что на нелатинских письменностях англоязычная версия может сильно ошибаться при высокой уверенности; для других языков рекомендуется маршрутизатор семейства Laya. Репозиторий содержит GGUF F32 и safetensors; лицензия — Apache-2.0.

LEALLA-base — компактная многоязычная модель эмбеддингов предложений семейства BERT, созданная как часть коллекции LEALLA и дистиллированная из LaBSE. Версия перенесена из v1 модели на TensorFlow Hub; PyTorch-версия, согласно карточке, выдаёт эквивалентные эмбеддинги. Модель предназначена для преобразования предложений в векторы, сравнения их семантической близости и поиска соответствующих текстов на разных языках. Она поддерживает 109 языков и подходит, например, для многоязычного поиска по парам текстов. Размер составляет 110,4 млн параметров, максимальная длина контекста — 512 токенов. Для некоторых языков, в частности японского, при сравнении эмбеддингов могут потребоваться более высокие допуски. Подробности обучения, оценки и метрик приведены в исходной научной статье. Лицензия — Apache-2.0.

LightOn-rerank-PW-2B — мультимодальная модель-реранкер от LightOn на базе Qwen/Qwen3.5-2B. Это точечный cross-encoder: он отдельно оценивает соответствие каждого текстового фрагмента или изображения страницы документа запросу и возвращает оценку logit(«Yes») − logit(«No»). Модель предназначена для второго этапа поиска после BM25, векторного поиска или retrieval-моделей семейства ColPali. Модель содержит около 2,2 млрд параметров, использует архитектуру Qwen3.5 с линейным и полным вниманием и принимает текстовый запрос вместе с текстовым документом либо изображением страницы. Она совместно дообучена на текстовых и визуальных данных; веса адаптера LoRA объединены с основной моделью. Обучение проводилось на английском языке, французский поддерживается благодаря мультиязычной базовой модели и работает без отдельного дообучения. Модель рассчитана на быстрое независимое ранжирование кандидатов и показала улучшение результатов поиска по тексту и визуальным документам в описанных в карточке тестах. Для работы требуются Transformers версии 5.4.0 или новее; для использования через Sentence Transformers также нужна версия 5.4.0 или новее. Модель распространяется по лицензии Apache-2.0.

ByteDance ListConRanker — плотная модель ранжирования текстов на основе архитектуры BERT, разработанная ByteDance. Она предназначена для спискового переранжирования: по запросу модель сравнивает несколько пассажей и упорядочивает их по релевантности. Для сопоставления пассажей используется модуль ListTransformer, который учитывает глобальные контрастивные отношения между ними, а ListAttention помогает сохранять признаки запроса. Обучение проводилось в два этапа с Circle Loss на данных примерно из 2,6 млн запросов и нескольких наборов данных, включая cMedQA, MMarcoReranking, T2Reranking, Huatuo, MARC, XL-Sum и CSL. Модель содержит 424,3 млн параметров, принимает текст и имеет контекстное окно 512 токенов. В README приведены результаты на задачах переранжирования, включая медицинские наборы данных и MMarcoReranking. При обучении на запрос обрабатывали около 20 пассажей; при использовании с существенно большими списками возможны ограничения по памяти и качеству. Авторы отдельно предупреждают, что стратегия усечения в sentence-transformers может не соответствовать устройству модели и снижать качество. Лицензия в предоставленных данных не указана.

llama-embed-mamba2-1.3b — модель векторных представлений текста, разработанная Dynatrace Open Source на основе state-spaces/mamba2-1.3b. Она воспроизводит процедуру обучения e5-mistral-7b-instruct и предназначена для поиска по смыслу, кластеризации, классификации и других задач сравнения текстов. Модель использует рекуррентную архитектуру Mamba-2, содержит 2,9 млрд параметров и выдаёт эмбеддинги. Вертикальная обработка блоками позволяет выполнять инференс с постоянным потреблением памяти независимо от длины последовательности; вычислительная сложность при этом линейна по длине входа. В README приведены результаты MTEB Multilingual v2 — 55,2, MTEB English v2 — 64,3 и LongEmbed — 40,8. Модель принимает текст и предназначена для многоязычных задач, с отдельно приведёнными результатами для английского языка; основной язык не выделен. Для длинных входов требуется вертикальная обработка блоками, а для использования указана зависимость от transformers версии 5.5.0 или новее. Лицензия — Apache-2.0; обучение частично использовало синтетические данные, созданные Llama 3.1 70B.

BAAI/LLARA-beir — текстовая модель семейства LLaMA, разработанная BAAI для получения эмбеддингов и оценки смыслового сходства предложений. В проекте LLARA представлены подходы EBAE (Embedding-Based Auto-Encoding) и EBAR (Embedding-Based Auto-Regression); репозиторий ссылается на статью и GitHub проекта. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов. Модель подходит для поиска по смыслу, сопоставления предложений и других задач, где нужны текстовые эмбеддинги. Доступны веса в формате safetensors; лицензия — MIT. В карточке не приведены сведения о поддерживаемых естественных языках и специализированных областях применения.

Карточка модели cfli/LLARA-beir на Hugging Face совпадает с карточкой BAAI/LLARA-beir, поэтому описание составлено по ней. BAAI/LLARA-beir — текстовая модель семейства LLaMA, разработанная BAAI для получения эмбеддингов и оценки смыслового сходства предложений. В проекте LLARA представлены подходы EBAE (Embedding-Based Auto-Encoding) и EBAR (Embedding-Based Auto-Regression); репозиторий ссылается на статью и GitHub проекта. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов. Модель подходит для поиска по смыслу, сопоставления предложений и других задач, где нужны текстовые эмбеддинги. Доступны веса в формате safetensors; лицензия — MIT. В карточке не приведены сведения о поддерживаемых естественных языках и специализированных областях применения.

BAAI/LLARA-passage — текстовая модель семейства LLaMA, разработанная BAAI для создания эмбеддингов и оценки сходства предложений и текстовых фрагментов. Проект описывает подходы EBAE (Embedding-Based Auto-Encoding) и EBAR (Embedding-Based Auto-Regression); репозиторий passage предназначен для работы с пассажами текста. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов. Она подходит для поиска и сопоставления текстов по смыслу, а также извлечения признаковых представлений. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. По имеющимся сведениям, модель работает с текстом; заявленные поддерживаемые задачи также включают генерацию текста. README отсылает за подробностями к статье и репозиторию проекта, поэтому конкретные языки обучения и ограничения качества не описаны.

LLARA-pretrain — модель семейства LLaRA от BAAI, представленная в проекте LLARA. В карточке проекта описаны подходы EBAE (автоэнкодирование на основе эмбеддингов) и EBAR (авторегрессия на основе эмбеддингов). Это плотная причинно-языковая модель LlamaForCausalLM с 6,6 млрд параметров и контекстом до 4096 токенов. Модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений; метаданные также указывают поддержку извлечения признаков и генерации текста. Её можно применять для поиска семантически близких фраз и построения эмбеддинговых представлений текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.