I.11Классификация, ранжирование и сопоставление

yahyaabd/allstats-search-miniLM-v1-5 — модель Sentence Transformer, созданная дообучением sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на парах запросов и документов из набора query-hard-pos-neg-doc-pairs-statictable. Архитектура основана на BERT; модель преобразует предложения и абзацы в плотные векторы размерности 384 и предназначена для семантического поиска и сравнения текстов по косинусному сходству. Модель подходит для поиска документов по запросу, оценки семантического сходства, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Датасет содержит примеры запросов и документов, в том числе на индонезийском языке; базовая модель многоязычная. README указывает максимальную длину последовательности 128 токенов, тогда как метаданные каталога — контекст 512 токенов. В репозитории используются веса safetensors и библиотека sentence-transformers; параметров — 124,3 млн. Лицензия в предоставленных данных не указана.

Arabic-SBERT-100K — модель Sentence Transformers, разработанная автором репозитория и дообученная на базе aubmindlab/bert-base-arabertv02. Она преобразует арабские предложения и абзацы в плотные векторы размерностью 768, пригодные для сравнения по косинусному сходству. Архитектура включает BERT-трансформер и усреднение токенных представлений; максимальная длина последовательности — 512 токенов. Модель предназначена для поиска семантически близких текстов и парафраз, оценки сходства предложений, кластеризации и классификации текста. Обучение проводилось на 75 тысячах триплетов из набора akhooli/arabic-triplets-1m-curated-sims-len с использованием MatryoshkaLoss. Она рассчитана на арабский язык; README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Samizie/avia-MiniLM-L12-v2 — модель Sentence Transformers на архитектуре BERT, разработчик описывает её как модель для преобразования предложений и абзацев в плотные векторы размерности 384. Она подходит для поиска семантически близких текстов, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. Вектор формируется усреднением токенных представлений; для сравнения README рекомендует косинусное сходство. Максимальная длина входа — 512 токенов. Модель принимает текст и выдаёт эмбеддинги; в метаданных также заявлена задача sentence-similarity. В репозитории указаны веса safetensors и около 40 млн параметров. Лицензия в предоставленных сведениях не указана.

basal-1.0-1.5B — польская и английская модель для классификации решений, разработанная автором репозитория Remek и дистиллированная из basal-1.0-4.5B. Это компактная инструкционная модель семейства Llama с 1,5 млрд параметров и контекстом до 8192 токенов; она принимает описание состояния и вопрос с вариантами ответа и оценивает допустимые варианты, включая выбор, ответ «да/нет» и числовую оценку. Модель предназначена для динамической классификации без переобучения: категории и правила задаются в запросе. Примеры применения — маршрутизация обращений и документов, проверка соответствия правилам и политике, оценка срочности или риска, выбор агента или инструмента и предварительная сортировка случаев по порогу уверенности. Вместо обычной генерации текста модель вычисляет распределение вероятностей по вариантам за один проход; усреднение предсказаний при прямом и обратном порядке вариантов помогает уменьшить чувствительность к их порядку. По оценке автора, версия 1,5B уступает версии 4,5B в точности, но обеспечивает примерно вдвое меньшую задержку и в 2,5 раза большую пропускную способность при половинном потреблении памяти. Модель поддерживает польский и английский языки и распространяется по лицензии Apache 2.0. Перед применением на собственных данных рекомендуется отдельная проверка и настройка порогов уверенности; решения с серьёзными последствиями следует проверять человеком.

Карточка модели culudamar/baseline-test-model на Hugging Face совпадает с карточкой sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, поэтому описание составлено по ней. paraphrase-multilingual-MiniLM-L12-v2 — модель Sentence-Transformers, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 384, предназначенные для сравнения смысловой близости. Модель построена на архитектуре BERT с 12 слоями MiniLM; объём составляет 124,3 млн параметров, а максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, поиска похожих формулировок и кластеризации текстов. Она поддерживает много языков, включая русский, и может сопоставлять предложения на разных языках. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель распространяется по лицензии Apache-2.0. Векторы фиксированной размерности и лимит в 512 токенов ограничивают представление длинных документов; для абзацев и документов обычно требуется разбиение на фрагменты.

REDSOULTM/baxy-router-encoder-ft — дообученная модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT и преобразует предложения и абзацы в плотные векторы размерности 384; сходство между текстами оценивается косинусной метрикой. Модель обучена на 11 808 парах текстов с помощью MultipleNegativesRankingLoss. README указывает максимальную длину последовательности 128 токенов, а метаданные — контекст 512 токенов. Модель предназначена для семантического поиска, сравнения сходства и перефразирований, кластеризации и классификации текста. Примеры обучающих пар охватывают команды для управления настольным компьютером на нескольких языках, в том числе сопоставление короткой команды с более развёрнутым описанием действия. Веса доступны в форматах Safetensors и ONNX; для применения подходят Sentence Transformers и Text Embeddings Inference. Лицензия в предоставленных данных не указана.

BERT-G1 — модель на архитектуре BERT, опубликованная пользователем reasonwang. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель обучена с использованием MultipleNegativesRankingLoss и косинусного сходства; размер составляет 136,7 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для получения эмбеддингов текста и задач поиска или группировки текстов по смыслу. Для работы доступны Sentence-Transformers и Transformers; при использовании Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. В репозитории указаны веса safetensors. Языки обучения и лицензия в предоставленных данных не указаны.

Это англоязычная модель Sentence Transformer, созданная sobamchan путём дообучения google-bert/bert-large-uncased на наборе all-nli. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысла текстов по косинусному сходству. Архитектура состоит из BERT Large и усредняющего пулинга токенов; число параметров — 433,9 млн, максимальная длина входа — 512 токенов. Модель поддерживает Matryoshka-представления размерности 1024, 768, 512, 256, 128 и 64. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и получения признаков для классификации текста. В README приведена оценка на sts-dev: Spearman correlation по косинусному сходству — 0,8311. Модель рассчитана на английский язык; её карточка не подтверждает качество для других языков. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2, дообученная автором abdulrehman1998 для сопоставления предложений и абзацев. Она использует XLM-RoBERTa с mean pooling и формирует плотные векторы размерности 768; сходство текстов оценивается косинусной близостью. Метаданные указывают 305,2 млн параметров и контекст до 514 токенов, тогда как README задаёт максимальную длину последовательности 128 токенов. Модель подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации. Обучение описано на 4 001 примере с MultipleNegativesRankingLoss; README также упоминает 998 оценочных примеров. По базовой модели она многоязычная, однако конкретный набор языков этого чекпойнта в карточке не подтверждён. Лицензия в предоставленных данных не указана.

Ductratra/BGE_M3_v2 — модель Sentence Transformer на архитектуре XLM-RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024; сходство между текстами можно оценивать косинусной мерой. Модель рассчитана на последовательности длиной до 8192 токенов. Её можно применять для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. В репозитории указаны веса safetensors и библиотека sentence-transformers. Лицензия и конкретные обучающие данные в предоставленных сведениях не описаны.

BAAI/bge-reranker-base — компактная модель-реранкер семейства BGE, разработанная BAAI. Она использует архитектуру XLM-RoBERTa с классификационной головой и содержит около 305,2 млн параметров. Модель принимает запрос вместе с текстовым фрагментом и оценивает их релевантность, что позволяет повторно упорядочивать документы, найденные на первом этапе поиска. Основной сценарий — улучшение поисковой выдачи и RAG: после извлечения кандидатов из индексатора реранкер пересчитывает релевантность пар «запрос — документ». Это кросс-энкодер, который обычно точнее ранжирует кандидатов, чем один лишь поиск по эмбеддингам, но требует отдельного вычисления для каждой пары. Контекст ограничен 514 токенами. В карточке указаны английский и китайский языки; README также описывает модель как предназначенную для китайского и английского языков. Доступны форматы PyTorch, Safetensors и ONNX. Модель распространяется по лицензии MIT. Оценка релевантности не ограничена фиксированным диапазоном, поэтому её следует интерпретировать для ранжирования, а не как калиброванную вероятность. Для длинных текстов учитывайте ограничение контекста; BAAI указывает, что более новые реранкеры поддерживают более длинные входы и больше языков.

Это GGUF-конверсия модели BAAI/bge-reranker-base, первоначально разработанной BAAI и подготовленной для запуска через движок CrispEmbed. Модель представляет собой cross-encoder reranker для английского и китайского языков: она оценивает соответствие запроса и текстового кандидата и предназначена для переранжирования результатов поиска, семантического поиска и других задач сопоставления текстов. Формат GGUF позволяет использовать её через ggml-совместимую инфраструктуру без Python и ONNX. Модель построена на архитектуре BERT и содержит 278 млн параметров, 12 слоёв, размерность представлений 768, CLS-pooling и токенизатор WordPiece. Доступны варианты F32 размером около 1066 МБ, Q8_0 размером около 287 МБ и Q4_K размером около 247 МБ; квантованные версии требуют меньше памяти, но используют приближённое числовое представление. Указанный контекстный размер в README отсутствует. Конверсия и квантование не изменяли архитектуру, словарь или заявленные возможности исходной модели; заявлена побитная эквивалентность с реализацией Hugging Face с косинусным сходством не менее 0,999 на тестовых текстах. Для инференса модель рассчитана на CrispEmbed, включая локальный и серверный режимы. Распространяется по лицензии MIT, при этом условия исходной модели BAAI/bge-reranker-base остаются определяющими.

Это ONNX-конверсия BAAI/bge-reranker-large, подготовленная для запуска на GPU с оптимизациями уровня O4 через Optimum. Модель на архитектуре XLM-RoBERTa с 658,7 млн параметров предназначена для оценки релевантности пары текста и ранжирования результатов поиска. Модель принимает текстовые пары и выдаёт оценку, которую можно использовать для сортировки документов или ответов по релевантности запросу. Указанное в метаданных ограничение контекста — 514 токенов. Репозиторий содержит ONNX-формат; лицензия — MIT.

BAAI/bge-reranker-v2.5-gemma2-lightweight — мультиязычная модель-реранкер от BAAI, построенная на Gemma 2 9B. Она принимает запрос и текстовый фрагмент и оценивает их релевантность; оценку можно преобразовать в диапазон [0, 1] с помощью сигмоиды. Модель также поддерживает сравнение смысла двух фрагментов или запросов и выявление противоречия между аргументами. Для снижения вычислительных затрат применяются сжатие токенов и сокращение слоёв, по отдельности или вместе. В README сообщается о результатах уровня SOTA на наборах BEIR и MIRACL; для одной конфигурации указана экономия 60% FLOPs. Метаданные указывают 9 млрд параметров и контекст 8192 токена. Модель предназначена для повторного ранжирования результатов поиска и оценки семантической релевантности в многоязычных сценариях. Лицензия — Gemma. Доступность весов в safetensors подтверждена метаданными. README не приводит конкретный перечень поддерживаемых языков и не описывает ограничения качества; использование требует учитывать лицензионные условия Gemma и вычислительные потребности модели.

Это экспортированная в формат ONNX модель BAAI/bge-reranker-v2-m3, опубликованная пользователем rozgo. Она предназначена для оценки релевантности пар «запрос — документ» и ранжирования найденных текстов, например в поиске и системах RAG. В основе лежит архитектура XLM-RoBERTa с классификационной головой; размер составляет 658,7 млн параметров, заявленный контекст — до 8194 токенов. README подтверждает экспорт оптимизированной модели через Optimum в ONNX с opset 13. Модель подходит для повторной сортировки результатов текстового поиска после первичного извлечения кандидатов. Метаданные указывают на языковое семейство XLM-RoBERTa, но конкретный перечень поддерживаемых языков не приведён. Лицензия в предоставленных данных не указана.

unsloth/bge-small-en-v1.5-GGUF — это GGUF-версия модели bge-small-en-v1.5, предназначенной для получения векторных представлений англоязычных текстов. Она относится к классу sentence-transformers и задачам feature extraction и sentence similarity, поэтому подходит для семантического поиска, сопоставления похожих предложений, классификации, кластеризации и reranking. Разработчик базовой модели в предоставленных данных не указан; модель опубликована в репозитории unsloth. Модель ориентирована на английский язык. Точные сведения об архитектуре, количестве параметров, размерности эмбеддингов, максимальной длине контекста и поддерживаемых модальностях в README не приведены. Формат GGUF предполагает использование конвертированной версии модели, однако конкретный вариант квантования также не указан. В README приведены результаты на бенчмарке MTEB: модель демонстрирует применимость к классификации, поиску, кластеризации, reranking и оценке семантического сходства; например, accuracy на AmazonPolarity составляет 92,75%, а cosine similarity Spearman на BIOSSES — 83,75%. Эти показатели характеризуют тестовые наборы и не гарантируют аналогичное качество на других данных. Сведения о лицензии и условиях использования отсутствуют.

teven/bi_all_bs320_vanilla_finetuned_WebNLG2020_relevance — модель эмбеддингов на архитектуре MPNet, созданная на базе Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки семантической близости, поиска и кластеризации текстов. Модель содержит 136,7 млн параметров, принимает текст и имеет контекст до 514 токенов. Модель дообучена с использованием CosineSimilarityLoss; название указывает на обучение для оценки релевантности на данных WebNLG2020. Подходит для семантического поиска и ранжирования текстовых фрагментов по сходству. Опубликована в формате PyTorch. Лицензия в предоставленных данных не указана.

BiCA-Base — модель Sentence Transformer, разработанная Bisect Group и дообученная на базе thenlper/gte-base для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерности 768 и предназначена для семантического сходства, поиска и других задач сравнения текстов. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Для сравнения векторов используется косинусное сходство; среди подходящих сценариев — поиск парафраз, кластеризация и классификация текстов. Указана лицензия MIT.

quangtqv/bi_encoder_tool_learning_backbone_14_6 — модель Sentence Transformer на архитектуре BERT, преобразующая предложения и абзацы в нормализованные плотные векторы размерности 768. Она предназначена для сравнения семантического сходства, семантического поиска, поиска перефразировок, классификации текста и кластеризации; сходство векторов можно оценивать косинусной мерой. Модель принимает текстовые последовательности длиной до 512 токенов. В архитектуре используются BERT, pooling по CLS-токену и нормализация выходного вектора. В метаданных указано 136,7 млн параметров; веса опубликованы в формате safetensors. README описывает обучение модели, но не сообщает базовую модель, набор данных или языки, поэтому её языковую специализацию установить нельзя. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformers, дообученная разработчиком BjarneNPO на базе FacebookAI/xlm-roberta-base. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между текстами оценивается косинусной мерой. Архитектура состоит из XLM-RoBERTa с усреднением токенных представлений, число параметров — 305,2 млн, максимальная длина последовательности — 512 токенов (514 токенов нативного контекста по метаданным). Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В карточке приведены обучающие пары «запрос — ответ» объёмом 72 349 примеров и примеры на немецком языке, однако языковая поддержка явно не перечислена. Лицензия в предоставленных данных не указана.

BOOM_4B_v1 — модель текстовых эмбеддингов, разработанная командой ICT-TIME-and-Querit на основе Qwen3-4B. Она предназначена для получения векторных представлений текста в задачах поиска, сравнения смысловой близости, классификации, кластеризации и ранжирования. Модель объединяет несколько эмбеддинг-моделей, обученных на выборках данных разного состава, методом Multi-SLERP; для представления используется последний токен. В репозитории указаны 3,7 млрд параметров, контекст до 40 960 токенов и формат safetensors. Модель обучена на общих текстовых данных: в карточке перечислены наборы для поиска информации, ранжирования, классификации, кластеризации и семантического сходства. Среди практических сценариев — семантический поиск по документам, поиск ответов на вопросы и оценка близости текстов. README сообщает об обучении на английских и общих данных, но не подтверждает отдельную языковую специализацию. Карточка указывает лицензию Apache-2.0, допускающую использование и распространение при соблюдении её условий.

NbAiLab/borealis-embed-212m — текстовая модель эмбеддингов, разработанная NbAiLab на архитектуре Gemma3Text. Она предварительно обучена с нуля на открытой части данных Aurora 2604, затем дообучена как Sentence Transformer с усредняющим pooling. Модель преобразует предложения и абзацы в плотные векторы размерности 768, которые сравниваются по косинусному сходству. Модель предназначена для семантического поиска, извлечения релевантных фрагментов, ранжирования и поддержки классификации текста. Она рассчитана прежде всего на норвежский букмол и нюношк, а также поддерживает шведский, датский и английский. Максимальная длина входа составляет 8192 токена; при дообучении использовалась длина 2048 токенов. В метаданных указано 211,6 млн параметров и библиотека Sentence Transformers. В README приведены результаты оценки на скандинавском бенчмарке эмбеддингов и тестах поиска по длинному контексту; модель показала улучшение относительно указанных версий nb-sbert. Она не генерирует текст: выходом являются векторы для последующего поиска или сравнения. Лицензия — NB-license.

danfeg/CAMeL_Finetuned-EN-500 — модель на базе BERT, дообученная как sentence-transformers для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для вычисления семантического сходства, семантического поиска и кластеризации текстов. Модель содержит 136,3 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт эмбеддинги. По названию и карточке она ориентирована на английский язык; лицензия в предоставленных данных не указана.

RinTrin/climate-tech-0.8316 — модель Sentence Transformers на базе BERT, разработанная автором репозитория RinTrin. Она преобразует предложения и абзацы в плотные векторы размерностью 384 для поиска по смыслу, сравнения текстов и кластеризации. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов; модель распространяется в формате PyTorch. Модель подходит для построения семантического поиска и группировки текстов по сходству. В карточке также указано обучение с CosineSimilarityLoss. README не сообщает поддерживаемые естественные языки и лицензию, поэтому их нельзя определить по доступным данным.

Это Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, дообученный для сопоставления предложений и абзацев. Модель разработана автором репозитория easonanalytica и преобразует текст в плотные векторы размерности 384; сходство можно оценивать косинусной мерой. Архитектура включает BertModel и усреднение токеновых представлений. README указывает максимальную длину последовательности 128 токенов, а метаданные — контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразирований, кластеризации и классификации текста. Она дообучена с ContrastiveLoss на 55 205 парных примерах. Поддерживает многоязычное представление текста благодаря базовой модели. Репозиторий содержит веса в формате safetensors и использует библиотеку Sentence Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

perceptiveshawty/compositional-bert-large-uncased — англоязычная модель на архитектуре BERT Large без учёта регистра, разработанная пользователем или организацией perceptiveshawty для оценки семантического сходства предложений. Модель предназначена для сравнения текстов, поиска похожих предложений и построения систем семантического сопоставления. Модель содержит около 433,9 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 512 токенов. В качестве источников обучения указаны datasets-for-compcse и datasets-for-simcse. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0.

Это Sentence Transformer, дообученный автором samsartor на базе Qwen/Qwen3-Embedding-0.6B для сравнения смысловой близости текстов. Модель преобразует предложения и абзацы в плотные векторы размерности 1024; сходство оценивается косинусной мерой. Архитектура включает Qwen3Model, пулинг последнего токена и нормализацию векторов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Максимальная длина последовательности — 32 768 токенов. Для обучения указаны 5 022 парных примера и ContrastiveLoss. Метаданные описывают базовую Qwen3-Embedding-0.6B как многоязычную модель; конкретный набор поддерживаемых языков этой версии не уточнён. Лицензия в предоставленных данных не указана.

teven/cross_all_bs320_vanilla_finetuned_WebNLG2020_relevance — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска семантически близких текстов, кластеризации и сопоставления релевантности. Модель предназначена для векторного поиска и других задач, где нужно сравнивать смысл текстов; для работы подходят Sentence-Transformers и Transformers с соответствующей операцией pooling. Максимальная длина контекста составляет 514 токенов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

CrossGemma-sts-300m — кросс-энкодер для оценки семантического сходства двух текстов, созданный на основе google/embeddinggemma-300m и дообученный dleemiller. Модель принимает пару текстов и выдаёт оценку сходства от 0 до 1: более высокое значение означает более близкий смысл. Модель предназначена для ранжирования и сравнения текстовых пар, оценки ответов языковых моделей и семантического поиска. Она содержит около 303 млн параметров, использует архитектуру Gemma 3 Text для классификации последовательностей и обрабатывает до 2048 токенов. В README указаны результаты на STS-Benchmark: корреляция Пирсона 0,9175 и Спирмена 0,9135. Обучение включало данные wiki-sim и sentence-transformers/stsb; оценка качества на других данных не приведена. Лицензия — Apache-2.0.

Contextual AI разработала Contextual AI Reranker V2 Instruct Multilingual — инструкционную модель для повторного ранжирования текстовых документов. Она оценивает релевантность документов запросу и может учитывать дополнительные указания, например отдавать приоритет более свежим сведениям или разрешать противоречия между результатами поиска. Модель рассчитана на многоязычный поиск, ответы на вопросы по найденным материалам, поиск товаров и рекомендации. Она основана на плотной архитектуре Qwen3ForCausalLM, содержит 2 млрд параметров и принимает текстовые запросы, инструкции и документы. В метаданных указан контекст до 262 144 токенов; README заявляет поддержку контекстов до 32 000 токенов и более 100 языков. Модель возвращает оценки релевантности, где более высокий балл означает более подходящий документ. Лицензия CC BY-NC-SA 4.0 требует атрибуции и распространяет производные материалы на тех же условиях, а также ограничивает коммерческое использование.