I.11Классификация, ранжирование и сопоставление

tessimago выпустил англоязычную модель Sentence Transformers, дообученную на базе BAAI/bge-large-en-v1.5. Она использует архитектуру BERT с пулингом CLS-токена и нормализацией и преобразует предложения и абзацы в плотные эмбеддинги размерностью 1024; максимальная длина входа — 512 токенов. Обучение проводилось на 1 024 парах текстов с функциями MatryoshkaLoss и MultipleNegativesRankingLoss. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. Обучение с MatryoshkaLoss позволяет использовать укороченные векторы: в карточке приведены оценки поиска при размерностях от 64 до 768. Указанная лицензия — Apache-2.0. Карточка приводит метрики InformationRetrievalEvaluator для отдельных конфигураций, но не описывает набор данных оценки, поэтому эти результаты не следует считать гарантией качества в конкретной прикладной задаче.

BAAI/bge-large-zh-v1.5 — модель эмбеддингов семейства BGE, разработанная Beijing Academy of Artificial Intelligence (BAAI). Она преобразует китайский текст в плотные векторные представления для поиска и сравнения текстов; версия v1.5 улучшает распределение оценок сходства и позволяет выполнять поиск без инструкции к запросу. Модель построена на архитектуре BERT, содержит 424,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска по документам, поиска ответов для RAG-систем и сопоставления запросов с текстами. Эмбеддинги можно использовать для получения первичного списка кандидатов, а затем уточнять ранжирование отдельной моделью BGE Reranker. В README семейство BGE описано для китайского и английского языков, однако эта конкретная модель рассчитана прежде всего на китайский. Сходство между эмбеддингами не следует трактовать как универсальную вероятность: в README отмечено, что оценки несхожих предложений могут быть выше 0,5. Репозиторий использует формат PyTorch и лицензию MIT.

BGE-M3 Bangla Cross-Script Fine-tuned — дообученная Md Nahid Hasan модель BAAI/bge-m3 для семантического поиска по текстам на бенгальском языке и сопоставления разных вариантов записи. Модель на архитектуре XLM-RoBERTa содержит 658,7 млн параметров, принимает текст и формирует эмбеддинги для поиска и сравнения сходства предложений. В карточке указано контекстное окно 8194 токена; используется библиотека sentence-transformers. Модель рассчитана на сопоставление текста на бенгальском письме, романизированного Banglish, смешанного бенгальско-английского текста, разговорных и содержащих опечатки запросов, а также английского текста с тем же смыслом. Подходит для поиска по FAQ и документам, межскриптового извлечения информации, подготовки контекста для RAG, кластеризации и дедупликации. В приведённых результатах дообученная версия улучшает кросс-скриптовое сходство относительно базовой BGE-M3. Ограничения: обучение преимущественно ориентировано на домены Бангладеш; модель не оптимизирована для длинных документов, а сходство формального и разговорного бенгальского несколько снизилось. Лицензия — MIT.

seongil-dn создал Sentence Transformer на архитектуре XLM-RoBERTa для получения плотных векторных представлений предложений и абзацев. Модель формирует эмбеддинги размерностью 1024 и рассчитана на последовательности длиной до 8192 токенов; векторный выход нормализуется, а для сравнения рекомендуется косинусное сходство. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Название репозитория указывает на настройку для финансовых, книжных и научных текстов, однако карточка не раскрывает подробности обучающих данных и оценки качества. В метаданных указана лицензия; конкретные условия следует сверить с лицензией репозитория.

Модель seongil-dn/bge-m3-kor-retrieval-bs1024-checkpoint-295 — дообученная версия BAAI/bge-m3 на базе Sentence Transformers, созданная для получения плотных векторных представлений предложений и абзацев. Архитектура XLM-RoBERTa с пулингом CLS-токена и нормализацией; размерность эмбеддингов — 1024. В метаданных указан размер модели 658,7 млн параметров, библиотека Sentence Transformers и нативный контекст до 8194 токенов; карточка модели заявляет максимальную длину последовательности 1024 токена. Эмбеддинги можно использовать для семантического поиска и сравнения текстов по косинусному сходству, поиска перефразировок, кластеризации и классификации текстов. Модель дообучена с CachedMultipleNegativesRankingLoss; название и описание репозитория указывают на корейский retrieval-сценарий, однако конкретные данные обучения и оценки качества не приведены. Лицензия в предоставленных данных не указана.

Это дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная автором репозитория seongil-dn. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения сходства текстов, поиска перефразировок, кластеризации и классификации. Архитектура основана на XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов; модель использует косинусное сходство. В README указан предел последовательности 1024 токена, а метаданные каталога указывают контекст до 8194 токенов. Модель подходит для построения текстового поиска и группировки похожих фрагментов. Базовая BGE-M3 ориентирована на многоязычный семантический, лексический и гибридный поиск; отдельная языковая специализация этой версии не подтверждена. Размер модели — 658,7 млн параметров. В метаданных указана лицензия? Информация о лицензии в предоставленных данных отсутствует, поэтому условия использования установить нельзя.

harheem/bge-m3-nvidia-ko-v1 — модель Sentence Transformers, дообученная на базе BAAI/bge-m3 для создания векторных представлений предложений и абзацев. Она использует архитектуру XLM-RoBERTa с плотным выходом, нормализацией и косинусным сравнением; полная размерность эмбеддинга составляет 1024, а максимальная длина входной последовательности — 8194 токена по метаданным (в README указано 8192). Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. Карточка описывает обучение на 6397 парах «якорь — положительный пример» с матрёшечной функцией потерь и приводит показатели поиска для сокращённых размерностей от 64 до 768. В примерах обучающих данных есть корейские тексты о CUDA и NVIDIA, тогда как README заявляет английский язык; метаданные также помечают корейский. Модель принимает текст и выдаёт векторы; лицензия Apache-2.0. Карточка не описывает ограничения по предметной области или оценку работы на иных языках и типах данных, поэтому качество вне приведённых сценариев следует проверять отдельно.

rjnClarke/bgem3-shakespeare_st_3 — модель Sentence Transformer, дообученная на базе BAAI/bge-m3. Она использует трансформер XLM-RoBERTa с пулингом CLS и нормализацией и преобразует предложения и абзацы в плотные векторы размерности 1024; сходство можно оценивать косинусной мерой. Максимальная длина входа — 8192 токена. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск похожих фраз, подбор перефразировок, кластеризацию и классификацию текстов на основе эмбеддингов. В README приведена оценка на задаче информационного поиска, однако назначение дообучения именно для текстов Шекспира и языки обучающих данных в доступных сведениях не раскрыты. Модель принимает текст и выдаёт векторы; она не генерирует ответы. Лицензия в предоставленных данных не указана.

Карточка модели TigerByteCyber/bge-m3-zeroshot-v2.0 на Hugging Face совпадает с карточкой MoritzLaurer/bge-m3-zeroshot-v2.0, поэтому описание составлено по ней. MoritzLaurer/bge-m3-zeroshot-v2.0 — модель нулевой классификации текста, разработанная Moritz Laurer и дообученная на базе BAAI/bge-m3-retromae. Она использует архитектуру XLM-RoBERTa с классификационной головой и определяет, следует ли считать гипотезу истинной или неистинной относительно входного текста; этот формат NLI позволяет формулировать задачу как выбор одной или нескольких меток без обучающих примеров. Модель содержит 658,7 млн параметров, принимает текстовые входы длиной до 8194 токенов и доступна в форматах Safetensors и ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов по заданным пользователем категориям на CPU или GPU. В оценке на 28 задачах классификации автор сообщает средний macro-F1 0,59 для zero-shot режима; результаты зависят от формулировок гипотез и меток. Модель поддерживает многоязычные сценарии, хотя README не приводит список конкретных языков. Ограничение модели — работа только с классификацией текста; возможны смещения из базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT.

bge-micro — компактная модель эмбеддингов предложений на базе архитектуры BERT, опубликованная TaylorAI. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 18,8 млн параметров, использует контекст длиной до 512 токенов и доступна в форматах PyTorch, safetensors и ONNX. Модель дистиллирована из TaylorAI/bge-small-en-v1.5 и предназначена для сценариев, где важны небольшие вычислительные затраты при сохранении качества эмбеддингов, близкого к all-MiniLM-L6-v2. Она ориентирована на английский язык. Лицензия в предоставленных данных не указана.

Это англоязычная embedding-модель BGE Small English v1.5, разработанная BAAI и преобразованная в формат GGUF пользователем ChristianAzinn. Модель построена на архитектуре BERT и предназначена для получения векторных представлений текста, вычисления семантического сходства, поиска и извлечения признаков. Она поддерживает библиотеку sentence-transformers и совместима с llama.cpp и LM Studio при указанных версиях. Модель работает с английским языком и поддерживает контекст до 512 токенов. Доступны варианты с квантованием от 2 до 8 бит, а также FP16 и FP32; размеры файлов составляют примерно от 25,3 до 134 МБ. Квантованные варианты позволяют снизить требования к памяти, однако низкобитные версии могут заметно терять в качестве; в README рекомендуются Q4_K_M, Q5_K_S, Q5_K_M и Q8_0 в зависимости от приоритета между размером и сохранением качества. Модель подходит для локального семантического поиска, ранжирования и сравнения англоязычных текстов при ограниченном контексте. Ограничениями являются поддержка только английского языка, предел контекста 512 токенов и возможная потеря качества при сильном квантовании. Лицензия модели — MIT.

jebish7/bge-small-en-v1.5_MNSR_3 — дообученная автором карточки модель Sentence Transformers на базе BAAI/bge-small-en-v1.5. Она преобразует предложения и абзацы на английском языке в плотные эмбеддинги размерности 384; архитектура включает BERT, пулинг CLS-токена и нормализацию. Модель рассчитана на семантическое сравнение текстов по косинусному сходству, семантический поиск, поиск перефразировок, кластеризацию и классификацию текстов. Максимальная длина входа — 512 токенов. В обучении использован CSV-датасет из 29 545 пар «запрос — релевантный фрагмент»; приведённые примеры относятся к финансовому регулированию ADGM, но карточка не подтверждает более широкую специализацию на этой области. Компактный размер в 40 млн параметров подходит для построения поиска и сравнения англоязычных текстов. Лицензия в предоставленных данных не указана.

Qdrant подготовила ONNX-порт модели BAAI/bge-small-en-v1.5 с квантизованными весами. Это компактная BERT-модель примерно на 40 млн параметров для получения текстовых представлений и поиска похожих предложений; в карточке также указаны задачи классификации текста и поиска сходства. Контекст ограничен 512 токенами. Модель подходит для семантического поиска, сравнения предложений и классификации текста в системах, использующих ONNX или FastEmbed. Указанная лицензия — MIT. Поскольку модель основана на англоязычной bge-small-en-v1.5, её основное применение — англоязычные тексты.

BAAI/bge-small-zh — компактная модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует текст в плотные векторы для семантического поиска, извлечения документов, кластеризации и классификации, а также для поиска по базе знаний в системах с генерацией с дополненным поиском (RAG). Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает контекст длиной до 512 токенов. Модель ориентирована на китайский язык. Векторные представления можно использовать для поиска релевантных фрагментов по короткому запросу, сравнения семантической близости текстов и индексирования документов в векторной базе данных. Для коротких запросов при поиске длинных документов авторы рекомендуют добавлять инструкцию к запросу; документы в инструкции не нуждаются. Карточка рекомендует более новую версию bge-small-zh-v1.5: у исходной версии распределение оценок сходства менее удобно для пороговой фильтрации. Значение сходства выше 0,5 само по себе не подтверждает близость текстов; порог нужно подбирать на данных целевой задачи. Модель распространяется по лицензии MIT.

BAAI/BGE-VL-base — мультимодальная модель эмбеддингов от BAAI для поиска и сопоставления изображений и текста. Она дообучена на базе openai/clip-vit-base-patch16 и относится к семейству CLIP; карточка описывает применение Sentence Transformers и Transformers. Модель кодирует текст, изображения или их сочетание в векторы, по которым можно вычислять сходство и искать подходящие изображения. В частности, она поддерживает поиск изображения по текстовому запросу, сравнение текста с изображениями и поиск по составному запросу из изображения и текстовой инструкции. Модель принимает текст и изображения, а также сочетания этих данных, и выдаёт эмбеддинги для последующего сравнения или поиска. Карточка указывает английский язык. Лицензия — MIT. Для загрузки модели в примерах требуется trust_remote_code=True.

Lajavaness/bilingual-document-embedding — модель эмбеддингов от Lajavaness для текстов на французском и английском языках. Она кодирует предложения и документы в нормализованные векторы размерностью 1024 на основе архитектуры XLM-RoBERTa и Sentence Transformers. Модель дообучена на задачах распознавания текстовых следствий и семантического сходства, включая англо-французские наборы SNLI, XNLI и STS Benchmark. Модель предназначена для семантического поиска, сопоставления текстов и кластеризации документов на английском и французском языках. В README заявлен контекст до 8096 токенов; метаданные указывают 8194 токена, а конфигурация Sentence Transformers задаёт максимальную длину последовательности 512 токенов, поэтому фактический поддерживаемый предел может зависеть от используемой конфигурации. Модель содержит 658,7 млн параметров и распространяется в формате safetensors под лицензией Apache-2.0. README не содержит результатов оценки качества.

Salesforce/blip2-itm-vit-g — модель семейства BLIP-2 для классификации изображений без предварительного обучения на заданных категориях. Она сопоставляет изображение с текстовыми описаниями или метками и позволяет выбирать наиболее подходящие варианты. Архитектура реализована классом Blip2ForImageTextRetrieval; файлы доступны в форматах PyTorch и safetensors, модель предназначена для использования с библиотекой Transformers. Модель подходит для поиска изображений по тексту и классификации изображений по наборам пользовательских меток. Карточка автоматически сгенерирована и не содержит сведений о разработчике, обучающих данных, языках или результатах оценки. В карточке указано, что выпуск предназначен для исследовательских целей и что перед внедрением следует оценивать точность, безопасность и справедливость модели. Лицензия — MIT. Модель принимает изображение и текстовые варианты для сопоставления и возвращает оценки соответствия; она не предназначена для генерации изображений.

peter2000/bmz_topics — модель эмбеддингов предложений на архитектуре XLM-RoBERTa, опубликованная автором peter2000. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. В репозитории указаны PyTorch и использование через Sentence-Transformers либо Transformers с подходящей операцией pooling; объём модели — около 305,2 млн параметров, контекст — 514 токенов. Модель обучалась с BatchHardTripletLoss. Карточка не уточняет целевые языки, обучающие данные и лицензию, поэтому пригодность для конкретного языка или домена следует проверять на собственных данных.

braza-embedding-ptbr-v1 — модель текстовых эмбеддингов, разработанная TAMZ и дообученная на базе ibm-granite/granite-embedding-97m-multilingual-r2. Она использует архитектуру ModernBERT и содержит 97,4 млн параметров. Модель рассчитана прежде всего на бразильский вариант португальского языка и корпоративную лексику: описания компаний, отрасли, географию, размер бизнеса и запросы покупателей и специалистов по продажам. Максимальная длина контекста — 8192 токена. Модель подходит для семантического поиска по данным о компаниях и деловым документам, сопоставления компаний с запросами, кластеризации и поиска дубликатов, а также для построения RAG-систем на португальском языке. В README приведены результаты MTEB для португальского языка: улучшение относительно базовой модели на ASSIN2 и SICK-BR, а также по взвешенной основной оценке. Лицензия — Apache-2.0.

ChengyouXin/cacheverifier-quora — текстовый Cross Encoder, обученный с помощью библиотеки Sentence Transformers для оценки пар текстов. Модель принимает запрос и кандидатный текст, выдаёт один числовой балл релевантности; баллы подходят для ранжирования результатов семантического поиска и других задач сравнения текстовых пар. Архитектура основана на BERT и BertForSequenceClassification, размер — 25,9 млн параметров, максимальная длина входной последовательности — 512 токенов. В README указано обучение на 11 928 примерах с колонками query, response и label и функцией потерь BinaryCrossEntropyLoss. Примеры охватывают вопросы и ответы Quora, включая перефразирования. Данных о лицензии и целевых языках в предоставленных источниках нет. Поскольку обучение заняло 19,5 секунды, качество и обобщение на другие наборы данных следует проверять для конкретного применения.

consciousAI/cai-stellaris-text-embeddings — модель эмбеддингов на базе MPNet, представленная в формате PyTorch и совместимая с 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 136,7 млн параметров, а её контекст ограничен 514 токенами. Обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Это подходит для получения векторов, пригодных для семантического поиска и группировки текстов; в README приведена ссылка на оценку в Sentence Embeddings Benchmark, но конкретные результаты не указаны. Лицензия в предоставленных данных не указана.

chowder-embed — модель Sentence Transformers, дообученная на корпусе chowder на базе sentence-transformers/allenai-specter. Она преобразует предложения и абзацы в плотные векторы размерности 768; архитектура состоит из BERT и CLS-пулинга. Модель принимает текст на английском языке, поддерживает последовательности длиной до 512 токенов, а близость векторов можно оценивать косинусным сходством. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. В карточке приведены результаты оценки на наборах NanoSCIDOCS, NanoSciFact, NanoNFCorpus, chowder-val и NanoBEIR. Обучающий набор содержит 70 764 пары anchor-positive. Лицензия в предоставленных данных не указана.

CLIP-convnext_xxlarge-laion2B-s34B-b82K-augreg-soup — мультимодальная модель семейства CLIP, обученная Ross Wightman с использованием OpenCLIP на английской подвыборке LAION-2B. Она сопоставляет изображения и текстовые описания в общем пространстве признаков и предназначена прежде всего для классификации изображений по текстовым меткам без дообучения, а также для поиска изображений по тексту и текстов по изображению. Визуальная часть построена на ConvNeXt-XXLarge из timm с проекционным слоем; текстовая часть имеет размерность 1024, 16 attention heads и 24 слоя. Вся модель содержит около 1,2 млрд параметров и обучалась на изображениях разрешением 256×256. В README указана точность 79,4% top-1 на ImageNet при zero-shot классификации. Модель рассчитана на англоязычные сценарии: обучение и оценка на других языках не проводились. В README не рекомендуют развёртывание без тщательной проверки на конкретной фиксированной таксономии классов; распознавание лиц и наблюдение прямо отнесены к недопустимым сценариям. Лицензия — MIT.

CLIP-FlanT5-XL (VQAScore) — дообученная Zhiqiu Lin и соавторами генеративная модель «зрение—язык» на основе Google Flan-T5-XL. Она предназначена для задач сопоставления изображений и текста и оценки соответствия изображения текстовому описанию в сценариях поиска и ранжирования. Модель использует архитектуру T5 и содержит 1,5 млрд параметров. Она принимает текстовые инструкции; в задачах VQAScore также использует изображения и формирует текстовый ответ или оценку соответствия. Указанный в метаданных контекст — 512 токенов, основной язык карточки — английский. Лицензия — Apache-2.0.

CLIP-GmP-ViT-L-14 — дообученная модель сопоставления изображений и текста на основе OpenAI CLIP ViT-L/14, разработанная zer0int. Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт категории словами, а модель оценивает соответствие изображения каждой категории. В карточке указано дообучение с геометрической параметризацией (GmP); в метаданных также указан датасет SPRIGHT-T2I/spright_coco. Модель использует архитектуру CLIPModel и опубликована в формате safetensors. Автор сообщает об улучшении точности на ImageNet и ObjectNet примерно до 0,90 относительно примерно 0,85 у исходной модели, однако эти результаты зависят от протокола оценки. В README исходная версия GmP названа устаревшей и уступающей более поздним вариантам автора, поэтому для использования как текстового энкодера генеративных моделей автор рекомендует другие версии. Лицензия — MIT.

Мультиязычная модель sentence-transformers для сопоставления изображений с текстом в общем плотном векторном пространстве. Разработана командой sentence-transformers на основе OpenAI CLIP-ViT-B-32: текстовый энкодер DistilBERT обучен методом мультиязычной дистилляции, а энкодер изображений CLIP оставлен без изменений. Модель подходит для поиска изображений по текстовому запросу и мультиязычной классификации изображений без дообучения: названия классов задаются текстом. Текстовая часть рассчитана на 50+ языков; для русского это позволяет искать изображения и задавать текстовые метки на русском. Контекст составляет 512 токенов. Доступны реализации и веса в форматах PyTorch, safetensors, TensorFlow, ONNX и OpenVINO. Мультиязычная версия выравнивает текстовые представления с пространством оригинального CLIP, но качество может различаться между языками: README предупреждает, что на языках за пределами набора выравнивания результаты могут быть хуже. Лицензия — Apache-2.0.

zeromodels/clip_vit_base_16 — конверсия CLIP ViT-B/16 от OpenAI в Keras 3 для библиотеки zeromodels. Модель использует парные текстовый и визуальный энкодеры, которые сопоставляют изображения и текстовые описания в общем пространстве эмбеддингов; вариант предназначен для классификации изображений без дополнительного обучения по текстовым подсказкам. Реализация работает с TensorFlow, Torch и JAX, а репозиторий содержит веса в формате TensorFlow. Модель принимает изображения и текстовые запросы при инференсе и подходит для классификации по пользовательским категориям, поиска изображений по тексту и получения совместных эмбеддингов. Для обработки рекомендуется использовать соответствующий Processor, чтобы согласовать размер изображения и токенизатор. Лицензия — MIT.

ncoop57/codeformer-java — модель Sentence-Transformers на базе RoBERTa, предназначенная для представления предложений и абзацев в виде плотных векторов размерности 768. Её можно применять для семантического поиска, сравнения текстов и кластеризации. В метаданных указано 151,8 млн параметров, контекст до 514 токенов и формат PyTorch. Модель обучалась с MultipleNegativesRankingLoss и косинусной мерой сходства. Это делает её подходящей для получения текстовых эмбеддингов и оценки семантической близости. README не уточняет языки обучающих данных и условия лицензии, поэтому языковую специализацию и лицензионные условия установить по доступным сведениям нельзя.

lealdaniel/comp-embedding-matching — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для сопоставления названий профессий и связанных с ними категорий. Она преобразует предложения и короткие тексты в плотные векторы размерности 768, нормализует их и позволяет сравнивать косинусное сходство. Архитектура включает MPNet, усредняющий пулинг токенов и нормализацию; README указывает максимальную длину последовательности 384 токена, а метаданные — контекст 514 токенов. Модель подходит для семантического поиска и ранжирования соответствий между формулировками должностей и профессиональными категориями, а также для сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В примерах обучающих и оценочных данных встречаются английские и португальские названия профессий и категорий. На тестовой выборке в README приведены значения cosine_accuracy@1 0,3202, @3 0,4547 и @5 0,5224; качество следует проверять на данных целевого сценария. Лицензия в предоставленных данных не указана.

hassaangyt разработал hassaangyt/compliance-emb-v1 — дообученную модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2. Она кодирует предложения и абзацы на английском языке в плотные векторы размерности 768 для семантического поиска и сравнения текстов; сходство оценивается косинусной мерой. Архитектура включает MPNet, усреднение токеновых представлений и нормализацию. Модель содержит 136,7 млн параметров; длина контекста по метаданным — 514 токенов.