I.11Классификация, ранжирование и сопоставление

avsolatorio/all-MiniLM-L6-v2-MEDI-MTEB-triplet-final — англоязычная модель Sentence Transformers, дообученная на базе sentence-transformers/all-MiniLM-L6-v2 для получения векторных представлений предложений и оценки их семантического сходства. Её можно применять для поиска похожих текстов, ранжирования кандидатов по близости к запросу, кластеризации и дедупликации предложений, в том числе в задачах с медицинскими и научными текстами среди обучающих данных. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и выдаёт векторы размерности 384. Для сравнения векторов используется косинусное сходство. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекстное окно 512 токенов. Модель принимает текст и возвращает эмбеддинги; заявленный язык — английский. Модель распространяется по лицензии Apache-2.0. Это энкодер предложений, а не генеративная модель: он не предназначен для свободной генерации ответов. Качество сходства зависит от домена и формулировок; длину входного текста следует учитывать с учётом ограничения README в 256 токенов.

groonga/all-MiniLM-L6-v2-Q4_K_M-GGUF — это GGUF-конверсия модели sentence-transformers/all-MiniLM-L6-v2, подготовленная репозиторием groonga с использованием llama.cpp и сервиса GGUF-my-repo от ggml.ai. Модель предназначена для извлечения признаков, вычисления сходства предложений и других задач семантического поиска и сравнения текстов. В карточке указано, что основной язык — английский. Модель создана на базе all-MiniLM-L6-v2 и поставляется в варианте квантования Q4_K_M в формате GGUF, что позволяет запускать её локально через llama.cpp, включая CLI и серверный режим. В качестве обучающих данных указаны коллекции и пары предложений из S2ORC, Stack Exchange, MS MARCO, GooAQ, Yahoo Answers, CodeSearchNet, SNLI, MultiNLI, Natural Questions, TriviaQA и других наборов. Пример запуска сервера использует контекст 2048 токенов, однако отдельные сведения о размере модели, точной архитектуре и фактическом максимальном контексте в README не приведены. К сильным сторонам относятся компактный квантованный формат, совместимость с llama.cpp и специализация на задачах семантического сходства и эмбеддингов. Ограничения включают отсутствие подробных характеристик качества, бенчмарков, перечня поддерживаемых языков помимо указанного английского и описания особенностей применения квантованной версии. Лицензия модели — Apache-2.0.

Это русскоязычная адаптация энкодера предложений sentence-transformers/all-MiniLM-L6-v2, созданная автором репозитория дообучением на датасете deepvk/ru-HNP с TripletLoss. Модель на основе BERT содержит 25,9 млн параметров и формирует плотные текстовые эмбеддинги; максимальная длина контекста — 512 токенов. Она предназначена для сравнения смысловой близости русских предложений и может использоваться для семантического поиска, сопоставления запросов с текстами и группировки похожих фраз. Модель обучалась на 20 000 валидных триплетах, где запрос выступал якорем, положительный пример — парафразом, а отрицательный — сложным непарафразом. В указанной оценке на ai-forever/rubq-retrieval дообученная модель показала более низкие Recall@5 и Recall@10, чем исходная: обучающий датасет преимущественно содержит симметричные парафразы, а оценочная задача сопоставляет короткие вопросы с документами. Поэтому качество для поисковых сценариев следует проверять на целевых данных. Модель распространяется по лицензии Apache-2.0.

KhaledReda/all-MiniLM-L6-v70-pair_score — англоязычная модель Sentence Transformers, дообученная автором на KhaledReda/all-MiniLM-L6-v69-pair_score с использованием набора пар текстов с оценками. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство векторов можно сравнивать косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений и нормализацией. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов; в README для конфигурации модели указан предел 256 токенов. Модель предназначена для семантического сравнения текстов, поиска по смыслу, выявления перефразировок, кластеризации и классификации текстов. Векторные представления можно использовать для поиска похожих предложений и абзацев или как признаки в последующих задачах. README указывает английский язык и лицензию Apache-2.0. Модель выдаёт эмбеддинги, поэтому сама по себе не генерирует ответы и качество на других языках или предметных областях не подтверждено.

dmlls/all-mpnet-base-v2-negation — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она специально настроена так, чтобы ниже оценивать семантическое сходство пар предложений, различающихся отрицанием, и подходит для поиска, кластеризации и оценки сходства текстов. Модель принимает текст и возвращает эмбеддинги; вход длиннее 384 токенов SentencePiece обрезается. В метаданных указаны MPNet, 136,7 млн параметров и контекст до 514 токенов. Модель дообучена на наборе CANNOT с контрастивной целью в рамках исследования оценки генерации с учётом отрицания. Лицензия — Apache-2.0. Основная область применения — англоязычные тексты; результаты на других языках в карточке не описаны.

Модель ashwinpatti/all-mpnet-base-v2_political_view_ft-legal-ft-v0 — дообученная версия Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, разработанная автором репозитория ashwinpatti. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, оценки сходства и сопоставления перефразировок. В README также перечислены кластеризация и классификация текстов как возможные сценарии использования. Модель построена на MPNet с усреднением токенных представлений и нормализацией векторов; сходство оценивается косинусной мерой. Метаданные указывают 136,7 млн параметров и контекст до 514 токенов, а README — максимальную длину последовательности 384 токена. Она дообучена на 4 278 парах текстов с ContrastiveLoss; в README приведено значение Spearman для косинусного сходства 0,8249 на оценивании сходства. Для репозитория указаны формат safetensors и библиотека Sentence Transformers. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

AlphaRoute-0.8B-v1.5 — компактная инструкционная языковая модель, разработанная Naman Agnihotri для семантической маршрутизации запросов, классификации по заданной таксономии и извлечения нескольких полей в JSON. Это дообученная на базе Qwen/Qwen3.5-0.8B-Base плотная авторегрессионная модель с 581,4 млн параметров; репозиторий содержит веса в формате safetensors. Метаданные указывают контекст до 262 144 токенов и поддержку английского языка. При запросе модель получает инструкцию, описания доступных категорий и схему JSON, после чего выбирает подходящую категорию или извлекает заданные поля. Такой подход позволяет применять её для маршрутизации обращений, классификации намерений и структурирования данных по динамически задаваемой схеме. В README приведены результаты на наборах для enterprise-маршрутизации и классификации намерений; автор также отмечает компромисс в распознавании запросов вне области классификации на CLINC150. Для строгой валидности JSON рекомендуется ограниченное декодирование. Лицензия — Apache-2.0.

AltCLIP — двуязычная модель сопоставления изображений и текста, разработанная авторами проекта AltCLIP и опубликованная командой FlagAI. Она предназначена для получения совместимых представлений изображений и текстов и классификации изображений по описаниям без отдельного обучения на каждом наборе классов. Модель использует архитектуру AltCLIP и доступна в формате PyTorch. AltCLIP обучали в два этапа: дистилляцией на параллельных текстовых корпусах и двуязычным контрастивным обучением на примерно двух миллионах китайско-английских пар изображение—текст. Она поддерживает китайский и английский языки и может служить компонентом генеративной модели AltDiffusion. Лицензия репозитория — CreativeML OpenRAIL-M.

AltCLIP-m18 — мультиязычная модель сопоставления изображений и текста, разработанная командой FlagAI. Это CLIP-подобная архитектура AltCLIP: она кодирует изображения и текст в общее пространство признаков, что позволяет сравнивать их и классифицировать изображения по текстовым описаниям без отдельного обучения на целевых классах. В метаданных Hugging Face указан сценарий zero-shot-классификации изображений; в README также приведены результаты классификации и поиска по изображениям и текстам. Модель поддерживает 18 языков: английский, китайский, японский, тайский, корейский, хинди, украинский, арабский, турецкий, вьетнамский, польский, нидерландский, португальский, итальянский, испанский, немецкий, французский и русский. Разработчики также указывают, что модель может служить текстово-графической основой для AltDiffusion-m18. Код открыт на FlagAI, веса доступны через ModelHub; лицензия самих весов в предоставленной карточке не определена. Условия использования датасетов не следует трактовать как лицензию модели.

AltCLIP-m9 — мультиязычная модель сопоставления изображений и текста, разработанная командой FlagAI. Она заменяет языковой энкодер CLIP на энкодер с расширенной поддержкой языков и предназначена для оценки соответствия текста изображению, zero-shot-классификации изображений и использования в качестве текстового энкодера для AltDiffusion-m9. Обучение включало дистилляцию на параллельных текстовых корпусах и последующее мультиязычное контрастивное обучение на парах изображение–текст. Модель поддерживает китайский, английский, испанский, французский, русский, японский, корейский, арабский и итальянский языки. Метаданные относят её к семейству AltCLIP и указывают формат PyTorch. Лицензия — CreativeML OpenRAIL-M. Хотя в метаданных указан тег text-to-image, README описывает сопоставление изображений и текста и применение в качестве компонента AltDiffusion; самостоятельная генерация изображений для этой модели не подтверждена.

danfeg/ArabicBERT_Finetuned-AR-500 — дообученная модель на архитектуре BERT, опубликованная в формате safetensors и предназначенная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 1024, которые можно использовать для семантического поиска, сравнения сходства и кластеризации. Обучение включало CosineSimilarityLoss; заявленная длина контекста составляет 512 токенов. Модель рассчитана на арабский язык, что отражено в названии репозитория; карточка описывает применение через Sentence Transformers и Transformers. Параметров указано 435,4 млн. Лицензия в предоставленных данных не приведена.

Arabic-KW-Mdel — модель эмбеддингов предложений на базе BERT, опубликованная пользователем medmediani. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель имеет 162,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch для использования с Sentence-Transformers или Transformers. В карточке не приведены сведения о лицензии и конкретных языках обучения, поэтому нельзя подтвердить заявленную ориентацию на арабский язык по одному названию репозитория.

Ara-EuroBERT — модель Sentence Transformer, разработанная Omartificial Intelligence Space путём дообучения EuroBERT/EuroBERT-210m для получения семантических эмбеддингов арабского текста. Энкодер содержит около 211,7 млн параметров и обрабатывает до 8192 токенов. Он преобразует предложения и абзацы в плотные векторы размерностью 768; обучение Matryoshka позволяет использовать также размерности 512, 256, 128 и 64. Для сравнения векторов рекомендуется косинусная мера. Модель предназначена для оценки семантического сходства, семантического поиска, извлечения информации, кластеризации текстов, обнаружения перефразирований и классификации. В README сообщается об улучшении относительных показателей STS17 и STS22.v2 по сравнению с базовым EuroBERT-210M. Модель оптимизирована для арабского языка; качество на других языках и в специализированных областях может быть ниже. Для очень коротких текстов полезно добавлять контекст, а длинные документы рекомендуется делить на смысловые фрагменты. Лицензия — MIT.

Arlo Classify 1.0 — модель NoaberAI для классификации текстов и принятия структурированных решений на нидерландском языке. Она дообучена на базе многоязычной microsoft/mdeberta-v3-base и использует архитектуру DeBERTa V2 с классификационной головой на три класса: entailment, neutral и contradiction. В метаданных указано 306 млн параметров, длина контекста — 512 токенов. Модель предназначена для выбора категорий из заданного пользователем списка без обучения под новые категории и для оценки того, насколько утверждение подтверждается текстом. Она возвращает метку или оценку уверенности, а не сгенерированный ответ. По заявлению разработчика, модель работает быстро, в том числе на CPU, и может запускаться локально. Обучение ориентировано на нидерландский язык, но многоязычная основа позволяет применять её и к текстам на других языках. Модель лицензирована по MIT. Она рассчитана на классификацию и проверку утверждений, а не на генерацию текста или извлечение произвольных полей. В README не приведены количественные результаты оценки качества; контекст ограничен 512 токенами.

Armenian-Text-Embeddings-2-base — модель Metric-AI для преобразования армянских текстов в плотные векторные эмбеддинги. Она дообучена на базе intfloat/multilingual-e5-base и построена на архитектуре XLM-RoBERTa; содержит 305,2 млн параметров, выдаёт векторы размерности 768 и принимает последовательности длиной до 514 токенов. Модель предназначена для семантического поиска на армянском языке, извлечения документов для RAG, сравнения сходства текстов, кластеризации и классификации. В карточке также заявлена обработка транслитерированных запросов и межъязыковое понимание; метаданные указывают на обучающий набор Reddit на армянском языке. Лицензия — MIT. Качество может снижаться на специализированной терминологии и культурных контекстах; карточка также отмечает возможные смещения, унаследованные от данных Reddit, и ограничения, связанные с качеством переводов.

arzington_bert_embedding_model_v4 — модель на базе BERT, разработанная автором репозитория jason1234. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель содержит 129,5 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате PyTorch; обучение проводилось с функцией потерь CosineSimilarityLoss. Модель подходит для построения векторного поиска по текстовым коллекциям, группировки похожих высказываний и оценки семантического сходства. README не сообщает языковой состав обучающих данных или результаты оценки, поэтому качество для конкретного языка и предметной области по имеющимся сведениям определить нельзя. Лицензия в предоставленных данных не указана.

Assay-0.6b — плотная языковая модель на базе Qwen3-0.6B-Base, дообученная авторами Assay для выдачи калиброванных типизированных решений. Она принимает текстовое состояние и именованные вопросы типов bool, choice или score и за один проход возвращает распределение вероятностей по вариантам, уверенность и оценку достаточности свидетельств; свободный текст модель не генерирует. Веса объединены с LoRA-адаптером, а отдельная голова оценивает, поддерживает ли состояние ответ. Модель содержит 507,9 млн параметров, работает с контекстом до 32 768 токенов и рассчитана на английский язык. Модель предназначена для классификации и принятия структурированных решений, в том числе с возможностью воздержаться от ответа, когда уверенность недостаточна. Её можно применять для маршрутизации случаев по правилам, классификации тональности и тематики, выбора из заданных вариантов и порядковой оценки по описанным уровням. В README сообщается о точности 0,704 на отложенных задачах и приводятся показатели покрытия и ошибок при воздержании; гарантии калибровки относятся к распределениям, похожим на калибровочную выборку. Ограничения: модель обучена на англоязычных данных; точность снижается на нерелевантных состояниях. Она не предназначена для арифметики, подсчётов, сравнения дат или многошаговых рассуждений за один проход, а калибровка не гарантирует качество для конкретного ответа или пользовательского распределения. Лицензия — Apache-2.0.

ATLES-Champion — модель эмбеддингов предложений, созданная Connor (spartan8806) для английского семантического сходства и интеллектуальной маршрутизации запросов в системе ATLES. Это дообученная версия all-mpnet-base-v2 на STS-Benchmark; модель на архитектуре MPNet содержит 136,7 млн параметров, выдаёт векторы размерности 768 и рассчитана на контекст до 514 токенов. В карточке сообщаются высокие результаты на английских задачах сравнения предложений и кластеризации; модель также может применяться для маршрутизации запросов по смыслу. Основной язык модели — английский. Для многоязычного поиска и межъязыкового сопоставления она подходит ограниченно: README отмечает слабые результаты на кросс-языковых задачах и особенно низкие — для турецкого и восточноевропейских языков. Лицензия — MIT.

AutoJev-27B — дообученная модель для принятия решений и классификации, созданная на основе Qwen3.8-27B. Она оценивает заданные варианты ответа и возвращает вероятности для них за один прямой проход на вопрос; модель рассчитана на мультимодальные входы. Авторы сообщают об улучшении точности и калибровки по сравнению с базовой Qwen3.8-27B на их оценочном наборе. Модель обучена полным дообучением весов на 73 000 примерах; опубликован чекпойнт после 200 обновлений. Для запуска предусмотрен API, совместимый с TypeSafe, и браузерная площадка. Веса в формате BF16 требуют около 49 ГиБ памяти GPU плюс запас для выполнения. Точный обучающий корпус не опубликован, поэтому результаты могут зависеть от соответствия пользовательских задач оценочным данным. Лицензия — Apache-2.0.

sidbrahim/autotrain-NarrativesAnaloguesFINAL — дообученный энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2, созданный с помощью AutoTrain и библиотеки Sentence Transformers. Модель предназначена для получения векторных представлений и оценки семантического сходства предложений; название репозитория указывает на работу с нарративами и аналогиями, однако README не уточняет состав и область применения обучающих данных. Модель имеет архитектуру BERT и содержит 25,9 млн параметров. Она принимает текст и выдаёт эмбеддинги, пригодные для сравнения предложений; максимальная длина контекста — 512 токенов. Для базовой модели заявлена англоязычная специализация, а отдельные языки дообученной версии в карточке не обозначены. В README приведены метрики проверки: Pearson для косинусного сходства 0,947 и Spearman 0,750; эти значения относятся к валидационному набору и сами по себе не гарантируют качество на других данных. Для работы предназначена библиотека Sentence Transformers. Лицензия в предоставленных данных отсутствует, поэтому условия использования установить нельзя.

LocalDoc разработала двуязычную модель эмбеддингов предложений для азербайджанского и английского языков. Она кодирует предложения и абзацы в плотные векторы размерности 384 и предназначена для оценки семантической близости, семантического поиска, поиска перефразировок, классификации текстов и кластеризации. Модель основана на sentence-transformers/all-MiniLM-L6-v2: архитектура BERT с 6 слоями, скрытым размером 384 и 12 головами внимания. Она дообучена дистилляцией знаний на параллельном корпусе примерно из 4,14 млн азербайджано-английских пар; используется собственный токенизатор SentencePiece Unigram с словарём около 50 тыс. токенов. Максимальная длина входа — 512 токенов. В метаданных указано 33,4 млн параметров; README приводит оценку около 30,2 млн после расширения словаря. Модель подходит для двуязычного поиска и сравнения текстов, но заявленные результаты относятся к STS-бенчмаркам на азербайджанском и не гарантируют качество на других задачах или языках. Распространяется по лицензии CC BY 4.0.

Swanand30/BAAI-arabic-fine-tuned-m — модель эмбеддингов на базе XLM-RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации текста. Для обучения использована функция MultipleNegativesRankingLoss с косинусным сходством. Модель содержит около 658,7 млн параметров, поддерживает контекст до 8194 токенов и распространяется в формате safetensors. Название указывает на настройку для арабского языка, однако README не приводит подробностей о данных обучения или сравнительной оценке качества. Модель подходит для поиска и группировки текстов по смыслу; лицензия в предоставленных сведениях не указана.

Bangla-Embed-E5-Banglish — компактный текстовый энкодер на базе BERT, разработанный для семантического поиска и сопоставления предложений на бенгальском языке, включая его латинскую запись Banglish. Модель дообучена на intfloat/multilingual-e5-small методом трёхэтапной дистилляции от BGE-M3 с добавлением романизированных вариантов IndicXlit; размер по README — 118 млн параметров, в метаданных — 124,3 млн. Контекст составляет 512 токенов. Ключевая особенность модели — межскриптовый поиск: она сопоставляет запросы на Banglish с текстами на бенгальском письме и английском. Также модель создаёт эмбеддинги для семантического поиска, сравнения предложений и ранжирования. По приведённым в карточке оценкам, она показывает сильные результаты на бенгальских и межъязыковых наборах, сопоставимые с гораздо более крупными энкодерами. Модель принимает текст и выдаёт векторные эмбеддинги; её можно использовать через sentence-transformers. Лицензия модели — MIT, однако некоторые обучающие источники могут иметь отдельные, в том числе некоммерческие, условия. Романизация при обучении была синтетической; качество проверялось на пользовательском наборе, но охват ограничен стандартным бенгальским, без региональных вариантов и практик набора текста. На полнотекстовых наборах MIRACL-bn и Mr.TyDi-bn модель уступает более крупным моделям и исходной основе.

Модель threehook/bert-base-dutch-cased-sts — Sentence Transformer на архитектуре BERT, дообученный разработчиком на базе GroNLP/bert-base-dutch-cased на наборе sentence-transformers/stsb. Она преобразует предложения и абзацы в плотные векторы размерностью 768, которые можно сравнивать косинусной близостью. Максимальная длина входа — 512 токенов; модель использует mean pooling и предназначена для оценки семантического сходства, семантического поиска и поиска перефразировок, а также может применяться для кластеризации и классификации текстов. В README указан язык en, хотя базовая модель нидерландская; поэтому качество для нидерландского текста отдельно не подтверждено. Модель принимает текст и выдаёт векторы, а не готовые текстовые ответы. Лицензия в предоставленных данных не указана.

Модель llm-book/bert-base-japanese-v3-jsts разработана авторами книги «大規模言語モデル入門» и представляет собой японскую модель BERT для оценки семантического сходства двух текстов. Она создана дообучением cl-tohoku/bert-base-japanese-v3 на наборе JGLUE JSTS и предназначена для сравнения предложений: модель возвращает числовую оценку сходства. Архитектура — BertForSequenceClassification, размер — 138,4 млн параметров, максимальная длина контекста — 512 токенов. Модель работает с японским текстом, использует Transformers и опубликована в формате PyTorch. Лицензия — Apache 2.0. Оценка является выходным баллом модели; README не задаёт шкалу или порог для принятия решений.

ricardo-filho/bert-base-portuguese-cased-nli-assin-2 — модель Sentence-Transformers на основе BERT, разработанная Ricardo Filho. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Обучение включало SoftmaxLoss; число параметров модели — 136,1 млн, максимальная длина контекста — 512 токенов. Модель предназначена для работы с португальским текстом. Её можно использовать для семантического поиска, группировки похожих текстов и вычисления сходства между предложениями. Доступны веса PyTorch; в README описано применение через Sentence-Transformers или Transformers с соответствующим pooling. Ограничение контекста — 512 токенов. README не сообщает условия лицензии, поэтому условия использования по имеющимся данным определить нельзя.

Recognai/bert-base-spanish-wwm-cased-xnli — испаноязычная модель BERT, дообученная командой Recognai на испанской части набора XNLI для классификации с нулевым примером. Она оценивает, насколько текст соответствует предложенным пользователем меткам, и подходит для тематической разметки текстов без отдельного обучения на каждой категории. Модель содержит 137,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Для тестовой части XNLI на испанском языке указана точность 79,9%. Доступны веса в форматах PyTorch, Flax и safetensors. README рекомендует использовать её через pipeline zero-shot-classification библиотеки Transformers и отмечает, что более новые варианты SELECTRA легче и показывают лучшие результаты. Модель выпущена по лицензии MIT.

Contrastive-Tension/BERT-Base-Swe-CT-STSb — шведская модель на архитектуре BERT Base, опубликованная проектом Contrastive-Tension. Она дообучена методом Contrastive Tension для получения векторных представлений предложений и оценки семантического текстового сходства, включая сценарии поиска похожих фраз и обнаружения перефразирований. Модель предназначена для извлечения признаков из текстов на шведском языке и поддерживает библиотеку Transformers, а также PyTorch, TensorFlow и JAX. По метаданным Hugging Face модель содержит около 151,9 млн параметров и обрабатывает последовательности длиной до 512 токенов. Метод Contrastive Tension обучает представления так, чтобы одинаковые предложения имели близкие векторы, а разные — более далёкие. Модель хорошо подходит для шведского semantic textual similarity, поиска похожих предложений, кластеризации и построения семантического поиска. Она не является генеративной моделью и не предназначена для диалога, генерации текста или непосредственной классификации без дополнительной модели и процедур обработки эмбеддингов.

omkar334/bert-base-uncased-retromae — англоязычная модель Sentence Transformers, дообученная автором omkar334 на основе google-bert/bert-base-uncased с функцией потерь RetroMAELoss. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, извлечения текстов и сравнения сходства по косинусной мере. Архитектура состоит из BERT и пулинга CLS; README указывает максимальную длину последовательности 128 токенов, а метаданные — нативный контекст до 512 токенов. Модель принимает текст и выдаёт эмбеддинги. В README приведены результаты оценки на sts-dev и sts-test: Spearman-корреляция косинусного сходства 0,3173 и 0,721 соответственно. Доступна в формате safetensors; размер составляет 136,7 млн параметров. Лицензия в предоставленных данных не указана.

kwondw/bert-base-uncased-tsdae — модель Sentence Transformers, дообученная на базе google-bert/bert-base-uncased на датасете wiki1m-for-simcse с использованием DenoisingAutoEncoderLoss. Она преобразует предложения и абзацы на входе в плотные векторы размерности 768 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура состоит из BERT для извлечения признаков и пулинга CLS; модель принимает текст, поддерживает контекст до 512 токенов по метаданным, а README указывает максимальную длину последовательности 75 токенов. Базовая модель англоязычная, обучающая выборка состоит из англоязычных текстов Википедии. Модель подходит для семантического поиска, извлечения текстовых эмбеддингов и оценки сходства предложений. В README приведены результаты на STS: Spearman для косинусного сходства составляет 0,6557 на sts-dev и 0,6199 на sts-test. Для практического применения следует учитывать указанную в README длину последовательности 75 токенов; качество на других языках и доменах в предоставленных данных не описано. Лицензия в метаданных и README не указана.