I.12Рекомендации и персонализация

VisME — мультимодальная модель эмбеддингов, представленная авторами исследования CVPR 2026 «Illuminating Visual Identity in Universal Multimodal Embeddings». Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct и создаёт плотные представления изображений, текста и пар «изображение–текст» для поиска и сопоставления. Веса содержат 3,1 млрд параметров; модель использует архитектуру Qwen2.5-VL и доступна в формате Safetensors. Заявлена длина контекста 128 000 токенов. Модель ориентирована на мультимодальный поиск и задачи, связанные с визуальной идентичностью: распознавание, повторная идентификация объектов и поиск по визуальным признакам. Обучение объединяет MMEB-v1 с общими задачами классификации, визуальных вопросов и ответов, поиска и локализации, а также MVEB с задачами идентификации. README сообщает о конкурентных результатах на этих бенчмарках, но код оценки ещё не опубликован. Лицензия Apache-2.0.

ViT-B-16-SigLIP-256 — контрастивная модель сопоставления изображений и текста семейства SigLIP, обученная на наборе WebLI. Разработчик исходных весов в карточке не назван; репозиторий timm содержит конвертированные из исходных контрольных точек JAX веса в формате PyTorch. Модель доступна для работы через OpenCLIP с изображениями и текстом, а через timm — для получения эмбеддингов изображений. Модель предназначена для классификации изображений без предварительного обучения на конкретных классах: пользователь передаёт изображение и текстовые описания классов, а модель оценивает их соответствие. Это подходит для поиска объектов по описаниям и тематической сортировки изображений. В метаданных указаны библиотека open_clip, форматы PyTorch и safetensors и лицензия Apache-2.0. Размер, длина контекста и список поддерживаемых языков в доступных данных не приведены.

ViT-B-16-SigLIP-512 — контрастивная модель сопоставления изображений и текста на основе архитектуры ViT-B/16 и обучения с функцией потерь SigLIP. Модель обучена на наборе WebLI и разработана в рамках проекта Big Vision; веса JAX конвертированы в PyTorch и опубликованы timm. Она поддерживается библиотекой OpenCLIP для совместной работы с изображениями и текстом, а также timm для получения эмбеддингов изображений. Модель предназначена для классификации изображений без дообучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Её также можно применять для извлечения визуальных эмбеддингов и оценки соответствия между изображением и текстом. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache 2.0. Карточка не приводит конкретные ограничения качества или перечень поддерживаемых языков, поэтому её пригодность для конкретных языков и предметных областей следует проверять отдельно.

Это визуальный энкодер SigLIP из библиотеки timm, опубликованный на Hugging Face командой timm. Модель принимает изображения и извлекает их признаки; текстовый энкодер и возможности генерации в карточке не заявлены. В названии указаны архитектура ViT-Base с патчами 16×16 и разрешение 512 пикселей; сохранён оригинальный механизм attention pooling SigLIP. Модель предназначена для получения визуальных представлений, которые можно использовать в системах поиска по изображениям и других задачах, где нужны признаки изображения. Доступны веса PyTorch и Safetensors, лицензия — Apache 2.0.

vit_giant_patch14_reg1_tipsv2.webli — визуальный энкодер семейства Vision Transformer, опубликованный в библиотеке timm. Модель предварительно обучена по рецепту TIPSv2, сочетающему выравнивание изображений и текста с самоконтролируемым обучением iBOT++. Для обучения использован отфильтрованный набор из 116 млн изображений WebLI с альтернативными подписями и синтетическими описаниями. Архитектура включает register-токен и содержит около 1,136 млрд параметров; входной размер изображения — 448 × 448 пикселей. Модель извлекает признаки и эмбеддинги изображений, а также карты признаков для последующей классификации и других задач компьютерного зрения. Её можно применять для представления изображений в векторном виде, поиска и сравнения изображений или как визуальный энкодер в прикладном конвейере. Репозиторий содержит веса safetensors и использует лицензию Apache-2.0. Модель предназначена для изображений; поддержка текстового ввода или генерации не заявлена.

ViT-SO400M-16-SigLIP-i18n-256 — мультиязычная контрастивная модель сопоставления изображений и текста на основе SigLIP, опубликованная timm. Она обучена на наборе WebLI с мультиязычным токенизатором и предназначена для классификации изображений по текстовым описаниям без дообучения: модель оценивает соответствие изображения и вариантов текста. Через OpenCLIP доступны обработка изображений и текста и zero-shot классификация; через timm — получение эмбеддингов изображений. Чекпойнт преобразован из исходных весов JAX проекта Big Vision в PyTorch и распространяется в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

WordSenseTransformer — англоязычная модель Sentence Transformers, созданная дообучением BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения значений слов в контексте, семантического поиска и других задач сопоставления текста. Архитектура включает BERT и слой WordPooling; сходство векторов измеряется косинусной близостью. Максимальная длина входной последовательности — 512 токенов. Модель обучалась на примерах WordNet с положительными и отрицательными парами контекстуализированных значений слов. В карточке приведены результаты проверки на wordnet-validation: точность cosine_accuracy@1 — 0,966, @5 — 0,999 и @10 — 1,0. Также её можно применять для поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Лицензия в предоставленных данных не указана.

XIR 1170 — Qwen3 Embedding 0.6B — 2026-07-17 A1 — это текстовая модель эмбеддингов Yucluzzy, дообученная на базе Qwen/Qwen3-Embedding-0.6B для поиска релевантных фрагментов по запросу. Модель создаёт нормализованные векторы, используя представление последнего токена, и рассчитана на сценарий поиска passages, отвечающих на веб-поисковый запрос с заданной инструкцией. Модель содержит 507,6 млн параметров, построена на архитектуре Qwen3 и принимает текст; контекст — до 32 768 токенов. В README описано продолжение обучения официального чекпойнта LRAT на обучающих парах конкурса, с объединением дубликатов и отрицательных примеров и последующим смешиванием весов 50/50 с официальным чекпойнтом LRAT. Локальная проверка на 2 048 строках без пересечения запросов показала небольшое улучшение MRR и Recall@5 относительно официального LRAT, но это не официальный результат конкурса. Модель распространяется по лицензии Apache-2.0.

airnicco8/xlm-roberta-de — модель эмбеддингов на базе XLM-RoBERTa, представленная как модель Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки сходства текстов, семантического поиска и кластеризации. Модель обучена на немецкоязычных расшифровках выступлений TED; заявленный контекст составляет 514 токенов, размер — около 305,2 млн параметров. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для поиска семантически близких текстов или группировать для кластеризации. Для использования с Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Карточка также отмечает возможность дообучения для NLI и классификации текста, но не приводит готовых результатов для этих задач. Лицензия в предоставленных данных не указана.

IronPooh/xlm-roberta-qa-cross-encoder — текстовый Cross-Encoder, созданный дообучением FacebookAI/xlm-roberta-base с помощью библиотеки Sentence Transformers. Модель оценивает пары текстов одним числовым баллом, пригодным для ранжирования результатов поиска и семантического поиска. Архитектура — XLM-RoBERTa для классификации последовательностей; размер — 305,2 млн параметров, максимальная длина входа — 512 токенов. В карточке приведены примеры обучения на парах вопросов и ответов и результаты бинарной классификации на наборе xlm-roberta-val. Это указывает на применение для оценки соответствия вопроса и ответа, а также переранжирования найденных фрагментов. Базовая XLM-RoBERTa многоязычная, а примеры в обучающих данных включают украинский и русский языки. Доступны веса в формате safetensors; лицензия в предоставленных сведениях не указана.

google/xtr-base-en — англоязычная модель семейства T5 для многовекторного поиска по токенам, представленная Google. Она предназначена для извлечения и ранжирования релевантных документов по запросу в системах поиска и retrieval-augmented generation. Архитектура — плотный энкодер T5EncoderModel, размер — 123,8 млн параметров; доступны веса PyTorch и Safetensors. XTR формирует многовекторные представления текста и поддерживает поиск по токенам, что позволяет точнее сопоставлять запросы и документы, чем единое представление текста. Карточка описывает запуск реализации на PyTorch и ссылается на исследовательскую работу о роли извлечения токенов в многовекторном поиске. Модель распространяется по лицензии Apache-2.0.

zerank-2-reranker-MLX-bf16 — это конвертированная в формат MLX модель ZeroEntropy для Apple Silicon, основанная на zerank-2-reranker и архитектуре Qwen3-4B. Это cross-encoder-реранкер: он принимает запрос вместе с одним документом и выдаёт оценку их релевантности, по которой можно переставить результаты поиска. Для оценки каждого кандидата нужен отдельный проход модели. Модель имеет 3,7 млрд параметров, использует веса bfloat16 без квантизации и поддерживает контекст до 40 960 токенов. Оценка извлекается из логита токена «Yes»; её можно преобразовать в диапазон 0–1, но значения сопоставимы только для документов одного запроса. Карточка сообщает о проверках согласованности оценок с исходной моделью на наборах пар запрос–документ. Указана лицензия Apache-2.0.

sayed0am/arabic-english-bge-m3 — модель для семантического сходства и поиска по фрагментам текста, разработанная автором репозитория sayed0am на основе BAAI/bge-m3. Она предназначена прежде всего для задач на арабском языке, включая sentence similarity, passage retrieval и построение арабских RAG-систем. В метаданных также указаны арабский и английский языки. Модель представляет собой обрезанную версию BAAI/bge-m3 и примерно на 36,2% меньше исходной, что снижает требования к памяти. Для неё доступна ONNX-квантизованная версия размером около 363 МБ — примерно на 75% меньше обрезанной модели — с заявленным сохранением около 98% качества исходной. Модель поддерживает использование через Transformers, sentence-transformers и ONNX Runtime; размер контекста и точная архитектура в README не указаны. Согласно README, модель заняла третье место в общем рейтинге и первое среди open source-моделей на The-Arabic-Rag-Leaderboard. Основное ограничение связано с сокращением словаря: токены, редко используемые в арабском языке, были удалены, поэтому модель может работать хуже с другими языками исходной мультиязычной BGE-M3. Модель распространяется по лицензии MIT.

deepvk/bert-base-uncased — предобученный двунаправленный энкодер BERT, разработанный deepvk для обработки текстов, преимущественно на русском языке. Модель обучалась стандартной задачей masked language modeling на корпусе из 250 ГБ отфильтрованных текстов, включая Википедию, книги и данные из социальных сетей. По метаданным, она содержит 140,9 млн параметров, использует архитектуру BERT с 12 слоями и 12 головами внимания и поддерживает контекст до 512 токенов. Модель предназначена для извлечения признаков из текста и может служить основой для дообучения под классификацию, анализ сходства и другие задачи понимания языка. В репозитории находятся только веса энкодера без предварительно обученной выходной головы, поэтому для конкретной задачи может потребоваться подходящая голова и дообучение. Карточка сообщает о преимущественно русском обучающем корпусе с небольшой долей других языков; метаданные указывают русский и английский. Лицензия — Apache 2.0.

Zlovoblachko/bert-base-uncased-augmentation-indomain-bm25-sts — англоязычная модель Sentence Transformers, дообученная разработчиком на базе google-bert/bert-base-uncased для сравнения предложений по смыслу. Она преобразует текстовые фрагменты в плотные векторы размерности 768; близость векторов оценивается косинусным сходством. В README указана максимальная длина последовательности 128 токенов, а метаданные Hugging Face указывают контекст до 512 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и сравнения пар предложений. Также в карточке перечислены классификация текста и другие задачи на основе эмбеддингов. На тесте sts-test указана корреляция Спирмена 0,4729 для косинусного сходства; результат характеризует конкретный набор данных и не гарантирует качество на других доменах. Модель содержит 136,7 млн параметров, использует архитектуру BERT с усреднением токенных представлений и реализована на Sentence Transformers. Она рассчитана на английский язык; для языков и текстов вне обучающего распределения качество может быть ниже. Лицензия в предоставленных данных не указана.

tintnguyen/bert-base-vi-uncased-st-4 — модель Sentence Transformer, дообученная разработчиком на базе tintnguyen/bert-base-vi-uncased-st-3. Она преобразует предложения и абзацы в плотные векторы размерности 768 и рассчитана на сравнение семантической близости, семантический поиск, поиск перефразировок, классификацию и кластеризацию текста. Архитектура включает BERT и усредняющий пулинг токенов; максимальная длина последовательности — 512 токенов, сходство оценивается косинусной мерой. Обучение проводилось на 1 449 744 примерах с вопросами и положительными и отрицательными текстами из вьетнамской Википедии. Модель ориентирована на вьетнамский язык и может быть полезна для поиска ответов и связанных документов по вьетнамским запросам. В карточке не указана лицензия, поэтому условия использования следует уточнить в репозитории модели. Качество на конкретных задачах и ограничения по сравнению с другими моделями в карточке не оценены.

Gold-only BERT STSb — модель Sentence Transformers на базе BERT, разработанная для демонстрации в курсе NLP for Semantic Search. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации; также подходит для оценки сходства предложений. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт эмбеддинги. При работе через Transformers к выходам модели нужно применить подходящую операцию pooling. Модель обучена с функцией потерь CosineSimilarityLoss на STSb; README описывает её как пример для главы об аугментации данных BERT внутри домена. Данных о поддерживаемых естественных языках в карточке нет. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

bge-m3-italian — модель эмбеддингов и поиска на итальянском языке, разработанная Alberto Barnabò на основе BAAI/bge-m3. Это дообученная XLM-RoBERTa с 658,7 млн параметров, контекстом до 8194 токенов и тремя совместно обученными головами: dense, sparse и ColBERT. Модель предназначена для семантического, лексического и гибридного поиска по коротким фрагментам и длинным документам; её можно использовать как замену bge-m3 в существующих сценариях Sentence Transformers. Для коротких фрагментов автор рекомендует гибридный режим или dense-поиск: sparse-поиск отдельно уступает базовой модели. В приведённых тестах гибридный режим улучшил ранжирование итальянских документов относительно bge-m3; для более точной выдачи модель можно сочетать с реранкером. Репозиторий содержит веса Safetensors и ONNX для dense-головы, включая динамически квантованный вариант int8; sparse- и ColBERT-головы доступны отдельно. Модель обучена на итальянских данных mMARCO и проверена на задачах поиска и семантического сходства. Результаты могут быть скромнее на текстах, заметно отличающихся от обучающих данных. Источник обучающих данных основан на MS MARCO, условия которого ограничивают коммерческое использование; при этом веса модели распространяются по лицензии MIT.

bge-small-en-v1.5 INT8 ONNX — компактная англоязычная модель для получения векторных представлений текста. Артефакт подготовлен для поиска в ZimaOS Photos на основе модели BAAI/bge-small-en-v1.5; распространяется в формате ONNX с динамической INT8-квантизацией QInt8 и рассчитан на выполнение через ONNX Runtime. Модель преобразует текст в эмбеддинги размерностью 384 и поддерживает последовательности длиной до 512 токенов. Она предназначена для семантического поиска и сопоставления поисковых запросов с текстовыми описаниями или индексированными фрагментами; для запросов требуется добавлять инструкцию «Represent this sentence for searching relevant passages:», а для индексируемых текстов её добавлять не следует. После получения вывода необходимо применять mean pooling с учётом attention mask и L2-нормализацию. К преимуществам относятся небольшой размер около 40 млн параметров, экономичное INT8-выполнение и совместимость с ONNX Runtime. Модель поддерживает английский язык и не является мультимодальной моделью, поэтому сама по себе не обрабатывает изображения. Лицензия — MIT.

onnx-community/bge-small-zh-v1.5-ONNX — это версия модели BAAI/bge-small-zh-v1.5 с весами в формате ONNX, подготовленная для использования с библиотекой Transformers.js. В README не указано, кто именно выпустил эту ONNX-версию; исходная модель связана с BAAI. Модель предназначена для извлечения признаков из текста и может применяться в сценариях, где требуются векторные представления, например для семантического поиска или сравнения текстов. Она рассчитана прежде всего на китайскоязычные данные, что следует из идентификатора исходной модели, однако подробный перечень поддерживаемых языков и характеристики контекстного окна в README не приведены. Ключевая особенность модели — совместимость с Transformers.js и возможность запуска через задачу feature-extraction, в том числе в JavaScript-средах. Архитектура, размер модели, точные модальности и другие технические параметры в предоставленных данных не указаны. Лицензия также не указана, поэтому условия использования необходимо уточнять в карточке исходной модели BAAI/bge-small-zh-v1.5 или в репозитории модели.

cde-small-v1 — модель контекстных эмбеддингов документов, опубликованная jxm. Она предназначена для создания векторных представлений запросов и документов, в частности для поиска и оценки сходства. Модель использует архитектуру DatasetTransformer и требует двухэтапной подготовки: сначала формируются эмбеддинги выборки корпуса, затем с их учётом кодируются запросы и документы. Первый этап можно выполнить заранее, а на этапе инференса использовать только веса второго этапа. В README модель описана как компактная: менее 400 млн параметров; для работы указаны Transformers или Sentence Transformers с включённым trust remote code и токенизатором BERT uncased. Для retrieval нужно использовать отдельные префиксы запросов и документов. По данным README, без информации о корпусе качество на MTEB снижается с 65,0 до 63,8. Модель помечена авторами как устаревшая: рекомендуется перейти на cde-small-v2. Лицензия в предоставленных данных не указана.

zeromodels подготовили конверсию CLIP ViT-L/14 с входным разрешением 336 пикселей в формате Keras 3. Модель использует два энкодера — для изображений и текста — которые сопоставляют данные в общем пространстве представлений; веса основаны на openai/clip-vit-large-patch14-336. Модель предназначена для классификации изображений по текстовым категориям, заданным во время выполнения, без отдельного обучения. Её также можно использовать для поиска соответствий между изображениями и текстом и получения эмбеддингов. Реализация Keras 3 работает с TensorFlow, PyTorch и JAX; для инференса подаются изображения и текстовые запросы. Репозиторий распространяется по лицензии MIT. Это конверсия базовой модели, поэтому заявленные возможности и ограничения следуют CLIP ViT-L/14-336; README отсылает за подробностями к карточке исходной модели.

Decision-2.0-Kai-0.6B — плотная модель с 0,6 млрд параметров из семейства Decision 2.0, разработанная для vLLM Semantic Router и дообученная на базе Qwen/Qwen3-0.6B-Base. Она принимает текст или JSON и за один проход отвечает на вопросы выбора из нескольких вариантов, даёт ответ «да/нет» или оценку по шкале. Для каждого возможного ответа возвращается вероятность; модель предназначена для классификации без генерации текста. Контекст составляет 8 192 токена. В карточке сообщается о результатах на JevArena и наборе из 15 задач с разметкой людьми, а также о возможности одновременно обрабатывать несколько вопросов к одному входу. Для одного вопроса указана медианная задержка 4,9 мс на одном GPU; это результат карточки, а не гарантия производительности в других конфигурациях. Модель распространяется в формате safetensors по лицензии Apache-2.0.

facebook/dinov2-with-registers-base — базовая модель Vision Transformer с архитектурой DINOv2 и дополнительными register-токенами. Модель впервые опубликована авторами DINOv2 with Registers; карточку на Hugging Face подготовила команда Hugging Face. Энкодер содержит 113,2 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Модель предварительно обучена без учителя и извлекает визуальные признаки и эмбеддинги из изображений. Их можно использовать для поиска похожих изображений, кластеризации или как представления для обучения классификатора и других прикладных моделей. Веса не содержат дообученных классификационных голов. Register-токены уменьшают артефакты в картах внимания и помогают получать более интерпретируемые карты и улучшенные признаки. Модель принимает изображения и возвращает признаки; готовой разметки классов сама по себе не выдаёт.

Eklav-4B-Reranker-CotGen — дообученная модель Eklav на базе Qwen/Qwen3-4B, предназначенная для попарного ранжирования passage по релевантности запросу. Это baseline для оценки метода CotGen: при обучении модель продолжает частичный след рассуждений учителя и самостоятельно формирует ответ; в данном варианте использован стандартный SFT на полных следах рассуждений. Модель содержит 3,7 млрд параметров, построена на плотной архитектуре Qwen3 и принимает текст; заявленная длина контекста — 40 960 токенов. Для оценки релевантности модель генерирует рассуждение, завершающееся меткой true или false; релевантность извлекается по логитам финального токена. В README упомянуты наборы BRIGHT и NevIR и приведены результаты nDCG@10 на BRIGHT. При генерации длинное рассуждение может зациклиться и не завершить ответ в фиксированном лимите токенов; авторы рекомендуют запуск через vLLM с ограничением по стоп-строке. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не описана.

eth-setfit-multilabel-model — модель Sentence Transformers на архитектуре MPNet, разработанная проектом physician-ethics-responsible-data-science. Она преобразует предложения и абзацы в плотные векторы размерности 768 для кластеризации, семантического поиска и сравнения смысловой близости текстов. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. Модель обучалась с использованием CosineSimilarityLoss. Несмотря на название, в карточке описаны векторные представления текста, а метаданные указывают возможности embeddings; назначение для конкретной задачи многометочной классификации не подтверждено. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

jhu-clsp разработала Ettin-Encoder-150M как часть семейства Ettin — открытого набора согласованно обученных моделей-энкодеров и декодеров для сравнения архитектур и переноса обучения. Это плотный энкодер ModernBERT примерно с 149 млн параметров, обученный задаче masked language modeling; он принимает текст и предсказывает замаскированные токены. В метаданных указан контекст до 7 999 токенов и поддержка английского языка. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения под классификацию и получения текстовых эмбеддингов, в том числе для поиска и ранжирования. Карточка Ettin сообщает о результатах семейства на английских задачах классификации и retrieval, но отдельные показатели именно версии 150M не приведены. Модель распространяется по лицензии MIT. Для генерации свободного текста она не предназначена; качество может зависеть от предметной области и последующего дообучения.

Это компактная модель Sentence Transformers, разработанная автором репозитория much1na и дообученная на основе capemox/ettin-encoder-17m-pretrain-50m для поиска по текстам. Она кодирует предложения и абзацы в плотные векторы размерности 768 и позволяет сопоставлять запросы с документами по косинусному сходству. Модель построена на архитектуре ModernBERT, содержит 16,8 млн параметров и принимает текст с контекстом до 7999 токенов по метаданным; в README заявлена максимальная длина 8192 токена. Модель обучена на 483 497 примерах датасета msmarco-embed-dense_on-triples-v3 с EmbedDistillLoss. Её сценарии — семантический поиск, извлечение релевантных документов и ранжирование кандидатов по близости векторных представлений; в README приведены результаты оценки на наборах NanoBEIR и отдельных задачах поиска. Базовая модель описана как англоязычная, а оценка использует английский NanoBEIR и подсказки query/document, поэтому подтверждена пригодность прежде всего для английского текста. Лицензия в предоставленных данных не указана. Как и другие модели векторного поиска, качество зависит от языка и тематики входных текстов; приведённые оценки относятся к указанным тестовым наборам и не гарантируют качество на произвольных данных.

EVA02 Tiny — компактная модель зрения семейства EVA-02, опубликованная авторами статьи и доступная в формате библиотеки timm. Это визуальный трансформер с размером входного изображения 224 × 224 пикселя, примерно 5,5 млн параметров и вычислительной сложностью около 1,7 GMAC. В архитектуре используются mean pooling, SwiGLU и Rotary Position Embeddings; модель обучена на ImageNet-22k методом masked image modeling с EVA-CLIP в роли учителя. Модель предназначена для извлечения признаков и эмбеддингов изображений, а также может служить основой для классификационных сценариев. Её небольшой размер подходит для визуального поиска, группировки изображений и построения компактных конвейеров компьютерного зрения. В репозитории timm веса сохранены в float32; исходные варианты некоторых чекпойнтов доступны в float16 или bfloat16. Это предобученный чекпойнт, а не описанное в карточке дообучение под конкретный прикладной набор классов. Для классификации под собственные категории потребуется соответствующая настройка или отдельная голова классификации. Лицензия — MIT.

gte-base-zh — модель текстовых эмбеддингов семейства General Text Embeddings (GTE), разработанная Alibaba DAMO Academy на основе архитектуры BERT. Она предназначена для получения векторных представлений китайских текстов и подходит для информационного поиска, сравнения смысловой близости предложений и ранжирования текстов. Модель содержит 129,5 млн параметров и принимает последовательности длиной до 512 токенов; более длинные тексты обрезаются. Метаданные указывают на векторные представления и задачи извлечения признаков и сравнения предложений. Репозиторий содержит веса PyTorch и Safetensors. Модель распространяется по лицензии MIT.