I.12Рекомендации и персонализация

Это резервная копия модели sentence-transformers/paraphrase-multilingual-mpnet-base-v2, размещённая пользователем tgsc; автор README сообщает, что не является автором исходной модели. Исходную модель обучила команда Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения сходства и кластеризации текстов. Модель основана на XLM-RoBERTa, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0. Доступные сведения не перечисляют конкретные поддерживаемые языки; название исходной модели указывает на многоязычное назначение.

voyage-4-nano — мультиязычная модель для создания текстовых эмбеддингов, разработанная Voyage AI для семантического поиска и извлечения релевантных документов. Она подходит для локальной разработки и сценариев, где важны низкая стоимость и высокая пропускная способность. Модель построена на плотной архитектуре Qwen3 и содержит 306,6 млн параметров; длина контекста по метаданным составляет 40 960 токенов. Модель обучена с Matryoshka Representation Learning и поддерживает эмбеддинги размерностью 2048, 1024, 512 и 256. Благодаря обучению с учетом квантования доступны выходы в форматах float32, int8, uint8 и бинарной точности. Эмбеддинги совместимы в общем пространстве с другими моделями серии Voyage 4, поэтому модели серии можно менять без переиндексации данных. По карточке модель поддерживает многоязычные тексты; лицензия — Apache 2.0.

xlm-r-distilroberta-base-paraphrase-v1 — модель Sentence Transformers, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации текстов. Архитектура основана на XLM-RoBERTa; модель содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. Модель можно использовать через библиотеку Sentence Transformers либо через Transformers с подходящей операцией pooling для получения векторов из контекстных представлений токенов. Доступны форматы PyTorch, TensorFlow, ONNX и OpenVINO. Карточка не перечисляет поддерживаемые естественные языки. Модель распространяется по лицензии Apache-2.0.

thoddnn/all-MiniLM-L6-v2-4bit — компактная англоязычная модель семейства MiniLM для получения векторных представлений предложений и оценки их семантического сходства. Модель основана на sentence-transformers/all-MiniLM-L6-v2 и преобразована в формат MLX; README указывает использование mlx-embeddings. Модель содержит 25,9 млн параметров, использует 4-битное представление и поддерживает контекст до 512 токенов. Модель предназначена для семантического поиска, сопоставления предложений, кластеризации текстов, дедупликации и построения retrieval-компонентов. Она возвращает нормализованные эмбеддинги, между которыми можно вычислять сходство скалярным произведением. Обучение исходной модели связано с наборами данных для поиска, вопросов и ответов, текстового сходства и извлечения информации. Основные преимущества — небольшой размер, низкие требования к памяти и возможность запуска в MLX на совместимом оборудовании. Модель ориентирована на английский язык и не предназначена для генерации текста, диалогов или прямого ответа на вопросы. Длина входа ограничена 512 токенами, а 4-битная квантизация может снижать точность по сравнению с исходной моделью. Лицензия — Apache-2.0.

AraGemma-Embedding-300m — модель эмбеддингов, созданная Omartificial-Intelligence-Space на основе EmbeddingGemma-300M от Google DeepMind. Её дообучили на 1 млн арабских триплетов с использованием Matryoshka Representation Learning для улучшения понимания смысла арабских текстов. Модель принимает текст на арабском и других языках и возвращает плотный вектор размерности 768. Она поддерживает усечение векторов до 512, 256 или 128 измерений с повторной нормализацией и контекст до 2048 токенов. Подходит для семантического поиска и извлечения данных, сравнения предложений, кластеризации, классификации документов и подготовки фрагментов для RAG; также поддерживает межъязыковой поиск. Совместима с Sentence Transformers и Transformers. Модель компактна относительно крупных языковых моделей и рассчитана на эффективное развёртывание, включая локальные устройства. В README приведены результаты сравнения с арабскими моделями эмбеддингов на STS17 и STS22-v2. По карточке, активации эмбеддингов не поддерживают float16: используйте float32 или bfloat16. Лицензия — Apache-2.0.

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.

relik-ie/encoder-e5-base-v2-wikipedia — модель-энкодер для получения векторных представлений текста. Модель опубликована в пространстве relik-ie и доступна через библиотеку Transformers; в метаданных она классифицирована как feature-extraction и относится к семейству BERT-подобных моделей. Объём модели составляет 136,7 млн параметров, максимальная длина входа — 512 токенов. Модель предназначена для преобразования текстов в эмбеддинги, которые можно использовать для семантического поиска, сравнения текстов, кластеризации, дедупликации и построения retrieval-компонентов. Название указывает на вариант E5 base v2, адаптированный для корпуса или сценариев, связанных с Wikipedia, однако README не содержит подробностей о разработчике, обучающих данных, методике обучения, оценивании или лицензии. Модель не является генеративной и не предназначена для создания ответов или продолжения текста. При работе необходимо учитывать ограничение контекста в 512 токенов; характеристики качества для конкретных языков и предметных областей в доступных материалах не приведены.

multi-qa_v1-mpnet-mean_cos — модель SentenceTransformers для получения векторных представлений предложений и текстов. Её разработали участники Hugging Face Community Week в проекте по обучению моделей эмбеддингов; в основе лежит microsoft/mpnet-base, дообученная в сиамской схеме с контрастивной целью. Размер модели — 136,7 млн параметров, архитектура — MPNet, формат весов — PyTorch, контекст — до 514 токенов. Модель предназначена для семантического поиска, сравнения сходства вопросов и ответов, кластеризации и других сценариев, где нужно сопоставлять тексты по смыслу. Она кодирует входной текст в вектор, используя mean pooling скрытых состояний. Обучение проводилось на парах вопросов и ответов Stack Exchange, а также данных MSMARCO, NQ и TriviaQA, что делает модель ориентированной на поиск ответов по запросам. Модель принимает текст и выдаёт эмбеддинги; README не указывает отдельную языковую специализацию. Это энкодер для извлечения признаков, а не генеративная модель ответов. Лицензия в предоставленных метаданных и README не указана.

prakrati123/nli-distilroberta-base-v2 — дообученная модель Sentence Transformers на базе sentence-transformers/nli-distilroberta-base-v2. Она преобразует текстовые предложения в плотные 768-мерные векторы; архитектура включает RoBERTa и усредняющий pooling, а сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического сравнения предложений, поиска и кластеризации текстов, поиска перефразировок и извлечения признаков. README указывает максимальную длину последовательности 75 токенов; метаданные каталога приводят контекст до 514 токенов. Модель принимает текст и возвращает эмбеддинги. В карточке описано дообучение на 6 411 парах предложений с оценками сходства и функцией CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

Octen-Embedding-8B — текстовая модель эмбеддингов, разработанная Octen и дообученная методом LoRA на базе Qwen/Qwen3-Embedding-8B. Она предназначена для семантического поиска и извлечения документов, сравнения текстов, кластеризации и создания векторных представлений для последующей классификации или ответов на вопросы. Модель построена на архитектуре Qwen3, содержит 7,6 млрд параметров, формирует эмбеддинги размерностью 4096 и поддерживает контекст до 40 960 токенов. Модель заявлена как мультиязычная, с поддержкой более 100 языков, включая английский и китайский; также заявлены межъязыковой поиск и поиск по коду. В README указаны специализации для юридических, финансовых, медицинских и программных материалов, а также первое место в RTEB по состоянию на 12 января 2026 года. Для документов без префикса README рекомендует добавлять в начало «- » из-за известной проблемы в upstream-модели. Качество может различаться по языкам и областям, документы длиннее контекста требуют усечения; генерация текста не является назначением модели. Лицензия — Apache 2.0.

Карточка модели questgen/paraphrase-multilingual-mpnet-base-v2-feature-extraction-pipeline на Hugging Face совпадает с карточкой jamiealexandre/paraphrase-multilingual-mpnet-base-v2-konni, поэтому описание составлено по ней. jamiealexandre/paraphrase-multilingual-mpnet-base-v2-konni — модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 768. Она основана на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для получения эмбеддингов, семантического поиска, сравнения текстов и кластеризации. Разработчик карточки указывает Sentence-Transformers; README описывает базовую модель paraphrase-multilingual-mpnet-base-v2. Векторные представления подходят для поиска похожих фрагментов и группировки текстов по смыслу. Для использования с Transformers требуется корректно применять pooling к контекстным представлениям токенов; Sentence-Transformers упрощает этот шаг. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

dbourget/philai-bge-2et-f5 — модель на базе BERT, опубликованная dbourget и предназначенная для преобразования предложений и абзацев в плотные векторы размерности 1024. Она подходит для семантического поиска и кластеризации текстов; в каталоге также отмечена задача извлечения признаков. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Для запуска предусмотрена интеграция с библиотекой Sentence-Transformers; при использовании Transformers необходимо применить подходящую операцию пулинга к контекстным представлениям токенов. Объём модели — около 433,9 млн параметров. Лицензия и сведения о конкретных языках в предоставленных данных отсутствуют.

YKYSpatz/ragproject — дообученная модель Sentence Transformers на базе BAAI/bge-small-en, разработанная автором репозитория YKYSpatz. Она кодирует предложения и абзацы в плотные текстовые векторы размерностью 384 для семантического поиска, сравнения сходства, поиска перефразировок, кластеризации и классификации текстов. Модель использует архитектуру BERT с CLS-пулингом и нормализацией векторов; максимальная длина входа — 512 токенов, близость оценивается косинусным сходством. Модель предназначена для построения эмбеддингов и поиска по текстовым корпусам, в том числе в RAG-системах. Базовая модель BGE ориентирована на английский язык. Репозиторий указывает обучение на 254 450 примерах с TripletLoss и хранит веса в формате safetensors. Условия лицензирования в доступных данных не приведены.

Patent — модель sentence-transformers на базе BERT, предназначенная для преобразования предложений и абзацев в плотные векторы размерности 384. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации. Для преобразования выходов Transformers в вектор требуется подходящая операция pooling; использовать модель можно через Sentence-Transformers или Transformers. Модель содержит 25,9 млн параметров и рассчитана на входы длиной до 512 токенов. В README указано обучение с CosineSimilarityLoss. Репозиторий содержит веса PyTorch; лицензия и целевые языки в предоставленных данных не указаны.

BAAI/bge-m3 — многоязычная модель эмбеддингов семейства XLM-RoBERTa, разработанная BAAI и представленная в репозитории Bylaw/BAAI-bge-m3. Она предназначена для поиска по смыслу и извлечения документов, включая многоязычный и межъязыковой поиск, а также поиск по длинным текстам. Модель формирует плотные эмбеддинги, разреженные лексические веса и многовекторные представления ColBERT; эти представления можно использовать отдельно или объединять в гибридном поиске и RAG-конвейерах. Модель имеет 658,7 млн параметров, размерность эмбеддинга 1024 и контекст до 8194 токенов. README заявляет поддержку более 100 языков и указывает, что модель можно применять к коротким предложениям и длинным документам. В карточке также заявлены форматы PyTorch и Safetensors, а лицензия — MIT. BGE-M3 удобна тем, что объединяет несколько подходов к поиску и поддерживает длинный контекст. По README, для задач на одном языке специализированные одноязычные модели могут показывать лучшие результаты; поддержка разреженного поиска также зависит от используемой библиотеки. Для повышения точности авторы рекомендуют сочетать гибридный поиск с отдельной моделью-реранкером.

Это англоязычная модель Sentence Transformers, разработанная tomaarsen и дообученная на парах вопросов и ответов из набора Natural Questions на базе google-bert/bert-base-uncased. Модель кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной мерой. Максимальная длина входной последовательности — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. Она может использоваться, например, для сопоставления вопроса с релевантным ответом или документом. Лицензия — Apache-2.0. Результаты в README приведены на небольших тестовых наборах; качество для конкретного корпуса следует оценивать отдельно.

BGE-M3 — многоязычная модель представления текста семейства XLM-RoBERTa, разработанная BAAI. Она предназначена для поиска по текстам и поддерживает три режима представления: плотные эмбеддинги, разреженные лексические веса и многовекторные представления в стиле ColBERT. Модель можно применять для семантического и гибридного поиска, оценки сходства текстовых пар и извлечения документов в RAG-системах. Модель поддерживает более 100 языков и обрабатывает фрагменты от коротких предложений до документов длиной до 8192 токенов. Размерность плотных эмбеддингов — 1024; в репозитории доступны форматы PyTorch и ONNX. Для повышения точности поиска README рекомендует сочетать гибридное извлечение с отдельной моделью-реранкером. Репозиторий unsloth/bge-m3 содержит производную версию BAAI/bge-m3. Лицензия MIT допускает использование на её условиях. Это модель для поиска и векторизации текста, а не генеративная языковая модель; качество зависит от языка, данных и настройки поискового конвейера.

RishabJ/bge-m3-dim-384 — вариант мультиязычной модели эмбеддингов BGE-M3, опубликованный пользователем RishabJ. Основан на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и рассчитан на последовательности длиной до 8194 токенов. Репозиторий содержит веса PyTorch и Safetensors; лицензия — MIT. Модель предназначена для поиска по смыслу, извлечения документов и построения RAG-систем. Семейство BGE-M3 поддерживает плотный поиск, разреженные лексические веса и многовекторное представление ColBERT, что позволяет строить гибридный поиск и обрабатывать как короткие фразы, так и длинные документы. README указывает поддержку более 100 языков; этот репозиторий имеет уменьшенную размерность эмбеддингов 384. Модель полезна для многоязычного семантического и гибридного поиска, а также для оценки сходства предложений. Для повышения точности поиска README рекомендует применять отдельный реранкер после извлечения кандидатов. Доступна по лицензии MIT.

Карточка модели dabitbol/bge-m3-sparse-elastic на Hugging Face совпадает с карточкой Bylaw/BAAI-bge-m3, поэтому описание составлено по ней. BAAI/bge-m3 — многоязычная модель эмбеддингов семейства XLM-RoBERTa, разработанная BAAI и представленная в репозитории Bylaw/BAAI-bge-m3. Она предназначена для поиска по смыслу и извлечения документов, включая многоязычный и межъязыковой поиск, а также поиск по длинным текстам. Модель формирует плотные эмбеддинги, разреженные лексические веса и многовекторные представления ColBERT; эти представления можно использовать отдельно или объединять в гибридном поиске и RAG-конвейерах. Модель имеет 658,7 млн параметров, размерность эмбеддинга 1024 и контекст до 8194 токенов. README заявляет поддержку более 100 языков и указывает, что модель можно применять к коротким предложениям и длинным документам. В карточке также заявлены форматы PyTorch и Safetensors, а лицензия — MIT. BGE-M3 удобна тем, что объединяет несколько подходов к поиску и поддерживает длинный контекст. По README, для задач на одном языке специализированные одноязычные модели могут показывать лучшие результаты; поддержка разреженного поиска также зависит от используемой библиотеки. Для повышения точности авторы рекомендуют сочетать гибридный поиск с отдельной моделью-реранкером.

peter2000/bmz_topics10 — модель Sentence-Transformers на базе XLM-RoBERTa, разработчик которой не уточнён в карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для кластеризации и семантического поиска. Модель также подходит для сравнения смысловой близости текстов и получения эмбеддингов; в метаданных указаны 305,2 млн параметров и контекст длиной 514 токенов. Модель обучалась с BatchHardTripletLoss. Она доступна в формате PyTorch и рассчитана на текстовый ввод с векторным выходом. Карточка не уточняет языки, на которых качество проверялось. Условия лицензии в предоставленных данных не указаны.

comet24082002/continual_finetune_bge_st_V1 — модель Sentence-Transformers на базе XLM-RoBERTa, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысловой близости, семантического поиска и кластеризации. Модель прошла SimSCE-предобучение и дообучение Sentence-Transformer с MultipleNegativesRankingLoss; использует библиотеку sentence-transformers, веса опубликованы в формате safetensors. Размер — 658,7 млн параметров, контекст — до 8194 токенов. Модель подходит для построения поиска по смыслу и группировки текстов. Архитектура XLM-RoBERTa предполагает поддержку нескольких языков, однако конкретные языки обучения и целевые языки в карточке не перечислены. Условия лицензии в доступных данных не приведены.

Карточка модели j0h4nnes/decoy-ify_llama3.1_8B_v2 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.

intfloat/e5-base-unsupervised — англоязычная модель эмбеддингов текста из семейства E5, разработанная авторами работы Text Embeddings by Weakly-Supervised Contrastive Pre-training. Это вариант E5-base без последующего обучения на размеченных данных. Модель построена на архитектуре BERT: 12 слоёв, размер эмбеддинга 768, около 136,7 млн параметров; принимает текст и выдаёт векторные представления. Максимальная длина входа — 512 токенов. Модель предназначена для семантического сравнения текстов и поиска по смыслу, в том числе для извлечения фрагментов из коллекции по запросу, поиска перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для задач поиска рекомендуется добавлять префиксы «query: » к запросам и «passage: » к текстам коллекции; для симметричного сравнения и других сценариев применяется префикс «query: ». Модель работает только с английскими текстами, а более длинные последовательности обрезаются до 512 токенов. Карточка предупреждает о возможном снижении качества без соответствующих префиксов и о небольших различиях результатов между версиями PyTorch и Transformers. Лицензия — MIT.

Это дообученная модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанная автором репозитория tikanosa. Она преобразует предложения и абзацы на входе в плотные векторы размерности 384 и предназначена для поиска и сравнения текстов по семантическому сходству. Модель использует архитектуру BERT с усредняющим pooling и косинусную функцию сходства. В README указан максимальный размер последовательности 128 токенов, тогда как метаданные каталога задают нативный контекст в 512 токенов. Для практической работы следует учитывать ограничение README в 128 токенов. Модель принимает текст и возвращает векторы; обучалась на 4 656 примерах с CosineSimilarityLoss. Данные подтверждают многоязычную основу, но не перечисляют конкретные поддерживаемые языки. Лицензия в предоставленных данных не указана.

Giga-Retrieval-instruct — русскоязычная модель эмбеддингов семейства GigaREmbed от ai-sage, созданная на базе прореженной decoder-only LLM GigaChat-3b. Она преобразует тексты в векторы размерностью 2048 с помощью pooling на основе latent attention и предназначена прежде всего для семантического поиска и извлечения релевантных фрагментов. Для retrieval рекомендуется добавлять краткую инструкцию перед запросом, но не перед документом; модель также можно настраивать инструкциями для разных задач эмбеддингов. Модель поддерживает русский и английский языки, однако разработчики рекомендуют использовать её прежде всего для русского. Вход ограничен 4096 токенами. Лицензия — MIT.

arshvir/granite-embedding-311m-multilingual-r2-GGUF — конвертированная в формат GGUF модель эмбеддингов IBM Granite Embedding 311M Multilingual R2 на архитектуре ModernBERT. Репозиторий содержит веса в формате F16; модель насчитывает 311 млн параметров и поддерживает контекст до 32 768 токенов. Она преобразует текст в векторы размерностью 768, которые можно усекать до 512, 384, 256 или 128 измерений благодаря Matryoshka Representation Learning. Модель предназначена для многоязычного и межъязыкового семантического поиска, сравнения предложений и поиска по длинным документам, а также для поиска по коду. В README заявлена поддержка более 200 языков, с усиленным обучением на 52 языках и примерами языков программирования. Для загрузки GGUF предлагается использовать llama-cpp-python. По README, модель набрала 65,2 на 18 задачах многоязычного retrieval-бенчмарка MTEB; эти результаты приведены автором карточки. Репозиторий указывает лицензию Apache 2.0. Это преобразование исходной модели в GGUF F16, а не новая обученная версия; для использования нужна совместимая среда выполнения GGUF.

GritLM/GritLM-7B-KTO — версия модели GritLM 7B с обучением KTO, основанная на Mistral 7B. GritLM разработана Contextual AI и объединяет генерацию текста с получением текстовых представлений и эмбеддингов в одной модели. В репозитории указаны архитектура Mistral и 7,1 млрд параметров; модель принимает текст, поддерживает диалоговый режим и имеет контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, а также для задач представления и классификации текста. Карточка описывает GritLM как модель, показавшую передовые результаты на задачах генерации и текстовых представлений, но конкретные результаты для версии KTO не приведены. Модель распространяется по лицензии Apache-2.0.

ModernCE-base-sts — англоязычный кросс-энкодер для оценки семантического сходства двух текстов. Модель разработал dleemiller на основе answerdotai/ModernBERT-base; она дообучена на датасете sentence-transformers/stsb после предварительного обучения на выборке pair-score-sampled из dleemiller/wiki-sim. Архитектура ModernBERT-base содержит 149 млн параметров, работает с библиотекой sentence-transformers и обрабатывает последовательности длиной до 8192 токенов. Модель принимает пару текстов и выдаёт оценку сходства от 0 до 1, поэтому подходит для сравнения предложений и оценки ответов языковых моделей. На тестовой выборке STS-Benchmark автор сообщает корреляции Pearson 0,9162 и Spearman 0,9122. Доступны веса safetensors и формат ONNX; лицензия — MIT. Результаты оценки могут зависеть от предметной области и не гарантируют точности для любых пар текстов.

DataikuNLP/paraphrase-MiniLM-L6-v2 — копия модели sentence-transformers, обученной командой Sentence Transformers. Это компактный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и абзацы в плотные векторы размерности 384. Модель предназначена для вычисления сходства предложений и получения эмбеддингов для семантического поиска и кластеризации. Её можно применять для поиска фрагментов текста по смыслу, группировки похожих высказываний и сравнения формулировок. В README показаны варианты использования через Sentence-Transformers и Transformers; для Transformers требуется подходящая операция pooling поверх контекстных представлений токенов. Максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторы; язык в карточке явно не указан. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Это копия модели sentence-transformers/paraphrase-MiniLM-L6-v2, а не отдельное дообучение Dataiku.

ys7yoo/sbert_alpha — модель на базе BERT, опубликованная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 137,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и сохраняется в формате PyTorch. Модель подходит для построения векторного поиска, поиска похожих фраз и группировки текстов по смыслу. Для использования в Transformers поверх контекстных представлений токенов необходимо применить соответствующую операцию pooling; Sentence-Transformers упрощает этот этап. В карточке указано обучение с CosineSimilarityLoss. Сведения о поддерживаемых естественных языках и лицензии в предоставленных данных отсутствуют.