I.12Рекомендации и персонализация

rithwik-db/e5-base_scifact_10000 — модель Sentence Transformers, разработанная пользователем rithwik-db. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу и кластеризации. Архитектура основана на BERT, размер модели — 136,7 млн параметров, максимальная длина контекста — 512 токенов; модель распространяется в формате PyTorch. Модель обучена с TripletLoss на евклидовом расстоянии и подходит для построения семантического поиска, группировки текстов и сравнения сходства предложений. Название и README указывают на связь с SciFact, однако конкретный набор данных и языки обучения не описаны. Лицензия в предоставленных данных не указана.

ModernBERTić-large — энкодер на архитектуре ModernBERT-large, разработанный Permitt для боснийского, хорватского, черногорского и сербского языков. Модель содержит 395 млн параметров и принимает последовательности длиной до 8192 токенов. Она обучена предсказывать замаскированные токены и подходит для классификации последовательностей и токенов, понимания длинных документов, а также как основа для дообучения ретриверов и реранкеров. Архитектура включает 28 слоёв, скрытый размер 1024 и 16 голов внимания. Используются RoPE, чередование локального внимания с окном 256 токенов и полного внимания, а также FlashAttention 2. Модель обучена на корпусе из 66 млрд токенов BCMS-текста; заявлены результаты уровня state of the art на SuperGLUE-SR и применение в производственных функциях платформы Recrewty. Лицензия — Apache-2.0. Токенизатор рассчитан на латинскую графику: кириллический текст рекомендуется предварительно транслитерировать. В обучающих данных преобладают хорватский и сербский языки, а код, разговорный чат и узкоспециальные научные тексты представлены слабее. Это энкодер, который не генерирует связный текст.

German_Semantic_V3b — немецкоязычная модель эмбеддингов, разработанная Аароном Чиббом. Это дообученная версия aari1995/gbert-large-2 на архитектуре JinaBertModel, предназначенная для получения векторных представлений предложений и сравнения их семантической близости. Модель содержит 434,5 млн параметров и принимает последовательности длиной до 8192 токенов. Модель рассчитана на немецкий язык и особенно учитывает культурный контекст Германии. Она устойчива к небольшим опечаткам и различиям в регистре. Поддерживаются Matryoshka-эмбеддинги размером от 1024 до 64 измерений: уменьшение размерности снижает требования к хранению, но может немного ухудшить качество. По README, V3b ориентирована на высокую производительность, однако её знания ограничены периодом примерно до 2020 года. Лицензия — Apache 2.0.

LFM2.5-ColBERT-350M-bf16 — конвертированная сборка модели Liquid AI для локального инференса на компьютерах Apple Silicon с использованием MLX. Это двунаправленный энкодер LFM2 с поздним взаимодействием ColBERT: он выдаёт 128-мерный вектор для каждого токена, а релевантность пары запроса и документа оценивается методом MaxSim. В репозитории указано 443,4 млн параметров и контекст до 128 000 токенов. Модель предназначена для семантического поиска и извлечения документов по запросу на нескольких языках. В карточке приведены оценки поиска на английских наборах NanoBEIR и многоязычных поднаборах MIRACL для испанского, немецкого, японского и арабского языков. Весовые параметры сохранены в исходной точности bf16; это преобразование формата PyTorch/safetensors в MLX, а не квантизация. Для работы архитектуры включена отдельная реализация MLX, поскольку стандартные mlx-lm и mlx-embeddings её не поддерживают из коробки. Репозиторий создан сообществом mlx-community, а веса, архитектура и поведение модели принадлежат Liquid AI. README сообщает о близком совпадении токеновых векторов с оригинальной версией при проверке, но результаты поиска приведены на ограниченных пулах и не сопоставимы напрямую с полными корпусами MIRACL. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с карточкой базовой модели.

Карточка модели ronaldmannak/LFM2.5-ColBERT-350M-bf16 на Hugging Face совпадает с карточкой mlx-community/LFM2.5-ColBERT-350M-bf16, поэтому описание составлено по ней. LFM2.5-ColBERT-350M-bf16 — конвертированная сборка модели Liquid AI для локального инференса на компьютерах Apple Silicon с использованием MLX. Это двунаправленный энкодер LFM2 с поздним взаимодействием ColBERT: он выдаёт 128-мерный вектор для каждого токена, а релевантность пары запроса и документа оценивается методом MaxSim. В репозитории указано 443,4 млн параметров и контекст до 128 000 токенов. Модель предназначена для семантического поиска и извлечения документов по запросу на нескольких языках. В карточке приведены оценки поиска на английских наборах NanoBEIR и многоязычных поднаборах MIRACL для испанского, немецкого, японского и арабского языков. Весовые параметры сохранены в исходной точности bf16; это преобразование формата PyTorch/safetensors в MLX, а не квантизация. Для работы архитектуры включена отдельная реализация MLX, поскольку стандартные mlx-lm и mlx-embeddings её не поддерживают из коробки. Репозиторий создан сообществом mlx-community, а веса, архитектура и поведение модели принадлежат Liquid AI. README сообщает о близком совпадении токеновых векторов с оригинальной версией при проверке, но результаты поиска приведены на ограниченных пулах и не сопоставимы напрямую с полными корпусами MIRACL. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с карточкой базовой модели.

LinkBERT-large — англоязычный BERT-подобный трансформерный энкодер, разработанный Michiyasunaga и соавторами и представленный в статье LinkBERT: Pretraining Language Models with Document Links (ACL 2022). Модель предварительно обучена на статьях английской Википедии с учётом гиперссылок между документами, чтобы усваивать связи и знания, распределённые по нескольким текстам. Модель предназначена для дообучения под задачи классификации текста и последовательностей, ответов на вопросы, разметки токенов, чтения и поиска информации между документами. Её также можно использовать как энкодер для извлечения признаков и представлений текста. LinkBERT-large содержит 432,3 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате PyTorch. Учёт связей между документами может быть полезен для задач, требующих объединения сведений из разных источников. Модель не является готовой системой для конкретной задачи: для прикладного использования её обычно требуется дообучить. Лицензия — Apache-2.0.

Мультимодальная модель-реранкер NVIDIA для поиска документов, содержащих ответ на текстовый запрос. Она оценивает пары «запрос — документ» и возвращает логит релевантности, чтобы переупорядочить кандидатов, найденных поисковой или векторной системой, в том числе в конвейере vision RAG. Документы могут быть представлены текстом, изображением страницы или слайда либо их сочетанием; модель рассчитана на работу с текстом, таблицами, диаграммами и инфографикой. Модель построена как cross-encoder на архитектуре Eagle VLM: визуальный энкодер SigLIP 2 на 400 млн параметров сочетается с языковой моделью семейства Llama Nemotron. В карточке указано около 1,7 млрд параметров; выход декодера агрегируется усреднением, а ранжирование выполняет дообученная бинарная классификационная голова. Для обучения использовались изображения и контекст до 2048 токенов; при оценке заявлены текстовые, визуальные и комбинированные входы, контекст до 10240 токенов и до шести тайлов изображения. Длинные входы обрезаются. Модель предназначена для повышения качества мультимодального поиска и ответов на вопросы по большим корпусам, когда нужно переоценить ограниченный набор кандидатов; запуск на всех документах корпуса не масштабируется. NVIDIA сообщает о готовности к коммерческому использованию. Лицензия в метаданных указана как other, а конкретные условия использования в предоставленных сведениях не раскрыты.

LVBERT — регистрозависимая модель BERT-base для латышского языка, разработанная AiLab-IMCS и представленная в исследовательской работе; текущий репозиторий содержит улучшенную версию модели. Она предварительно обучена на корпусах современного латышского языка, латышской Википедии, новостных статьях и комментариях — суммарно примерно на 500 млн токенов. Обучение использовало masked language modeling и next sentence prediction. Модель имеет архитектуру BERT-base с 12 слоями, 768 скрытыми единицами, 12 головами внимания и контекстом до 512 токенов. Для токенизации используется словарь из 32 тысяч токенов в формате WordPiece, полученный из SentencePiece. Модель предназначена для дообучения на задачах понимания латышского текста, включая классификацию, распознавание именованных сущностей и ответы на вопросы; без дообучения её можно применять для получения контекстных представлений, поиска по смыслу, сравнения текстов и кластеризации. Доступна в форматах PyTorch и Safetensors. Модель выпущена под лицензией Apache-2.0. Она ориентирована на латышский язык и ограничена контекстом в 512 токенов; качество на задачах зависит от используемых данных и дообучения.

robro612/modernbert_colbert_contrastive — англоязычная модель поиска на основе ModernBERT, дообученная автором с помощью PyLate на 10 млн триплетов msmarco-10m-triplets. Архитектура ColBERT включает ModernBERT и линейный слой, который преобразует представления размерности 768 в последовательности 128-мерных векторов; релевантность запроса и документа оценивается оператором MaxSim. Модель содержит 149 млн параметров и принимает текст. Метаданные указывают контекст до 8192 токенов, а карточка описывает обработку документов длиной до 512 токенов и запросов до 32 токенов. Модель предназначена для семантического поиска по коллекции документов и повторного ранжирования результатов первичного поиска. Её можно применять для поиска ответов в корпусах вопросов и документов, включая задачи в стиле MS MARCO и наборы Nano BEIR. Векторы создаются на уровне токенов, поэтому модель подходит для поиска с MaxSim и индексации через FastPLAID в PyLate. Карточка приводит результаты оценки на нескольких поисковых наборах, но они не гарантируют качество на конкретной коллекции. Лицензия в предоставленных данных не указана.

MyAwesomeModel — модель на базе BERT, опубликованная в репозитории D21WCXZ21/MyAwesomeModel-TestRepo и предназначенная для извлечения признаков из текста с использованием библиотеки Transformers и PyTorch. В метаданных Hugging Face для неё указан pipeline-тег feature-extraction, а лицензия — MIT. В README модель также описывается как система с улучшенными возможностями рассуждения, ответов на вопросы, классификации, анализа тональности, суммаризации, перевода, генерации кода и function calling. Однако эти заявления не согласуются с указанным в метаданных назначением feature-extraction и не подтверждены сведениями об архитектуре, размере, контексте или языках модели. Модель можно рассматривать для получения векторных представлений текста и последующего использования в задачах семантического поиска, классификации и других NLP-пайплайнах. Условия использования определяются лицензией MIT.

sentence-transformers/nli-bert-base-max-pooling — модель семейства BERT, обученная командой Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно использовать для семантического поиска и кластеризации текстов; архитектура включает BERT и max pooling. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Доступны веса в форматах PyTorch, Safetensors, ONNX и OpenVINO. Модель устарела: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать более новые модели Sentence Transformers. Лицензия — Apache-2.0.

Модель dinghong-ner/siamese-name-matcher-v7 — дообученный Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанный для семантического сопоставления текстовых фрагментов. Архитектура BERT с усредняющим pooling преобразует предложения и короткие абзацы в плотные векторы размерности 384; близость оценивается косинусным сходством. Модель принимает текст, максимальная длина последовательности по README — 128 токенов, а метаданные указывают контекст до 512 токенов. Основной сценарий — сравнение имён и псевдонимов: обучающие примеры включают варианты написания имён, транслитерацию и японские имена. Модель также подходит для семантического поиска и извлечения похожих текстов. На валидационном наборе v7 указаны cosine accuracy 0,865 и F1 0,9078; результаты относятся к этому набору и не гарантируют качество на других данных. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Это англоязычный разреженный поисковый энкодер SPLADE от tomaarsen, дообученный на базе Luyu/co-condenser-marco с использованием Sentence Transformers. Модель преобразует предложения и абзацы в разреженные векторы размерности 30 522; релевантность документов оценивается скалярным произведением векторов. Архитектура включает BERT с masked language modeling и max-pooling SPLADE. Модель предназначена для семантического поиска и разреженного извлечения документов, в том числе по запросам на естественном языке. Максимальная длина входа — 512 токенов. В README приведены оценки на небольших наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Лицензия Apache-2.0 допускает использование и распространение на её условиях.

tevatron-elastic-qwen3-0.6b-retriever-depth — плотная модель поиска документов на основе Qwen3-0.6B-Base, дообученная командой UtahNLP с помощью Tevatron-Elastic. Она кодирует запросы и фрагменты документов в представления для извлечения релевантных материалов; для различения входов используются префиксы query: и passage:. Модель содержит 507,9 млн параметров, имеет контекст до 32 768 токенов, а в обучении использовались последовательности длиной до 512 токенов и датасет rlhn/rlhn-680K. Это модель с эластичной настройкой глубины: один чекпойнт позволяет выбирать число используемых слоёв и балансировать скорость и качество через параметры prune_to и encode_at в Tevatron-Elastic. Для полной конфигурации авторы сообщают nDCG@10 0,518 на BEIR-15. Чекпойнт выпущен как ресурс для воспроизводимости исследования, а не как заявление о превосходстве над другими моделями. Лицензия — Apache-2.0.

Mike0307/text2vec-base-chinese-rag — модель эмбеддингов на архитектуре BERT, предназначенная для сопоставления китайских текстов и поиска релевантных фрагментов в системах RAG. Она обучена с использованием подхода CoSENT и может применяться как компонент LangChain с векторным хранилищем, например FAISS, для построения ретривера по документам. Модель содержит 129,5 млн параметров и принимает текст длиной до 512 токенов. Она выдаёт векторные представления, пригодные для поиска по сходству и ранжирования релевантности; генерацию ответов выполняет подключённая языковая модель. Репозиторий распространяется в формате safetensors по лицензии Apache 2.0.

antoinelouis/biencoder-distilcamembert-mmarcoFR — франкоязычный плотный bi-encoder, дообученный Antoine Louis на базе cmarkea/distilcamembert-base для семантического поиска и извлечения релевантных passages. Модель кодирует запросы и документы в векторы размерности 768; косинусное сходство между ними служит оценкой релевантности. Архитектура основана на CamemBERT, содержит 81,2 млн параметров и поддерживает последовательности длиной до 514 токенов; в описанном обучении длина запросов и passages ограничивалась 128 токенами. Модель обучена на французской части mMARCO с hard negatives, полученными от плотных ретриверов. В README приведена оценка на dev-наборе mMARCO-fr с 6 980 запросами и корпусом из 8,8 млн passages. Она подходит для построения семантического поиска на французском языке, где запросы и документы кодируются отдельно, а кандидаты ранжируются по сходству векторов. Лицензия — MIT.

Sahajtomar/french_semantic — модель на базе Sentence Transformers для оценки семантического сходства предложений на французском языке. В карточке приведены результаты на французских наборах STS: 87,4% на dev и 85,8% на test. Метаданные указывают на поддержку эмбеддингов и формат PyTorch. Модель подходит для сравнения французских предложений, поиска семантически близких формулировок и ранжирования текстов по сходству. Размер, длина контекста и лицензия в доступных материалах не указаны.

Vibels/georgian-e5-finetuned — дообученная Vibels модель для семантического сравнения предложений и поиска на грузинском языке. Она создана на основе intfloat/multilingual-e5-small и обучена на 65 000 пар из набора Vibels/parallel-corpus_geo_eng_geo-translated. Модель использует архитектуру BERT и выдаёт плотные текстовые эмбеддинги; размер составляет 124,3 млн параметров, контекст — до 512 токенов. Метаданные указывают поддержку sentence-similarity, а README сообщает о бенчмарке GeorgianFAQRetrieval. Модель подходит для поиска ответов в грузинских FAQ, сопоставления запросов с документами и сравнения предложений. Базовая модель многоязычная и предназначена для межъязыкового подбора текстов, однако конкретные результаты дообучения описаны для грузинского. Распространяется по лицензии Apache-2.0.

GeRaCl-USER2-base — русскоязычная модель для классификации текста без примеров для заданных классов. Её разработали как часть семейства GeRaCl, дообучив sentence encoder USER2-base; модель содержит 155 млн параметров и использует плотную архитектуру классификатора. При работе пользователь передаёт текст и названия возможных классов, а модель оценивает их и выбирает наиболее подходящий. Модель предназначена для быстрой многоклассовой классификации русских текстов, в том числе по пользовательским категориям. В README приведены результаты на задачах MTEB-rus: среднее значение Mean(task) — 0,65; среди примеров — классификация отзывов Kinopoisk, заголовков и текстов по рубрикам GRNTI и OECD. Это результаты авторской оценки на указанном бенчмарке, а качество на других данных может отличаться. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

GTE-small-zh — компактная модель текстовых эмбеддингов семейства General Text Embeddings, разработанная Alibaba DAMO Academy на основе архитектуры BERT. Она обучена на больших наборах пар текстов с оценками релевантности и предназначена для получения векторных представлений китайских текстов. Модель подходит для семантического поиска, сравнения сходства предложений, извлечения информации и ранжирования текстов. Размер модели составляет около 36 млн параметров, размерность эмбеддингов — 512, максимальная длина последовательности — 512 токенов. Веса доступны в форматах PyTorch и safetensors. Модель рассчитана исключительно на китайские тексты; более длинные входы обрезаются до 512 токенов. Лицензия — MIT.

cfokmu/klue-roberta-base-klue-sts — модель эмбеддингов предложений на базе RoBERTa, опубликованная сообществом cfokmu. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Модель использует архитектуру RoBERTa с 137,8 млн параметров; для вычисления эмбеддингов применяется pooling поверх контекстных представлений токенов. Максимальная длина контекста — 514 токенов. Модель подходит для семантического поиска и группировки текстов по смыслу. Карточка указывает обучение с CosineSimilarityLoss; данные подтверждают назначение для KLUE/ST​S, поэтому основным языком является корейский. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

scroobiustrip/mpnet-direction-finetuned-v2 — англоязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-mpnet-base-v2 для сопоставления предложений с учётом направления отношений. Она кодирует предложения и короткие абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Максимальная длина входа в метаданных — 514 токенов; карточка README указывает ограничение в 384 токена. Модель предназначена для семантического поиска, оценки сходства и поиска перефразировок. Также её можно применять для кластеризации текстов и классификации на основе эмбеддингов. В обучающих примерах встречаются запросы о международных денежных переводах с указанием стран отправления и назначения, поэтому модель настроена на различение направления таких операций. В README приведён результат cosine_accuracy 1.0 на all-nli-test, но подробностей о методике и диапазоне применимости недостаточно, чтобы считать его гарантией качества на других данных. Модель принимает текст и выдаёт векторы. Распространяется по лицензии Apache-2.0.

NeoAraBERT_Mix — арабская модель для получения текстовых эмбеддингов на архитектуре NeoBERT, разработанная совместно подразделением U4RASD Центра исследований и политических исследований арабских стран (ACRPS) и Американским университетом Бейрута (AUB). Чекпойнт предварительно обучен на открытых и внутренних наборах данных, охватывающих современный литературный арабский, классический арабский и диалекты. В репозитории указаны архитектура NeoBERT и размер 314,2 млн параметров; модель распространяется в формате Safetensors и рассчитана на работу через Transformers. Модель предназначена для построения эмбеддингов и задач понимания арабского текста. Авторы сообщают о сравнении с пятью арабскими моделями на 23 задачах и о лидерстве вариантов NeoAraBERT в 18 из них; отдельная задача Muradif оценивает качество эмбеддингов без дополнительного дообучения. В модель заложены решения, ориентированные на арабский язык: нормализация текста, лёгкий стемминг, обработка диакритики и POS-ориентированное маскирование токенов. Лицензия — CC BY-SA 4.0. Это базовая языковая модель, а её качество на конкретных прикладных задачах может зависеть от выбранной downstream-модели или дополнительной настройки; сведения о длине контекста в предоставленных данных отсутствуют.

sentence-transformers/nli-bert-large-cls-pooling — модель семейства BERT, обученная командой Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска по смыслу и кластеризации; также подходит для вычисления сходства предложений. Модель использует CLS-пулинг, имеет около 433,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Репозиторий содержит веса в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель устарела: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать более новые модели Sentence Transformers. Язык обучения и поддерживаемые естественные языки в предоставленных данных не указаны. Лицензия — Apache-2.0.

sonoisa/sentence-bert-base-ja-mean-tokens-v2 — японская модель Sentence-BERT, разработанная sonoisa для получения векторных представлений предложений и сравнения их смысловой близости. Это плотная BERT-модель на 137,8 млн параметров с контекстом до 512 токенов; модель обучена с функцией потерь MultipleNegativesRankingLoss и, по сообщению автора, превзошла версию 1 на 1,5–2 процентных пункта на внутреннем закрытом наборе данных. Для работы с текстом на японском языке модель использует предварительно обученную cl-tohoku/bert-base-japanese-whole-word-masking. При запуске вывода требуются fugashi и ipadic. Подходит для поиска похожих предложений, семантического поиска и задач, где нужно сравнивать текстовые эмбеддинги. Модель распространяется по лицензии CC BY-SA 4.0. Указанное автором улучшение измерено только на внутреннем наборе данных, поэтому оно не гарантирует аналогичного результата на других корпусах; контекст ограничен 512 токенами.

Lajavaness/sentence-flaubert-base — франкоязычная модель эмбеддингов предложений, разработанная Lajavaness на основе flaubert/flaubert_base_uncased. Модель с архитектурой Flaubert и 137 млн параметров дообучена в сиамской схеме Sentence Transformers с использованием Augmented SBERT, набора STS и стратегий подбора пар; при подготовке данных применялись CrossEncoder-camembert-large и dangvantuan/sentence-camembert-large. Модель преобразует французские предложения в векторы для сравнения их смысловой близости. Её можно применять для поиска семантически похожих фраз, сопоставления формулировок и вычисления сходства пар предложений. В README приведены результаты на STS-B и нескольких французских бенчмарках семантического сходства. Модель принимает текст и возвращает эмбеддинги; контекст ограничен 512 токенами. Модель распространяется под лицензией Apache-2.0. Она ориентирована на французский язык, поэтому качество для других языков не подтверждено приведёнными данными; эмбеддинги также не следует трактовать как готовые ответы или метки без дополнительной логики приложения.

thomaskim1130/stella_en_400M_v5-FinanceRAG — дообученная модель Sentence Transformers на базе stella_en_400M_v5, подготовленная для получения векторных представлений предложений и абзацев. Она кодирует текст в плотные векторы размерностью 1024 и использует косинусное сходство для сравнения. В метаданных указаны 433,9 млн параметров и контекст до 8192 токенов; в README для модели указана максимальная длина последовательности 512 токенов. Модель подходит для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Название FinanceRAG предполагает применение в поиске по финансовым материалам, однако README не описывает отдельную финансовую специализацию или конкретную оценку на финансовом наборе данных. Обучение проведено на 2256 парах предложений с использованием MultipleNegativesRankingLoss. Лицензия в предоставленных данных не указана.

colbert-ko-v1 — корейская многовекторная модель эмбеддингов ColBERT, дообученная автором yjoonjang с помощью PyLate на корейских данных. Она предназначена для семантического поиска по документам, извлечения релевантных фрагментов и повторного ранжирования результатов с помощью позднего взаимодействия MaxSim. Архитектура основана на ModernBERT с линейным проекционным слоем 768→128; модель содержит 148,7 млн параметров и принимает текстовые запросы и документы. README указывает длину запроса до 32 токенов и документа до 1024 токенов, а метаданные — контекст 16 384 токена. Модель ориентирована исключительно на корейский язык. В README приведены оценки на наборах для многошагового поиска ответов и корейского поиска по документам, включая медицинские и общественные материалы; результаты сравниваются с jina-colbert-v2. Доступны веса safetensors, библиотека PyLate, лицензия Apache-2.0. Для применения нужны индекс документов и поисковый конвейер; модель формирует векторы для оценки релевантности, а не готовые текстовые ответы.

Это дообученная модель Sentence Transformers на базе итальянской версии BERT dbmdz/bert-base-italian-uncased, разработанная владельцем репозитория AChierici84. Она преобразует предложения и абзацы на итальянском языке в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT с усреднением токенных представлений; сходство векторов оценивается косинусной мерой. Модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В README приведён результат Spearman 0,811 по косинусному сходству на задаче оценки семантической близости. Модель подходит для поиска похожих текстов и построения эмбеддингов, но качество на других наборах данных и задачах отдельно не подтверждено. Лицензия в предоставленных сведениях не указана.

Это предварительно обученная модель векторных представлений fastText для эстонского языка, опубликованная Facebook. Она предназначена для преобразования слов и текстовых фрагментов в векторы, которые можно использовать в классификации текста, определении языка и вычислении семантического сходства. Модель построена на fastText и обучена методом CBOW с позиционными весами на корпусах Common Crawl и Wikipedia. Векторы имеют размерность 300; используются символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. fastText работает на обычном процессоре и подходит для прототипирования и применения в продукционных системах. Модель предназначена для работы с текстом на эстонском языке. В README отмечено, что предсказания могут отражать смещения, присутствующие в обучающих данных. Лицензия — CC BY-SA 3.0.