I.12Рекомендации и персонализация

Splade++ SelfDistil — разреженный текстовый энкодер, разработанный на базе naver/splade-cocondenser-selfdistil и дообученный на данных MS MARCO с использованием Sentence Transformers. Модель преобразует запросы и документы в разреженные векторы размерностью 30 522; сходство между ними оценивается скалярным произведением. Архитектура состоит из трансформера BERT с masked language modeling и слоя SPLADE pooling с max-пулингом и ReLU. Модель предназначена для семантического поиска и разреженного извлечения документов или пассажей, в том числе в поисковых системах, работающих с парами запрос–документ. Максимальная длина последовательности — 512 токенов. В README указана поддержка английского языка. Опубликованные оценки на небольших наборах NanoMSMARCO, NanoNFCorpus и NanoNQ демонстрируют качество извлечения, но не гарантируют аналогичных результатов на других данных. Лицензия — Apache-2.0.

Это англоязычный ретривер на базе BERT, дообученный Utah NLP с помощью Tevatron-Elastic для поиска релевантных документов по запросу. Модель формирует векторные представления запросов и текстовых фрагментов; в запросах и документах используются префиксы `query:` и `passage:`. Чекпойнт поддерживает эластичную ширину эмбеддинга по принципу Matryoshka Representation Learning (MRL): из одной модели можно получать представления разных размерностей, выбирая рабочую точку через Tevatron-Elastic. Модель содержит 136,7 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате safetensors. В тесте BEIR-15 для полной размерности указано значение nDCG@10 0,445. Это ресурс для воспроизводимости экспериментов и построения систем поиска; авторы не заявляют о превосходстве над современными моделями. Лицензия — Apache-2.0.

Это модель CLIP с архитектурой ViT-L/14, обученная на данных LAION-400M. Репозиторий timm предоставляет веса, совместимые с open_clip и timm, в форматах PyTorch и safetensors; библиотека модели — open_clip. Модель сопоставляет изображения и текстовые описания, поэтому её можно применять для классификации изображений по текстовым меткам без отдельного обучения классификатора. Она подходит для поиска подходящей подписи или категории среди заданных вариантов. В метаданных Hugging Face основная задача указана как zero-shot image classification. Модель распространяется по лицензии MIT. Результаты зависят от формулировок текстовых меток и распределения данных; карточка не описывает специальные ограничения или оценку качества.

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.

sentence-transformers/bert-base-nli-stsb-mean-tokens — модель Sentence-Transformers на базе BERT, обученная командой Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов; для построения эмбеддингов используется pooling контекстных представлений BERT. Модель доступна в форматах PyTorch, TensorFlow, JAX, ONNX и OpenVINO и распространяется по лицензии Apache-2.0. Авторы пометили её как устаревшую и предупреждают о низком качестве эмбеддингов, поэтому для новых систем семантического поиска и сравнения предложений рекомендуются более современные модели.

Erlangshen-TCBert-110M-Sentence-Embedding-Chinese — китайская модель семейства BERT, разработанная командой Fengshenbang-LM. Это вариант TCBert с примерно 129,5 млн параметров, предназначенный для получения векторных представлений предложений и классификации тем. Модель предварительно обучалась контрастивным методом на многочисленных наборах данных тематической классификации с использованием общих промптов; в README описаны эксперименты на китайских наборах TNEWS, CSLDCP и IFLYTEK. Модель принимает китайский текст и выдаёт предсказания замаскированных токенов; архитектура в метаданных указана как BertForMaskedLM с контекстом до 512 токенов. Представления предложений можно применять в сценариях тематической классификации и оценки сходства. Опубликована в формате PyTorch под лицензией Apache-2.0. Метаданные Hugging Face помечают её задачей fill-mask, поэтому для извлечения эмбеддингов может понадобиться соответствующая настройка модели и pooling.

nghuyong/ernie-3.0-nano-zh — китайская языковая модель ERNIE 3.0, опубликованная как преобразованная в PyTorch версия официальной модели PaddlePaddle. В карточке указана архитектура ErnieModel и размер 18,7 млн параметров; модель принимает текст и выдаёт векторные представления токенов или текста для последующего использования в NLP-системах. Модель предназначена для извлечения признаков из китайского текста и может служить компонентом поисковых, классификационных и семантических конвейеров. Максимальная длина контекста — 2048 токенов. Карточка описывает проверку точности преобразования весов, но не приводит конкретные результаты бенчмарков. Лицензия в предоставленных данных не указана.

mrm8488 подготовил на базе энкодерной модели Alibaba-NLP/gte-large-en-v1.5 Sentence Transformer, дообученный на примерах из mathstackexchange, Socratic и Stack Exchange. Модель преобразует предложения и абзацы в плотные 1024-мерные векторы; для сравнения близости используется косинусное сходство. Метаданные указывают 433,9 млн параметров, библиотеку Sentence Transformers и контекст до 8192 токенов, а карточка описывает максимальную длину последовательности 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации, особенно для вопросов и ответов из математических и тематических сообществ. В README приведён результат Spearman 0,859 на тесте семантического сходства STS. Лицензия в предоставленных данных не указана.

JevK5-9B v0.3.3 — это открытая модель весом 7,2 млрд параметров, разработанная авторами JevK5 как независимая альтернатива Jev для принятия типизированных решений. Она дообучена на Qwen/Qwen3.5-9B: LoRA-адаптер ранга 16 для проекций внимания объединён с базовыми весами. Для работы с вероятностями вариантов используется протокол SemIf: модель оценивает все варианты за один проход без генерации токенов. Поддерживаются вопросы да/нет, выбор из вариантов и числовая оценка; для вопросов более чем с 16 вариантами применяются несколько проходов. Модель предназначена для классификации состояний и запросов по заданным критериям, маршрутизации обращений, оценки решений и других задач, где нужно получить вероятности по заранее заданным вариантам. В README сообщается о результатах проверок на отложенных наборах, включая тесты с вопросами из областей, не встречавшихся при обучении; качество и калибровка различаются между наборами, а сложная категория JevBench калибруется хуже, чем у версии на 4 млрд параметров. Для инференса авторы рекомендуют JevK5 runtime; для bf16 требуется CUDA GPU примерно с 19 ГБ памяти. Лицензия — Apache-2.0.

MemOperator-0.6B — компактная причинно-следственная языковая модель MemTensor для операций с памятью в системе MemOS. Она дообучена методом SFT на основе моделей Qwen3 и предназначена для локального развертывания, в том числе в средах без доступа к интернету, с низкими затратами ресурсов и малой задержкой. В метаданных указана связь слияния с Qwen/Qwen3-0.6B, Qwen/Qwen3-1.7B и Qwen/Qwen3-4B; архитектура — плотная decoder-only модель Qwen3 с примерно 507,9 млн параметров. Для этой версии указан контекст до 40 960 токенов. Модель извлекает сведения из диалогов и документов, в том числе составляет краткие сводки фрагментов документов, а также поддерживает кластеризацию и реорганизацию связанных воспоминаний. Карточка заявляет поддержку английского и китайского языков и приводит результаты семейства MemOperator на бенчмарке locomo, но таблица содержит сравнение только версии 4B; переносить эти показатели на версию 0.6B нельзя. Разрешены загрузка через Transformers и использование с vLLM или SGLang; лицензия — Apache-2.0. Разрешение конфликтов и рассуждение об отношениях в README обозначены как находящиеся в разработке.

MILCO — модель для многоязычного разреженного поиска, представленная в работе «MILCO: Learned Sparse Retrieval Across Languages via a Multilingual Connector» для ICLR 2026. Репозиторий omai-research/milco-650m содержит модель в формате PyTorch для Transformers; лицензия — Apache-2.0. Модель кодирует запросы и документы в разреженные представления в общем лексическом пространстве английского языка. Она предназначена для внутъязыкового и межъязыкового поиска: запрос и документ могут быть написаны на разных языках. Архитектура включает многоязычный трансформер, коннектор к размерности английского энкодера и LexEcho head, который дополняет английское представление весами исходных токенов, чтобы сохранять редкие имена и термины. В README описана конфигурация с BAAI/bge-m3-unsupervised и naver/splade-v3; заявлена оценка более чем на 39 языках. Размер модели по идентификатору репозитория — 650 млн параметров. README сообщает о результатах на многоязычных бенчмарках и уменьшении размера индекса и задержки поиска при прореживании представлений. Это заявления авторов; конкретные условия и методика сравнения в предоставленных данных не раскрыты. Для загрузки в Transformers README указывает trust_remote_code=True. Ограничение лицензии Apache-2.0 — её условия необходимо соблюдать при использовании и распространении модели.

mmarco-sentence-flare-it — модель Sentence-Transformers на базе XLM-RoBERTa, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 384. Она обучалась с TripletLoss на данных mmarco и подходит для семантического поиска, сравнения сходства текстов и кластеризации. Модель рассчитана на итальянский язык; максимальная длина контекста составляет 514 токенов, размер — 19,8 млн параметров. Доступны форматы PyTorch, safetensors и ONNX. Лицензия Apache-2.0.

tomaarsen/multivector-ModernBERT-base-msmarco-cached-contrastive — англоязычный многовекторный энкодер, дообученный автором на базе answerdotai/ModernBERT-base на 99 000 примерах MS MARCO с помощью Sentence Transformers. Модель кодирует текст в последовательность 128-мерных векторов токенов и оценивает пары запросов и документов по позднему взаимодействию MaxSim; максимальная длина последовательности — 8192 токена. Архитектура основана на ModernBERT, число параметров — 149 млн. Модель предназначена для семантического поиска и информационного поиска, где важна детализация на уровне токенов. Её можно использовать для поиска документов по запросам и ранжирования найденных текстов; README приводит оценки на наборах NanoMSMARCO и NanoBEIR. Модель принимает текст и выдаёт векторы признаков, а не готовые ответы на вопросы. Лицензия — Apache-2.0. Модель обучена на англоязычных данных и рассчитана прежде всего на поиск на английском языке; качество на других языках не подтверждено. Векторное представление токенов и вычисление MaxSim требуют соответствующей логики индексирования и поиска.

Needle 3 — компактная языковая модель компании Cactus Compute для локального запуска на мобильных устройствах, носимой электронике, роботах, системах умного дома, автомобилях и микроконтроллерах. В метаданных указаны 175,4 млн параметров, плотная архитектура NeedleForToolCalling и контекст до 8192 токенов. Модель распространяется под лицензией Apache-2.0. Needle 3 предназначена прежде всего для вызова функций и инструментов: она выбирает подходящие функции из заданных приложением и заполняет их аргументы по запросу пользователя. Также модель извлекает структурированные данные из неформатированного текста с ограничением формата ответа грамматикой и создаёт векторные представления предложений для локального поиска, сопоставления и маршрутизации. Разработчик указывает, что модель оптимизирована для этих задач на устройствах с ограниченными ресурсами, жертвуя возможностями общего чата. Архитектура сочетает Monarch Hadamard MLP, групповое внимание с причинными свёрточными связями, память n-грамм engram и многоканальные гиперсвязи; доступны варианты глубиной от 2 до 20 слоёв. README также описывает сжатие весов и грамматическое ограничение вывода. Для распознавания речи модель может работать вместе с отдельной моделью Whistle, но Needle 3 сама по себе не является моделью распознавания речи. Ограничения включают меньшие возможности общего диалога и зависимость качества вызова инструментов от описаний функций и заданных схем.

Карточка модели Steve0927/qwen3-embedding-0.6b-lrat-full80k-hardneg-preserve-mr2-min6-from-broad-singlefile на Hugging Face совпадает с карточкой Steve0927/qwen3-embedding-0.6b-lrat-full80k-hardneg-preserve-mr2-min6-from-broad, поэтому описание составлено по ней. Steve0927 подготовил плотный ретривер на основе Qwen3-Embedding-0.6B для конкурса XIR 1170. Модель дообучена методом Trajectory Utility Calibration на примерах поиска, полученных из траекторий LRAT: метод корректирует веса примеров, отмечает слабые позитивные примеры и вероятные ложные негативы, сохраняя сложные негативы для контрастивного обучения. Модель предназначена для семантического поиска по фиксированному корпусу в агентных сценариях, подобных XIR и BrowseComp-Plus. Она принимает текстовые запросы и документы и выдаёт плотные эмбеддинги для извлечения релевантных документов. Число параметров — 507,6 млн; базовая архитектура — Qwen3, контекст — до 32 768 токенов. В карточке заявлен английский язык. Лицензия в предоставленных данных не указана.

SPLADE — англоязычный разреженный кодировщик текста семейства BERT, разработанный на базе Luyu/co-condenser-marco и дообученный с помощью Sentence Transformers на данных MS MARCO. Он преобразует запросы и документы в разреженные векторы размерности 30 522, которые можно сопоставлять скалярным произведением для семантического поиска и разреженного поиска информации. Модель использует BertForMaskedLM и пулинг SPLADE с максимизацией и ReLU. Максимальная длина входной последовательности — 512 токенов. Она подходит для построения поисковых систем и извлечения релевантных документов; в карточке приведены оценки на наборах NanoMSMARCO, NanoNFCorpus и NanoNQ. Модель принимает текст и выдаёт разреженные векторные представления. Поддерживаемый язык — английский. Лицензия — Apache-2.0. Результаты в карточке относятся к указанным компактным оценочным наборам и сами по себе не гарантируют качество на других корпусах.

Sathvik0101/srag-biencoder-hn — sentence-transformers биэнкодер, дообученный разработчиком на базе sanganaka/bge-m3-sanskritFT. Модель использует XLM-RoBERTa с пулингом CLS и нормализацией, преобразует текстовые предложения и абзацы в плотные векторы размерностью 1024. Сходство векторов можно оценивать косинусной мерой; модель предназначена для семантического поиска и извлечения релевантных текстов. В метаданных указано контекстное окно 8194 токена, а в README — максимальная длина последовательности 256 токенов. Обучение описано для набора из 4858 примеров с MultipleNegativesRankingLoss. Базовая модель специализируется на сопоставлении английских и санскритских текстов, поэтому пригодность этой версии для других языков не подтверждена. Лицензия в предоставленных данных не указана.

yuyijiong/T5-large-sentiment-analysis-Chinese 是基于 IDEA-CCNL/Randeng-T5-784M-MultiTask-Chinese 微调得到的中文情感分析模型，参数量约 385,7 млн. Разработчик указывает, что эта версия улучшает предыдущую yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese за счёт решения проблемы переобучения. Модель построена на архитектуре T5 и распространяется в формате PyTorch. Модель извлекает из текста объекты, мнения, аспекты и полярность тональности, представляя результат в структурированном виде. Можно задавать стиль извлечения мнения, анализировать тональность для выбранных аспектов и разрешать модели дополнять отсутствующий объект. Карточка описывает обучение на нескольких китайских и англоязычных наборах данных, включая SemEval 2016 Task 5. Основное назначение — аспектный анализ тональности текстовых отзывов и других высказываний. Хотя метаданные задают тег text-generation, доступная карточка описывает именно извлечение структурированных результатов анализа тональности. В README указано, что это улучшение более ранней версии; условия лицензии и численная длина контекста в доступных данных не приведены.

Adel-Elgabry/arabic-semantic-search — модель Sentence Transformers, дообученная автором на базе sentence-transformers/LaBSE для поиска семантически близких арабских текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной мерой, а векторы использовать для поиска и извлечения релевантных текстов. В метаданных указана архитектура RoBERTa с 151,8 млн параметров; библиотека для работы — sentence-transformers. Модель принимает текст и рассчитана на последовательности длиной до 256 токенов согласно README; метаданные каталога указывают контекст 514 токенов. Обучение описано на наборе из 1 000 пар предложений с MultipleNegativesRankingLoss. LaBSE поддерживает 109 языков, однако специализация этой дообученной модели — арабский семантический поиск. Лицензия в предоставленных данных не указана.

anishareddyalla/bge-base-financial-matryoshka-anisha — англоязычная модель Sentence Transformer, дообученная автором на базе BAAI/bge-base-en-v1.5 для создания плотных текстовых эмбеддингов. Она кодирует предложения и абзацы в векторы размерностью 768 и поддерживает сравнение по косинусному сходству. Архитектура основана на BERT и включает пулинг CLS-токена и нормализацию; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, включая поиск финансовых материалов. Её также можно использовать для поиска перефразирований, кластеризации и классификации текстов. Обучение описано как Matryoshka fine-tuning: приведены результаты поиска для усечённых эмбеддингов размерностью от 64 до 768, а обучающая выборка содержит 6 300 примеров. Лицензия — Apache-2.0.

robzchhangte/e5-base-mizo — модель Sentence Transformer, дообученная автором на базе intfloat/multilingual-e5-base для преобразования текстов на мизо в плотные векторные представления и поиска по смыслу. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений и нормализацией; модель содержит 305,2 млн параметров, выдаёт эмбеддинги размерности 768 и принимает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска и сопоставления предложений или абзацев, в том числе для retrieval-сценариев. Для сравнения векторов используется косинусное сходство. Карточка указывает дообучение на примерах anchor, positive и negative; отдельная лицензия в предоставленных данных не приведена.

Engram Retrieval v0 — англоязычный cross-encoder, разработанный для конвейера поиска объектов знаний Engram. Модель дообучена на базе cross-encoder/ms-marco-MiniLM-L6-v2 с помощью Sentence Transformers и оценивает пару из пользовательского запроса и текста объекта знаний, чтобы ранжировать кандидатов перед более дорогим этапом переранжирования. Модель имеет архитектуру BERT с классификационной головой BertForSequenceClassification, около 25,9 млн параметров и предел последовательности 512 токенов. Она принимает текстовые пары и выдаёт оценку релевантности; также подходит для семантического поиска и классификации пар. В README описана настройка для выборки из 194 обучающих примеров и оценка на размеченных данных Engram. Модель распространяется по лицензии Apache-2.0. Её специализация — поиск по объектам знаний Engram, поэтому перенос на другие коллекции и запросы может потребовать дополнительной проверки или дообучения. Повторное обучение зависит от содержимого wiki-файлов, которое может меняться со временем.

lingtrain/labse-chuvash — дообученная модель Sentence Transformer на базе sentence-transformers/LaBSE, предназначенная для построения эмбеддингов предложений и абзацев. Она кодирует текст в плотные векторы размерности 768 и сравнивает их косинусным сходством; обучение проводилось на миллионе пар предложений с функцией MultipleNegativesRankingLoss. Модель рассчитана на семантический поиск и сопоставление смыслов, в том числе для чувашских текстов и пар чувашский—русский. Её можно применять для поиска похожих предложений, выявления перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Архитектура — BERT; метаданные указывают контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов, поэтому на практике следует учитывать ограничение модели в используемой конфигурации. Модель принимает текст и выдаёт векторы; лицензия в предоставленных данных не указана. Она не генерирует текст и качество за пределами чувашского и русско-чувашских примеров карточки не охарактеризовано.

llama3.1-kartoffeldes-70B — плотная языковая модель семейства Llama 3.1 на 69,5 млрд параметров, созданная nbeerbower путём дообучения Llama-3.1-Saoirse-70B. Модель предназначена для генерации текста и диалогового взаимодействия; указано, что она дообучена методом ORPO на нескольких наборах данных в течение двух эпох. Модель работает с текстом и имеет контекстное окно до 131072 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия Llama 3.1. Состав наборов для дообучения включает данные для предпочтений, физического рассуждения и проверки достоверности; карточка не приводит результатов оценки качества, поэтому конкретные преимущества модели установить нельзя.

Это конверсия MetaCLIP 2 от zeromodels: мультимодальный двухэнкодерный чекпойнт архитектуры CLIP для классификации изображений без обучения на конкретном наборе классов. Базовая модель — facebook/metaclip-2-worldwide-b16; версия подготовлена в формате Keras 3 и работает с TensorFlow, Torch и JAX. Модель сопоставляет изображение с текстовыми описаниями классов и подходит для классификации по пользовательским меткам. Вариант worldwide обучен на многоязычном распределении данных и использует словарь XLM-RoBERTa на 901 тыс. токенов, поэтому запросы-классы можно задавать на разных языках без отдельного мультиязычного чекпойнта. Для обработки рекомендуется использовать совместимый с вариантом процессор, который задаёт размер изображения и токенизатор. Модель распространяется по лицензии CC-BY-NC-4.0, допускающей использование на некоммерческих условиях. Качество зависит от формулировки текстовых меток и соответствия изображения обучающим данным; README не приводит количественных оценок качества или ограничений по разрешению.

myX-Semantic-Light — модель эмбеддингов предложений на базе Sentence Transformers, разработанная Khant Sint Heinn и опубликованная DatarrX. Она дообучена с дистилляцией знаний от sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на корпусе DatarrX/myX-Mega-Corpus из 500 тысяч строк и ориентирована на бирманский язык. Модель кодирует текст в плотные 384-мерные векторы и использует среднее объединение токенов. Она предназначена для семантического поиска, кластеризации и оценки сходства предложений, в том числе на мобильных устройствах и в средах с ограниченными ресурсами. Для сравнения векторов автор рекомендует косинусное сходство; ориентир 0,40 может указывать на семантическую связь. Контекст модели — 512 токенов по метаданным, а README указывает максимальную длину последовательности 128 токенов для обучения и рекомендует её для коротких и средних текстов. Модель рассчитана на текст в Unicode Burmese; кодировка Zawgyi не поддерживается, а для длинных документов качество может снижаться. Распространяется по лицензии Apache-2.0.

Модель Yueh-Huan — классификатор новостных заголовков на базе DistilBERT, дообученный на 210 тысячах заголовков HuffPost за 2012–2022 годы. Она предназначена для отнесения заголовка к категории новостей и может использоваться для автоматической разметки новостных материалов. Модель принимает текст и возвращает метку класса. Архитектура — DistilBertForSequenceClassification; репозиторий содержит веса в формате TensorFlow. Карточка указывает поддержку английского языка и контекст до 512 токенов. Лицензия — OpenRAIL.

kartashoffv/news_topic_classification — дообученная модель BERT для классификации текста по темам новостей. Она основана на русскоязычной DeepPavlov/rubert-base-cased и содержит 205,1 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для присвоения новостным текстам тематических меток и может использоваться в автоматической сортировке новостей и тематической разметке публикаций. В карточке приведён результат F1 0,8712 на оценочном наборе, но название и состав набора, схема классов и методика оценки не раскрыты. Модель работает с текстом и выдаёт классификационные метки. Используются форматы PyTorch и safetensors; лицензия в предоставленных данных не указана.

PunjabiSBERT — модель семейства BERT от L3Cube-Pune, дообученная на наборе данных NLI для получения представлений предложений на пенджабском языке. Она предназначена для вычисления семантического сходства между предложениями и извлечения эмбеддингов для поиска или группировки текстов. Модель содержит 264,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель подходит для сравнения пенджабских предложений и построения приложений на основе векторного поиска. Для использования по лицензии CC-BY-4.0 требуется атрибуция. В README отмечена отдельная улучшенная версия для сходства предложений; сведения о её сравнительных результатах здесь не приведены.

SegeeMak/resume-ner-xlm — модель для распознавания именованных сущностей в резюме, дообученная на базе FacebookAI/xlm-roberta-base. Она использует архитектуру XLM-RoBERTa для классификации токенов и содержит 305,2 млн параметров; максимальная длина контекста составляет 514 токенов. По метрикам оценки модель выделяет сведения о сертификатах, языках, профессиональных навыках, мягких навыках и технических навыках. В README приведены общая точность F1 0,8201, precision 0,8220 и recall 0,8182. Модель предназначена для извлечения структурированных данных из резюме, например навыков и языков кандидата. Данные обучения и их языковой состав в карточке не описаны, поэтому поддержку конкретных языков по этим сведениям установить нельзя. Модель распространяется по лицензии MIT.