I.12Рекомендации и персонализация

zeromodels/metaclip2_worldwide_huge_378 — конверсия MetaCLIP 2 от zeromodels в формат Keras 3. Это двухкодерная модель архитектуры CLIP: она сопоставляет изображения и текстовые описания в общем пространстве признаков и предназначена для классификации изображений без обучения на целевых классах. Версия worldwide обучена на многоязычных данных и использует словарь XLM-RoBERTa на 901 тысячу токенов, поэтому запросы-классы можно задавать на разных языках. Модель подходит для классификации изображений по текстовым меткам, в том числе для многоязычных сценариев и работы с классами, не заданными при обучении. Реализация Keras 3 запускается на TensorFlow, PyTorch и JAX; процессор подбирает размер изображения и токенизатор для варианта модели. Репозиторий содержит веса в формате TensorFlow. Модель основана на facebook/metaclip-2-worldwide-huge-378. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях. Точные ограничения качества и поддерживаемые размеры входных изображений в предоставленных материалах не описаны.

Это конверсия MetaCLIP 2 Worldwide M16 в формат Keras 3, опубликованная zeromodels на основе facebook/metaclip-2-worldwide-m16. Модель с архитектурой CLIP использует два энкодера: один для изображений, другой для текста. Она предназначена для классификации изображений по текстовым описаниям в zero-shot режиме, без отдельного обучения на заданных классах. Вариант Worldwide обучен на многоязычном распределении данных и использует словарь XLM-RoBERTa размером 901 тыс. токенов, поэтому принимает текстовые метки на разных языках, включая английский, французский, испанский и немецкий. Конверсия работает через Keras 3 с бэкендами TensorFlow, Torch и JAX; для загрузки предлагается совместимый Processor, который подбирает размер изображения и токенизатор. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование.

Metis-4B — плотная мультимодальная модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-4B. Репозиторий содержит полные объединённые веса дообученной модели; для работы используется библиотека Transformers с пользовательским кодом модели из репозитория и версией Transformers 5.4.0 или новее. Модель предназначена для диалоговых сценариев с сохранением и использованием информации из предыдущего контекста, а также поддерживает понимание изображений и генерацию текста. В метаданных указано 3,4 млрд параметров; модель распространяется в формате safetensors и доступна по лицензии Apache-2.0. Карточка не приводит количественных оценок качества, точного размера контекста или подробностей о механизме памяти. Для загрузки требуется разрешить пользовательский код репозитория через trust_remote_code.

ModernBERT-TR 1k — турецкая энкодерная модель на архитектуре ModernBERT, разработанная Besher Alkurdi, Himmet Toprak Kesgin, Muzaffer Kaan Yuce и Mehmet Fatih Amasyali. Это модель с маскированным языковым моделированием, предварительно обученная с нуля на 144,4 млрд токенов; она содержит 148,7 млн параметров и поддерживает контекст до 8192 токенов. Архитектура включает 22 слоя, скрытый размер 768, 12 голов внимания, RoPE, GLU и чередование локального и глобального внимания. Используется собственный токенизатор WordPiece на 50 тысяч токенов, оптимизированный для морфологии турецкого языка. Модель предназначена как базовый энкодер для турецких NLP-задач: заполнения пропусков, классификации текста, семантического сходства, распознавания текстовых отношений и поиска информации. В опубликованных авторами оценках она показала сильные результаты на наборах турецких задач, включая линейное зондирование и полное дообучение; для специализированных сценариев модель можно дообучать. Метаданные указывают формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Модель agentlans/multilingual-e5-small-aligned-sentiment разработана на основе multilingual-e5-small-aligned и дообучена для оценки тональности текста на нескольких языках. Это плотная модель семейства BERT с архитектурой BertForSequenceClassification, содержащая 124,3 млн параметров и принимающая текст длиной до 512 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для определения тональности многоязычных текстов, фильтрации контента и сравнительного анализа корпусов на разных языках. В карточке описана проверка на примерах на английском, арабском, китайском, французском, русском и испанском языках; обучающие данные включают параллельные предложения и дополнительные метрики тональности. Лицензия MIT.

ibm-research/re2g-reranker-nq — модель ранжирования запросов и фрагментов текста, разработанная IBM для улучшения результатов поиска в системах с генерацией с дополнением извлечёнными данными (RAG). Она оценивает пары «вопрос — фрагмент» и помогает выбрать наиболее релевантные passages после первичного поиска. Реранкер также может упорядочивать объединённые результаты BM25 и нейронного поиска, даже если исходные оценки этих методов несопоставимы. Модель основана на BERT и имеет около 136,7 млн параметров; родительская модель — BERT-base, обученная на MSMARCO. Контекст составляет до 512 токенов. Карточка указывает английский язык. Модель предназначена для ранжирования текстовых фрагментов, а не для генерации ответов. Распространяется по лицензии Apache 2.0.

Модель textattack/roberta-base-ag-news разработана TextAttack на основе RoBERTa-base и дообучена для классификации новостных текстов из набора AG News. Она относит текст к одной из четырёх категорий набора данных: мировые новости, спорт, бизнес или наука и технологии. По карточке, модель обучали пять эпох с максимальной длиной последовательности 128 токенов; лучшая точность на проверочной выборке составила около 94,7%. Это RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 514 токенов по метаданным; доступны веса PyTorch и Flax. Модель принимает текст и выдаёт метку класса. Лицензия в предоставленных данных не указана.

Это англоязычный разреженный энкодер SPLADE, разработанный на базе Luyu/co-condenser-marco с помощью библиотеки Sentence Transformers. Модель дообучена на MS MARCO и предназначена для семантического поиска и разреженного извлечения документов по запросам. Архитектура сочетает BERT-подобный трансформер BertForMaskedLM и слой SpladePooling с max-пулингом и ReLU. Модель преобразует текст в разреженный вектор размерности 30 522; для сравнения векторов используется скалярное произведение. Максимальная длина входа — 512 токенов. В карточке приведены оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Модель содержит 136,7 млн параметров, распространяется в формате safetensors по лицензии Apache-2.0. Она подходит для англоязычного поиска, но не заявлена как многоязычная; качество для других языков не установлено.

facebook/timesformer-hr-finetuned-k600 — базовая модель TimeSformer, дообученная для классификации видео на 600 категорий набора Kinetics-600. Архитектура использует пространственно-временное внимание; модель содержит 113,2 млн параметров и распространяется в формате PyTorch. Модель предназначена для присвоения видеоролику одной из 600 меток Kinetics-600. Её можно применять для распознавания действий и событий в видео. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Oblix15/tsdae-financiero — текстовая модель Sentence Transformer на архитектуре BERT, обученная для представления предложений и абзацев в виде плотных векторов размерности 768. Модель предназначена для поиска и сравнения текстов по косинусному сходству; обучение выполнено с DenoisingAutoEncoderLoss на 36 035 парах предложений из финансового контекста на испанском языке. Модель принимает текст, использует CLS-пулинг и рассчитана на последовательности длиной до 75 токенов. Метаданные указывают 137,1 млн параметров и максимальный контекст 512 токенов; для практического использования следует учитывать более короткий лимит из карточки модели. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Модель iwillcthew/vietnamese-embedding-PROPTIT-domain-ft — Sentence Transformer на архитектуре XLM-RoBERTa, дообученный на базе AITeamVN/Vietnamese_Embedding_v2. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 1024, нормализованные для сравнения по косинусному сходству. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. В README указаны максимальная длина последовательности 512 токенов и оценка Spearman 0,7062 на валидационном наборе для задачи семантического сходства. Метаданные каталога указывают контекст до 8194 токенов; это значение относится к базовой конфигурации, тогда как карточка модели задаёт предел 512 токенов для Sentence Transformers. Модель ориентирована на вьетнамский язык и обучена на 1457 примерах, связанных с вопросами и ответами о PROPTIT — клубе программирования. Лицензия в предоставленных данных не указана.

ishikaa/acquisition_student_AS_proximity_omnimath_qwen14b — текстовая генеративная модель объёмом 14B параметров, опубликованная на Hugging Face. Модель работает через библиотеку Transformers, использует формат Safetensors и связана с семейством Qwen2; в метаданных также отмечены обучение с учителем и conversational-сценарии. Модель предназначена для генерации текста и диалогового взаимодействия. Она поддерживает контекст длиной до 32 768 токенов, что позволяет обрабатывать относительно длинные запросы и продолжать содержательные диалоги. README не содержит достоверных сведений о разработчике, лицензии, языках, исходной модели, данных обучения, результатах оценки или специализированных ограничениях.

Alfiob12/agnews-bert — модель классификации новостей, созданная дообучением bert-base-uncased на наборе AG News. Она принимает заголовок и текст статьи и относит новость к одной из четырёх категорий: World, Sports, Business или Sci/Tech. Модель построена на архитектуре BERT и содержит 136,7 млн параметров; максимальная длина контекста — 512 токенов. Предназначена для автоматической разметки новостных материалов и тематической сортировки публикаций. В README указана точность 94,47% на выделенной тестовой выборке. Модель работает с англоязычными новостями. Доступна в формате safetensors и распространяется по лицензии MIT. Результаты оценки относятся к AG News и могут не отражать качество на других тематиках, языках или форматах текста.

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

Crystalcareai/Colbertv2 — чекпойнт ColBERTv2 на базе BERT для поиска релевантных фрагментов в больших текстовых коллекциях. ColBERT кодирует запросы и документы в последовательности контекстных векторных представлений токенов, а затем сопоставляет их оператором MaxSim. Такой поздний интерактивный поиск учитывает соответствия между отдельными токенами и может обеспечивать более точное ранжирование, чем представления всего текста одним вектором. Модель обучена для задачи ранжирования пассажей MS MARCO. Типичный сценарий — заранее проиндексировать коллекцию документов, затем по текстовому запросу получать наиболее релевантные фрагменты; README также описывает запуск сервера выдачи результатов. Архитектура — BERT, около 136,7 млн параметров, контекст до 512 токенов; веса в формате PyTorch. Карточка указывает английский язык и лицензию MIT. Для работы с крупными коллекциями требуется предварительная индексация, а скорость и качество поиска зависят от параметров поиска и инфраструктуры. Чекпойнт ориентирован на английский поиск и обучение на MS MARCO, поэтому качество на других языках и предметных областях карточкой не подтверждено.

Enbeddrus v0.1 D+PC — модель эмбеддингов предложений на основе BERT, опубликованная evilfreelancer. Она кодирует предложения и абзацы на русском и английском языках в плотные векторы размерности 768 для сопоставления семантически близких фраз между языками. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Модель использует архитектуру BERT без учёта регистра, содержит 194,6 млн параметров по метаданным, а её максимальная длина контекста составляет 512 токенов. По README, её дообучали в течение 20 эпох на параллельных англо-русских данных, включая наборы OPUS с PHP-текстами и книгами. Доступны веса в формате Safetensors. Модель может быть полезна для поиска соответствий между русскими и английскими формулировками, однако заявленная оценка основана на небольшом наборе из 100 пар предложений по теме PHP. Поэтому качество на других темах и типах текстов по карточке не установлено. Условия лицензии в предоставленных данных не приведены.

Это предварительно обученная модель векторных представлений fastText для японского языка, опубликованная Facebook. Она предназначена для получения векторов слов и использования этих представлений в задачах извлечения признаков, классификации текста и определения языка. Векторы обучены на данных Common Crawl и Википедии с помощью CBOW с позиционными весами. Размерность векторов — 300; модель использует символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. Для токенизации японского текста применялся MeCab. fastText рассчитан на работу на обычном оборудовании и может использоваться для прототипирования и в прикладных системах. Модель подходит для анализа семантической близости слов и подготовки признаков для классификаторов. Векторы отражают возможные предубеждения обучающих данных и могут приводить к смещённым результатам. Лицензия — CC BY-SA 3.0.

facebook/fasttext-pt-vectors — готовые векторные представления слов на португальском языке для библиотеки fastText, разработанной Facebook. Модель предназначена для извлечения признаков из текста, языковой идентификации и использования в качестве входных представлений для классификаторов и других NLP-систем. Векторы обучены методом CBOW с позиционными весами на текстах Common Crawl и Википедии. Размерность представлений — 300; используются символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. fastText работает на обычных многоядерных процессорах и подходит для прототипирования и применения в продуктивных системах. Модель выдает векторы слов, а не готовые ответы или метки классов. В README отмечен риск смещённых предсказаний; косинусное сходство между векторами можно использовать для оценки семантической близости. Лицензия — CC-BY-SA-3.0.

Jev-Style-Qwen3.5-2B-Decision v2 — дообученная ChaoliangUNSW модель на базе текстовой Qwen3.5-2B-Base для классификации, маршрутизации и выбора из заданных вариантов. Она принимает состояние, вопрос и список из 2–26 вариантов на английском языке и за один проход возвращает оценку каждого варианта; с применением предоставленной калибровки оценки превращаются в вероятности выбора. Модель построена на плотной архитектуре Qwen3_5ForCausalLM, содержит 1,7 млрд параметров и использует веса BF16 в формате Safetensors. Заявленная длина контекста базовой модели — 262 144 токена, однако интерфейс этой модели ограничивает вход 1 024 токенами. Модель предназначена для классификации текстов и тональности, ответов «да/нет», маршрутизации запросов и типизированных решений с фиксированным набором меток или упорядоченных оценок. По результатам фиксированной англоязычной панели автор сообщает макро-точность 81,20% на 3 277 решениях по 11 задачам с реальными метками; показатель относится к описанному набору оценки и не гарантирует качество на новых данных. Для вариантов GGUF и MLX приведены отдельные сборки, но этот репозиторий содержит сборку Transformers. Модель ориентирована на англоязычный ввод и выдаёт оценки и вероятности по объявленным вариантам. Требует совместимой среды Transformers и клиентского кода из репозитория; для CUDA автор описывает дополнительную проверенную среду. Распространяется по лицензии Apache-2.0.

bartowski/LiquidAI_LFM2-1.2B-RAG-GGUF — это набор GGUF-квантизаций модели LiquidAI/LFM2-1.2B-RAG, подготовленный пользователем bartowski с применением llama.cpp и imatrix-калибровки. Модель относится к классу text-generation и предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Базовая модель имеет размер 1,2 млрд параметров и ориентирована на сценарии retrieval-augmented generation (RAG), то есть на генерацию текста с использованием предоставленного контекста или найденных документов. В репозитории доступны варианты от BF16 до 2-битных и 8-битных квантизаций размером примерно от 0,52 до 2,34 ГБ. Более высокие квантизации обычно сохраняют лучшее качество, тогда как низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Сильная сторона набора — возможность запускать модель локально на устройствах с разным объёмом памяти; варианты Q4_K_M, Q5, Q6 и другие рекомендуются автором как компромисс между размером и качеством. В README не указаны архитектура, поддерживаемые языки, размер контекстного окна, точные мультимодальные возможности, результаты оценки и формат промпта. Лицензия также не указана, поэтому условия использования необходимо проверять на странице исходной модели LiquidAI/LFM2-1.2B-RAG.

M-BERT Distil 40 — мультиязычная текстовая модель проекта Multilingual-CLIP, дообученная на базе distilbert-base-multilingual для согласования текстовых эмбеддингов с пространством текстового энкодера CLIP, используемого вместе с визуальным энкодером ResNet-50x4. Она извлекает признаки из текста и предназначена для мультиязычного поиска по изображениям и сопоставления текста с изображениями в сочетании с исходным CLIP-энкодером и дополнительными линейными весами. Модель дообучали на парах предложений и описаний изображений для 40 языков: предложения брали из GCC, MSCOCO и VizWiz, а переводы создавали с помощью AWS Translate. Контекст модели составляет 512 токенов. В карточке отмечены приемлемые качественные результаты для французского, немецкого, испанского, русского, шведского и греческого языков; результаты могут различаться между языками из-за неодинакового качества переводов. Для применения требуется исходный визуальный энкодер CLIP и дополнительные веса. Лицензия в предоставленных данных не указана.

Модель zeromodels/metaclip2_worldwide_s16_384 — конверсия на Keras 3 модели MetaCLIP 2 Worldwide от Meta, разработанной авторами MetaCLIP 2. Это двухэнкодерная модель архитектуры CLIP для классификации изображений без примеров: она сопоставляет изображение с текстовыми описаниями классов и оценивает их соответствие. Вариант Worldwide обучен на многоязычных данных и использует словарь XLM-RoBERTa примерно на 901 тысячу токенов, поэтому запросы-классы можно задавать на разных языках без отдельного мультиязычного чекпойнта. Репозиторий содержит конверсию для Keras 3, работающую с TensorFlow, PyTorch и JAX. Модель подходит для классификации изображений по заданным текстовым меткам, в том числе с формулировками на нескольких языках. Качество зависит от описаний классов и соответствия изображения обучающим данным; это не универсальная система распознавания объектов с фиксированным перечнем классов. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

Mistral-7B-wo-medication_qa-sft — дообученная методом supervised fine-tuning модель Minbyul на базе mistralai/Mistral-7B-v0.1. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и предназначена для генерации текста. В качестве обучающих данных указана выборка HuggingFaceH4/deita-10k-v0-sft; в README приведён результат оценки Loss 1,5099. Модель принимает текст и генерирует текст. Для базовой модели заявлен контекст длиной до 32 768 токенов. README не описывает специализацию на вопросах о лекарствах и не приводит подробностей о языках, сценариях применения или ограничениях качества, поэтому медицинское назначение по названию модели подтвердить нельзя. Лицензия — Apache-2.0.

yahyaabd/paraphrase-multilingual-miniLM-L12-V2-mnrl — многоязычная модель Sentence Transformer, дообученная автором на наборе statictable-triplets-all на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура использует BERT с усреднением токенных представлений и формирует плотные векторы размерностью 384; для сравнения применяется косинусное сходство. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а конфигурация из README ограничивает длину последовательности 128 токенами. Модель предназначена для вычисления семантической близости предложений и абзацев, семантического поиска и подбора перефразировок; полученные эмбеддинги также подходят для кластеризации и классификации текста. Примеры обучающих данных относятся к названиям и запросам о статистических таблицах, поэтому модель может быть полезна для поиска релевантных таблиц по формулировке пользователя. README приводит метрики поиска на наборе bps-statictable-ir, но результаты относятся к этому набору и не гарантируют качество на других данных. Поддержка конкретных языков и лицензия в предоставленных сведениях не установлены.

passage-ranker.chocolate — англоязычный ранжировщик пассажей, разработанный Sinequa. Он оценивает релевантность пары «запрос — фрагмент текста», чтобы упорядочивать результаты поиска. Модель основана на MiniLM-L6-H384-uncased и архитектуре BERT с классификационной головой; для обучения использовалась процедура MonoBERT и данные MS MARCO Passage Ranking. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов. Модель нечувствительна к регистру и диакритическим знакам. В карточке приведена средняя оценка NDCG@10 на наборе из 14 англоязычных поисковых датасетов BEIR. Для работы с GPU указаны требования к Sinequa версии 11.10.0 или выше и CUDA compute capability выше 7.5. Лицензия в предоставленных данных не указана.

WaterSheep — англоязычная модель для оценки и классификации текста, разработанная как открытая альтернатива Jev. Она отвечает на вопросы о тексте в форматах «да/нет», выбор одного варианта, оценка по шкале и многометочная классификация, выдавая вероятность для каждого варианта. Модель дообучена на базе answerdotai/ModernBERT-base; доступны веса Safetensors и формат ONNX, а также запуск через Transformers, ONNX Runtime, локальный сервер или JavaScript в браузере. Модель предназначена для классификации тональности и эмоций, модерации, проверки безопасности, определения намерений и других задач, заданных вариантами ответа. В README указана точность 77,8% на тестовой выборке из распределения обучения и 61,2% на отложенных наборах; качество и калибровка вероятностей зависят от соответствия данных обучающим. Входные данные на английском языке, длинные тексты обрезаются. Оценки по шкале менее точны; модель не следует использовать самостоятельно для важных медицинских, юридических, финансовых решений и найма. Лицензия — Apache-2.0.

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.

Карточка модели efeturkol/bddk-embedding-model 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.

paraphrase-MiniLM-L6-v2 — модель Sentence-Transformers, обученная командой sentence-transformers. Она кодирует предложения и абзацы в плотные векторы размерностью 384 для поиска по смыслу, сравнения текстов и кластеризации. Архитектура основана на BERT; модель содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Доступны реализации в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель подходит для семантического поиска и сопоставления текстов по смыслу, в том числе как компонент поисковых и кластеризационных систем. Лицензия Apache-2.0 разрешает свободное использование на её условиях. В карточке не заявлены языки обучения или гарантии качества для конкретных языков; качество может зависеть от языка и предметной области.

Карточка модели KOLKAHORKOV/paraphrase-multilingual-MiniLM-L12-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.