I.12Рекомендации и персонализация

ukr-paraphrase-multilingual-mpnet-base — модель sentence-transformers проекта lang-uk, дообученная для украинского языка на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель построена на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и принимает текст; максимальная длина контекста составляет 514 токенов. Модель ориентирована прежде всего на украинский, сохраняя многоязычную основу. Её можно применять для поиска семантически близких фрагментов, группировки текстов и построения эмбеддингов. Распространяется по лицензии Apache-2.0.

narraticlabs разработала MiniLM-L6-european-union — компактную модель Sentence Transformers на архитектуре BERT, полученную дистилляцией paraphrase-MiniLM-L12 и сокращением до 6 слоёв. Она преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения смысла и поиска семантически похожих текстов. Модель подходит для семантического поиска и кластеризации текстов на языках Европейского союза. Модель содержит 110,2 млн параметров, принимает текст и имеет контекстное окно 512 токенов. В метаданных перечислена поддержка английского, немецкого, французского, испанского, итальянского, нидерландского, польского, португальского, венгерского, румынского, шведского, датского, финского, чешского, греческого, болгарского, хорватского, эстонского, латышского, литовского, мальтийского, словацкого и словенского языков. Репозиторий использует формат safetensors; лицензия — Apache-2.0.

sergeyzh/rubert-large-uncased-sts — плотная BERT-модель, разработанная Sergeyzh для получения эмбеддингов русских и английских текстов. Эмбеддинги дистиллированы из Qwen/Qwen3-Embedding-4B. Модель предназначена для оценки семантического сходства предложений (STS), поиска перефразов, дедупликации и задач логического вывода NLI. Модель имеет 12 слоёв, размер эмбеддинга 1024 и контекст до 512 токенов. Для работы через Sentence Transformers специальные префиксы не требуются. Её также можно использовать как основу для дообучения под пользовательскую классификацию и кластеризацию. В README приведены результаты оценки на русских и английских бенчмарках семантического сходства; показатели на русских наборах близки к Qwen3-Embedding-4B, а на английских ниже. Модель распространяется по лицензии MIT.

tomaarsen разработал эту модель Sentence Transformers как дообученную версию distilbert/distilroberta-base на наборе sentence-transformers/all-nli. Она преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768, пригодные для сравнения косинусным сходством. Архитектура состоит из RoBERTa-энкодера и среднего пулинга токенных представлений; модель содержит 95,2 млн параметров и принимает последовательности длиной до 514 токенов по данным метаданных Hugging Face. Модель подходит для семантического поиска, поиска похожих предложений, сопоставления перефразирований, кластеризации и подготовки векторных признаков для классификации текста. В README приведены результаты оценки сходства на sts-dev и sts-test. Модель ориентирована на английский язык и не предназначена для обработки изображений, аудио или других нетекстовых данных. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

mContriever — многоязычный плотный поисковый энкодер, разработанный исследователями Meta AI. Он предназначен для семантического и межъязыкового поиска: кодирует запросы и документы в векторы, которые можно сопоставлять по сходству. Модель основана на BERT, содержит около 205 млн параметров и принимает текст длиной до 512 токенов. Модель предварительно обучена контрастивным обучением без размеченных пар на корпусе CCNet на 29 языках. Она подходит для извлечения релевантных документов и фрагментов, в том числе когда запрос и найденный материал написаны на разных языках. Это энкодер для поиска, а не генеративная модель ответов; карточка Hugging Face не содержит описания лицензии, поэтому условия использования следует проверять в репозитории разработчика.

Vela-1.0-Encoder-307M-Embedding — мультиязычная модель эмбеддингов на базе ModernBERT, разработанная командой vLLM Semantic Router. Она предназначена для семантического сопоставления запросов, поиска контекста и организации памяти в маршрутизаторах. Модель содержит 306,9 млн параметров, использует 22 слоя и 768 измерений, поддерживает контекст до 32 768 токенов и доступна в форматах Safetensors и ONNX. Модель применима для семантического поиска, извлечения релевантных документов и сравнения предложений на английском, арабском, испанском, японском и китайском языках. В приведённых оценках она превосходит исходную mmBERT Embedding на отдельных задачах MTEB и при поиске по длинным документам; результаты относятся только к перечисленным тестам. Лицензия — Apache-2.0.

amahdaouy/xlmrsim-mar_cos — мультиязычная модель Sentence Transformer, дообученная на базе sentence-transformers/stsb-xlm-r-multilingual. Она использует XLM-RoBERTa с mean pooling и преобразует предложения и абзацы в плотные векторы размерности 768; косинусное сходство подходит для сравнения текстов. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текстов. В README указана максимальная длина последовательности 128 токенов; метаданные каталога указывают нативный контекст до 514 токенов. Модель обучена на 19 755 примерах с CosineSimilarityLoss. Указанные в карточке языки примеров включают английский, французский и арабский; базовая модель мультиязычная. Доступна в формате safetensors и использует библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

Llama Nemotron Embedding 1B v2 — мультиязычная модель эмбеддингов NVIDIA для поиска ответов на вопросы по большим коллекциям текстов. Она входит в коллекцию NeMo Retriever и предназначена для построения систем извлечения информации, включая межъязыковой поиск и поиск по длинным документам. Модель основана на дообученной Llama 3.2 1B и использует архитектуру Transformer-энкодера с двунаправленным представлением текста. В ней 1,2 млрд параметров; README указывает 16 слоёв и базовый размер эмбеддинга 2048. Контекст в README ограничен 8192 токенами, хотя в метаданных указано значение 131072 токена. Размер выходного вектора можно настроить на 384, 512, 768, 1024 или 2048 измерений. Модель оценивается на 26 языках, включая русский, и выдаёт плотные векторные представления текста. Подходит для семантического поиска, мультиязычного поиска и извлечения фрагментов для систем вопросно-ответного поиска по корпусу документов. Динамическая размерность эмбеддингов помогает сокращать затраты на хранение векторов. Модель готова к коммерческому применению; использование регулируется NVIDIA Open Model License Agreement и условиями Llama 3.2 Community Model License Agreement.

Карточка модели unsloth/snowflake-arctic-embed-l-v2.0 на Hugging Face совпадает с карточкой Snowflake/snowflake-arctic-embed-l-v2.0, поэтому описание составлено по ней. Snowflake Arctic Embed L v2.0 — мультиязычная модель эмбеддингов от Snowflake для семантического поиска и извлечения релевантных текстов. Она основана на архитектуре XLM-RoBERTa и использует представление текста в виде векторов; в метаданных указано 658,7 млн параметров, а контекст составляет до 8194 токенов. Модель принимает текст и выдаёт эмбеддинги, предназначенные для сравнения запросов и документов по смысловой близости. Модель рассчитана на поиск на английском и многих других языках, включая арабский, бенгальский, немецкий, испанский, французский, хинди, японский и корейский. README сообщает о поддержке векторов размерностью 1024 и Matryoshka Representation Learning для сокращения до 256 измерений; вместе с 4-битным квантованием это позволяет хранить вектор примерно в 128 байтах. Указаны результаты оценки на наборах BEIR, MIRACL и CLEF, а также возможность использовать модель как замену BAAI/bge-m3-retromae в системах вывода. Лицензия Apache 2.0 допускает свободное использование в том числе в коммерческих приложениях. Модель предназначена для многоязычного семантического поиска, извлечения документов и построения систем поиска с векторным индексом. Сокращение и квантование эмбеддингов снижают требования к хранению, но могут уменьшить качество поиска; README отмечает небольшое снижение показателей при сокращении размерности до 256. Русский язык не указан среди языков карточки и метаданных, поэтому его поддержку нельзя подтвердить.

Карточка модели punitkandoi/zembed-1-embedding на Hugging Face совпадает с карточкой zeroentropy/zembed-1-embedding, поэтому описание составлено по ней. zembed-1 — открытая многоязычная модель эмбеддингов ZeroEntropy, дообученная на базе Qwen/Qwen3-4B и дистиллированная из реранкера zerank-2 с использованием методики zELO. Она предназначена для семантического поиска и построения систем retrieval по текстам, включая поиск по финансовым, медицинским, юридическим, разговорным, производственным, научно-техническим материалам и коду. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст; её контекст составляет до 40 960 токенов по метаданным. README заявляет поддержку проекций эмбеддингов размерностью 2560, 1280, 640, 320, 160, 80 и 40, а также бинарной квантизации с компромиссом между размером и точностью. По заявлению разработчика, модель показала более высокие результаты, чем ряд сравниваемых моделей, в оценках поиска по нескольким предметным областям; приведённые в карточке таблицы содержат лишь часть результатов. Обучение велось на многоязычных данных, более половины которых, по README, не на английском, однако конкретный перечень поддерживаемых языков не приведён; метаданные указывают английский и многоязычность. Модель распространяется по лицензии Apache 2.0. Для использования также упоминается API ZeroEntropy /models/embed.

ayushexel/emb-bge-base-en-v1.5-squad-2-epochs — англоязычная Sentence Transformer-модель, дообученная разработчиком на базе BAAI/bge-base-en-v1.5. Она использует архитектуру BERT с пуллингом CLS-токена и нормализацией и преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 768; сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического поиска, сравнения текстов и поиска перефразировок, а также может использоваться для кластеризации и классификации текстов. Карточка указывает обучающую выборку из 44 282 примеров с вопросами, контекстами и негативными примерами. Максимальная длина последовательности — 512 токенов. Модель подходит для поиска релевантных фрагментов в RAG-системах; ответы на вопросы она не генерирует. Лицензия в предоставленных данных не указана. Результаты оценки на gooqa-dev составляют 0,4116 по cosine accuracy; качество зависит от данных и задачи, поэтому перед применением стоит проверить модель на целевом наборе.

jamescalam/minilm-arxiv-encoder — модель Sentence Transformers на базе архитектуры BERT, разработанная James Calam. Она преобразует предложения и абзацы в плотные векторы размерности 384 и предназначена для семантического поиска и кластеризации текстов. Модель содержит около 40 млн параметров и принимает последовательности длиной до 512 токенов. Полученные эмбеддинги можно сравнивать для поиска семантически близких текстов или группировать для кластеризации. Репозиторий содержит веса PyTorch; при использовании через Transformers поверх выходов трансформера требуется применить подходящую операцию pooling. Лицензия в предоставленных данных не указана.

Карточка модели Nerdofdot/Nerdofdot_nickprock_sentence-bert-base-italian-uncased_TM_FTM на Hugging Face совпадает с карточкой Nerdofdot/Nerdofdot_nickprock_mmarco-bert-base-italian-uncased_TM_FTM, поэтому описание составлено по ней. Nerdofdot/Nerdofdot_nickprock_mmarco-bert-base-italian-uncased_TM_FTM — модель на базе BERT, подготовленная в формате Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерностью 768. Она предназначена для поиска семантически похожих текстов и может применяться для кластеризации и семантического поиска. Обучение использовало TripletLoss с евклидовой метрикой и отступом 0,4; объём модели составляет 137,1 млн параметров, максимальный контекст — 512 токенов. Модель принимает текст и возвращает векторные представления, которые можно сравнивать для оценки сходства. Название указывает на итальянскую uncased-версию mMARCO-BERT, однако README не приводит явного подтверждения базовой модели или поддерживаемых языков. Репозиторий содержит веса в формате safetensors. Условия лицензии в доступных данных не приведены.

BAAI/bge-large-zh — модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная Beijing Academy of Artificial Intelligence. Она преобразует китайский текст в плотные векторы для семантического поиска, извлечения релевантных документов, кластеризации и классификации, в том числе как компонент систем RAG и векторных баз данных. Модель построена на архитектуре BERT, содержит 424,3 млн параметров и принимает последовательности длиной до 512 токенов. Для коротких поисковых запросов к длинным документам авторы рекомендуют добавлять инструкцию для запроса; сами документы в ней не нуждаются. Модель поддерживает китайский язык и выдаёт векторные представления текста. README рекомендует перейти на BAAI/bge-large-zh-v1.5: в версии v1.5 улучшено распределение оценок сходства и качество поиска. У старой версии оценки сходства несхожих предложений могут быть выше 0,5, поэтому абсолютные значения нельзя трактовать как универсальный порог; важнее относительный порядок результатов, а порог следует подбирать на своих данных. Лицензия — MIT.

elephant-embeddings-v1-text-small — многоязычная модель эмбеддингов от vllm-sr для поиска по смыслу, извлечения знаний и рабочих процессов ИИ-агентов. Это дообученная ModernBERT-модель с 306,9 млн параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors, библиотека — Sentence Transformers. Модель формирует векторные представления текста и поддерживает 2D Matryoshka: размерность можно выбирать, в частности 64, 256 или 768, с компромиссом между качеством и затратами. Модель предназначена для семантического поиска по длинным заметкам и документам, извлечения из базы знаний, поиска по памяти агента, сопоставления запросов с инструментами и маршрутизации задач. README приводит результаты MTEB и STS, но они не гарантируют качество для каждого набора данных или сценария. Длинные входы увеличивают затраты на вычисления и память, а сокращение размерности или слоёв может снизить качество; для некоторых задач может потребоваться отдельная настройка. Лицензия — Apache-2.0.

German-RAG-UAE-LARGE-V1-TRIPLES-MERGED-HESSIAN-AI — модель Sentence Transformers от команды German-RAG AI, обученная на наборе примерно из 300 тысяч триплетов и объединённая с WhereIsAI/UAE-Large-V1 для сохранения качества на других языках. Она преобразует предложения и абзацы в плотные векторы размерности 1024 и предназначена для семантического поиска, оценки сходства и извлечения релевантных текстов; также может применяться для кластеризации, поиска перефразирований и классификации текста. Модель построена на BERT, использует CLS-пулинг и нормализацию векторов, а сходство рекомендуется оценивать косинусной мерой. Максимальная длина входа — 512 токенов. В карточке приведены результаты проверок на немецких задачах классификации, поиска и семантического сходства, а также на многоязычных наборах. Доступна по лицензии MIT.

radlab/polish-bi-encoder-mean — модель Sentence-Transformers для кодирования польских предложений и абзацев в плотные векторы размерностью 1024. Она основана на sdadas/polish-roberta-large-v2 и дообучена на датасете radlab/polish-sts-dataset с функцией потерь CosineSimilarityLoss. Модель предназначена для оценки семантического сходства, семантического поиска и кластеризации текстов; её можно применять в системах поиска и группировки польских документов. Архитектура — RoBERTa, размер составляет 533,7 млн параметров, контекст — до 514 токенов. Используйте библиотеку sentence-transformers либо трансформерную модель с подходящей операцией pooling. Лицензия — CC BY-SA 4.0.

S-PubMedBert-MS-MARCO-SCIFACT — модель Sentence-Transformers на архитектуре BERT, содержащая 136,7 млн параметров и преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss на основе косинусного сходства; максимальная длина контекста составляет 512 токенов. Модель можно использовать в конвейерах поиска по смыслу и группировки текстов. В названии указаны PubMedBERT, MS MARCO и SCIFACT, однако карточка не описывает подробнее состав обучающих данных, целевые языки или специализацию по предметным областям. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Это англоязычный многовекторный текстовый энкодер на архитектуре ModernBERT, разработанный tomaarsen и дообученный на answerdotai/ModernBERT-base с использованием Sentence Transformers. Модель предназначена для семантического поиска и извлечения информации: она кодирует каждый текст в последовательность 128-мерных векторов токенов, а релевантность запроса и документа оценивает методом позднего взаимодействия MaxSim. Модель принимает текст, поддерживает последовательности длиной до 8192 токенов и обучалась на 50 000 примерах MS MARCO с запросами, релевантными и нерелевантными документами. В карточке приведены результаты оценки на наборах NanoMSMARCO и NanoBEIR. Лицензия — Apache-2.0.

shubham-t/plagiarism-sbert — англоязычный Sentence Transformer, дообученный автором на базе sentence-transformers/all-MiniLM-L6-v2 для сравнения предложений и абзацев. Энкодер на архитектуре BERT превращает текст в плотные векторы размерности 384; сходство векторов оценивается косинусной мерой. В README указана максимальная длина последовательности 256 токенов, а метаданные каталога указывают нативный контекст 512 токенов. Модель подходит для семантического поиска, поиска перефразировок и похожих фрагментов, кластеризации и извлечения признаков текста; её также можно применять как основу для классификации текстов. В обучающем наборе было 5 749 пар предложений с оценками сходства. Репозиторий использует Sentence Transformers и хранит веса в формате safetensors. Модель рассчитана прежде всего на английский язык, как и её базовая модель. При сравнении длинных текстов их нужно разбивать на фрагменты, укладывающиеся в предел длины последовательности. Лицензия в предоставленных данных не указана.

intelli-embed-v2 — дообученная модель текстовых эмбеддингов, разработанная Serhii Seletskyi на базе Snowflake/snowflake-arctic-embed-l-v2.0. Она предназначена для семантического поиска, сравнения предложений и извлечения связанных сведений, особенно в GraphRAG и системах с долговременной памятью, где тексты хранятся в графовых базах данных. Модель использует архитектуру XLM-RoBERTa с плотным представлением и содержит 658,7 млн параметров. Она создаёт векторы размерности 1024, поддерживает контекст до 8194 токенов и распространяется в форматах Safetensors и ONNX. Разработчик сообщает о трёхэтапном дообучении с дистилляцией от Azure text-embedding-3-large и приводит результаты внутренних тестов на поиск, дедупликацию и извлечение воспоминаний. В метаданных указан английский язык; мультиязычность базовой модели сама по себе не подтверждает поддержку других языков этой версии. Лицензия — Apache-2.0. Модель выдаёт эмбеддинги, поэтому для поиска или ранжирования по ним нужна отдельная система хранения и сравнения векторов. Приведённые показатели основаны на наборах тестов разработчика и не гарантируют такое же качество на других данных; в README также отмечена более слабая оценка для асимметричного поиска по сравнению с другими сценариями.

Это 4-битная сборка MLX модели LFM2.5-ColBERT-350M, подготовленная сообществом mlx-community на основе LiquidAI/LFM2.5-ColBERT-350M для локального инференса на компьютерах Apple с Apple Silicon. Модель использует архитектуру ColBERT с поздним взаимодействием: формирует 128-мерный вектор для каждого токена, а релевантность запроса и документа оценивает методом MaxSim. В метаданных указаны 443,4 млн параметров и контекст до 128 000 токенов. Модель предназначена для многоязычного семантического поиска и извлечения документов. В тестах README 4-битная версия сохранила в среднем 98,7% NDCG@10 и 99,7% Recall@10 относительно bf16 версии на восьми наборах данных; оценки получены на небольших или сокращённых корпусах и не сопоставимы напрямую с результатами на полных корпусах. В репозитории указана лицензия other; условия исходной модели следует сверить с её карточкой.

M3E-base — двуязычная модель эмбеддингов текста, разработанная и обученная MokaAI. Она кодирует тексты в плотные векторы размерности 768 для поиска семантически близких предложений и извлечения подходящих фрагментов или документов по запросу. Модель основана на архитектуре BERT; карточка указывает около 129,5 млн параметров и контекст до 512 токенов. Для использования предусмотрена библиотека sentence-transformers. Модель обучалась контрастивным обучением на парах китайских предложений, английских триплетах MEDI и наборах инструкций. Она ориентирована прежде всего на китайские сценарии, также поддерживает английский язык. Подходит для семантического поиска, сравнения текстов, поиска повторяющихся вопросов и получения эмбеддингов для классификационных конвейеров. В README приведены результаты оценки на китайских наборах классификации и поиска; это результаты авторских экспериментов и они зависят от данных и настройки. В README указано, что модели M3E открыты, однако конкретная лицензия для этой версии в предоставленных данных не приведена. Заявленная поддержка китайского и английского не означает одинакового качества для любых языков и задач; модель не предназначена для поиска по коду.

pplx-embed-context-v1-0.6b — мультиязычная модель контекстных текстовых эмбеддингов, разработанная Perplexity AI. Она предназначена для векторизации фрагментов документов в RAG-системах, где для представления фрагмента учитывается окружающий контекст, а также для поиска по крупным коллекциям текстов. Модель построена на diffusion continued pre-training Qwen3 и имеет плотную архитектуру с 507,9 млн параметров. Она выдаёт эмбеддинги размерностью 1024, поддерживает контекст до 32 768 токенов и не требует добавлять инструкцию к тексту перед векторизацией. Представления формируются с mean pooling; заявлена поддержка MRL и вариантов INT8/BINARY. Выходные эмбеддинги по умолчанию не нормализованы, поэтому для сравнения README рекомендует косинусное сходство. Репозиторий содержит форматы Safetensors и ONNX; лицензия — MIT.

mshipulin разработал sentence-transformers-модель, дообученную на базе ai-forever/sbert_large_nlu_ru для сравнения русскоязычных предложений и поиска семантически близких текстов. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство оценивается косинусной мерой. Архитектура включает BERT large, усреднение токеновых представлений и нормализацию векторов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов, в том числе для подбора похожих вопросов и ответов в FAQ. Максимальная длина входа — 512 токенов. В метаданных указано 525,7 млн параметров; модель использует библиотеку Sentence Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformer, разработанная Dhruv Sangani и дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 384 и предназначена для семантического поиска и сравнения текстов по косинусному сходству. Модель построена на архитектуре BERT с усреднением токенных представлений; число параметров — 25,9 млн, максимальная длина последовательности в README — 256 токенов, а в метаданных указано контекстное окно 512 токенов. Модель подходит для поиска релевантных фрагментов и ответов в коллекциях документов, оценки сходства предложений, поиска перефразирований и кластеризации текстов. В README приведены англоязычные примеры корпоративных вопросов и ответов, поэтому основное назначение модели — работа с английским текстом. Она создаёт векторы, а не готовые ответы; качество зависит от предметной области и данных. Лицензия в предоставленных сведениях не указана.

Карточка модели RedHatAI/snowflake-arctic-embed-l-v2.0 на Hugging Face совпадает с карточкой Snowflake/snowflake-arctic-embed-l-v2.0, поэтому описание составлено по ней. Snowflake Arctic Embed L v2.0 — мультиязычная модель эмбеддингов от Snowflake для семантического поиска и извлечения релевантных текстов. Она основана на архитектуре XLM-RoBERTa и использует представление текста в виде векторов; в метаданных указано 658,7 млн параметров, а контекст составляет до 8194 токенов. Модель принимает текст и выдаёт эмбеддинги, предназначенные для сравнения запросов и документов по смысловой близости. Модель рассчитана на поиск на английском и многих других языках, включая арабский, бенгальский, немецкий, испанский, французский, хинди, японский и корейский. README сообщает о поддержке векторов размерностью 1024 и Matryoshka Representation Learning для сокращения до 256 измерений; вместе с 4-битным квантованием это позволяет хранить вектор примерно в 128 байтах. Указаны результаты оценки на наборах BEIR, MIRACL и CLEF, а также возможность использовать модель как замену BAAI/bge-m3-retromae в системах вывода. Лицензия Apache 2.0 допускает свободное использование в том числе в коммерческих приложениях. Модель предназначена для многоязычного семантического поиска, извлечения документов и построения систем поиска с векторным индексом. Сокращение и квантование эмбеддингов снижают требования к хранению, но могут уменьшить качество поиска; README отмечает небольшое снижение показателей при сокращении размерности до 256. Русский язык не указан среди языков карточки и метаданных, поэтому его поддержку нельзя подтвердить.

kttt294/vietnamese-sbert-finetuned — модель Sentence Transformers, дообученная на основе bkai-foundation-models/vietnamese-bi-encoder. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 768; архитектура использует RoBERTa с усредняющим pooling. Модель подходит для семантического поиска, извлечения релевантных текстов и сравнения смысловой близости по косинусному сходству. Модель принимает только текст. Максимальная длина последовательности составляет 256 токенов по README; метаданные каталога указывают контекст в 258 токенов. Для обучения использованы 12 001 пар предложений с метками сходства и CosineSimilarityLoss. Карточка не сообщает отдельные результаты оценки качества, поэтому эффективность на конкретных наборах данных следует проверять перед применением. Формат весов — safetensors; лицензия в предоставленных данных не указана.

German-RAG-UAE-LARGE-V1-TRIPLES-HESSIAN-AI — модель Sentence Transformers, разработанная командой German-RAG AI и дообученная на примерно 300 тысячах троек из набора German-RAG-EMBEDDING-TRIPLES-HESSIAN-AI. Она преобразует предложения и абзацы в плотные векторы размерности 1024; архитектура основана на BERT с объединением CLS-токена и нормализацией векторов. Максимальная длина последовательности — 512 токенов, сходство оценивается косинусной мерой. Модель предназначена для семантического поиска по немецким текстам и другим задачам сравнения и группировки текстов: поиска похожих предложений, обнаружения перефразировок, кластеризации и извлечения признаков для классификации. В карточке приведены результаты оценок на немецких наборах для поиска, классификации и семантического сходства. Модель поддерживает немецкий и английский языки; лицензия — MIT.

GLiClass Multilang Ultra — мультиязычная модель классификации текста от Knowledgator на архитектуре GLiClass. Она предназначена для zero-shot и few-shot классификации по заданным пользователем меткам, а также для оценки соответствия текста меткам при решении задач NLI и ранжирования релевантности. Модель поддерживает 20 языков: шведский, норвежский, чешский, польский, литовский, эстонский, латышский, испанский, финский, немецкий, французский, румынский, итальянский, португальский, нидерландский, украинский, хинди, китайский, арабский и иврит. Текст и метки могут быть на разных языках. В README указано около 1,72 млрд параметров; доступны иерархические метки, их описания и примеры для few-shot настройки. Модель подходит для тематической и тональной классификации, определения намерений, проверки следования правилам и классификации безопасности LLM. В README приведены оценки на нескольких наборах данных и сравнительные замеры скорости; фактическая производительность зависит от оборудования и задачи. Русский язык среди заявленных языков отсутствует. Лицензия — Apache-2.0.