I.12Рекомендации и персонализация

Qwen3-VL-Reranker-2B-mxfp4 — модель для мультимодального ранжирования, опубликованная сообществом mlx-community. Она преобразована в формат MLX из Qwen/Qwen3-VL-Reranker-2B и предназначена для оценки релевантности и сортировки результатов поиска по запросу; базовая модель Qwen3-VL-2B-Instruct поддерживает анализ изображений и видео, однако карточка этой версии подтверждает только задачу ранжирования. Веса представлены в репозитории в формате safetensors, библиотека для работы — Transformers; лицензия Apache-2.0. README предлагает использовать пакет mlx-embeddings.

RepresentLM-v1 — модель эмбеддингов предложений и абзацев, разработанная на базе StoriesLM-v1-1963. Она преобразует текст в плотные векторы размерностью 768 и предназначена для поиска семантически похожих текстов, кластеризации и семантического поиска. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель дообучена на наборе HEADLINES для семантического сходства; в метаданных также указан датасет AmericanStories. Подходит для поиска по смыслу и группировки текстов на английском языке. Распространяется по лицензии MIT.

Arpit16112 выпустил дообученную модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для кодирования предложений и абзацев в плотные векторы размерностью 768. Архитектура включает MPNet, усредняющий pooling и нормализацию; для сравнения текстов используется косинусное сходство. Модель предназначена для семантического поиска, извлечения релевантных текстов и оценки сходства предложений. Модель принимает текст и рассчитана на последовательности длиной до 384 токенов согласно README; метаданные указывают нативный контекст до 514 токенов. В карточке приведена оценка Spearman 0,7633 на ats-val, а обучение проводилось на 350 примерах. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

RexBERT-base-embed-pf-v0.4a — дообученная модель Sentence Transformers на базе thebajajra/RexBERT-base-embed-pf-v0.1, разработанная автором репозитория thebajajra. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысла текста, семантического поиска, поиска перефразирований, кластеризации и классификации. Архитектура основана на ModernBERT с усреднением токенных представлений; сходство рассчитано на cosine similarity. Модель обучалась на nomic-embed-supervised-data и содержит около 149 млн параметров. README указывает максимальную длину последовательности 1024 токена, тогда как метаданные каталога сообщают нативный контекст в 7999 токенов. Модель принимает текст и выдаёт векторы; языки, на которых она специально оптимизирована, в предоставленных данных не обозначены. Лицензия в данных не указана.

sobamchan/roberta-base-mean-400 — англоязычная модель Sentence Transformers, дообученная разработчиком на FacebookAI/roberta-base на наборе all-nli. Она кодирует предложения и абзацы в плотные векторы размерности 768 и нормализует их; для сравнения используется косинусное сходство. Архитектура включает RoBERTa, усреднение токенных представлений и нормализацию. В README указан максимальный размер последовательности 256 токенов, а метаданные указывают контекст до 514 токенов. Модель предназначена для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и извлечения признаков для классификации. Она обучалась на парах и тройках текстов из all-nli с MultipleNegativesRankingLoss. Поддерживает английский язык; лицензия и конкретные условия использования в предоставленных данных не описаны.

YIlIl/roberta_base_pm_m3_voc_hf — модель Sentence Transformer на базе RoBERTa, представленная в библиотеке Sentence Transformers. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 768; сходство текстов оценивается косинусной мерой. Архитектура включает RoBERTa с усреднением токенных представлений и нормализацией; размер модели — 151,7 млн параметров, максимальная длина последовательности — 514 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Метаданные указывают задачи sentence-similarity и feature-extraction; основное назначение — получение эмбеддингов для сравнения предложений. В README не названы разработчик, языки обучения или лицензия, поэтому их нельзя уточнить по доступным сведениям.

sobamchan/roberta-large-mrl-1024-768-512-256-128-64 — англоязычная Sentence Transformer модель, созданная дообучением FacebookAI/roberta-large на наборе all-nli. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для сравнения текстов по косинусному сходству, семантического поиска и других задач, где нужно сопоставлять смысл текстовых фрагментов. Модель использует архитектуру RoBERTa с усреднением токенных представлений при пулинге. Обучение с MatryoshkaLoss позволяет использовать усечённые представления размерностью 768, 512, 256, 128 или 64. Максимальная длина последовательности — 512 токенов; параметры модели составляют около 454,1 млн. Карточка сообщает оценку Spearman 0,8789 на sts-dev. Модель может применяться для поиска похожих предложений, поиска перефразирований, кластеризации текстов и подготовки признаков для классификации. Она рассчитана на английский язык, а качество на других языках не подтверждено. Лицензия в предоставленных данных не указана.

RoLASER-v2 — вторая версия модели Sentence Transformer от lydianish для преобразования предложений и абзацев в плотные векторные представления размерностью 1024. Модель основана на XLM-RoBERTa и дообучена на базе cardiffnlp/twitter-xlm-roberta-base; она использует косинусное сходство для сравнения текстов и принимает последовательности длиной до 514 токенов. Модель предназначена для семантического поиска и сравнения предложений, поиска перефразировок, классификации текстов и кластеризации. В метаданных указаны английский и французский языки, а также лицензия BSD 3-Clause. В README и метаданных не приведены результаты оценивания качества или специальные ограничения применения.

sergeyzh/rubert-tiny-turbo — компактная русскоязычная модель на архитектуре BERT, разработанная как дообученная версия cointegrated/rubert-tiny2 для быстрого получения эмбеддингов предложений. В README для неё указаны 29 млн параметров, размер эмбеддинга 312 и контекст до 2048 токенов; модель распространяется в формате safetensors и рассчитана на использование с Sentence Transformers. Модель предназначена для вычисления векторных представлений русских предложений и оценки их семантического сходства. Эмбеддинги можно применять для поиска похожих текстов, кластеризации и как признаки для классификации. В карточке приведены результаты ruMTEB и encodechka; показатели различаются по задачам, а README отмечает быстродействие, сопоставимое с базовой моделью. Лицензия — MIT. Это компактный русскоязычный энкодер, поэтому его область применения — текст на русском языке; в данных не заявлены генерация текста или мультимодальные возможности. Метрики бенчмарков не гарантируют качество на конкретном наборе данных, а для критически важных задач результат следует проверять отдельно.

insuperabile/rumodernbert-solyanka-QP — русскоязычная модель Sentence Transformers, созданная Insuperabile дообучением энкодера deepvk/RuModernBERT-base на датасете solyanka-triplets. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их косинусной мерой сходства. Подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текстов. Модель содержит 149 млн параметров; метаданные указывают контекст до 8192 токенов, а README — максимальную длину последовательности 512 токенов. В таблице RuMTEB приведены результаты по набору русскоязычных задач, но они не гарантируют качество для конкретного корпуса или сценария. Лицензия в предоставленных данных не указана.

ricardo-filho/sbertimbau-large-allnli-mnrl — модель Sentence-Transformers на архитектуре BERT, созданная для получения плотных векторных представлений предложений и абзацев. Она кодирует текст в векторы размерности 1024 и подходит для семантического поиска, сравнения сходства и кластеризации текстов. Модель обучалась с функцией потерь MultipleNegativesRankingLoss и косинусной мерой сходства. Контекст ограничен 512 токенами. В репозитории представлены веса PyTorch; для использования подходят Sentence-Transformers или Transformers с соответствующей операцией pooling. Лицензия в предоставленных данных не указана.

ai-forever/sbert_large_nlu_ru — русскоязычная модель семейства BERT large от команды SberDevices для получения векторных представлений предложений. Она предназначена для кодирования текста в эмбеддинги; в README для повышения качества рекомендуется усреднять представления токенов. Модель можно применять для поиска и сравнения текстов по смыслу, кластеризации и других задач на основе эмбеддингов. Модель имеет архитектуру BertModel и содержит около 525,7 млн параметров. Она принимает текст на русском языке, поддерживает контекст до 512 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — MIT.

Карточка модели ceggian/sbert_pt_reddit_mnr_256 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_mnr_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_mnr_32 — модель Sentence-Transformers на базе BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель обучена с функцией потерь MultipleNegativesRankingLoss на данных Reddit; размер составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления, поэтому подходит для поиска похожих сообщений, группировки текстов и ранжирования кандидатов по семантической близости. В репозитории находятся веса PyTorch. Лицензия и сведения о поддерживаемых языках в предоставленных данных отсутствуют.

Это дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, разработанный автором репозитория tjohn327. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и предназначена для семантического поиска, сравнения текстов и связанных задач. Архитектура основана на BERT: среднее объединение токенных представлений и нормализация выходного вектора. В метаданных указан размер 25,9 млн параметров и контекст до 512 токенов; в README максимальная длина последовательности указана как 256 токенов. Модель обучена на 21 376 парах текстов с использованием MultipleNegativesRankingLoss. Она может применяться для поиска похожих документов, оценки семантического сходства, поиска перефразировок, кластеризации и классификации текстов. README приводит результаты оценки информационного поиска на наборе dev-evaluation. Модель использует библиотеку Sentence Transformers и распространяется в формате safetensors. Язык обучения и лицензия в предоставленных сведениях не обозначены; базовая модель описана как англоязычная.

peter2000/sdg_sentence_transformer — модель на основе BERT, созданная для преобразования предложений и абзацев в плотные векторные представления размерности 768. Её можно применять для семантического поиска, кластеризации и сравнения сходства текстов. Размер модели — 136,7 млн параметров; максимальная длина контекста — 512 токенов. Для работы доступны веса PyTorch и библиотека Sentence-Transformers. Модель принимает текст и выдаёт эмбеддинги. В карточке указано обучение с функцией потерь DenoisingAutoEncoderLoss. Язык обучения и лицензия в предоставленных данных не указаны.

Это Sentence Transformer на базе MPNet, дообученный сопоставлять предложения и абзацы по смыслу. Модель разработана для построения плотных векторов размерности 768; сходство между ними можно оценивать косинусной мерой. В репозитории используются архитектура MPNetModel, усреднение токенных представлений и нормализация векторов; размер модели — 136,7 млн параметров. Модель подходит для семантического поиска, поиска перефразировок, кластеризации, классификации текста и оценки семантического сходства. Обучающий набор содержит 307 331 пару текстов; примеры связывают фактические сообщения с целями устойчивого развития ООН, в том числе с ЦУР 4 об образовании. README указывает максимальную длину последовательности 384 токена, тогда как метаданные каталога указывают контекст 514 токенов; практический лимит из карточки модели — 384 токена. Языки обучения и поддерживаемые языки явно не перечислены. Лицензия в предоставленных данных не указана.

manu/sentence_croissant_alpha_v0.1 — модель семейства Llama, созданная на базе Sentence-Transformers для получения плотных векторных представлений предложений и абзацев. Она содержит 1,3 млрд параметров, формирует эмбеддинги размерностью 2048 и рассчитана на входной контекст до 2048 токенов. Модель подходит для семантического поиска, сравнения сходства текстов и кластеризации предложений и абзацев. Карточка сообщает о тренировке с использованием MultipleNegativesRankingLoss; в метаданных также отмечены возможности чата и эмбеддингов, однако основное назначение модели — векторизация и сравнение текстов. Язык модели в предоставленных данных не определён. Файлы опубликованы в формате safetensors; сведения о лицензии отсутствуют.

manu/sentence_croissant_alpha_v0.3 — модель эмбеддингов на базе архитектуры Llama, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 2048 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 1,3 млрд параметров, принимает текст, выдаёт векторы и поддерживает контекст до 2048 токенов. В README указано обучение с MultipleNegativesRankingLoss. Репозиторий создан в апреле 2024 года; веса сохранены в формате safetensors. Сведений о языках обучения, лицензии и результатах бенчмарков в предоставленных данных нет.

hunkim/sentence-transformer-klue — модель на архитектуре RoBERTa, преобразующая предложения и абзацы в плотные векторы размерности 768. Она содержит 137,8 млн параметров и предназначена для получения эмбеддингов, сравнения смысловой близости текстов, семантического поиска и кластеризации. Модель обучена с функцией CosineSimilarityLoss и работает с библиотекой Sentence-Transformers или Transformers с подходящей операцией pooling. Модель принимает текст и возвращает векторные представления; контекст составляет до 514 токенов. Карточка описывает её как sentence-transformers модель для работы с предложениями и абзацами. Лицензия в предоставленных данных не указана.

embaas разработала модель эмбеддингов на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для поиска семантически близких текстов, кластеризации и других задач сравнения предложений. Модель можно использовать в сценариях семантического поиска и группировки текстовых фрагментов. Модель поставляется в формате PyTorch и рассчитана на входные последовательности длиной до 514 токенов. Лицензионные условия в предоставленных данных не описаны.

Карточка модели fadhilarkn/setfit-model на Hugging Face совпадает с карточкой lewtun/my-awesome-setfit-model, поэтому описание составлено по ней. lewtun/my-awesome-setfit-model — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения смысловой близости текстов. Модель подходит для семантического поиска и кластеризации текстов, а также для получения эмбеддингов, используемых в других системах. В README указано обучение с функцией потерь CosineSimilarityLoss. Для применения описана работа через Sentence-Transformers или Transformers с подходящей операцией pooling. Максимальная длина контекста — 514 токенов. Модель принимает текст и выдаёт векторы. В карточке нет сведений о лицензии или целевых языках, поэтому определить условия использования и языковую специализацию по доступным данным нельзя.

Модель mitra-mir/setfit_model_labelfaithful_epochs2 — sentence-transformers-модель на базе MPNet, преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска по смыслу, вычисления сходства между текстами и кластеризации. В метаданных указаны 136,7 млн параметров, контекст до 514 токенов и формат PyTorch; модель предоставляет текстовые эмбеддинги. Модель обучалась с функцией потерь CosineSimilarityLoss. Это делает её подходящей для сравнения текстовых представлений и поиска семантически близких фрагментов. В карточке не указаны поддерживаемые языки и условия лицензии, поэтому их нельзя надёжно определить по имеющимся данным.

Muennighoff/SGPT-1.3B-weightedmean-msmarco-specb-bitfit — модель для получения векторных представлений текста и оценки сходства предложений. Она основана на плотной архитектуре GPT-Neo и содержит 1,5 млрд параметров; длина контекста — до 2048 токенов. В README указано обучение с MultipleNegativesRankingLoss и косинусной мерой сходства, а название модели связывает её с MS MARCO и взвешенным усреднением токенов. Модель подходит для поиска по смыслу, сравнения предложений и других задач, где требуется сопоставлять тексты по близости эмбеддингов. В метаданных указан формат PyTorch. Сведения о лицензии в предоставленных материалах отсутствуют.

SLX-v0.1 — модель BRAHMAI Research для преобразования предложений и коротких абзацев в плотные векторы размерностью 384, отражающие их смысл. Она построена на архитектуре BERT и использует библиотеку Sentence-Transformers; число параметров — 25,9 млн, максимальный контекст по метаданным — 512 токенов. В README указано, что вход длиннее 256 word pieces по умолчанию обрезается. Модель предназначена для семантического поиска, извлечения информации, кластеризации и сравнения сходства предложений. Она дообучена контрастивным методом на основе nreimers/MiniLM-L6-H384-uncased, а затем адаптирована для англоязычных задач с использованием dunzhang/stella_en_400M_v5 и внутреннего набора данных. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

dnth/ssf-retriever-all-MiniLM-L6-v2 — модель Sentence Transformer, дообученная на базе nomic-ai/modernbert-embed-base. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Архитектура включает ModernBERT, усреднение токенных представлений и нормализацию эмбеддингов; максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска, оценки сходства текстов, поиска перефразировок, классификации и кластеризации. В карточке указаны обучающая выборка из 3016 примеров с парами и отрицательными примерами, а также оценочная выборка из 754 примеров. Метаданные называют её дообучением ModernBERT и указывают библиотеку Sentence Transformers. Модель работает с текстом и выдаёт векторы; карточка не указывает поддерживаемые естественные языки, поэтому область применения по языкам не уточняется. Лицензия в предоставленных данных не указана.

STdictabert-max — модель эмбеддингов предложений на архитектуре BERT, опубликованная пользователем carinnew. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель обучена с TripletLoss, использует евклидово расстояние и имеет контекстное окно до 512 токенов. Модель принимает текст и выдаёт векторные представления. Карточка не уточняет языки обучения или специализацию по предметным областям. В репозитории указаны веса safetensors; лицензия не приведена в предоставленных данных.

stella-base-en-v2 — англоязычная модель-кодировщик текста семейства Stella, предназначенная для получения векторных представлений предложений и документов. В репозитории указаны архитектура BERT, размер 136,7 млн параметров и максимальная длина последовательности 512 токенов; модель выдаёт эмбеддинги размерности 768. Модель обучена для сравнения семантической близости и поиска по тексту, включая задачи извлечения релевантных фрагментов. Для поиска не требуется добавлять к запросам или документам специальные префиксы. В описании семейства упомянуты контрастивное обучение, трудные отрицательные примеры и дистилляция для удаления инструкционных префиксов; конкретные результаты приведены для английского набора MTEB. README указывает открытые датасеты и обучение на общих корпусах, но не называет разработчика по имени. Лицензия репозитория — MIT. Ограничение контекста в 512 токенов может мешать кодированию длинных документов; заявленная языковая специализация этой версии — английский.

Карточка модели bennegeek/stella_en_1.5B_v5 на Hugging Face совпадает с карточкой delwinn/stella_en_1.5B_v5, поэтому описание составлено по ней. delwinn/stella_en_1.5B_v5 — англоязычная модель эмбеддингов, разработанная на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных текстов по запросу и оценки семантического сходства. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и выдаёт текстовые векторы; поддерживает представления размером 512, 768, 1024, 2048, 4096, 6144 и 8192 измерения. Для большинства задач предусмотрены варианты промптов s2p и s2s; обычно автор рекомендует размерность 1024. Модель обучена с использованием MRL и доступна в формате PyTorch/SafeTensors. Хотя нативный контекст составляет 131072 токена, автор рекомендует ограничивать последовательности 512 токенами: модель обучалась на такой длине и, по описанию, хуже справляется с поиском по специализированным длинным текстам. Детали обучения и использованные наборы данных в README не раскрыты. Лицензия — MIT.

NovaSearch/stella_en_400M_v5 — англоязычная модель эмбеддингов, обученная разработчиками Stella на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для преобразования текстов в векторы и оценки семантического сходства, включая поиск релевантных фрагментов по запросу. Модель содержит 433,9 млн параметров, поддерживает контекст до 8192 токенов и использует архитектуру SentenceTransformer на PyTorch; для большинства задач предусмотрены промпты s2p для поиска и s2s для сравнения текстов. Обучение с Matryoshka Representation Learning позволяет получать эмбеддинги размером 512, 768, 1024, 2048, 4096, 6144 или 8192 измерения; авторы считают 1024 измерения достаточными для большинства задач. Модель можно применять для семантического поиска, поиска по запросу релевантных фрагментов и измерения сходства предложений. Хотя метаданные указывают контекст 8192 токена, README рекомендует длину последовательности 512: по наблюдениям авторов, на специализированных задачах поиска по длинным текстам модель работает хуже. Лицензия — MIT.

Карточка модели blevlabs/stella_en_v5 на Hugging Face совпадает с карточкой delwinn/stella_en_1.5B_v5, поэтому описание составлено по ней. delwinn/stella_en_1.5B_v5 — англоязычная модель эмбеддингов, разработанная на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных текстов по запросу и оценки семантического сходства. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и выдаёт текстовые векторы; поддерживает представления размером 512, 768, 1024, 2048, 4096, 6144 и 8192 измерения. Для большинства задач предусмотрены варианты промптов s2p и s2s; обычно автор рекомендует размерность 1024. Модель обучена с использованием MRL и доступна в формате PyTorch/SafeTensors. Хотя нативный контекст составляет 131072 токена, автор рекомендует ограничивать последовательности 512 токенами: модель обучалась на такой длине и, по описанию, хуже справляется с поиском по специализированным длинным текстам. Детали обучения и использованные наборы данных в README не раскрыты. Лицензия — MIT.