I.12Рекомендации и персонализация

ighina/RoBERTa_topseg_wikidisease_ARP — модель на базе архитектуры RoBERTa, опубликованная в формате PyTorch. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу и кластеризации. Модель можно использовать через Sentence-Transformers или Transformers с подходящей операцией pooling для получения вектора из контекстных представлений токенов. В карточке указано около 151,8 млн параметров и контекст длиной до 514 токенов. Модель подходит для построения семантического поиска, сопоставления текстов и группировки похожих предложений и абзацев. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

Карточка модели iliakabanov/russian-dense-retriever на Hugging Face совпадает с карточкой ai-forever/ru-en-RoSBERTa, поэтому описание составлено по ней. ru-en-RoSBERTa — модель для построения текстовых эмбеддингов, разработанная ai-forever на основе ruRoberta-large. Она дообучена на примерно 4 млн пар данных на русском и английском языках, включая синтетические, размеченные и неразмеченные примеры. Архитектура — RoBERTa с 503,5 млн параметров; модель принимает текст и выдаёт векторные представления. Для получения эмбеддингов рекомендуется CLS pooling, а выбор префикса и pooling зависит от задачи. Модель предназначена для поиска по смыслу, сравнения предложений и других задач, где нужно оценивать близость текстов. Заявлена поддержка русского и английского, однако качество на английском языке неизвестно. Максимальная длина входного текста — 512 токенов. Модель распространяется по лицензии MIT.

S3BERT от brjezierski — модель на базе BERT для преобразования предложений и абзацев в плотные эмбеддинги размерностью 384. Её можно использовать для семантического поиска и кластеризации текстов, а также для сравнения смысловой близости предложений. Модель относится к семейству Sentence Transformers, содержит около 40 млн параметров и принимает последовательности длиной до 512 токенов. В README описано обучение с функциями потерь MultipleConsistencyLoss и DistilLoss. Репозиторий содержит веса PyTorch. Лицензия в доступных данных не указана.

khanhpd2/sbert_phobert_large_cosine_sim — модель Sentence-Transformers на базе RoBERTa, содержащая 162,4 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для оценки семантического сходства, поиска по смыслу и кластеризации текстов. Для получения векторов можно использовать библиотеку sentence-transformers или Transformers с соответствующей операцией pooling. Модель обучалась с функцией потерь CosineSimilarityLoss. Контекст составляет 258 токенов. Название модели и базовое семейство PhoBERT указывают на ориентацию на вьетнамский язык; языковая поддержка не перечислена в метаданных. Модель выдаёт векторные представления текста, а не готовые ответы. Лицензия в предоставленных данных не указана.

Карточка модели ceggian/sbert_pt_reddit_mnr_512 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.

Карточка модели ceggian/sbert_pt_reddit_mnr_64 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.

ceggian/sbert_standard_reddit_mnr — модель Sentence-Transformers на базе BERT, созданная для получения векторных представлений предложений и абзацев. Она преобразует текст в плотные эмбеддинги размерности 768, предназначенные для сравнения семантической близости, кластеризации и семантического поиска. Модель содержит 136,7 млн параметров и рассчитана на входные последовательности длиной до 512 токенов. В README указано, что при обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством; имя модели указывает на данные Reddit, но README не уточняет датасет. Для использования подходят Sentence-Transformers или Transformers с соответствующим pooling. Модель применима для поиска похожих предложений, группировки текстов и построения поиска по смыслу. Карточка не содержит сведений о лицензии или языках, поэтому они здесь не заявляются.

pritamdeka/S-Bluebert-snli-multinli-stsb — модель Sentence-Transformers на архитектуре BERT, разработанная автором репозитория pritamdeka. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения сходства. Модель содержит 136,7 млн параметров и принимает текстовые входы с контекстом до 512 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss и предназначена для построения эмбеддингов предложений. В репозитории указан формат PyTorch; для применения доступны Sentence-Transformers и Transformers с подходящей операцией pooling. В карточке не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

Kaze-droid/SENAN-Raw — модель эмбеддингов предложений на базе XLM-RoBERTa, опубликованная пользователем Kaze-droid. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 305,2 млн параметров, принимает текст и использует контекст до 514 токенов. Модель обучалась с Triplet Loss и косинусной метрикой расстояния. В README приведён способ использования через Sentence-Transformers или Transformers с соответствующей операцией pooling. Данные не уточняют языковое покрытие модели и лицензию, поэтому их нельзя надёжно указать.

Модель hunkim/sentence-transformers-klue-bert-base на базе BERT предназначена для преобразования предложений и абзацев в плотные векторы размерности 768. Она разработана для Sentence-Transformers и подходит для семантического поиска, сравнения текстов и кластеризации. Модель содержит 137,8 млн параметров и поддерживает контекст длиной до 512 токенов. Модель можно использовать через библиотеку Sentence-Transformers или через Transformers с подходящей операцией pooling для получения векторов из контекстных представлений токенов. Веса доступны в формате PyTorch. Карточка описывает обучение с CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

hunkim/sentence-transformersklue-bert-base — модель семейства BERT, представленная в формате Sentence-Transformers. Она кодирует предложения и абзацы в плотные векторы размерности 768 для сравнения смысла, семантического поиска и кластеризации. Модель содержит 137,8 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучена с функцией CosineSimilarityLoss и рассчитана на получение эмбеддингов текста. Её можно применять для поиска похожих фрагментов и группировки текстов; в Transformers поверх контекстных представлений требуется использовать подходящий pooling. Репозиторий содержит веса PyTorch. Языковая специализация и лицензия в предоставленных данных не указаны.

PrabalAryal/Sentence_Transformer_v0.0.1 — дообученная модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она использует XLM-RoBERTa и преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. В README указана максимальная длина последовательности 64 токена, а метаданные каталога сообщают о контекстном окне 514 токенов. Модель предназначена для семантического сравнения текстов, поиска похожих фрагментов, поиска перефразировок, кластеризации и классификации текста по эмбеддингам. Обучение описано на 8 884 парах предложений с помощью MultipleNegativesRankingLoss; в примерах датасета есть тексты на нидерландском языке. Базовая модель многоязычная, но конкретный перечень поддерживаемых языков этой версии не приведён. Для использования указана библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

BahaArfaoui/setfit_industry — модель на базе MPNet, разработанная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерностью 768 и предназначена для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 136,7 млн параметров и принимает до 514 токенов контекста. Модель обучалась с функцией потерь CosineSimilarityLoss и доступна в формате PyTorch для использования с библиотекой Sentence-Transformers. Карточка описывает применение к предложениям и абзацам, но не уточняет языки обучающих данных и специализацию названия «industry». Лицензия в предоставленных данных не указана.

mitra-mir/setfit_model_Calgary_epochs2_Jul_15_2023 — модель эмбеддингов предложений на базе MPNet, представленная в формате PyTorch. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров и рассчитана на контекст до 514 токенов. В README указано обучение с CosineSimilarityLoss; карточка описывает модель как sentence-transformers. Её можно использовать для поиска похожих фрагментов, группировки текстов по смыслу и вычисления семантического сходства. Лицензия и конкретные поддерживаемые естественные языки в предоставленных данных не указаны.

Это модель Sentence Transformers на основе MPNet, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Она подходит для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией потерь CosineSimilarityLoss; в README также приведён пример использования через библиотеку sentence-transformers. Веса опубликованы в формате PyTorch, размер модели — 136,7 млн параметров, максимальная длина контекста — 514 токенов. README не называет базовую модель, обучающие данные, поддерживаемые языки или лицензию.

Laxman/setfit-model-v2 — модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория Laxman. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Обучение использовало CosineSimilarityLoss; модель содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для построения текстовых эмбеддингов и поиска смыслово близких фрагментов. В метаданных указан формат PyTorch. Лицензия и языковая специализация в предоставленных данных не обозначены.

sam-babayev/sf_model_e5 — модель эмбеддингов предложений на базе архитектуры BERT, опубликованная пользователем sam-babayev. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, кластеризации и других задач сравнения текстов. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; её контекст ограничен 512 токенами. Модель принимает текст и выдаёт векторные представления. В карточке не названы поддерживаемые естественные языки и конкретная предметная область. Вес репозитория опубликован в формате safetensors; лицензия в предоставленных данных не указана.

Muennighoff/SGPT-125M-mean-nli — модель семейства SGPT, разработанная Muennighoff и представленная в формате Sentence Transformers для получения векторных представлений предложений и оценки их семантического сходства. Она основана на GPT-Neo и содержит 137,7 млн параметров; максимальный контекст составляет 2048 токенов. Модель обучали с MultipleNegativesRankingLoss и косинусной мерой сходства, используя наборы предложений без дубликатов. Модель предназначена для сравнения предложений и получения эмбеддингов, например, для семантического поиска, поиска похожих текстов и ранжирования кандидатов по близости к запросу. Метаданные указывают на поддержку feature extraction и sentence similarity. Языки обучения или приоритетные языки в доступных данных не обозначены. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных источниках отсутствуют.

Muennighoff/SGPT-125M-weightedmean-msmarco-specb-bitfit — модель эмбеддингов предложений на архитектуре GPT-Neo с 137,7 млн параметров и контекстом до 2048 токенов. Она обучена для вычисления смыслового сходства текстов: README указывает на обучение с MultipleNegativesRankingLoss и косинусной мерой сходства, а имя модели указывает на данные MS MARCO и вариант bitfit. Модель предназначена для получения векторных представлений предложений и сравнения запросов с текстами, например при семантическом поиске и ранжировании кандидатов по релевантности. Модель разработана Muennighoff и распространяется в формате PyTorch. Карточка отсылает за инструкциями по использованию и результатами оценки к исходному коду, папке eval и статье. Лицензия в предоставленных сведениях не указана.

Muennighoff/SGPT-125M-weightedmean-nli — модель эмбеддингов предложений на архитектуре GPT-Neo, разработанная для представления текста в виде векторов и сравнения семантической близости предложений. Она содержит 137,7 млн параметров, принимает текст и поддерживает контекст до 2048 токенов. В README указано обучение с MultipleNegativesRankingLoss и косинусным сходством, что подходит для сопоставления текстовых запросов и документов, поиска похожих предложений и ранжирования кандидатов по близости. Модель опубликована в формате PyTorch. В карточке не указаны лицензия и поддерживаемые естественные языки, поэтому их нельзя определить по имеющимся данным. README отсылает к коду проекта и статье за инструкциями и результатами оценки, но сами результаты и детали применения в карточке не приведены.

Muennighoff/SGPT-125M-weightedmean-nli-bitfit — модель Sentence Transformers на архитектуре GPT-Neo, предназначенная для получения векторных представлений предложений и сравнения их семантического сходства. Она содержит 137,7 млн параметров, принимает текст, выдаёт эмбеддинги и поддерживает контекст до 2048 токенов. Модель обучена с помощью MultipleNegativesRankingLoss с косинусной мерой сходства на данных без повторов в батчах. Её можно применять для поиска семантически близких предложений, сопоставления запросов с текстами и ранжирования кандидатов по смысловой близости. README ссылается на код проекта и публикацию для инструкций и результатов оценки, но не приводит их непосредственно. В метаданных указана лицензия? Нет сведений о лицензии в доступных данных.

Muennighoff/SGPT-2.7B-weightedmean-msmarco-specb-bitfit — модель для получения эмбеддингов предложений и оценки их семантического сходства. Она основана на GPT-Neo и обучена с помощью Sentence Transformers на MS MARCO с функцией потерь Multiple Negatives Ranking Loss; в названии указаны взвешенное усреднение, SpecB и BitFit. Модель содержит 3,1 млрд параметров и поддерживает контекст до 2048 токенов. Модель подходит для семантического поиска, сравнения запросов с документами и ранжирования текстовых кандидатов по близости смысла. В метаданных заявлены задачи извлечения признаков и сходства предложений; README отсылает за инструкциями и результатами оценки к коду проекта, папке eval и статье. Использовать её можно для англоязычных текстов MS MARCO, однако карточка не описывает конкретные ограничения качества или лицензию.

SimCSE-Dist-MPNet-CzEng — компактная модель семантических эмбеддингов, разработанная Seznam.cz и дообученная с целевой функцией SimCSE. Она предназначена для оценки смыслового сходства предложений и может применяться для семантического поиска, извлечения релевантных текстов, кластеризации и классификации. Модель основана на архитектуре BERT, содержит 27,2 млн параметров и принимает текстовые входные данные, формируя векторные представления предложений. Контекст ограничен 512 токенами. В карточке заявлена поддержка чешского и английского языков. Модель опубликована в формате PyTorch под лицензией CC-BY-NC-SA-4.0, которая ограничивает коммерческое использование и требует соблюдения условий распространения.

mrp/SimCSE-model-WangchanBERTa-V2 — модель эмбеддингов предложений на архитектуре CamemBERT, опубликованная пользователем mrp. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и других задач сравнения предложений. Модель обучалась с MultipleNegativesRankingLoss и косинусной мерой сходства; для работы можно использовать Sentence-Transformers или Transformers с подходящей операцией pooling. Веса представлены в формате PyTorch; размер модели — 132,5 млн параметров, контекст — до 512 токенов. README посвящён WangchanBERTa V2, однако языковая поддержка в предоставленных сведениях явно не перечислена. Лицензия в доступных данных не указана.

vitthalbhandari/simcse_retrain_edos_10k — модель эмбеддингов предложений на архитектуре RoBERTa, представленная в формате PyTorch. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Обучение с MultipleNegativesRankingLoss и косинусным сходством ориентирует модель на получение векторов, отражающих семантическую близость текстов. Модель содержит около 151,8 млн параметров и принимает текст с контекстом до 514 токенов. Её можно использовать через Sentence-Transformers или Transformers с соответствующей операцией pooling. Карточка не сообщает о специализированной области применения или поддерживаемых языках. Лицензия в предоставленных данных не указана.

SimCSE-RetroMAE-Small — компактная модель семантических эмбеддингов, разработанная Seznam.cz и дообученная на основе Seznam/retromae-small-cs с objective SimCSE. Она предназначена для оценки смыслового сходства предложений и может применяться в поиске похожих текстов, семантическом поиске, извлечении документов, кластеризации и классификации. Модель построена на архитектуре BERT, содержит 27,2 млн параметров и обрабатывает входной текст с контекстом до 512 токенов. Основной язык — чешский. Репозиторий содержит веса PyTorch; лицензия — CC BY 4.0.

slinger-base — англоязычная модель Sentence Transformer, созданная разработчиком carsondial путём дообучения BAAI/bge-base-en-v1.5 на 45 000 парах текстов. Архитектура основана на BERT: модель формирует 768-мерные плотные эмбеддинги, использует CLS-пулинг и нормализацию; сходство векторов можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, сравнения предложений и абзацев, поиска перефразировок, кластеризации и классификации текста. В README приведены результаты оценки поиска с разными размерностями эмбеддингов, включая укороченные варианты от 64 до 512 измерений. Модель рассчитана на английский язык и распространяется по лицензии Apache-2.0.

Mozilla/smart-tab-embedding-fine-tuned — дообученный Mozilla на базе sentence-transformers/all-MiniLM-L6-v2 энкодер предложений Sentence Transformers с архитектурой BERT. Он преобразует предложения и абзацы в плотные семантические векторы размерности 384 и предназначен для сравнения сходства текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. В README указана максимальная длина последовательности 256 токенов; метаданные каталога сообщают нативный контекст 512 токенов. Для сравнения используется косинусное сходство. Модель принимает текст и выдаёт векторы; данных о поддерживаемых языках в карточке нет. Репозиторий содержит форматы ONNX и safetensors и насчитывает около 25,9 млн параметров. Лицензия в предоставленных данных не указана.

fjavigv/snoweu_v4 — модель Sentence Transformers, дообученная на базе Snowflake/snowflake-arctic-embed-m-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости и поиска по тексту. Архитектура включает BertModel, CLS-пулинг и нормализацию; сходство оценивается косинусной метрикой. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска, ранжирования по смысловому соответствию, поиска перефразировок, кластеризации и классификации текстов. README приводит оценку cosine_accuracy@1 0,6777, @3 0,8973 и @5 0,9391 на InformationRetrievalEvaluator. Обучающая выборка содержит 46 338 пар предложений; примеры указывают на тексты о регулировании образования и обучении, но специализация на этой области не заявлена. Сведения о лицензии в предоставленных данных отсутствуют.

snowflake-arctic-embed-m-i1-GGUF — это квантизированная в формате GGUF версия модели Snowflake/snowflake-arctic-embed-m, разработанная Snowflake и подготовленная пользователем mradermacher с использованием weighted/imatrix quantization. Модель предназначена для извлечения признаков и создания текстовых эмбеддингов, задач семантического сходства, поиска и других сценариев, где требуется сравнивать смысл текстов. В метаданных указаны поддержка английского языка, интеграция с Transformers и совместимость с Transformers.js. README не содержит точных сведений об архитектуре, количестве параметров, размерности эмбеддингов и максимальной длине контекста. Репозиторий предоставляет множество вариантов квантизации размером примерно от 0,1 до 0,2 ГБ, включая IQ- и Q-типы, позволяющие выбирать компромисс между размером, скоростью и качеством. Сильной стороной модели являются малый размер файлов и возможность локального запуска в экосистеме GGUF; ограничениями выступают возможная потеря качества при низкобитной квантизации и отсутствие подробных характеристик производительности в README. Модель распространяется по лицензии Apache-2.0.