I.12Рекомендации и персонализация

copenlu/spiced — модель на базе MPNet, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения семантической близости текстов, семантического поиска и кластеризации. Модель содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель обучалась с функцией CosineSimilarityLoss. Её можно применять для получения текстовых эмбеддингов, поиска похожих фрагментов и группировки семантически близких предложений. Карточка не сообщает о специализированной предметной области или языковой специализации. Лицензия в предоставленных данных не указана.

FremyCompany/stsb_ossts_roberta-large-nl-oscar23 — модель Sentence Transformers на базе RoBERTa, разработанная FremyCompany. Она преобразует предложения и абзацы в плотные векторы размерности 256 для семантического поиска, кластеризации и сравнения текстов. Модель обучалась с CosineSimilarityLoss; размер составляет 453,9 млн параметров, а максимальный контекст — 514 токенов. Доступны веса PyTorch и возможность использовать модель через Sentence Transformers. Подходит для построения эмбеддингов и поиска текстов по смыслу. Язык, на котором модель обучалась или для которого она предназначена, в предоставленных данных не установлен. Лицензия в предоставленных данных не указана.

mlx-community/tasksource-ModernBERT-base-embed-4bit — англоязычная модель эмбеддингов на архитектуре ModernBERT, подготовленная mlx-community для запуска в формате MLX на устройствах Apple. Она дообучена на базе answerdotai/ModernBERT-base для извлечения признаков и вычисления сходства между предложениями; README указывает на преобразование из tasksource/ModernBERT-base-embed и применение 4-битного формата. Модель содержит 149 млн параметров и поддерживает контекст до 8192 токенов. Её можно использовать для поиска по смыслу, ранжирования текстов по сходству и построения векторных представлений для семантического поиска и других задач NLP. Обучение опиралось на наборы данных для поиска вопросов и ответов, NLI, семантического сходства и ранжирования; заявленный язык — английский. Для запуска README рекомендует пакет mlx-embeddings. Лицензия в предоставленных данных не указана.

mlx-community/tasksource-ModernBERT-base-embed-8bit — 8-битная версия модели эмбеддингов, преобразованная сообществом mlx-community из tasksource/ModernBERT-base-embed в формат MLX с помощью mlx-lm 0.0.3. Она построена на ModernBERT-base и предназначена для получения векторных представлений предложений и оценки их семантического сходства. Модель подходит для поиска по смыслу, сопоставления запросов с документами и ранжирования текстовых кандидатов; обучающие данные включают наборы для поиска ответов, семантического сходства и распознавания текстовых отношений. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и поддерживает контекст до 8192 токенов. Метаданные указывают английский язык. Квантованное представление рассчитано на запуск в экосистеме MLX; README рекомендует библиотеку mlx-embeddings. Лицензия в предоставленных данных не указана.

mlx-community/tasksource-ModernBERT-base-embed-bf16 — англоязычная encoder-only модель эмбеддингов на архитектуре ModernBERT, подготовленная сообществом mlx-community в формате MLX для использования с mlx-embeddings. Это преобразованная версия tasksource/ModernBERT-base-embed; исходная модель дообучена на основе answerdotai/ModernBERT-base и предназначена для извлечения признаков и оценки сходства предложений. Модель содержит 149 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Её можно применять для семантического поиска, сопоставления запросов с документами, поиска ответов и ранжирования текстов по смысловой близости. Английский язык подтверждён карточкой модели; обучение включало наборы данных для поиска, сходства предложений и вывода на естественном языке. Модель распространяется в формате safetensors, а README указывает на применение через mlx-embeddings. Лицензия в предоставленных данных не указана.

diegoicomp/test-1 — модель семейства MPNet, опубликованная в формате PyTorch и предназначенная для получения векторных представлений предложений и абзацев. Она преобразует текст в плотные эмбеддинги размерностью 768, подходящие для семантического поиска, сравнения сходства и кластеризации. В карточке указано обучение с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; число параметров составляет 136,7 млн, контекст — до 514 токенов. Модель поддерживает Sentence-Transformers. Лицензия в предоставленных данных не указана.

dbourget/test-6epochs — модель на архитектуре BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, подходящие для семантического поиска, кластеризации и сравнения текстов. В метаданных указаны 433,9 млн параметров и контекст до 512 токенов. Модель можно использовать через библиотеку Sentence-Transformers или Transformers с подходящей операцией pooling. Она обучалась с функцией потерь DenoisingAutoEncoderLoss. Карточка не указывает лицензию или языки обучения, поэтому нельзя определить условия использования и конкретный языковой охват.

BlueAvenir/Testiter4 — модель на базе XLM-RoBERTa, созданная с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантического сходства, кластеризации и семантического поиска. Обучение использовало CosineSimilarityLoss. Модель содержит 305,2 млн параметров и принимает текст; длина контекста — 514 токенов. Доступны веса PyTorch. Лицензия в предоставленных данных не указана.

Карточка модели Bhuvana/test-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.

swardiantara/two-crk10-m0.15-e2-b128-L6 — модель на основе BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 384. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации. Модель использует библиотеку Sentence Transformers и имеет около 25,9 млн параметров; максимальная длина контекста составляет 512 токенов. При обучении использовалась ContrastiveLoss с косинусной метрикой расстояния. В репозитории указаны веса в формате safetensors. Данные не устанавливают язык модели или её специализированную предметную область. Условия лицензии в доступных сведениях не приведены.

am-azadi/UAE-Large-V1_Fine_Tuned — дообученная модель Sentence Transformers на базе WhereIsAI/UAE-Large-V1, разработанная автором репозитория am-azadi. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Архитектура состоит из BERT-трансформера с объединением представлений CLS-токена; максимальная длина входа — 512 токенов, сходство оценивается косинусной мерой. Модель обучалась на 25 743 парах текстов с MultipleNegativesRankingLoss. Примеры обучающих данных многоязычны, но основное назначение и язык базовой модели — английский. Для применения нужны тексты; результатом служат векторы, пригодные для ранжирования или дальнейшей обработки. Лицензия в предоставленных данных не указана.

SSHHIVANI разработала эту модель Sentence Transformers, дообучив англоязычный sentence-transformers/all-MiniLM-L6-v2 на 4 555 обучающих примерах. Это плотный энкодер на архитектуре BERT с усреднением токеновых представлений и нормализацией: он преобразует текст в векторы размерностью 384, а сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности по метаданным — 512 токенов; в README указано ограничение 256 токенов. Модель предназначена для семантического сравнения предложений и абзацев, поиска по смыслу, поиска перефразировок, кластеризации и классификации текстов. Обучение с MultipleNegativesRankingLoss ориентировано на сопоставление запросов с документами. Поддерживается текстовый ввод; основной язык — английский, унаследованный от базовой модели. Доступен формат safetensors. Лицензия в предоставленных данных не указана.

WeMM-Embedding-2B-INT8 — мультимодальная модель для получения эмбеддингов, опубликованная ewin-reg. Это INT8-перекодировка модели ewin-reg/WeMM-Embedding-2B-Quantized, восходящей к tencent/WeMM-Embedding-2B; веса не дообучались и не дистиллировались. Модель построена на гибридной архитектуре Qwen3.5 с линейным и полным вниманием, а также визуальным трансформером; поддерживает Matryoshka-эмбеддинги размерностью от 64 до 2048. Размер файлов модели составляет около 1,94 ГБ. Модель предназначена для создания текстовых, изображенческих и видеоэмбеддингов, поиска по сходству и мультимодального поиска. Перекодировка весов позволяет запускать её на CPU, CUDA и Apple Silicon MPS со стандартным PyTorch. В README приведены измерения близкого совпадения эмбеддингов INT8-версии с FP8-вариантом и базовой моделью, однако это результаты ограниченных наборов запросов и изображений. В README указана лицензия «other» в метаданных, но её конкретные условия не приведены. Для использования следует проверить лицензию карточки и исходной модели.

ronanki/xlmr_02-02-2022 — модель Sentence-Transformers на базе XLM-RoBERTa, разработчик которой в карточке указан как ronanki. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства предложений. Модель содержит 305,2 млн параметров, принимает текст и формирует векторные представления; длина контекста — 514 токенов. Для обучения использовалась TripletLoss с евклидовой метрикой и отступом 5. Модель подходит для семантического поиска и группировки текстов, когда требуется сравнивать их по смыслу. В метаданных указаны XLM-RoBERTa и Sentence-Transformers; поддерживаемые естественные языки явно не перечислены. Модель опубликована в формате PyTorch. Лицензия в предоставленных сведениях не указана.

PaDaS-Lab/xlm-roberta-base-msmarco — модель Sentence Transformer, разработанная PaDaS-Lab и дообученная на основе FacebookAI/xlm-roberta-base. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения косинусным сходством. Модель содержит около 305,2 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель обучалась на примерах MS MARCO с трудными негативными примерами, найденными с помощью cross-encoder MiniLM. Она предназначена для семантического поиска и сопоставления текстов, а также может применяться для поиска перефразирований, кластеризации и классификации текстов. Это многоязычная модель на базе XLM-RoBERTa; конкретный перечень поддерживаемых языков в карточке не приведён. Лицензия — MIT. Векторы отражают сходство текстов, но сами по себе не дают объяснений релевантности; качество зависит от языка, предметной области и длины входного текста.

Nhat1904/12_shot_STA_head_skhead — модель Sentence-Transformers на базе MPNet, обученная разработчиком Nhat1904. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысла текста, семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги; заявленная длина контекста — 514 токенов. В обучении использовалась функция потерь CosineSimilarityLoss. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Watwat100/256data — модель на базе MPNet, опубликованная в формате PyTorch и упакованная для Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров и поддерживает контекст длиной до 514 токенов. При обучении использовалась функция потерь CosineSimilarityLoss. Веса можно применять для построения эмбеддингов и оценки смысловой близости текстов в сценариях поиска и анализа коллекций документов. Лицензия в доступных данных не указана.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240201131522-latest на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Watwat100/32data — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и формирует эмбеддинги; контекст составляет до 514 токенов. Модель подходит для семантического поиска и группировки похожих текстов. В README указано обучение с CosineSimilarityLoss. Данных о специализации по языкам или предметным областям нет. В метаданных указан формат PyTorch; лицензия не приведена.

JALLAJ/5epo — дообученная модель Sentence Transformer на базе BAAI/bge-small-en-v1.5, разработанная автором репозитория JALLAJ. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 384 для сравнения по косинусному сходству. Модель предназначена для семантического поиска, оценки сходства текстов и поиска перефразирований; её также можно применять для кластеризации и классификации текстов. В основе лежит BERT-архитектура с максимальной длиной последовательности 512 токенов; в README указаны pooling по CLS-токену и нормализация векторов. Для обучения использовалась функция потерь MultipleNegativesRankingLoss и набор из 1 466 примеров. Модель рассчитана на английские тексты, унаследовав англоязычную базу BGE-small-en-v1.5. Она компактна — около 40 млн параметров — и выдаёт векторы, пригодные для поиска и сравнения. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

flax-sentence-embeddings/all_datasets_v3_distilroberta-base — модель эмбеддингов предложений, разработанная участниками Community Week Hugging Face по проекту обучения sentence embeddings на 1 млрд пар. За основу взята distilroberta-base, дообученная контрастивным обучением на объединении разнообразных наборов данных. Модель кодирует предложение в вектор, отражающий его семантическое содержание. Векторы предназначены для поиска по смыслу, кластеризации текстов и оценки сходства предложений. Модель имеет архитектуру DistilRoBERTa и содержит 95,2 млн параметров; метаданные указывают контекст до 514 токенов, а обучение ограничивало последовательности 128 токенами. В карточке указан английский язык. Доступны веса PyTorch; библиотека SentenceTransformers подходит для получения эмбеддингов. Модель не предназначена для генерации текста: её основной результат — векторное представление предложения. Эффективность может зависеть от языка и предметной области, поскольку карточка описывает обучение на смешанных данных и указывает английский как язык модели. Условия лицензии в предоставленных данных не приведены.

all_datasets_v3_MiniLM-L12 — модель для получения векторных представлений предложений, разработанная в рамках Community Week Hugging Face участниками проекта по обучению эмбеддингов на миллиарде пар. Это дообученная версия MiniLM-L12: её обучали контрастивной функцией потерь на более чем миллиарде пар предложений, собранных из нескольких наборов данных. Модель основана на архитектуре BERT, содержит около 40 млн параметров и принимает текст с контекстом до 512 токенов. Модель кодирует предложение в вектор, отражающий его семантику. Такие векторы подходят для поиска информации, кластеризации текстов и оценки сходства предложений. В метаданных указана поддержка английского языка; модель работает с текстом и возвращает векторные представления. README описывает обучение с ограничением длины последовательности в 128 токенов, поэтому длинные тексты могут требовать разбиения на фрагменты. Формат репозитория — PyTorch; лицензия в предоставленных данных не указана.

LazarusNLP/all-indobert-base-v4 — модель эмбеддингов предложений на базе архитектуры BERT, опубликованная организацией LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss и косинусной мерой сходства; в обучении использовались наборы данных для индонезийского языка и многоязычного NLI. Модель принимает текст и выдаёт векторы признаков. Репозиторий использует библиотеку sentence-transformers и формат safetensors; размер модели — 151,6 млн параметров, максимальная длина контекста — 512 токенов. Данные указывают на основную поддержку индонезийского языка, но карточка также упоминает многоязычный обучающий набор на 26 языках. Условия лицензии в предоставленных данных не указаны.

Xenova/all-MiniLM-L12-v2 — модель для извлечения признаков, основанная на sentence-transformers/all-MiniLM-L12-v2. Репозиторий содержит веса в формате ONNX, адаптированные для работы с библиотекой Transformers.js в JavaScript и веб-средах. Разработчик производной модели в README не указан. Модель предназначена для получения числовых представлений текста и может применяться в сценариях семантического поиска, сравнения текстов и кластеризации, однако конкретные поддерживаемые языки, размер, архитектурные детали и максимальная длина контекста в README не указаны. Сильной стороной является совместимость с Transformers.js и возможность использования ONNX-весов; ограничением выступает отсутствие подробной информации о характеристиках и условиях лицензирования. Лицензия в README не указана.

KhaledReda/all-MiniLM-L6-test_model-pair_score — англоязычная модель Sentence Transformers, дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с 25,9 млн параметров: он преобразует предложения и абзацы в нормализованные векторы размерности 384, которые можно сравнивать косинусным сходством. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст до 512 токенов. Модель предназначена для оценки семантического сходства, семантического поиска и поиска перефразировок; полученные векторы также подходят для кластеризации и классификации текстов. Она принимает текст и возвращает векторные представления. Обучение указано с функцией потерь CoSENTLoss. Лицензия — Apache-2.0.

aneforge/all-MiniLM-L6-v2 — копия англоязычной модели all-MiniLM-L6-v2 от Sentence Transformers, подготовленная для запуска через ANEForge на Apple Neural Engine. Согласно карточке, веса побайтно совпадают с исходной моделью; репозиторий маркирован как дообучение базовой модели sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с 25,9 млн параметров и контекстом до 512 токенов, предназначенный для вычисления семантических векторов предложений и сравнения их сходства. Модель подходит для семантического поиска, ранжирования похожих предложений и кластеризации текстов. Метаданные указывают задачу sentence-similarity, формат весов safetensors и библиотеку ANEForge. Для использования указан пакет ANEForge с поддержкой моделей; условия лицензии — Apache-2.0. Модель ориентирована на английский язык, а карточка не заявляет поддержку других языков.

all-MiniLM-L6-v23-pair_score — англоязычная модель Sentence Transformers, дообученная на основе sentence-transformers/all-MiniLM-L6-v2. Она использует BERT-энкодер с усреднением токенных представлений и нормализацией, преобразуя предложения и абзацы в плотные векторы размерности 384. Для сравнения векторов подходит косинусное сходство. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Модель предназначена для оценки семантического сходства предложений и может применяться в семантическом поиске, поиске перефразировок, кластеризации и классификации текстов. Лицензия Apache-2.0 разрешает использование на её условиях. Модель рассчитана на английский язык; качество на других языках не подтверждено.

Это демонстрационная модель Sentence Transformers, созданная слиянием двух англоязычных энкодеров предложений: sentence-transformers/all-MiniLM-L6-v2 и sentence-transformers/multi-qa-MiniLM-L6-cos-v1. Для слияния использована сферическая интерполяция (SLERP) с равными весами 0,5; модель содержит 25,9 млн параметров и построена на архитектуре BERT. Модель преобразует предложения в эмбеддинги для поиска по смыслу, сравнения сходства и кластеризации текстов. Она рассчитана на входные тексты длиной до 512 токенов и выдаёт векторные представления. В карточке указана лицензия Apache-2.0.

all-MiniLM-L6-v2-multi-qa-ties-merge — демонстрационная объединённая модель на основе энкодера BERT, созданная средствами Sentence Transformers. Она объединяет all-MiniLM-L6-v2 и multi-qa-MiniLM-L6-cos-v1 методом TIES с плотностью 70% для каждого набора изменений относительно all-MiniLM-L6-v2. Модель содержит 25,9 млн параметров и рассчитана на входной контекст до 512 токенов. Модель преобразует текст в векторные представления предложений для вычисления семантического сходства, поиска релевантных текстов и кластеризации. Базовые модели описаны как англоязычные энкодеры; основное применение — семантический поиск и сопоставление англоязычных запросов с текстами. Доступны форматы Safetensors, TensorFlow и OpenVINO. Лицензия в предоставленных данных не указана.

all-MiniLM-L6-v2-pruned — англоязычный энкодер предложений, созданный на основе sentence-transformers/all-MiniLM-L6-v2 с сокращённым словарём токенов. Модель разработал владелец репозитория jangedoo; она использует архитектуру BERT и библиотеку Sentence Transformers. В метаданных указано 22,1 млн параметров и контекст до 512 токенов; README приводит 18 983 040 параметров после сокращения словаря на 31,83%.