I.12Рекомендации и персонализация

luiz-and-robert-thesis разработали модель эмбеддингов на базе MPNet для представления предложений и абзацев в виде плотных векторов размерности 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучали с TripletLoss и косинусной метрикой расстояния; доступна в формате safetensors и рассчитана на контекст до 514 токенов. Для использования предусмотрена библиотека Sentence-Transformers. Лицензия в предоставленных данных не указана.

Xenova/msmarco-distilbert-base-v4 — версия модели sentence-transformers/msmarco-distilbert-base-v4 с весами в формате ONNX, подготовленная для совместимости с библиотекой Transformers.js. Модель предназначена для извлечения признаков и создания векторных представлений текста, которые могут использоваться в задачах семантического поиска, сопоставления текстов и других сценариях обработки естественного языка. В названии указана архитектура на основе DistilBERT; точный размер модели, поддерживаемые языки, размер контекстного окна и перечень модальностей в README не приведены. Ключевое преимущество — возможность запуска через Transformers.js, включая веб- и JavaScript-сценарии, благодаря ONNX-весам. Ограничения, условия лицензирования и дополнительные характеристики в предоставленных данных не указаны.

AIDA-UPM — модель sentence-transformers на базе XLM-RoBERTa, обученная сопоставлять предложения и абзацы в общем плотном пространстве эмбеддингов размерности 768. Её можно применять для семантического поиска, кластеризации и оценки смыслового сходства текстов. Модель содержит 305,2 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате PyTorch. Модель подходит для поиска близких по смыслу фрагментов в многоязычных корпусах и группировки текстов по тематике. Обучение с CosineSimilarityLoss указывает на настройку для работы с оценкой сходства. Лицензия в предоставленных данных не указана.

Xenova/multilingual-e5-small — мультиязычная модель для создания векторных представлений текста, разработанная на основе intfloat/multilingual-e5-small и подготовленная сообществом Xenova в формате ONNX. Модель предназначена для использования в Transformers.js и выполнения feature extraction, в том числе непосредственно в JavaScript-приложениях. Ключевая особенность модели — наличие ONNX-весов, обеспечивающих совместимость с Transformers.js и сценариями веб-инференса. По представленным данным, модель поддерживает мультиязычную обработку текста, однако точный перечень языков, архитектура, количество параметров, размер контекста и другие технические характеристики не указаны. Модель подходит для задач, где требуются текстовые эмбеддинги, например семантический поиск или сравнение текстов, но конкретные целевые сценарии и показатели качества в карточке не описаны. Лицензия также не указана, поэтому условия использования необходимо уточнять в исходном репозитории базовой модели.

multi-modal-embed-small — компактная мультимодальная модель семейства MoM (Mixture of Models) для создания векторных представлений текста, изображений и аудио в общем семантическом пространстве. Разработчик в предоставленных данных не назван. Модель объединяет текстовый энкодер MiniLM-L6-v2, визуальный энкодер SigLIP-base-patch16-512, аудиоэнкодер на базе Whisper-tiny и двухслойный трансформер для межмодального объединения; размер — около 120 млн параметров. Полные эмбеддинги имеют размерность 384, а Matryoshka Representation Learning позволяет сокращать её до 32, 64, 128 или 256 измерений; изображение обрабатывается при разрешении 512×512, аудио — длительностью до 30 секунд и частотой 16 кГц. Модель предназначена для поиска и сопоставления текстов, изображений и аудиозаписей, включая межмодальный поиск. В README приведены результаты retrieval на COCO Validation и LibriSpeech, однако они не гарантируют аналогичного качества на других данных. Модель поддерживает английский язык и не предназначена для генерации; обработка изображений и аудио ограничена указанными параметрами. Репозиторий содержит форматы ONNX и SafeTensors, лицензия — Apache-2.0.

MyAwesomeModel — модель семейства BERT из репозитория toolathlon3/MyAwesomeModel-TestRepo, предназначенная для извлечения признаков из текста. Согласно метаданным, она реализована на PyTorch и библиотеке Transformers, а её основной тип задачи Hugging Face — feature-extraction. Модель может использоваться для получения векторных представлений текста, семантического поиска, кластеризации, сравнения текстов и как компонент систем классификации или других downstream-задач. README также заявляет о возможностях рассуждения, генерации кода, ответов на вопросы и работы с функциями, однако эти сведения не согласуются с указанным pipeline-тегом feature-extraction и не подтверждают архитектуру генеративной модели. Модель распространяется по лицензии MIT. Размер, длина контекста, поддерживаемые естественные языки и точные характеристики архитектуры в доступных данных не указаны.

ilhkn/my-awesome-setfit-model3 — модель Sentence-Transformers на архитектуре MPNet, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Она подходит для семантического поиска, сравнения сходства текстов и кластеризации. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Модель обучалась с помощью CosineSimilarityLoss. Её можно использовать через Sentence-Transformers или Transformers, применяя подходящую операцию pooling к контекстным представлениям токенов. Данных о специализации по языку или предметной области нет. Условия лицензии в предоставленных данных не указаны.

chandc/my-embedding-gemma — текстовая Sentence Transformer-модель, дообученная на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска и извлечения релевантных текстов. Модель использует косинусное сходство и принимает последовательности длиной до 2048 токенов. Для дообучения указаны три примера с парами запросов и релевантных и нерелевантных текстов; применялась функция потерь MultipleNegativesRankingLoss. Примеры относятся к финансовым и страховым вопросам, но их мало, поэтому они не подтверждают надёжную специализацию или качество в этих областях. Модель работает только с текстом; лицензия в предоставленных данных не указана.

GavinQiangLi разработал sentence-transformers-модель для получения эмбеддингов предложений и абзацев. Она кодирует текст в плотные векторы размерностью 384, пригодные для семантического поиска и кластеризации. Модель построена на архитектуре BERT, содержит около 40 млн параметров и обрабатывает до 512 токенов контекста. При обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством. Модель подходит для поиска семантически близких текстов и группировки текстов по смыслу. В репозитории представлены веса safetensors; для работы можно использовать библиотеку Sentence Transformers. Лицензия в доступных данных не указана.

Карточка модели joteqwork/new_gsev0 на Hugging Face совпадает с карточкой avsolatorio/GIST-small-Embedding-v0, поэтому описание составлено по ней. GIST-small-Embedding-v0 — англоязычная модель текстовых эмбеддингов, разработанная avsolatorio на основе BAAI/bge-small-en-v1.5 и дообученная методом GISTEmbed. Она кодирует текст в векторы для поиска и сравнения предложений; для получения эмбеддингов инструкционные подсказки не нужны, поэтому запросы можно кодировать напрямую. Модель основана на архитектуре BERT, содержит 40 млн параметров и рассчитана на контекст до 512 токенов. Для дообучения использовались набор MEDI и триплеты, полученные из обучающей части MTEB Classification; качество оценивали на MTEB. В README отмечено, что дообучение улучшило результаты на некоторых задачах, но ухудшило на других, включая поиск по TRECCOVID. Доступны форматы PyTorch, Safetensors и ONNX. Лицензия модели — MIT; лицензии сторонних обучающих данных могут иметь дополнительные условия.

Stern5497/nir-test-xlm-roberta-base — модель на архитектуре XLM-RoBERTa, разработанная пользователем Stern5497 и представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Обучение с MultipleNegativesRankingLoss и косинусным сходством направлено на получение эмбеддингов, пригодных для сопоставления предложений. Модель содержит 305,2 млн параметров и принимает текст с контекстом до 514 токенов. Метаданные указывают поддержку извлечения признаков и сходства предложений; XLM-RoBERTa рассчитана на многоязычные тексты, однако конкретные языки для этого чекпойнта не перечислены. Веса доступны в формате safetensors. Лицензия в предоставленных данных не указана.

latterworks/ollama-embeddings — дообученная на базе sentence-transformers/all-MiniLM-L6-v2 модель Sentence Transformer для преобразования предложений и абзацев в плотные семантические векторы. Она использует архитектуру BERT с усреднением токенных представлений и нормализацией выходного вектора; размер модели — 25,9 млн параметров, размерность эмбеддинга — 384. README указывает максимум 256 токенов на последовательность, а метаданные — нативный контекст 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации. Для сравнения векторов рекомендована косинусная близость. В README указано дообучение с TripletLoss на наборе из пяти обучающих примеров, поэтому надёжность обобщения на широкие тематики может быть ограничена. Поддержка заявлена для английского базового энкодера; лицензия в предоставленных данных не указана.

swardiantara/one-crk1-m0.5-e5-b128-L6 — модель на базе BERT, созданная с помощью Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерности 384. Её можно применять для семантического поиска и кластеризации текстов; метаданные также указывают поддержку извлечения признаков и сходства предложений. Модель содержит 25,9 млн параметров, принимает текст с контекстом до 512 токенов и сохраняется в формате safetensors. Модель обучалась с ContrastiveLoss и косинусной метрикой расстояния. README не называет обучающие данные и конкретные языки, поэтому языковую специализацию установить нельзя. Лицензия в предоставленных данных не указана.

Brendan/orig-refpydst-5p-referredstates-split-v1 — модель эмбеддингов предложений на архитектуре MPNet, разработанная Brendan. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 136,7 млн параметров, принимает текст и рассчитана на контекст до 514 токенов. Модель обучалась с использованием OnlineContrastiveLoss и распространяется в формате PyTorch. Лицензия в предоставленных данных не указана.

seongwoon/paper_embedding — модель Sentence-Transformers на основе BERT, разработанная автором репозитория seongwoon. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 137,1 млн параметров и принимает текстовые последовательности длиной до 512 токенов; для получения эмбеддингов через Transformers поверх выходов модели требуется применить подходящий pooling. Модель подходит для построения поиска по смыслу и группировки текстов по семантической близости. В карточке нет сведений о целевых языках, обучающих данных или лицензии, поэтому их нельзя надёжно определить.

PatriLaRS — модель Sentence Transformers, дообученная TdelaSelle на базе bowphs/LaBerta. Она использует архитектуру RoBERTa с усреднением токенных представлений и создаёт плотные текстовые эмбеддинги размерности 768; для сравнения предложений применяется косинусное сходство. Метаданные указывают 153,2 млн параметров и контекст до 514 токенов, тогда как карточка модели ограничивает длину последовательности 256 токенами. Модель предназначена для семантического сравнения текстов, семантического поиска, поиска перефразирований, классификации и кластеризации. Обучалась на наборе из 78 988 примеров с положительными и отрицательными парами; README приводит результаты оценки для информационного поиска. Базовая LaBerta — одноязычная модель для текстов классической филологии, поэтому область её языкового применения ограничена этим контекстом. В репозитории указана лицензия, допускающая применение в рамках условий базовой модели, без отдельного уточнения условий в предоставленных данных.

PEG (Progressively Learned Textual Embedding) — модель текстовых эмбеддингов для поиска и сопоставления предложений, представленная разработчиками карточки. Она обучалась с прогрессивной настройкой вклада примеров в функцию потерь с учётом сложности негативных примеров, чтобы повысить устойчивость текстового поиска. Для обучения использована коллекция более чем из 110 миллионов примеров из разных областей, включая общие знания, финансы, туризм и медицину. Модель построена на архитектуре BERT, содержит 424,3 млн параметров и принимает текст с контекстом до 512 токенов; карточка указывает китайский язык. Она подходит для извлечения эмбеддингов предложений и оценки их сходства. Распространяется под лицензией Apache-2.0.

dbourget/philai-bge-2et-f-again — модель на архитектуре BERT, созданная в формате Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерностью 1024. Она предназначена для поиска семантически близких текстов и кластеризации; сходство между текстами можно оценивать по их эмбеддингам. Обучение использовало CosineSimilarityLoss. Модель содержит около 433,9 млн параметров, принимает текстовые входы, выдаёт векторы и поддерживает контекст до 512 токенов. Лицензия в предоставленных данных не указана.

BlueAvenir/prosieben_event_based_model_updated — модель Sentence Transformers на базе XLM-RoBERTa, разработанная BlueAvenir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов; архитектура содержит около 305,2 млн параметров, а длина контекста составляет 514 токенов. Модель предназначена для построения семантического поиска и группировки похожих текстов. README описывает обучение с CosineSimilarityLoss, но не раскрывает обучающие данные и точный языковой охват; идентификатор и карточка не позволяют установить конкретную предметную область. Репозиторий содержит веса PyTorch.

lucaswychan опубликовал дообученную модель эмбеддингов на основе плотной decoder-only архитектуры Qwen3.0-0.6B. Она предназначена для преобразования текстов в векторные представления и сравнения их семантической близости; в исследовании модель используется для изучения того, как обучение с подкреплением влияет на качество эмбеддингов. README сообщает, что такое начальное обучение не даёт устойчивого преимущества перед базовой моделью после одинакового контрастивного дообучения. Модель содержит 507,9 млн параметров, поддерживает контекст до 32 768 токенов и рассчитана на многоязычные тексты. Для использования доступны форматы Sentence Transformers и Transformers; README рекомендует включить trust_remote_code=True. Лицензия — Apache-2.0. В README описаны результаты исследований на MTEB и BRIGHT, но конкретные численные оценки этой модели не приведены.

Qwen3-Reranker-0.6B-ONNX — ONNX-конверсия модели Qwen3-Reranker-0.6B из семейства Qwen, подготовленная сообществом onnx-community для использования с Transformers.js v4. Это текстовая модель ранжирования, предназначенная для оценки релевантности документов поисковому запросу и последующей сортировки результатов, например в системах веб-поиска, семантического поиска и retrieval-augmented generation. Модель основана на архитектуре CausalLM и оценивает релевантность не как обычный классификатор, а по логитам токенов «yes» и «no» на последней позиции последовательности. Поддерживаются варианты динамического 8-битного квантования и 4-битного квантования; ONNX-граф оптимизирован слиянием операций Grouped-Query Attention. Контекстное окно составляет 32K токенов, при этом для практического использования рекомендуется ограничивать длину 8192 токенами. Модель работает с текстовыми запросами и документами; сведения о точном наборе языков и параметрах обучения в README не приведены. К сильным сторонам относятся компактный размер около 0,6 млрд параметров, возможность запуска в браузере и локальных приложениях через Transformers.js, а также ускорение на WebGPU и поддержка WASM/CPU. К ограничениям относятся отсутствие вариантов fp32 и fp16 в данном репозитории, зависимость от совместимости ONNX Runtime Web с используемыми операциями и необходимость корректно форматировать запрос, инструкцию и документ в специальный prompt. Модель распространяется по лицензии Apache-2.0.

Мультимодальная модель эмбеддингов mlx-community, перенесённая в формат MLX из Qwen/Qwen3-VL-Embedding-2B с помощью mlx-lm. Она предназначена для преобразования текста и изображений в векторные представления, которые можно использовать для поиска и сопоставления по смыслу. В метаданных указаны архитектура семейства Qwen3-VL, 2 млрд параметров у базовой модели Qwen3-VL-2B-Instruct и библиотека Transformers; README подтверждает исходную модель Qwen3-VL-Embedding-2B и конвертацию в MLX. Модель опубликована mlx-community под лицензией Apache-2.0. Карточка не сообщает поддерживаемые языки, длину контекста или конкретные показатели качества.

Карточка модели ArchiveStudio/Qwen3-VL-Reranker-8B на Hugging Face совпадает с карточкой Qwen/Qwen3-VL-Reranker-8B, поэтому описание составлено по ней. Qwen3-VL-Reranker-8B — мультимодальная модель-реранкер семейства Qwen от Qwen, дообученная на базе Qwen/Qwen3-VL-8B-Instruct. Она принимает пару «запрос — документ» и оценивает их релевантность, чтобы пересортировать результаты первичного поиска. Запрос и документ могут содержать текст, изображения, скриншоты, видео или их сочетания. Модель построена на плотной архитектуре Qwen3-VLForConditionalGeneration и содержит 8 млрд параметров. Заявлены контекст до 32 тыс. токенов и поддержка более 30 языков. Реранкер рассчитан на второй этап мультимодального поиска, включая поиск по изображениям, видео и визуальным документам; для первоначального отбора кандидатов его можно сочетать с моделью эмбеддингов Qwen3-VL-Embedding. Репозиторий использует формат safetensors и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. README рекомендует задавать инструкции под конкретный сценарий и отмечает, что на мультиязычных сценариях инструкции предпочтительно формулировать по-английски. Описанные в карточке высокие результаты основаны на бенчмарках разработчиков; реальное качество зависит от данных и настройки поискового конвейера.

Карточка модели tomaarsen/Qwen3-VL-Reranker-8B на Hugging Face совпадает с карточкой Qwen/Qwen3-VL-Reranker-8B, поэтому описание составлено по ней. Qwen3-VL-Reranker-8B — мультимодальная модель-реранкер семейства Qwen от Qwen, дообученная на базе Qwen/Qwen3-VL-8B-Instruct. Она принимает пару «запрос — документ» и оценивает их релевантность, чтобы пересортировать результаты первичного поиска. Запрос и документ могут содержать текст, изображения, скриншоты, видео или их сочетания. Модель построена на плотной архитектуре Qwen3-VLForConditionalGeneration и содержит 8 млрд параметров. Заявлены контекст до 32 тыс. токенов и поддержка более 30 языков. Реранкер рассчитан на второй этап мультимодального поиска, включая поиск по изображениям, видео и визуальным документам; для первоначального отбора кандидатов его можно сочетать с моделью эмбеддингов Qwen3-VL-Embedding. Репозиторий использует формат safetensors и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. README рекомендует задавать инструкции под конкретный сценарий и отмечает, что на мультиязычных сценариях инструкции предпочтительно формулировать по-английски. Описанные в карточке высокие результаты основаны на бенчмарках разработчиков; реальное качество зависит от данных и настройки поискового конвейера.

flax-sentence-embeddings/reddit_single-context_mpnet-base — англоязычная модель эмбеддингов предложений, разработанная участниками Community Week Hugging Face в проекте по обучению sentence embedding моделей. Она основана на mpnet-base и дообучена контрастивным методом на более чем 700 млн пар предложений из диалогов Reddit; для каждой реплики использовался первый контекстный ответ. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст длиной до 514 токенов по метаданным каталога. Модель кодирует входное предложение в вектор семантического содержания. Векторы подходят для поиска информации, кластеризации и вычисления сходства предложений, например для подбора релевантных фрагментов по запросу. README приводит ограничение длины последовательности в 128 токенов при обучении, поэтому качество на более длинных входах может быть ниже. В карточке указана лицензия Apache-2.0.

grocode87/replyability_model — модель на базе BERT, разработанная автором репозитория и опубликованная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения смысловой близости, семантического поиска и кластеризации. Модель содержит 25,9 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель можно применять для поиска похожих фраз и документов, группировки текстов по смыслу и построения систем поиска на эмбеддингах. В карточке указано обучение с OnlineContrastiveLoss. Лицензия в предоставленных данных не указана.

robpasternak/retrieval-de-conloss — модель эмбеддингов предложений на базе XLM-RoBERTa, опубликованная на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель обучена с ContrastiveLoss на основе косинусного расстояния и доступна в формате PyTorch; заявленная длина контекста — 514 токенов. Модель подходит для поиска похожих фрагментов текста и группировки текстов по смыслу. В README не указаны конкретные языки обучающих данных, поэтому языковую специализацию определить нельзя. Лицензия в предоставленных сведениях не указана.

KasuleTrevor/Roberta-base-lug-QQ — модель Sentence Transformers, дообученная Trevor Kasule на FacebookAI/xlm-roberta-base. Она кодирует предложения и абзацы в плотные векторы размерности 768, которые можно сравнивать по косинусному сходству. Модель предназначена для оценки семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает XLM-RoBERTa с mean pooling; максимальная длина последовательности — 512 токенов, размер базовой модели — 305,2 млн параметров. Обучение проводилось на 7 106 парах предложений с MultipleNegativesRankingLoss. Многоязычная основа XLM-RoBERTa позволяет обрабатывать тексты на нескольких языках, однако README не уточняет, на каких языках модель обучалась и проверялась специально. Для применения модель выдаёт эмбеддинги, а не готовые ответы; для поиска или сравнения их нужно использовать в последующем пайплайне. Лицензия в предоставленных данных не указана.

Maite89 разработала эту модель на базе RoBERTa с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска семантически близких текстов, кластеризации и оценки сходства. Модель обучалась с функцией CosineSimilarityLoss и подходит для построения эмбеддингов и семантического поиска; метаданные указывают поддержку испанского языка. Число параметров — 454,1 млн, максимальный контекст — 514 токенов. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

SAGA-embed_v1 — модель эмбеддингов предложений для скандинавских языков, построенная на архитектуре ModernBERT. Она создана на базе AI-Sweden-Models/ModernBERT-base, обучена примерно на 250 миллионах семантически связанных пар и затем дообучена. Репозиторий использует библиотеку sentence-transformers и содержит веса в формате safetensors; размер модели — 394,7 млн параметров, контекст — до 8192 токенов. Модель предназначена для получения векторных представлений текстов и задач семантического сходства. Её можно применять без промптов, однако для оптимальной производительности автор рекомендует использовать обученные пользовательские промпты для разных задач. По README, на момент публикации она занимала 9-е место в MTEB по скандинавским задачам и была самой высокоранжированной моделью до 1,5 млрд параметров. В метаданных указаны шведский, норвежский и датский языки; README описывает модель как предназначенную для скандинавских языков, но не приводит полную языковую спецификацию. Лицензия в предоставленных данных не указана.