I.12Рекомендации и персонализация

reranker_0.5_bin_filt — это текстовая reranker-модель для ранжирования и переранжирования найденных документов или других текстовых кандидатов по их релевантности запросу. Исходная модель разработана пользователем lightblue и дообучена на базе Qwen/Qwen2.5-0.5B-Instruct; GGUF-квантизацию выполнил Richard Erkhov. Модель предназначена для сценариев поиска, retrieval-augmented generation и фильтрации результатов, где требуется выбрать или упорядочить наиболее подходящие тексты. Она доступна в формате GGUF с вариантами квантизации Q2_K, IQ3, Q3, IQ4, Q4, Q5, Q6 и Q8; размер файлов составляет примерно 0,39–0,63 ГБ. Указано, что базовая модель имеет размер 0,5B параметров, однако сведения о точной архитектуре reranker, поддерживаемых языках, модальностях и длине контекста отсутствуют. К сильным сторонам относятся небольшой размер и возможность локального запуска благодаря GGUF-квантизации, а также специализация на задачах бинарного ранжирования. Ограничения связаны с отсутствием подробного описания датасета, сценариев применения, языковой поддержки и полноценных оценок качества: в карточке приведены только значения loss, включая 0,0526 на evaluation set. Лицензия указана как «other», без уточнения условий использования, поэтому перед применением необходимо проверить лицензионные ограничения исходной модели и производного артефакта.

McGill-NLP/MiniLM-L6-dmr — дообученная на WebLINX модель Sentence Transformers, разработанная авторами исследования WebLINX. Она преобразует предложения и абзацы в плотные векторы размерности 384 для сравнения семантической близости, семантического поиска и кластеризации. Модель основана на архитектуре BERT, содержит 25,9 млн параметров и принимает вход длиной до 512 токенов. Модель подходит для построения поиска по смыслу и группировки текстов, в том числе связанных с многоходовым диалогом и навигацией по сайтам. В карточке указана библиотека PyTorch и обучение с функцией потерь CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

LocalDoc/mmBERT-small-en-az — компактный мультиязычный энкодер на архитектуре ModernBERT, созданный сокращением словаря jhu-clsp/mmBERT-small для английского и азербайджанского языков. Из исходного словаря примерно на 256 тысяч токенов оставлено 71 751; размер модели уменьшен примерно на 46%, до 69,7 млн параметров. Слои трансформера не менялись, были сокращены только эмбеддинги. Модель принимает текст и формирует контекстные представления, которые можно использовать для получения эмбеддингов предложений и оценки сходства.

MoCa-Qwen25VL-3B — мультимодальная модель для получения двунаправленных эмбеддингов, разработанная авторами работы MoCa. Она основана на Qwen2.5-3B-VL-Instruct и предназначена для поиска и сопоставления текстов и изображений, в том числе для поиска по документам и длинным парам «запрос — документ». Модель принимает текст, изображения и их чередующиеся комбинации, а выдаёт эмбеддинги для мультимодального поиска и классификации изображений без заранее заданных классов. Модель семейства Qwen2.5-VL имеет плотную архитектуру и 3,1 млрд параметров; нативный контекст — 128 000 токенов. В README заявлены высокие результаты на MMEB и ViDoRe-v2, а также обобщение на данные вне обучающей выборки. Обучение включало непрерывное предобучение на мультимодальных данных и контрастивную настройку на парах текстов и мультимодальных данных. Доступна под лицензией MIT.

jfarray/Model_all-distilroberta-v1_50_Epochs — модель Sentence-Transformers на основе RoBERTa, разработанная jfarray. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 95,2 млн параметров и принимает контекст длиной до 514 токенов. Модель обучена с функцией CosineSimilarityLoss и предназначена для получения эмбеддингов предложений. Её можно использовать в семантическом поиске и других задачах сравнения текстов через библиотеку Sentence-Transformers. Репозиторий содержит веса PyTorch. Сведения о лицензии и языках в предоставленных данных отсутствуют.

jfarray/Model_bert-base-multilingual-uncased_100_Epochs — модель на базе BERT, обученная библиотекой Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 256. Она предназначена для семантического поиска и кластеризации текстов; оценки сходства предложений также входят в задачи модели. Архитектура содержит около 194,6 млн параметров, модель принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 512 токенов. Модель можно применять для поиска похожих фрагментов, группировки текстов и сравнения смысловой близости предложений. В карточке указано обучение с CosineSimilarityLoss. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

tomaarsen/mpnet-base-gooaq-gor — текстовая модель Sentence Transformers, дообученная на парах вопросов и ответов набора GooAQ с функцией потерь GlobalOrthogonalRegularizationLoss. Она преобразует предложения и абзацы в плотные векторы размерности 768; близость текстов можно оценивать косинусным сходством. Модель основана на microsoft/mpnet-base и использует архитектуру MPNet с усреднением токенных представлений. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления вопросов с ответами, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В README приведены результаты оценки поиска на GooAQ-dev. Модель рассчитана на английский язык и распространяется по лицензии Apache-2.0.

Карточка модели Tool-COLT/msmarco-bert-co-condensor-v1-ToolBenchG2 на Hugging Face совпадает с карточкой MassTool/contriever-base-msmarco-v1-ToolBenchG2, поэтому описание составлено по ней. MassTool/contriever-base-msmarco-v1-ToolBenchG2 — модель Sentence-Transformers на базе архитектуры BERT, преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления; в README также описано обучение с MultipleNegativesRankingLoss и косинусным сходством. Данных о целевых языках и специализации на конкретной предметной области нет.

NepaliKD-SentenceTransformers-paraphrase-multilingual-MiniLM-L12-v2 — модель Sentence Transformers на базе архитектуры BERT, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 384. Она разработана для семантического поиска по данным на английском и непальском языках, а также подходит для кластеризации и сравнения смысловой близости текстов. Модель содержит 124,3 млн параметров, принимает текст и возвращает векторные представления. Максимальная длина контекста составляет 512 токенов. Для использования доступны веса PyTorch и совместимость с библиотеками Sentence Transformers и Transformers; при использовании Transformers требуется применить подходящую операцию pooling к выходам модели. Лицензия в предоставленных данных не указана.

api19750904/newspainclass-opt — модель Sentence-Transformers на архитектуре RoBERTa, разработчик которой не назван в карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит около 151,8 млн параметров и принимает текст с контекстным окном 514 токенов. Карточка указывает, что модель обучалась с CosineSimilarityLoss. В репозитории представлены веса PyTorch; метаданные отмечают поддержку эмбеддингов. Лицензия в предоставленных данных не указана.

Nerdofdot/nickprock_mmarco-bert-base-italian-uncased_E_5_nli — модель Sentence-Transformers на базе BERT, разработанная пользователем Nerdofdot. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Обучение с MultipleNegativesRankingLoss и косинусной мерой сходства ориентировано на ранжирование текстовых пар. Модель содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт векторные представления. По названию репозитория она предназначена для итальянского языка без учёта регистра; README не сообщает отдельные результаты оценки. В метаданных указан формат safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

nikcheerla/nooks-amd-detection-realtime — модель на базе MPNet, опубликованная в формате PyTorch и предназначенная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерностью 768 и поддерживает семантический поиск, кластеризацию и сравнение сходства текстов. Модель содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. В README указано обучение с CosineSimilarityLoss; подробности обучающих данных и оценок качества не приведены. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

OmniRet — мультимодальная модель эмбеддингов для поиска, опубликованная как объединённый чекпойнт второго этапа проекта Efficient and High-Fidelity Omni Modality Retrieval. Она объединяет текстовый энкодер Alibaba-NLP/gte-Qwen2-1.5B-instruct, визуальный энкодер google/siglip-so400m-patch14-384 и аудиоэнкодер Qwen-Audio с проекторами и общим способом объединения признаков. Модель кодирует текст, аудио, изображения и видео в общее пространство нормализованных векторов размерности 4096; сходство между ними можно оценивать скалярным произведением. Запрос может содержать инструкцию и текст вместе с одним типом медиа. Видео обрабатывается по не более чем восьми равномерно выбранным кадрам. Модель предназначена для межмодального поиска и вычисления релевантности, а не для генерации ответов. Опубликованная версия обучена в меньшем масштабе, чем модель из статьи, поскольку исходный чекпойнт был утрачен; количественные результаты статьи к ней напрямую не относятся. Для аудио требуются монофонические WAV-файлы PCM, 16 бит, 16 кГц; обработка на CPU поддерживается, но существенно медленнее, рекомендуется CUDA GPU. Оценки сходства не являются вероятностями и могут немного различаться между устройствами и вычислительными ядрами. В метаданных указана лицензия other.

swardiantara/one-cdk5-m0.5-e5-b128-L6 — модель Sentence Transformers на базе архитектуры BERT, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. При обучении использовалась ContrastiveLoss с косинусной метрикой расстояния. Веса опубликованы в формате Safetensors. Карточка не сообщает о специализированной предметной области или лицензии; язык обучения и работы явно не указан.

Xenova/paraphrase-multilingual-MiniLM-L12-v2 — мультиязычная модель для получения векторных представлений текста, созданная на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и подготовленная сообществом Xenova для использования в Transformers.js. Модель предназначена для задач сравнения смысловой близости и поиска перефразирований, включая семантический поиск, кластеризацию и сопоставление текстов, в JavaScript-приложениях. В репозитории представлены веса в формате ONNX, совместимые с Transformers.js; запуск выполняется через конвейер feature-extraction. Из README не указаны точный размер модели, перечень поддерживаемых языков, максимальная длина контекста и дополнительные модальности. Лицензия также не указана, поэтому условия использования по этим данным определить нельзя. Возможность работы в веб-среде является ключевой особенностью, однако качество и применимость зависят от исходной модели sentence-transformers и конкретного сценария использования.

heydariAI/persian-embeddings — дообученная Mohammad Hassan Heydari модель XLM-RoBERTa для построения контекстных векторных представлений предложений и абзацев. Она основана на FacebookAI/xlm-roberta-base и адаптирована на крупном корпусе персидских текстов для более точного учёта особенностей персидского языка. Модель предназначена для семантического поиска, кластеризации текстов и оценки контекстного сходства. Входом служит текст на персидском или английском языке, выходом — представления токенов, которые следует агрегировать подходящей операцией pooling для получения эмбеддинга предложения или абзаца. Архитектура — плотная XLM-RoBERTa; размер указан как 658,7 млн параметров, длина контекста — 514 токенов. Модель распространяется по лицензии Apache-2.0. Качество может быть ниже на языках, отличных от персидского и английского, а для получения эмбеддингов целых фрагментов текста требуется корректно настроить pooling.

Модель alpcansoydas/product-model-16.10.24 — Sentence Transformer, дообученный разработчиком на базе sentence-transformers/all-mpnet-base-v2. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости, семантического поиска и других задач работы с текстовыми эмбеддингами. Архитектура MPNet использует усреднение токенных представлений и нормализацию; сходство векторов можно оценивать косинусной мерой. В README указана максимальная длина последовательности 384 токена, а метаданные каталога указывают контекст до 514 токенов. Модель предназначена для семантического поиска, поиска перефразировок, кластеризации текстов и классификации на основе эмбеддингов. В README приведены невысокая точность классификации и метрики сходства со значениями nan, поэтому качество на конкретных данных следует проверять отдельно. Лицензия в предоставленных данных не указана.

Карточка модели srsawant34/ProTopic на Hugging Face совпадает с карточкой harsh-wk/long-seq-paraphrase-MiniLM-L6-v2, поэтому описание составлено по ней. harsh-wk/long-seq-paraphrase-MiniLM-L6-v2 — модель Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерности 384. Она подходит для семантического поиска, сравнения сходства текстов и кластеризации. По метаданным, модель основана на архитектуре BERT, содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена Sentence Transformers и распространяется по лицензии Apache-2.0. В репозитории доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. README описывает семантический поиск и кластеризацию как основные сценарии; язык текстов, поддерживаемых моделью, в предоставленных данных не установлен.

hroth01/psais-LaBSE-5shot — модель на основе BERT из библиотеки Sentence-Transformers, которая преобразует предложения и абзацы в плотные векторы размерностью 768. Её можно применять для поиска семантически похожих текстов, кластеризации и сравнения предложений. Модель обучалась с функцией потерь CosineSimilarityLoss. Она принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. В метаданных указан размер 498,1 млн параметров и формат PyTorch. Сведения о языках обучения и лицензии в предоставленных данных отсутствуют.

hroth01/psais-multi-qa-mpnet-base-dot-v1-50shot — модель Sentence-Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для семантического поиска, кластеризации и сравнения текстов по смыслу. Модель обучалась с функцией потерь CosineSimilarityLoss. В README приведены варианты использования через Sentence-Transformers и Transformers; для последнего требуется подходящая операция pooling поверх контекстных представлений токенов. Модель содержит 136,7 млн параметров, принимает контекст до 514 токенов и распространяется в формате PyTorch. В карточке не указаны языки обучения и лицензия, поэтому область языкового применения и условия распространения по доступным данным определить нельзя.

AISE-TUDelft/python-parameters-classifier — модель эмбеддингов на базе MPNet, опубликованная AISE-TUDelft. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель обучалась с функцией потерь CosineSimilarityLoss и подходит для построения семантического поиска и группировки текстов по смыслу. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторы; максимальная длина контекста — 514 токенов. В репозитории указаны веса PyTorch и использование через Sentence-Transformers. Лицензия в предоставленных данных не указана.

lucaswychan/Qwen2.5-Math-1.5B-Reasoning-Embedding — мультиязычная модель эмбеддингов на базе decoder-only архитектуры Qwen2.5-Math-1.5B, дообученная контрастивным обучением. Она преобразует текст в векторные представления для сравнения семантического сходства предложений и может использоваться как компонент поиска по смыслу или ранжирования текстов. Модель содержит 1,5 млрд параметров, принимает контекст длиной до 4096 токенов и распространяется в формате safetensors; для загрузки через Sentence Transformers или Transformers в карточке рекомендуется включить trust_remote_code. Авторы исследуют, дают ли языковые модели, обученные рассуждению с проверяемыми наградами, более качественную основу для эмбеддингов. Описанные эксперименты на MTEB и BRIGHT не выявили устойчивого преимущества такой инициализации над базовой моделью при одинаковом обучении эмбеддингов. Модель выпущена под лицензией Apache-2.0. README не приводит численных результатов именно этого чекпойнта или подробной оценки его языкового покрытия.

Карточка модели Steve0927/qwen3-embedding-0.6b-lrat-trajectory-graph-calibrated-v1 на Hugging Face совпадает с карточкой Steve0927/qwen3-embedding-0.6b-lrat-annwinner-extrap-a125-soup-a50-v1, поэтому описание составлено по ней. Это плотная модель для поиска по тексту, дообученная Steve0927 на базе Qwen3-Embedding-0.6B в рамках эксперимента для соревнования XIR 1170. Она создаёт эмбеддинги запросов и документов, чтобы находить семантически близкие документы и строить поиск по траекториям. Чекпойнт обучен на 91 324 строках, связанных с траекториями и связями запрос–документ; README сообщает, что внешние запросы, ответы и документы, а также лидербордные запросы и скрытые результаты не использовались.

mlx-community/Qwen3-VL-Embedding-2B-8bit — мультимодальная модель для получения эмбеддингов, опубликованная сообществом mlx-community. По README, она преобразована в формат MLX из Qwen/Qwen3-VL-Embedding-2B с помощью mlx-lm 0.1.0; метаданные связывают её с Qwen/Qwen3-VL-2B-Instruct как с базовой моделью. Архитектура относится к семейству Qwen3-VL, размер базовой модели — 2B параметров. Модель предназначена для извлечения векторных представлений мультимодальных данных, в частности для поиска и сопоставления текста и изображений. Репозиторий подготовлен для использования с mlx-embeddings. Лицензия — Apache-2.0. Карточка не уточняет поддерживаемые языки, длину контекста и конкретные метрики качества эмбеддингов. Поскольку README указывает преобразование из исходной embedding-модели, а каталог связывает репозиторий с Qwen3-VL-2B-Instruct как finetune, точная цепочка происхождения неоднозначна.

Qwen3-VL-Reranker-2B-nvfp4 — мультимодальная модель переранжирования из сообщества mlx-community, преобразованная из Qwen/Qwen3-VL-Reranker-2B в формат MLX с помощью mlx-lm 0.1.0. Она предназначена для переоценки и сортировки результатов поиска по релевантности запросу; исходное семейство Qwen3-VL также поддерживает анализ изображений и видео, однако карточка этой версии подтверждает только задачу переранжирования. Модель основана на Qwen/Qwen3-VL-2B-Instruct и использует архитектуру Qwen3-VL с плотной генеративной основой. Репозиторий содержит веса safetensors; обозначение nvfp4 в названии указывает на вариант с пониженной точностью. Лицензия — Apache 2.0.

YKYSpatz/ragproject_ver2 — дообученная авторами модель Sentence Transformers на базе YKYSpatz/ragproject для сравнения и поиска семантически близких текстов. Модель использует архитектуру BERT с 40 млн параметров, выдаёт нормализованные плотные векторы размерности 384 и оценивает близость предложений по косинусному сходству. Максимальная длина входной последовательности — 512 токенов. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов. Пример в карточке показывает пары короткого запроса о медицинском документе с более длинными медицинскими фрагментами; это указывает на применение для поиска или отбора медицинских текстов, но не подтверждает специализированную медицинскую точность. Карточка не сообщает лицензию и языковую специализацию модели.

ichko/redis-langcache-v1-test — дообученная модель Sentence Transformers на базе redis/langcache-embed-v1 от Redis. Она использует ModernBERT с пуллингом CLS-токена и преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения текстов по косинусному сходству. Максимальная длина последовательности — 8192 токена. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста, а также для других задач, где нужны векторные представления текстов. Лицензия в предоставленных данных не указана.

Это модель Cross Encoder на базе prajjwal1/bert-tiny, дообученная с использованием библиотеки Sentence Transformers на данных GooAQ. Разработчик в README явно не указан; модель опубликована в пространстве cross-encoder-testing. Она принимает пары текстов и вычисляет оценку их смысловой взаимосвязи. Модель предназначена для ранжирования результатов поиска, оценки семантического сходства, поиска перефразирований, классификации текста и других задач, где требуется совместно анализировать два текстовых фрагмента. В частности, её можно применять как reranker: сначала получить кандидатов из поисковой системы, а затем упорядочить их по релевантности запросу. Поддерживается английский язык. Архитектурно это компактный Cross Encoder с одним выходным значением и максимальной длиной последовательности 512 токенов. Обучение выполнено с использованием BinaryCrossEntropyLoss на наборе размером 578 402 примера; заявленные метрики включают MAP, MRR@10 и nDCG@10. Компактность BERT-tiny может обеспечивать более быструю и менее ресурсоёмкую обработку по сравнению с крупными моделями, однако Cross Encoder требует отдельного вычисления для каждой пары текстов и поэтому может быть затратным при ранжировании больших коллекций. Лицензия — Apache-2.0.

ighina/roberta_topseg_mean_wikidisease — модель на основе RoBERTa, опубликованная как модель Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Веса содержат около 151,8 млн параметров, модель принимает текст и выдаёт эмбеддинги; максимальный контекст составляет 514 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss. Для работы доступны Sentence-Transformers и Transformers, причём при использовании Transformers требуется применить соответствующую операцию pooling к контекстным представлениям токенов. Репозиторий содержит веса PyTorch. Лицензия и целевые языки в предоставленных данных не обозначены.

sergeyzh/rubert-mini-uncased — компактная BERT-модель автора sergeyzh для получения эмбеддингов предложений на русском и английском языках. Она создана дистилляцией эмбеддингов ai-forever/FRIDA: модель имеет 7 слоёв, размер эмбеддинга 384 и контекст до 512 токенов. Веса доступны в формате safetensors, лицензия — MIT. Модель предназначена для оценки семантического сходства предложений, поиска и сравнения текстов, а также задач классификации и кластеризации на основе эмбеддингов. README указывает поддержку префиксов FRIDA, включая search_query: и search_document:, и приводит результаты по STS, идентификации перефразирований, выводу по тексту, анализу тональности и выявлению токсичности. Модель uncased: регистр букв не влияет на токенизацию. В приведённых сравнениях она уступает FRIDA по ряду метрик; максимальная длина контекста ограничена 512 токенами.