I.12Рекомендации и персонализация

IoannisKat1 выпустил дообученную модель Sentence Transformers на базе google/embeddinggemma-300m для поиска и сопоставления текстов. Модель кодирует предложения и абзацы в плотные векторы размерностью 768; для оценки сходства используется косинусная мера. Контекст — до 2048 токенов, входная модальность — текст. В README указано обучение на 4268 парах текстов и приведены результаты оценки поиска при усечении векторов до 768, 512, 256, 128 и 64 измерений. Карточка указывает английский язык, однако примеры обучающих данных на греческом, поэтому фактическую языковую поддержку следует проверять на целевых данных. Лицензия — Apache-2.0.

VinitT/Embeddings-Trivia — англоязычная модель Sentence Transformer, дообученная разработчиком на наборе trivia-qa-triplet на основе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные векторы размерностью 384; архитектура включает BERT-энкодер, усреднение токенных представлений и нормализацию. Для сравнения векторов подходит косинусное сходство. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; в README указана максимальная длина последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации. В README приведена точность cosine accuracy 0,834 на оценке TripletEvaluator с trivia_qa_eval. Модель принимает текст и выдаёт векторы; она обучена на англоязычных данных и не предназначена для генерации ответов. Сведения о лицензии в предоставленных источниках отсутствуют.

spacemanidol/esci-jp-mpnet-crossencoder — модель Sentence-Transformers на базе MPNet, разработанная пользователем spacemanidol. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. В метаданных указаны 136,7 млн параметров и контекст до 514 токенов; модель сохранена в формате PyTorch. Модель обучалась с функцией потерь CosineSimilarityLoss. Её можно использовать для поиска семантически близких текстов, группировки предложений и построения систем поиска по смыслу. README не уточняет язык обучающих данных, поэтому языковую поддержку нельзя определить по доступным сведениям. Лицензия в предоставленных данных не указана.

Карточка модели xsvmyx/extremist-text-detector на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Parallia/Fairly-Multilingual-ModernBERT-Embed-BE-EN — англоязычная версия модели эмбеддингов предложений семейства Fairly Multilingual ModernBERT Embedding Model, созданной Parallia. Модель основана на ModernBERT и представлена как Sentence Transformer с mean pooling; она преобразует английские предложения и абзацы в плотные векторы размерности 768 для семантического сравнения и поиска. Контекст составляет до 8192 токенов. Модель обучена на параллельных парах английского с французским, нидерландским и немецким языками. README указывает, что эта версия использует веса исходной многоязычной модели с английским токенизатором и таблицей эмбеддингов, оптимизированными для английского; сама версия рассчитана на английские входные тексты. Подходящие сценарии — поиск семантически близких документов, оценка сходства предложений, поиск перефразирований, кластеризация и классификация текста на основе эмбеддингов. Модель использует архитектуру ModernBERT и распространяется в формате safetensors под лицензией Apache-2.0. Её эмбеддинги предназначены прежде всего для текстового сопоставления; несмотря на обучение на переводных парах, эта конкретная версия описана как англоязычная, поэтому её не следует считать универсальной мультиязычной моделью. Практическое качество зависит от предметной области и данных поиска.

codersan/FaLaBSE_Mizan3 — дообученная на парах предложений модель Sentence Transformers на базе codersan/FaLabse. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной близостью. Обучение проведено на 1 021 596 парах anchor-positive с помощью MultipleNegativesRankingLoss. Модель предназначена для семантического сравнения текстов, поиска по смыслу, выявления перефразировок, кластеризации и извлечения признаков для классификации. В обучающих примерах есть персидские предложения и соответствующие английские переводы, поэтому модель подходит для поиска семантических соответствий между такими текстами. Архитектура — BERT; метаданные указывают размер 498,1 млн параметров и контекст до 512 токенов, а карточка модели задаёт максимальную длину входа 256 токенов. Для работы требуется текстовый ввод; результатом служат векторы, пригодные для сравнения и поиска. В карточке не указана лицензия, поэтому условия использования следует проверить в репозитории модели. Качество для иных языков и доменов не подтверждено приведёнными примерами; длина входа ограничена настройками модели.

llazio/finetuned-bge-base-en — англоязычная модель Sentence Transformers, дообученная автором llazio на базе BAAI/bge-base-en. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения текстов по косинусному сходству. Архитектура включает BERT, пулинг CLS-токена и нормализацию; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки на обучающей и проверочной выборках, однако датасет небольшой — 1 056 обучающих и 264 оценочных примера, поэтому эти показатели не гарантируют аналогичного качества на других данных. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

DragosGorduza/FRPile_GPL_test_pipeline_all-mpnet-base-v2-MISTRAL-notrescaled_20000 — модель Sentence Transformers на архитектуре MPNet, разработанная автором репозитория DragosGorduza. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и имеет контекстное окно до 514 токенов. В карточке указано обучение с MarginDistillationLoss из GPL Toolkit. Веса опубликованы в формате safetensors. Модель подходит для построения векторного поиска и группировки текстов; конкретные языки и условия лицензии в предоставленных данных не подтверждены.

DragosGorduza/FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel_Roberta-MISTRAL_FULL-notrescaled_50000 — модель на базе RoBERTa, разработанная как sentence-transformers-модель для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для поиска семантически близких текстов, кластеризации и других задач сравнения текстовых представлений. В метаданных указаны 151,8 млн параметров, контекст до 514 токенов и формат весов safetensors. Модель принимает текст и выдаёт векторные представления; для использования доступны Sentence-Transformers и Transformers с соответствующей операцией pooling. В README указано обучение с MarginDistillationLoss. Сведений о поддерживаемых языках, лицензии и ограничениях качества в предоставленных источниках нет.

osmanh/Harry_Potter_and_the_Sorcerers_Stone_en — модель sentence-transformers на базе BERT для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 384 и предназначена для поиска семантически близких фрагментов, кластеризации и сравнения текстов. Модель содержит 25,9 млн параметров, использует архитектуру BertModel и принимает контекст длиной до 512 токенов. При обучении применялась функция потерь MultipleNegativesRankingLoss с косинусным сходством. Название указывает на связь с английским текстом «Гарри Поттер и философский камень», однако карточка не уточняет языковой состав обучающих данных или условия лицензии.

hi-di-hi-base — англоязычная модель Sentence Transformers, дообученная автором репозитория на базе BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения текстов, семантического поиска и других задач, основанных на близости эмбеддингов. Модель использует архитектуру BERT с пулингом по CLS-токену и нормализацией выходного вектора; сходство вычисляется косинусной мерой. Максимальная длина последовательности — 512 токенов. Обучение проводилось на 36 000 парах anchor-positive из датасета json; Apache-2.0 допускает использование и распространение на условиях этой лицензии. Эмбеддинги также подходят для кластеризации, поиска перефразирований и классификации текстов. Карточка приводит результаты оценки поиска с сокращёнными векторами разных размерностей, но не описывает предметную специализацию; качество на других корпусах и языках может отличаться.

RabidUmarell/hubert-embedding-paraphrase-multilingual — модель на базе архитектуры BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; использовать её можно через Sentence-Transformers или Transformers с подходящей операцией pooling. Модель содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Модель выдаёт текстовые эмбеддинги, пригодные для семантического поиска и группировки похожих высказываний. В карточке она названа многоязычной, однако конкретные языки и результаты оценки не приведены. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

hyper3-clip-v1 — разработанная hyper³labs гиперболическая vision-language-модель для визуального поиска. Она сопоставляет изображения и текст в общем пространстве эмбеддингов, чтобы находить изображения по широким категориям и уточнять поиск конкретными описаниями, а также учитывать сочетания объектов, атрибутов и отношений между ними. README приводит результаты сравнений на SugarCrepe и наборах Amazon Berkeley Objects, DeepFashion In-Shop и COCO: модель показывает более высокую точность или mAP, чем указанные в таблицах CLIP-базовые сравнения. Для загрузки весов требуется заполнить форму доступа; указаны библиотека Transformers и формат safetensors. Лицензия в метаданных — OpenMDW-1.0. Размер модели, языки и длина контекста не приводятся.

carles-undergrad-thesis/indoBERT-Knowledge-distillation-en-id-SBERT — модель Sentence-Transformers на архитектуре BERT, которая преобразует предложения и абзацы в плотные векторы размерности 768. Её можно применять для семантического поиска, кластеризации и сравнения сходства текстов. Модель принимает текст и выдаёт эмбеддинги; в метаданных также указаны задачи извлечения признаков и сравнения сходства предложений. Максимальная длина контекста — 512 токенов, всего 194,6 млн параметров. Для использования через Transformers после получения контекстных представлений требуется подходящая операция pooling. Репозиторий содержит веса в формате safetensors. Название указывает на дистилляцию IndoBERT для английского и индонезийского языков и на применение SBERT, однако базовая модель и языковая область прямо не подтверждены приведёнными метаданными и README. Лицензия в предоставленных данных не указана.

Fatahillah01/indobert-sts-indonesian — модель Sentence Transformers, созданная дообучением indobenchmark/indobert-base-p1 для оценки семантического сходства предложений на индонезийском языке. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и использует косинусное сходство для сравнения текстов. Архитектура состоит из BERT-трансформера с усреднением токенных представлений; метаданные указывают 151,6 млн параметров и контекст до 512 токенов, тогда как конфигурация модели в README задаёт максимальную длину последовательности 128 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации текстов, классификации на основе эмбеддингов и ранжирования пар предложений по смысловой близости. В README приведён результат Spearman 0,7612 на наборе проверки sbert_val. Модель принимает текст и выдаёт векторные представления; сведения о лицензии в предоставленных данных отсутствуют.

jinaai/jina-embeddings-v5-omni-nano-classification — мультимодальная модель эмбеддингов Jina AI, дообученная для задач классификации на базе jinaai/jina-embeddings-v5-omni-nano. Плотная архитектура LlavaEuroBertAudioForEmbedding принимает текст, изображения, видео и аудио и преобразует их в совместимые векторы размерности 768 в общем пространстве. В модели около 0,95 млрд параметров. Модель предназначена для классификации по эмбеддингам и мультимодального поиска: можно индексировать текст и искать в нём по изображениям, видео или аудио без повторной индексации. Видео представляется кадрами; звуковая дорожка автоматически не обрабатывается, её нужно передать отдельно. Для текстовых документов ожидается префикс «Document: ». Доступны веса safetensors и поддержка Transformers; карточка также описывает запуск через sentence-transformers и vLLM. Мультиязычная модель подходит для сопоставления и классификации контента разных модальностей в общем пространстве эмбеддингов. Лицензия CC-BY-NC-4.0 разрешает использование с ограничением на коммерческое применение.

ddobokki/klue-roberta-base-nli-sts-ko-en — модель эмбеддингов предложений на основе архитектуры RoBERTa, дообученная на данных NLI и STS для корейского и английского языков. Она предназначена для получения векторных представлений текстов и вычисления семантического сходства, например, для сравнения запроса с набором предложений по косинусному сходству. Модель содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для поиска семантически близких предложений и сопоставления текстов на корейском и английском. Карточка демонстрирует сравнение корейского запроса с английскими и корейскими предложениями. Доступна в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

thumbCrush/ko-sroberta-base-longformer — дообученная модель Sentence Transformers на базе cateto/longformer-ko-sroberta-multitask-23040. Она использует архитектуру RoBERTa с усреднением токенных представлений и преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения по косинусному сходству. Модель содержит 137,8 млн параметров и рассчитана на длинный контекст: метаданные указывают 23 042 токена, а README — максимальную длину последовательности 10 000 токенов. Модель предназначена для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текстов. Название и базовая модель указывают на ориентацию на корейский язык; отдельные языки в метаданных не перечислены. Модель принимает текст и выдаёт векторы, пригодные для поиска и сравнения. Лицензия в предоставленных данных не указана.

Это дообученная модель Sentence Transformers на базе cointegrated/LaBSE-en-ru, разработанная автором репозитория whitemouse84. Она кодирует предложения и абзацы на русском и английском языках в плотные векторы размерностью 768 для сравнения семантического сходства по косинусной близости. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста по эмбеддингам. Модель основана на архитектуре BERT, содержит 89,5 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены оценки на наборах STS и оценка дистилляции; они дают ориентир для проверки сходства, но не гарантируют качество для конкретного корпуса. Для работы с эмбеддингами требуется совместимый механизм сравнения или поиска.

LLaVE-0.5B — мультимодальная модель встраивания, дообученная на базе LLaVA-OneVision-Qwen2-0.5B-OV. Она предназначена для получения представлений текста, изображений, нескольких изображений и видео, которые можно использовать для поиска и сопоставления содержимого. В README заявлены сильные результаты на наборе MMEB и перенос на поиск по видео без дополнительного обучения; модель обучалась на 662 тысячах пар. По метаданным, модель содержит 357,8 млн параметров, использует архитектуру LLaVA с Qwen2, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. README также описывает контекстное окно в 4K токенов, что расходится с длиной контекста из метаданных.

LLaVE-7B — мультимодальная модель эмбеддингов на 7,1 млрд параметров, разработанная авторами проекта LLaVE на базе lmms-lab/llava-onevision-qwen2-7b-ov. Она предназначена для получения представлений текста, изображений, нескольких изображений и видео, в частности для поиска и сопоставления между модальностями. В карточке заявлены высокие результаты на бенчмарке MMEB при обучении на 662 тысячах пар и перенос на поиск по видео без специального обучения на видеоданных. Модель основана на архитектуре LLaVA с языковой частью Qwen2, использует формат safetensors и доступна через Transformers. Метаданные указывают контекст до 32 768 токенов; README приводит значение 4K токенов. Лицензия — Apache-2.0. В метаданных указана поддержка английского языка.

marianodo/MegaBatchMarginLoss-10 — модель на базе MPNet, подготовленная в формате Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель работает с текстом и выдаёт эмбеддинги. При обучении использовалась функция потерь MegaBatchMarginLoss. Модель подходит для получения векторных представлений отдельных текстов, которые можно сравнивать или использовать в поисковых и кластеризационных системах. README не сообщает, на каких языках и данных она обучалась, поэтому языковую специализацию определить нельзя. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

miCSE — модель для получения семантических векторных представлений предложений и коротких абзацев, разработанная Tassilo Klein и Moin Nabi. Она использует архитектуру BERT и обучена контрастивным методом с регуляризацией распределения self-attention: согласование представлений разных dropout-аугментированных вариантов текста помогает эффективнее обучаться на небольших наборах данных. Векторы извлекаются из токена [CLS] и подходят для сравнения сходства предложений, поиска и кластеризации. Модель обучалась на английских предложениях из Википедии; в статье также исследуется обучение на малых выборках корпуса SimCSE. Контекст составляет 512 токенов, размер модели — 136,7 млн параметров. Для адаптации few-shot подхода к собственным данным README указывает на необходимость обучения модели на этих данных. Лицензия — Apache-2.0.

moco-sentencebertV2.0 — двуязычная модель эмбеддингов предложений от bongsoo. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Архитектура основана на BERT; размер модели — 230,4 млн параметров, контекст — до 512 токенов. Для получения эмбеддинга используется mean pooling над контекстными векторами токенов. Модель обучена на базе bongsoo/mbertV2.0: после обучения Sentence-BERT её дополнительно дистиллировали с учителем paraphrase-multilingual-mpnet-base-v2 и дообучили на задачах семантического сходства. В README приведены корейские и английские оценочные наборы и результаты сравнения, однако полная строка результатов этой модели в карточке отсутствует. Поддерживаются корейский и английский языки; словарь содержит 152 537 токенов. Лицензия в предоставленных данных не указана.

Карточка модели jfarray/Model_dccuchile_bert-base-spanish-wwm-uncased_100_Epochs на Hugging Face совпадает с карточкой jfarray/Model_bert-base-multilingual-uncased_100_Epochs, поэтому описание составлено по ней. 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.

Карточка модели jfarray/Model_dccuchile_bert-base-spanish-wwm-uncased_50_Epochs на Hugging Face совпадает с карточкой jfarray/Model_bert-base-multilingual-uncased_50_Epochs, поэтому описание составлено по ней. Модель jfarray/Model_bert-base-multilingual-uncased_50_Epochs — модель на архитектуре BERT, разработанная с использованием Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 256 для семантического поиска и кластеризации. Модель также подходит для сравнения семантической близости текстов и получения текстовых эмбеддингов. Модель имеет 194,6 млн параметров и принимает последовательности длиной до 512 токенов. В карточке указано обучение с CosineSimilarityLoss; файлы представлены в формате PyTorch. Многоязычность следует из базового семейства multilingual BERT, но конкретный перечень поддерживаемых языков в доступных данных не приведён.

jamescalam/mpnet-snli — модель на базе MPNet, дообученная Джеймсом Бриггсом с помощью sentence-transformers на наборе SNLI для получения векторных представлений предложений и абзацев. Она кодирует текст в плотные эмбеддинги размерности 768 и подходит для семантического поиска, сравнения предложений и кластеризации. Архитектура содержит около 136,7 млн параметров, принимает текстовый контекст длиной до 514 токенов и распространяется в формате PyTorch по лицензии MIT. В README указаны значения MRR@10 и MAP около 0,92 на тестовой выборке SNLI. Автор отмечает, что версия, обученная с негативными примерами, показывает лучшие результаты. Модель ориентирована на английский язык; качество на других языках не подтверждено.

jamescalam/mpnet-snli-negatives — англоязычная модель Sentence Transformers на базе MPNet, разработанная James Briggs и дообученная на датасете Stanford Natural Language Inference (SNLI) с отрицательными примерами. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки семантической близости, семантического поиска и кластеризации текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текстовые последовательности длиной до 514 токенов. В README приведены значения MRR@10 и MAP около 0,95 на тестовом наборе SNLI; эти результаты относятся к указанной оценке и не гарантируют такое же качество на других данных. Доступна под лицензией MIT.

Xenova/ms-marco-MiniLM-L-6-v2 — это версия модели cross-encoder/ms-marco-MiniLM-L-6-v2 с весами в формате ONNX, подготовленная для работы с библиотекой Transformers.js. В карточке не указано, кто разработал исходную модель; Xenova предоставляет совместимую с веб-средой упаковку весов. Модель предназначена для задач информационного поиска и оценки релевантности пар текстов. Она принимает запрос и кандидатный текст, после чего вычисляет оценку их соответствия, поэтому подходит для ранжирования результатов поиска и переранжирования документов. В качестве архитектуры указана MiniLM-L-6-v2, используемая в режиме cross-encoder с задачей sequence classification. В README не приведены точные размеры модели, поддерживаемые языки и максимальная длина контекста. Для модели доступны квантованные и неквантованные ONNX-веса; пример показывает различающиеся числовые оценки для одной и той же пары текстов. Основное преимущество — возможность запуска через Transformers.js, включая веб-сценарии. Ограничения и условия лицензирования в README не указаны; также отсутствуют сведения о гарантиях качества, доменной специализации и производительности.

Модель isy-thl/multilingual-e5-base-learning-outcome-skill-tuned — Sentence Transformer, дообученный на базе intfloat/multilingual-e5-base для сопоставления результатов обучения, описаний курсов и описаний навыков ESCO. Она кодирует текст в плотные векторы размерностью 768 и подходит для семантического поиска, ранжирования совпадений, кластеризации и классификации текстов. Для сравнения векторов используется косинусное сходство. Модель построена на XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов. В метаданных указано 305,2 млн параметров и контекст до 514 токенов; README указывает максимальную длину последовательности 512 токенов. Оценка на наборе learning_outcome_esco_pairs показывает cosine_accuracy@1 0,8582 и @5 0,9716. Модель принимает текст и выдаёт эмбеддинги; обучение описано для корпуса course-esco-skill-retrieval из 9 562 примеров. Лицензия в предоставленных данных не указана.