I.12Рекомендации и персонализация

GyuBack/multilingual-e5-large-instruct-FT_klue_mrc_full32b — это Sentence Transformer, дообученный на базе intfloat/multilingual-e5-large-instruct для семантического сопоставления вопросов и документов. Модель преобразует текст в нормализованные плотные векторы размерности 1024; сходство оценивается косинусной мерой. В основе — трансформер XLM-RoBERTa с усреднением токенных представлений и максимальной длиной последовательности 512 токенов. Модель подходит для семантического поиска, ранжирования и сравнения текстов, поиска перефразировок, кластеризации и получения признаков для классификации. Данные обучения включают 23 392 пары: короткие вопросы на корейском языке и более длинные фрагменты документов; примеры указывают на адаптацию для поиска по корейским вопросам и контекстам. Лицензия в предоставленных источниках не указана.

Xenova/multi-qa-mpnet-base-dot-v1 — версия модели sentence-transformers/multi-qa-mpnet-base-dot-v1 с весами в формате ONNX, адаптированная для работы через библиотеку Transformers.js. Исходная модель разработана командой Sentence Transformers; в README не указано отдельное имя автора ONNX-версии. Модель предназначена для извлечения признаков из текста и может применяться в сценариях семантического поиска, сопоставления вопросов и ответов, поиска похожих документов и построения векторных представлений. Используемый pipeline — feature-extraction; запуск возможен в JavaScript через @huggingface/transformers, в том числе в средах, совместимых с Transformers.js. README не содержит сведений о точном размере модели, архитектурных параметрах MPNet, поддерживаемых языках, модальностях, длине контекста, показателях качества или ограничениях. Лицензия также не указана. Ключевое преимущество этой версии — совместимость с ONNX и веб-ориентированным JavaScript-инструментарием; при этом возможности и характеристики исходной модели следует уточнять в её базовом репозитории.

MyAwesomeModel — модель на базе архитектуры BERT, доступная через библиотеку Transformers и предназначенная для извлечения признаков из входных данных. Репозиторий также описывает улучшения в рассуждениях, математике, программировании, классификации, суммаризации и работе с диалогами, однако метаданные Hugging Face классифицируют модель как feature-extraction. Модель может использоваться для преобразования текста в векторные представления, последующей классификации, поиска семантически похожих документов и других задач, основанных на признаках из Transformer-моделей. В README заявлены сниженная частота галлюцинаций и поддержка function calling, но подробные сведения о размере модели, контекстном окне, языках и точном формате запуска отсутствуют. Модель распространяется по лицензии MIT.

MyAwesomeModel — модель из репозитория asfafaaf3434/MyAwesomeModel-TestRepo, опубликованная для использования с библиотекой Transformers и PyTorch. В метаданных она классифицирована для задачи feature-extraction и помечена тегами BERT, Transformers и PyTorch, поэтому её можно применять для получения векторных представлений входного текста и последующих задач анализа данных.

MyAwesomeModel — модель из репозитория dfdfhhj7/MyAwesomeModel-TestRepo, доступная через библиотеку Transformers и распространяемая по лицензии MIT. В метаданных Hugging Face она классифицирована как модель для извлечения признаков; среди тегов также указаны PyTorch и BERT, поэтому её можно использовать для получения векторных представлений текста и последующей обработки в задачах машинного обучения.

MyAwesomeModel — модель из репозитория safaf45252/MyAwesomeModel-TestRepo, опубликованная для работы с библиотекой Transformers. В метаданных Hugging Face она классифицирована как feature-extraction и помечена тегами BERT, PyTorch и Transformers, поэтому её основное назначение — преобразование текста в информативные векторные представления для последующего анализа и машинного обучения. Такие представления можно использовать для семантического поиска, сравнения текстов, классификации, кластеризации и построения систем, работающих с текстовыми признаками. README также заявляет улучшения в рассуждениях, программировании, математике, диалогах и других генеративных сценариях, однако эти характеристики не согласуются с указанным pipeline_tag и не подтверждают совместимость модели с задачей text-generation. Модель распространяется по лицензии MIT. Размер, длина контекста, поддерживаемые естественные языки и точная архитектура в доступных данных не определены; тег BERT указывает на семейство или совместимость, но не позволяет установить конкретную конфигурацию.

Это Sentence Transformer на базе intfloat/multilingual-e5-large, дообученный автором vrnP66 на наборе inhouse_devanagari. Модель использует XLM-RoBERTa-large с усреднением токенных представлений и нормализацией, преобразуя предложения и абзацы в плотные векторы размерности 1024. Максимальная длина последовательности — 512 токенов; для сравнения векторов применяется косинусное сходство. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Обучение на парных примерах запросов и положительных и отрицательных текстов ориентирует её на работу с данными набора inhouse_devanagari; README также приводит результаты оценки на этом наборе и all-nli-test. Языки явно не перечислены, поэтому нельзя определить, насколько хорошо модель работает за пределами обучающих данных. Лицензия в предоставленных сведениях не указана.

waynedsouza/only_names — модель Sentence-Transformers на архитектуре RoBERTa, разработанная Wayned Souza. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для поиска семантически близких текстов и кластеризации. Модель содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для семантического поиска и группировки текстов по смыслу. Обучалась с использованием CosineSimilarityLoss; в репозитории указаны веса PyTorch. В метаданных Hugging Face основная задача обозначена как sentence-similarity, а каталог также относит модель к feature-extraction. Лицензия в предоставленных данных не указана. Результаты оценки и подробные сведения о составе обучающих данных не приведены.

Модель moshew/paraphrase-mpnet-base-v2_SetFit_sst2_nun_training_64 — sentence-transformers на базе MPNet, разработанная автором репозитория moshew. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. В карточке указано обучение с CosineSimilarityLoss; название репозитория также указывает на SetFit и SST-2, но подробности обучающих данных и результатов не приведены. Модель подходит для поиска похожих фраз и группировки текстов по смыслу. Язык и лицензия в предоставленных источниках не указаны.

AISE-TUDelft/python-expand-classifier — модель на базе MPNet, разработанная AISE при TU Delft. Она кодирует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения семантической близости. Модель можно применять для семантического поиска, кластеризации и задач sentence similarity. Модель содержит 136,7 млн параметров, работает с текстом и имеет контекстное окно до 514 токенов. Она обучалась с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch. Лицензия в предоставленных данных не указана.

kwondw/quora-mnrl — модель Sentence Transformer, дообученная автором на наборе quora-duplicates от sentence-transformers на базе sentence-transformers/stsb-distilbert-base. Она кодирует английские предложения и абзацы в плотные векторы размерности 768 для семантического поиска и сравнения сходства. Архитектура состоит из DistilBERT и mean pooling; сходство векторов рекомендуется оценивать косинусной мерой. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 128 токенов. Модель подходит для поиска похожих вопросов и документов, извлечения релевантных текстов и обнаружения дубликатов. Её обучение на парах Quora ориентировано на сопоставление вопросов с близким смыслом, поэтому перенос качества на другие типы текстов может различаться. Лицензия в предоставленных данных не указана.

Wheatley961/Raw_1_no_2_Test_2_new.model — модель Sentence-Transformers на базе архитектуры XLM-RoBERTa, разработчик в карточке не назван. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Обучение проводилось с функцией потерь CosineSimilarityLoss. Модель содержит 305,2 млн параметров, использует формат PyTorch и имеет контекст длиной 514 токенов. Карточка не сообщает языки обучения или лицензию; метаданные не содержат кодов языков. Веса подходят для сценариев поиска и группировки текстов, но для практического использования нужен этап преобразования векторов в оценку сходства или применения подходящего метода поиска.

Cross-encoder-модель для оценки релевантности пар текстов, опубликованная в репозитории cross-encoder-testing. Она дообучена на базе prajjwal1/bert-tiny с использованием библиотеки sentence-transformers и обучалась на данных GooAQ. Модель предназначена для англоязычных задач семантического поиска, ранжирования результатов, оценки текстового сходства, поиска перефразирований, классификации и кластеризации. Модель принимает пару текстов и вычисляет для неё единый score, поэтому особенно подходит для переранжирования кандидатов после этапа первичного поиска. Максимальная длина последовательности составляет 512 токенов, предусмотрена одна выходная метка. Заявленные метрики включают MAP, MRR@10 и NDCG@10, однако конкретные значения результатов в карточке не приведены. К сильным сторонам относятся компактная архитектура BERT-tiny и поддержка стандартного интерфейса CrossEncoder, что может облегчать применение в сценариях, где важны небольшие вычислительные затраты. Ограничения включают работу только с английским языком, обработку текстов парами и ограничение контекста 512 токенами; сведения о точности на конкретных прикладных наборах данных отсутствуют. Модель распространяется по лицензии Apache-2.0.

meichen91/review_multiclass_20230116 — модель sentence-transformers на основе MPNet, разработанная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 768 и подходит для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст с контекстом до 514 токенов. В README указано обучение с CosineSimilarityLoss. Доступен формат PyTorch; применять модель можно через Sentence-Transformers или Transformers с подходящей операцией pooling. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer от sobamchan, дообученная на базе FacebookAI/roberta-base на датасете all-nli. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их по косинусному сходству. Архитектура состоит из RoBERTa и mean pooling; контекст ограничен 512 токенами. Модель подходит для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Обучение с MatryoshkaLoss позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. В README приведены результаты на STS: Spearman 0,8259 для sts-dev и 0,7921 для sts-test. Модель рассчитана на английский язык; её качество для других языков не подтверждено. Репозиторий распространяется в формате safetensors, лицензия в предоставленных данных не указана.

Карточка модели TornikeO/sanitas-insurance-bot-embed-v1 на Hugging Face совпадает с карточкой XHY-DY/all-mpnet-base, поэтому описание составлено по ней. XHY-DY/all-mpnet-base — модель Sentence Transformers для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она основана на MPNet и дообучена методом контрастивного обучения на наборе более чем из миллиарда пар предложений; исходная модель — microsoft/mpnet-base. В карточке указано применение для семантического поиска, измерения сходства предложений и кластеризации. По умолчанию текст длиннее 384 частей словаря обрезается. Модель принимает текст и возвращает векторное представление, пригодное для поиска и сравнения по смыслу. Она ориентирована на английский язык; заявленная библиотека — Sentence Transformers. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

SA-STS-Embeddings-0.2B — модель плотных текстовых эмбеддингов от Omartificial-Intelligence-Space, дообученная на базе SA-BERT-V1 для семантического поиска и сравнения предложений на саудовских вариантах арабского языка. Она построена на архитектуре BERT, содержит 190 млн параметров и принимает последовательности длиной до 512 токенов, возвращая векторы размерности 768. Обучение на триплетах из 21 прикладной области использовало MultipleNegativesRankingLoss и Matryoshka Representation Learning. Модель предназначена для семантического поиска, извлечения контекста для RAG, кластеризации, определения намерений, оценки сходства и ранжирования текстов. Она ориентирована на диалекты Наджда и Хиджаза, а также на саудовскую речь с влиянием залива; карточка приводит высокие результаты на тестах сходства и триплетного ранжирования. Для длинных документов рекомендуется разбивать текст на фрагменты. В метаданных указана лицензия CC-BY-NC-4.0, которая ограничивает коммерческое использование. README указывает Apache 2.0, поэтому сведения о лицензии в источниках расходятся; перед использованием следует проверить лицензию репозитория на Hugging Face.

Daniel Park публикует дообученную версию sentence-transformers/all-MiniLM-L6-v2 для получения эмбеддингов предложений и сравнения их семантической близости. Модель основана на архитектуре BERT, содержит 25,9 млн параметров и принимает текстовые последовательности с контекстом до 512 токенов. В README описано контрастивное дообучение на парах предложений с косинусным сходством; указана длина последовательности 128 токенов при обучении. Модель подходит для поиска похожих предложений, семантического поиска и сопоставления вопросов или текстовых фрагментов. Карточка указывает английский язык и обучающие данные из нескольких источников, включая S2ORC, MS MARCO, SNLI и MultiNLI. Распространяется под лицензией Apache-2.0. README не приводит оценок качества именно этой версии.

Gflorent/setfit_emotion — модель представлений предложений на базе MPNet, опубликованная автором florentgbelidji. Она преобразует предложения и абзацы в плотные векторы размерности 768; в README указано обучение с BatchHardTripletLoss. Модель предназначена для поиска семантически близких текстов и кластеризации, а также может использоваться как основа для сравнения предложений. Модель содержит 136,7 млн параметров, работает с текстом и имеет контекстное окно 514 токенов. Для применения README рекомендует библиотеку Sentence-Transformers. В метаданных указаны форматы PyTorch и задачи sentence-similarity и feature-extraction. Лицензия не указана в предоставленных данных.

HasinMDG/SetFit_Labse_Sentiment_Towards_Topic — модель на основе BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации.

Карточка модели Avshalom/setfit-minilm-distilled на Hugging Face совпадает с карточкой chiragme/setfit-minilm-distilled-ledgar, поэтому описание составлено по ней. chiragme/setfit-minilm-distilled-ledgar — модель семейства BERT на базе Sentence-Transformers, преобразующая предложения и абзацы в плотные векторы размерности 384. Её можно применять для семантического поиска, кластеризации и сравнения текстов по смыслу. В метаданных указаны 18,8 млн параметров, контекст до 512 токенов и формат PyTorch; README описывает обучение с CosineSimilarityLoss. Название репозитория указывает на связь с SetFit, MiniLM и Ledgar, однако README и метаданные не уточняют базовую модель, набор данных или специализацию обучения, поэтому эти детали нельзя подтвердить. Модель принимает текст и выдаёт векторы; лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

mitra-mir/setfit_model_Ireland_binary_label1_epochs2 — модель на базе MPNet, разработанная mitra-mir для преобразования предложений и абзацев в плотные векторы размерности 768. Она рассчитана на поиск семантически близких текстов и кластеризацию; также может использоваться для сравнения сходства предложений. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. Модель подходит для семантического поиска по коллекциям текстов, группировки похожих предложений и построения эмбеддингов для последующей обработки. В карточке указано обучение с CosineSimilarityLoss; сведений о языковой специализации и лицензии в предоставленных данных нет.

Модель aam mari/setfit-zero-shot-classification-pbsp-p3-bhvr — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости. Подходит для семантического поиска, кластеризации и оценки сходства текстов. Модель содержит 136,7 млн параметров, принимает текст и формирует векторные представления; максимальная длина контекста — 514 токенов. Репозиторий содержит веса PyTorch. В карточке указано обучение с CosineSimilarityLoss; сведения о лицензии и поддерживаемых естественных языках отсутствуют.

Muennighoff/SGPT-125M-lasttoken-msmarco-specb — модель для получения эмбеддингов предложений на базе GPT-Neo, разработанная для семантического поиска и сравнения текстов. В ней около 137,7 млн параметров; модель обучена с функцией MultipleNegativesRankingLoss на парах для ранжирования по косинусному сходству. Репозиторий содержит веса PyTorch, максимальная длина контекста — 2048 токенов. Модель подходит для поиска документов и фрагментов по смыслу, сопоставления запросов с текстами и вычисления семантического сходства. Она выдаёт векторные представления текста. Данные подтверждают обучение на MS MARCO, но не дают оснований утверждать поддержку конкретных языков или наличие мультиязычной настройки. Лицензия в предоставленных материалах не указана.

Seznam/simcse-dist-mpnet-paracrawl-cs-en — компактная модель эмбеддингов предложений от Seznam.cz, дообученная с целью SimCSE на базе Seznam/dist-mpnet-paracrawl-cs-en. Она предназначена для получения семантических представлений чешских и английских текстов и подходит для поиска похожих предложений, семантического поиска, извлечения релевантных текстов, кластеризации и классификации. Модель построена на архитектуре BERT, содержит 27,2 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель ориентирована на создание небольших высококачественных эмбеддингов для нескольких задач NLP. В карточке приведены примеры загрузки, но сведения об оценках качества и конкретных ограничениях не раскрыты. Лицензия — CC BY 4.0.

text2vec-large-chinese-i1-GGUF — квантованная версия модели GanymedeNil/text2vec-large-chinese, подготовленная mradermacher в формате GGUF. Модель предназначена для получения векторных представлений китайскоязычного текста и задач семантического сходства, включая поиск похожих предложений, сопоставление текстов и другие сценарии feature extraction. Это не генеративная диалоговая модель. В README указано, что модель поддерживает китайский язык. Сведения об архитектуре, количестве параметров, максимальной длине контекста, точных входных и выходных форматах, а также о дополнительных модальностях не приведены. Доступны многочисленные варианты квантования размером примерно от 0,2 до 0,4 ГБ, включая IQ- и Q-типы; они различаются компромиссом между размером, скоростью и качеством. Для некоторых низкобитных вариантов прямо отмечено снижение качества, тогда как Q4_K_M обозначен как быстрый и рекомендуемый. Модель удобна для локального запуска в экосистеме, поддерживающей GGUF, и позволяет существенно сократить требования к дисковому пространству и памяти. Ограничения связаны с потерями качества при агрессивном квантовании и отсутствием в README подробных результатов оценки, характеристик производительности и рекомендаций по выбору конкретного варианта для разных задач. Лицензия исходной модели указана как Apache-2.0.

rohit-vt/tink-reranker-phase1_minilm — текстовый cross-encoder, дообученный разработчиком на базе cross-encoder/ms-marco-MiniLM-L6-v2 с библиотекой Sentence Transformers. Модель получает пару текстов и выдаёт оценку их релевантности, которую можно использовать для переранжирования поисковой выдачи и семантического поиска. Архитектура основана на BERT и реализована как BertForSequenceClassification с одним выходным значением. Размер модели — 25,9 млн параметров, максимальная длина входа — 512 токенов. По описанию обучающих данных модель настраивалась на сопоставление навыков и их релевантности; README приводит выборки из 10 246 обучающих и 1 416 оценочных примеров. Модель предназначена для текстовых пар и не принимает изображения или другие модальности. Оценки полезно ранжировать внутри набора кандидатов; качество на иных типах запросов и текстов может отличаться от качества на примерах о навыках. Лицензия в предоставленных данных не указана.

api19750904/tipo_campanya_ong_v3 — модель Sentence Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации текстов. Модель работает с текстом и использует контекст длиной до 514 токенов. Модель подходит для поиска текстов по смыслу, группировки похожих предложений и вычисления их семантического сходства. В карточке указано обучение с функцией потерь CosineSimilarityLoss. Доступен формат PyTorch; лицензия в предоставленных данных не указана.

omarelsayeed/tsdae_small_40mb — модель на базе BERT, опубликованная в формате PyTorch и обученная с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 256 для сравнения их смыслового сходства. Модель подходит для семантического поиска, группировки текстов и других сценариев, где нужно находить близкие по смыслу предложения или документы. Архитектура содержит 12,4 млн параметров, максимальная длина контекста — 512 токенов. Для использования доступны Sentence-Transformers и Hugging Face Transformers с соответствующей операцией pooling. В карточке указано обучение с DenoisingAutoEncoderLoss. Языки обучения или поддержки и лицензия в предоставленных данных не подтверждены. Ограничение контекста — 512 токенов; README не сообщает результатов оценки качества.

atasoglu/turkish-base-bert-uncased-mean-nli-stsb-tr — модель Sentence Transformers на архитектуре BERT, созданная на основе ytu-ce-cosmos/turkish-base-bert-uncased и дообученная на наборах nli_tr и emrecan/stsb-mt-turkish. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель предназначена для текстов на турецком языке. При подготовке текста авторы вручную приводили его к нижнему регистру, заменяя заглавную латинскую I на турецкую ı перед преобразованием регистра. Архитектура содержит 137,8 млн параметров, контекст — до 512 токенов. Лицензия — MIT.