I.12Рекомендации и персонализация

swardiantara/two-stage-k10-MiniLM-L6-v2 — модель Sentence-Transformers на архитектуре BERT, преобразующая предложения и абзацы в плотные векторы размерности 384. Её можно применять для семантического поиска и кластеризации текстов, а также сравнивать смысловую близость предложений. Модель содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучалась с ContrastiveLoss, использующей косинусное расстояние. В карточке не указаны языки обучения и оценки качества, поэтому нельзя подтвердить её пригодность для конкретного языка или домена. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Xenova/UAE-Large-V1 — это версия модели WhereIsAI/UAE-Large-V1 с весами в формате ONNX, подготовленная для использования через библиотеку Transformers.js. Модель предназначена для построения векторных представлений текстов и может применяться в семантическом поиске, вычислении сходства предложений, кластеризации и других задачах, где нужны sentence embeddings. В README приведён пример использования JavaScript-пайплайна feature-extraction и вычисления cosine similarity. При использовании с pooling cls модель возвращает эмбеддинги размерности 1024. Поддерживаются варианты точности fp32, fp16, q8 и q4, что позволяет выбирать компромисс между качеством, размером и производительностью. Сведения о точной архитектуре, размере, языках, поддерживаемых модальностях, максимальной длине контекста и характеристиках качества в README отсутствуют, поэтому эти параметры нельзя достоверно определить. Модель удобна для запуска в JavaScript-средах и веб-ориентированных сценариях благодаря ONNX-весам и совместимости с Transformers.js. Ограничения включают отсутствие подробной информации о назначении, обучающих данных и результатах оценки; применение для конкретных языков и задач следует дополнительно проверять. Лицензия — MIT.

kmariunas/uncased-bert-triplet-40 — модель Sentence-Transformers на базе BERT, представленная автором kmariunas. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения текстов и кластеризации. Обучение с BatchHardTripletLoss указывает на настройку пространства эмбеддингов для оценки сходства предложений. Модель имеет около 136,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для построения семантического поиска, группировки похожих текстов и сравнения предложений по близости эмбеддингов. README не сообщает, на каких языках обучалась модель, поэтому конкретный язык или языковую поддержку установить нельзя. Лицензия в предоставленных данных не указана.

Vela Omni Mini — мультимодальная модель эмбеддингов от разработчиков Vela. Она преобразует текст, изображения, речь и окружающие звуки в нормализованные векторы размерностью 768, которые можно непосредственно сравнивать между собой. Модель содержит около 1,36 млрд параметров и предназначена для поиска по нескольким модальностям, маршрутизации запросов и кластеризации. В карточке приведены результаты оценок на задачах извлечения и классификации, включая MTEB English v2 и аудиобенчмарк MAEB. Эти результаты описывают конкретные тестовые протоколы и не гарантируют аналогичного качества на других данных. Для загрузки и работы README рекомендует PyTorch с совместимой версией torchaudio, Transformers 4.57.6, Hugging Face Hub, safetensors, NumPy и Pillow. Модель распространяется по лицензии Apache-2.0.

VelaVec — компактная гибридная модель для поиска и сравнения текстов, созданная автором репозитория xagent2025 на основе дообучения BAAI/bge-small-en-v1.5. Она рассчитана на быстрый поиск на устройствах с ограниченными ресурсами и предоставляет два режима: симметричное сравнение смысла предложений и асимметричный поиск документов по запросу. Модель содержит 9,8 млн параметров и выдаёт эмбеддинги размерности 256. Архитектура включает замороженную таблицу токенов, три блока двунаправленного внимания и две головы пулинга. README описывает англоязычное обучение и оценку на задачах семантического сходства и поиска; предусмотрен путь инференса на Rust без Python во время выполнения. Лицензия репозитория — MIT. В опубликованных оценках модель показывает результаты, близкие к BGE-small на части тестов и превосходит её на Banking77, однако на медицинских, научных и дискуссионных доменах уступает учителю. Лучше всего подходит для коротких запросов длиной до 64 токенов и документов до 256 токенов; инструктивные промпты не поддерживаются. В обучении использовался MS MARCO с исследовательской лицензией, поэтому для коммерческого применения следует отдельно проверить условия использования данных.

TIGER-Lab/VLM2Vec-Full — мультимодальная модель встраиваний, разработанная TIGER-Lab на основе Microsoft Phi-3.5 Vision Instruct. Она дообучена на наборе MMEB-train с контрастивным обучением и предназначена для получения представлений текста и изображений для широкого круга мультимодальных задач поиска и сопоставления. В метаданных указаны архитектура Phi-3.5-V, 3,7 млрд параметров, контекст 4096 токенов и форматы PyTorch и Safetensors. Модель ориентирована на задачи мультимодальных эмбеддингов; карточка сообщает об оценке на 36 наборах MMEB-eval и превосходстве над прежними базовыми методами, но не приводит сами метрики. Репозиторий распространяется по лицензии Apache-2.0. В карточке Hugging Face pipeline помечен как text-generation, хотя описание проекта указывает на эмбеддинги; для поиска эмбеддингов и оценок релевантности это назначение точнее отражает использование модели.

johnpaulbin/voice-begging-detection — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768; контекст составляет до 514 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. В карточке указано обучение с CosineSimilarityLoss. Для работы доступны веса PyTorch; модель можно использовать через Sentence-Transformers или Transformers с подходящей операцией pooling. Карточка не сообщает о специализированной области применения или целевых языках, поэтому модель следует считать общей текстовой моделью. Лицензия в предоставленных данных не указана.

AfriE5-Large-instruct — модель текстовых эмбеддингов, разработанная для улучшенной поддержки африканских языков на основе multilingual-e5-large-instruct. Она предназначена для преобразования текстов и запросов в векторы для семантического поиска, сравнения предложений и других задач, где нужно оценить смысловое сходство. Модель основана на XLM-RoBERTa-large, содержит 658,7 млн параметров и принимает контекст длиной до 514 токенов. При обучении использовались межъязыковое контрастивное обучение и дистилляция знаний; базовая модель указана в метаданных как дообученная. Обучение было нацелено на амхарский, оромо, хауса, игбо, киньяруанда, суахили, тви, коса, йоруба и зулу. В README заявлена проверка на 59 языках, а метаданные также отмечают английский. В тестах AfriMTEB модель показала средние результаты 63,7 на наборе из девяти языков и 62,4 на наборе из 59 языков. Лицензия — MIT.

LazarusNLP/all-indobert-base-v2 — модель эмбеддингов предложений на базе BERT, опубликованная LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, сравнения смысловой близости и кластеризации текстов. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Обучение с MultipleNegativesRankingLoss и косинусной мерой сходства ориентировано на получение векторов, полезных для поиска и сопоставления текстов. Данные карточки указывают на индонезийский язык и наборы данных для индонезийских задач понимания и поиска информации. Лицензия в предоставленных источниках не указана.

KhaledReda/all-MiniLM-L6-v70-pair_score — англоязычная модель Sentence Transformers, дообученная автором на KhaledReda/all-MiniLM-L6-v69-pair_score с использованием набора пар текстов с оценками. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство векторов можно сравнивать косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений и нормализацией. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов; в README для конфигурации модели указан предел 256 токенов. Модель предназначена для семантического сравнения текстов, поиска по смыслу, выявления перефразировок, кластеризации и классификации текстов. Векторные представления можно использовать для поиска похожих предложений и абзацев или как признаки в последующих задачах. README указывает английский язык и лицензию Apache-2.0. Модель выдаёт эмбеддинги, поэтому сама по себе не генерирует ответы и качество на других языках или предметных областях не подтверждено.

Arabic-KW-Mdel — модель эмбеддингов предложений на базе BERT, опубликованная пользователем medmediani. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель имеет 162,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch для использования с Sentence-Transformers или Transformers. В карточке не приведены сведения о лицензии и конкретных языках обучения, поэтому нельзя подтвердить заявленную ориентацию на арабский язык по одному названию репозитория.

Arabic-SBERT-100K — модель Sentence Transformers, разработанная автором репозитория и дообученная на базе aubmindlab/bert-base-arabertv02. Она преобразует арабские предложения и абзацы в плотные векторы размерностью 768, пригодные для сравнения по косинусному сходству. Архитектура включает BERT-трансформер и усреднение токенных представлений; максимальная длина последовательности — 512 токенов. Модель предназначена для поиска семантически близких текстов и парафраз, оценки сходства предложений, кластеризации и классификации текста. Обучение проводилось на 75 тысячах триплетов из набора akhooli/arabic-triplets-1m-curated-sims-len с использованием MatryoshkaLoss. Она рассчитана на арабский язык; README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

NAMAA-Space/AraModernBert-Base-STS — дообученная на базе NAMAA-Space/AraModernBert-Base-V1.0 модель Sentence Transformers для получения плотных векторных представлений арабского текста. Она использует архитектуру ModernBERT с mean pooling и выдаёт 768-мерные эмбеддинги; метаданные указывают контекст до 8 192 токенов, хотя в архитектуре из README задана максимальная длина последовательности 512 токенов. Модель предназначена для оценки семантического сходства предложений, поиска и кластеризации текстов, выявления перефразирований и классификации на основе эмбеддингов. В README приведены результаты оценки сходства на STS17 и STS22.v2. Модель работает с арабским языком и распространяется по лицензии Apache-2.0. Результаты могут зависеть от данных и сценария применения; приведённые метрики относятся к указанным наборам оценки.

ARM64BERT-embedding — модель Sentence Transformers, опубликованная Netherlands Forensic Institute и дообученная на базе NetherlandsForensicInstitute/ARM64BERT-embedding. Она преобразует предложения и абзацы на входе в плотные векторы размерности 768 для поиска и сравнения текстов. Архитектура основана на BERT (ASMBertModel) с усредняющим pooling; используется косинусное сходство. Модель принимает только текст, максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска и извлечения релевантных текстов. В карточке не описаны целевые языки или специализированные предметные области. Репозиторий содержит веса PyTorch в формате safetensors. Условия лицензирования в доступных данных не указаны.

pritamdeka/assamese-bert-nli-v2 — модель Sentence Transformers на архитектуре BERT, дообученная на sentence-transformers/all-nli от базовой модели l3cube-pune/assamese-bert. Она преобразует предложения и абзацы в плотные векторы размерности 768, которые можно сравнивать косинусной мерой сходства. Модель рассчитана на семантический поиск, оценку сходства текстов, поиск перефразирований, кластеризацию и классификацию текстов. Модель принимает текст на английском языке, использует среднее объединение токенных представлений и поддерживает последовательности длиной до 512 токенов. В README приведены оценки Spearman 0,8483 на STS-dev и 0,823 на STS-test. Для эмбеддингов длиннее лимита контекста потребуется обрезка или разбиение текста; заявленная языковая специализация — английский, несмотря на название базовой модели. Лицензия в предоставленных данных не указана.

sidbrahim/autotrain-NarrativesAnaloguesFINAL — дообученный энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2, созданный с помощью AutoTrain и библиотеки Sentence Transformers. Модель предназначена для получения векторных представлений и оценки семантического сходства предложений; название репозитория указывает на работу с нарративами и аналогиями, однако README не уточняет состав и область применения обучающих данных. Модель имеет архитектуру BERT и содержит 25,9 млн параметров. Она принимает текст и выдаёт эмбеддинги, пригодные для сравнения предложений; максимальная длина контекста — 512 токенов. Для базовой модели заявлена англоязычная специализация, а отдельные языки дообученной версии в карточке не обозначены. В README приведены метрики проверки: Pearson для косинусного сходства 0,947 и Spearman 0,750; эти значения относятся к валидационному набору и сами по себе не гарантируют качество на других данных. Для работы предназначена библиотека Sentence Transformers. Лицензия в предоставленных данных отсутствует, поэтому условия использования установить нельзя.

Это компактная модель Sentence Transformers, созданная дообучением англоязычной BERT-модели google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 128, которые можно сравнивать по косинусному сходству и применять для поиска и оценки сходства предложений. Архитектура состоит из BertModel с усредняющим pooling; число параметров — 4,4 млн. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 128 токенов. Модель рассчитана на текстовые задачи: извлечение эмбеддингов, семантический поиск и сравнение предложений. Обучение описано на 549 502 парах текстов с OrdinalProxyContrastiveLoss. Базовая модель англоязычная, поэтому применение к другим языкам не подтверждено. Условия лицензии в предоставленных данных не приведены.

swardiantara/bert-tiny-sst5-k5-fixed-euclidean — компактная модель Sentence Transformers, разработанная на базе google/bert_uncased_L-2_H-128_A-2 и дообученная для сопоставления предложений. Она кодирует текст в плотные векторы размерности 128 для поиска и сравнения по косинусному сходству; модель можно использовать для семантического поиска и извлечения релевантных текстов. Архитектура включает BERT с двумя слоями и mean pooling. Веса занимают модель размером около 4,4 млн параметров; метаданные указывают контекст до 512 токенов, а карточка модели сообщает максимальную длину последовательности 128 токенов. Модель принимает текст и возвращает эмбеддинги. Данные обучения содержат англоязычные пары фрагментов обзоров фильмов с метками сходства, поэтому подтверждённая языковая специализация — английский. Лицензия в предоставленных данных не указана. Компактный размер подходит для сценариев с ограниченными вычислительными ресурсами, но качество и область применения за пределами описанного обучения отдельно не подтверждены.

BGE base Financial Matryoshka — англоязычная модель Sentence Transformers, дообученная автором sintuk на базе BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения текстов. Архитектура состоит из трансформера BERT, пулинга по CLS-токену и нормализации; сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. Обучение проведено на 6 300 примерах из набора json с функцией MatryoshkaLoss; доступны усечённые представления размерностью 512, 256, 128 и 64. Максимальная длина входа — 512 токенов. Карточка указывает английский язык и лицензию Apache-2.0.

BAAI разработала BGE-VL-v1.5-mmeb — мультимодальную модель эмбеддингов для поиска по изображениям и тексту. Она дообучена на базе llava-hf/llava-v1.6-mistral-7b-hf и использует архитектуру LLaVA-NeXT с плотным представлением; для работы применяется библиотека Sentence Transformers. Модель принимает текст, изображения и их сочетания, преобразуя запросы и объекты для поиска в эмбеддинги. Она предназначена для мультимодального поиска, поиска изображений по текстовому описанию и поиска с учётом текстового уточнения к исходному изображению. В README указано, что изображения при подаче следует масштабировать до 512×512; инструкции запроса помогают форматировать вход как поисковый запрос, а без них — как кандидата. В README сообщается о результатах на бенчмарках composed image retrieval и MMEB, включая сильные результаты в zero-shot сценариях. Модель распространяется по лицензии MIT. Карточка не приводит размер модели и длину контекста.

teven/bi_all_bs160_allneg_finetuned_WebNLG2020_correctness — модель Sentence Transformers на базе архитектуры MPNet, разработанная автором teven. Она преобразует предложения и абзацы в плотные векторы размерности 768 для вычисления семантического сходства, кластеризации и семантического поиска. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Модель дообучена с функцией потерь CosineSimilarityLoss; название указывает на обучение на данных WebNLG2020 для оценки корректности. Её можно применять для поиска текстов со сходным смыслом и группировки текстовых фрагментов. Данных о лицензии и поддерживаемых естественных языках в доступных источниках нет.

bilingual-embedding-small — модель векторных представлений предложений от Lajavaness для французского и английского языков. Она дообучена на базе Multilingual-MiniLM-L12-H384 и использует архитектуру Sentence Transformers: MiniLM-кодировщик, усреднение токенных представлений и нормализацию. Модель содержит 124,3 млн параметров, кодирует предложения в 384-мерные векторы и принимает последовательности длиной до 512 токенов. Модель предназначена для сравнения смысловой близости предложений, семантического поиска и кластеризации текста на французском и английском. В обучении использовались SNLI, XNLI и STS Benchmark для обоих языков, а также аугментация обучающих пар. Доступна по лицензии Apache-2.0. Карточка не содержит результатов оценки качества, поэтому точность для конкретных задач по ней определить нельзя. Контекст ограничен 512 токенами; модель рассчитана на французский и английский языки.

Это модель Sentence Transformers на архитектуре BERT, опубликованная пользователем pankajrajdeo. Она преобразует предложения и абзацы в плотные векторы размерности 512 и предназначена для оценки семантического сходства и поиска текстов по смыслу. В README указаны также сценарии поиска перефразировок, классификации и кластеризации; обучение описано на парах anchor-positive с функцией потерь MultipleNegativesRankingLoss. Модель содержит 50,3 млн параметров, использует усреднение токенных представлений и принимает последовательности длиной до 512 токенов. Для сравнения векторов рекомендуется косинусное сходство. В карточке упоминаются медицинские тексты, PubMed и PMC в названии модели, однако доступное описание датасета содержит общие вопросы и ответы и не подтверждает специализацию на биомедицинских текстах. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

teven/cross_all_bs320_vanilla_finetuned_WebNLG2020_data_coverage — модель Sentence Transformers на архитектуре MPNet, дообученная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 768 и подходит для семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, принимает до 514 токенов контекста и распространяется в формате PyTorch. Модель рассчитана на поиск текстов по смыслу и группировку семантически близких фрагментов. Название указывает на дообучение на данных WebNLG2020 с целью охвата данных, но README не раскрывает подробности обучения или специализацию по отдельным областям. Лицензия в предоставленных данных не указана.

teven/cross_all-mpnet-base-v2_finetuned_WebNLG2020_relevance — модель Sentence-Transformers на архитектуре MPNet, дообученная для релевантности на WebNLG2020. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель подходит для поиска семантически близких текстов, оценки сходства и группировки предложений и абзацев. В README приведены способы использования через Sentence-Transformers или Transformers; при использовании Transformers поверх выходов трансформера требуется применить pooling. В репозитории указаны веса PyTorch. Лицензия в предоставленных данных не указана.

Карточка модели Gabbana/Deobfuscation_SBERT 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.

Kenneth Enevoldsen разработал dfm-sentence-encoder-medium — модель на базе XLM-RoBERTa, которая преобразует предложения и абзацы в плотные векторы размерностью 768. Модель содержит 151,7 млн параметров и рассчитана на контекст длиной до 514 токенов. Векторы подходят для поиска семантически близких текстов и кластеризации. Модель обучалась с MultipleNegativesRankingLoss и косинусным сходством; для работы доступны Sentence-Transformers и Hugging Face Transformers с необходимой операцией pooling. Лицензия — MIT. Модель создаёт текстовые эмбеддинги, а не готовые ответы. README не уточняет, на каких языках она обучалась, поэтому языковую поддержку нельзя определить по имеющимся данным.

osiria/distiluse-base-italian — модель DistilUSE для получения векторных представлений предложений на итальянском языке. Она создана на основе mDistilUSE (sentence-transformers/distiluse-base-multilingual-cased-v1) с адаптацией слоя эмбеддингов под итальянский язык с использованием частот слов из Википедии. Модель построена на архитектуре DistilBERT, содержит 67 млн параметров и словарь из 30 785 токенов; максимальная длина контекста — 512 токенов. Модель предназначена для кодирования итальянских текстов и вычисления сходства между ними, например, для семантического поиска и сравнения предложений. Она принимает текст и выдаёт векторные представления. Выпущена под лицензией Apache-2.0.

e5-omni-3B — мультимодальная модель эмбеддингов, разработанная Haon-Chen на основе Qwen2.5-Omni-3B и дообученная для поиска по единому пространству представлений. Она преобразует текст, изображения, аудио и видео в эмбеддинги, чтобы сопоставлять запросы и материалы даже при различии модальностей. Модель предназначена для мультимодального поиска, включая поиск по видео и аудио, изображениям документов, диаграммам и PDF, а также многоязычный поиск по тексту. В метаданных указаны архитектура Qwen2.5-Omni-3B, библиотека Sentence Transformers и формат safetensors; README сообщает о результатах на MMEB-V2 и AudioCaps. Лицензия — MIT. Это экспериментальная модель: в README приведены результаты бенчмарков и примеры применения, но нет подробной оценки ограничений или условий эксплуатации помимо лицензии. Результаты поиска зависят от качества представлений и того, насколько данные соответствуют сценариям оценки.

addy88/eli5-all-mpnet-base-v2 — модель Sentence-Transformers на базе RoBERTa, дообученная на данных ELI5. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения семантической близости, поиска и кластеризации текстов. В обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством; число параметров — 95,2 млн, контекст — до 514 токенов. Модель подходит для семантического поиска и группировки похожих текстов. Для использования с Transformers требуется корректно применить pooling к контекстным представлениям токенов; README также описывает применение через Sentence-Transformers. В репозитории указан формат PyTorch. Лицензия в доступных данных не приведена.