I.12Рекомендации и персонализация

GVE-7B (General Video Embedder) — мультимодальная модель эмбеддингов Alibaba-NLP на базе Qwen2.5-VL-7B-Instruct, дообученная с помощью LoRA на 13 млн собранных и синтезированных мультимодальных данных. Она предназначена для поиска видео по тексту, изображению, другому видео или их комбинациям, включая запросы о пространственных и временных деталях и поиск по длинным видеоконтекстам. Модель принимает текст, изображения и видео, преобразует их в представления для поиска и поддерживает zero-shot-сценарии без обучения на данных конкретного домена. В карточке заявлена оценка по девяти возможностям, охватывающим три типа поиска и шесть предметных сценариев; также приведены результаты бенчмарка UVRB. Модель содержит 7,1 млрд параметров, поддерживает контекст до 128 000 токенов и использует архитектуру Qwen2.5-VL; для работы указан Transformers. Лицензия — Apache-2.0. Оценки качества в README относятся к UVRB, поэтому сами по себе не гарантируют аналогичных результатов на других наборах видео и запросов.

jfkback/hypencoder.6_layer — официальная модель Hypencoder из работы «Hypencoder: Hypernetworks for Information Retrieval». Это двухбашенный кодировщик на базе дообученной google-bert/bert-base-uncased: текстовый энкодер преобразует элементы в векторы размерности 768, а гиперсеть формирует небольшую нейросеть, которая использует этот вектор для вычисления оценки релевантности. Вариант 6_layer отличается числом скрытых слоёв в этой небольшой сети. Модель предназначена для информационного поиска и оценки релевантности текста, например для ранжирования результатов поиска. Для использования требуются код и инструкции из репозитория проекта на GitHub. В метаданных указаны английский язык и датасет MS MARCO. Модель распространяется по лицензии Apache-2.0.

danfeg/IF-E5-L-M_Finetuned-FR-1000 — модель эмбеддингов предложений на архитектуре XLM-RoBERTa, опубликованная в формате Sentence-Transformers. Она кодирует предложения и абзацы в плотные векторы размерности 1024 для поиска по смыслу, кластеризации и сравнения текстов. В метаданных указано около 658,7 млн параметров и контекст длиной 514 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss; название репозитория указывает на дообучение для французского языка, но README не уточняет состав обучающих данных или результаты оценки. Она принимает текст и возвращает векторы, которые можно использовать для семантического поиска и группировки похожих фрагментов. Лицензия в предоставленных данных не указана.

Vishwas/intent_classification — модель на архитектуре MPNet, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Веса в формате PyTorch, число параметров — 136,7 млн, максимальная длина контекста — 514 токенов. Модель можно применять для поиска похожих пользовательских запросов и группировки текстов по смыслу. В README указано обучение с CosineSimilarityLoss, однако не приведены сведения о языках обучающих данных или о целевой схеме классификации намерений. Поэтому название репозитория само по себе не подтверждает, что модель выдаёт метки классов интентов. Лицензия в предоставленных данных не указана.

jina-embeddings-v5-omni-small-classification — мультимодальная модель эмбеддингов от Jina AI, адаптированная для задач классификации. Она построена на архитектуре Qwen3-VL-Audio и принимает текст, изображения, видео и аудио, преобразуя их в векторы размерности 1024 в общем пространстве, совместимом с текстовыми моделями эмбеддингов Jina v5. Размер модели — около 1,56 млрд параметров. Модель предназначена для получения признаковых векторов, которые можно использовать в классификации, а также для индексирования и поиска по разным модальностям: например, индексировать текст и искать по изображению, видеокадрам или аудио без повторной индексации. Видео представляется кадрами; звуковая дорожка автоматически не учитывается и должна передаваться отдельно. Для текстового ввода используется префикс «Document: ». Модель поддерживает мультиязычный ввод; в README описаны способы запуска через Transformers, sentence-transformers и vLLM. Веса опубликованы в формате safetensors, библиотека — Transformers. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Для инференса требуются актуальные версии зависимостей; мультимодальные компоненты можно загружать выборочно для экономии памяти.

KEmbed-naija-v2 — модель Sentence Transformers, дообученная автором matt-wisdom на базе BAAI/bge-m3 для поиска по текстам. Она кодирует предложения и абзацы в плотные векторы размерности 1024, нормализует их и сравнивает по косинусному сходству. Максимальная длина входа — 256 токенов; архитектура включает XLM-RoBERTa и слой объединения CLS. Модель ориентирована на извлечение релевантных текстов, а её качество оценивалось на датасете nigerian-val. Модель принимает текст и выдаёт векторы для семантического поиска и сравнения предложений. Она дообучена на наборах с парами и тройками текстов; README приводит результаты оценки поиска, но не уточняет поддерживаемые языки или предметную область. Доступна в формате safetensors; лицензия в предоставленных данных не указана.

jhgan/ko-sbert-nli — модель Sentence-Transformers на архитектуре BERT, обученная для получения плотных векторных представлений предложений и абзацев. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения сходства. Модель содержит 137,8 млн параметров, формирует векторы размерности 768 и принимает последовательности длиной до 512 токенов. Модель обучена на корейском наборе KorNLI с MultipleNegativesRankingLoss и оценивалась на KorSTS. В README приведены результаты корреляции для косинусной меры сходства: Pearson 82,24 и Spearman 83,16. Поддерживаются PyTorch и TensorFlow. Карточка не сообщает лицензию.

xmanii/maux-gte-persian — модель Sentence Transformers, дообученная на базе Alibaba-NLP/gte-multilingual-base для работы с персидским языком (фарси). Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения текстов. Архитектура включает трансформерный энкодер, пулинг по CLS-токену и нормализацию; сходство оценивается косинусной мерой. Максимальная длина последовательности — 8192 токена. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации персидских текстов. Она обучена на 2000 парах персидских предложений, переведённых с английского с помощью GPT-4, поэтому качество может зависеть от охвата и особенностей этого набора данных. Опубликована в формате safetensors; условия лицензии в предоставленных данных не описаны.

multilingual-e5-small-fra-32768 — текстовая модель эмбеддингов, опубликованная alphaedge-ai на основе intfloat/multilingual-e5-small. Она предназначена для задач семантического сравнения предложений, поиска и ранжирования документов, сопоставления запросов с фрагментами текста и других сценариев, где требуется преобразование текста в векторные представления. Модель интегрируется с библиотекой sentence-transformers и поддерживает раздельное кодирование запросов и документов. Модель оптимизирована для французского языка за счёт сокращения словаря методом trimming. Размер словаря уменьшен с 250 037 до 32 768 токенов, а количество параметров — с 117 653 760 до 34 222 464, что соответствует уменьшению размера примерно на 70,91%. По заявлению авторов, при французских текстах она должна демонстрировать результаты, близкие к исходной multilingual-e5-small, при существенно меньшем потреблении памяти. Архитектурные детали, размер контекста и поддержка других модальностей в README не указаны; заявлена только работа с текстом. Главное ограничение — возможное заметное ухудшение качества на языках, отличных от французского, поскольку редко используемые для выбранного языка токены были удалены. Модель распространяется по лицензии MIT.

MyAwesomeModel — модель на базе архитектуры BERT, предназначенная для извлечения признаков из текста. В метаданных Hugging Face указаны использование библиотеки Transformers и фреймворка PyTorch, а основная задача модели — feature extraction. Разработчик в предоставленных материалах не указан. Модель может применяться для получения векторных представлений текста, семантического поиска, сравнения текстов, классификации и других задач, где нужны текстовые эмбеддинги. README также заявляет улучшенные способности к рассуждению, математике, программированию, логике, ответам на вопросы, суммаризации и диалогам, однако эти сведения не согласуются с указанным pipeline-тегом feature-extraction и не сопровождаются точным описанием конфигурации. Модель распространяется по лицензии MIT. Размер модели, длина контекста, поддерживаемые естественные языки и точная информация об обучающих данных в предоставленных материалах не указаны.

MyAwesomeModel — модель на базе BERT, доступная через библиотеку Transformers и распространяемая по лицензии MIT. Согласно метаданным Hugging Face, её основное назначение — извлечение признаков из входных данных, то есть преобразование текста в векторные представления для последующего анализа машинного обучения. README также заявляет улучшения в рассуждениях, математике, программировании, классификации, суммаризации и диалогах, однако эти возможности не подтверждаются указанным pipeline-тегом feature-extraction и требуют отдельной проверки. Модель можно применять как компонент систем семантического поиска, кластеризации, классификации и сравнения текстов. В карточке указаны архитектурное семейство BERT, библиотеки Transformers и PyTorch, но размер модели, длина контекста, поддерживаемые языки и сведения о разработчике не приведены. README содержит рекомендации, ориентированные на генеративное использование, включая системный промпт и температуру, однако для модели с тегом feature-extraction их практическая применимость не подтверждена.

Nanthasit/my-embedding-gemma — текстовая модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства. Модель принимает текст, поддерживает последовательности до 2048 токенов и предназначена для семантического поиска, сравнения текстов и других задач на основе эмбеддингов. Её можно использовать для поиска похожих документов, обнаружения перефразировок, классификации и кластеризации текстов. Дообучение выполнено с MultipleNegativesRankingLoss на трёх примерах, посвящённых финансовым и страховым вопросам; такой малый объём данных ограничивает основания для выводов о качестве и специализации модели. Лицензия в предоставленных данных не указана.

Nepali_Embedding_Model — модель Sentence Transformers на архитектуре XLM-RoBERTa, представленная пользователем universalml. Она преобразует текстовые предложения в векторные представления для сравнения их семантической близости; для оценки сходства рекомендуется косинусная мера. Модель содержит 658,7 млн параметров, принимает последовательности длиной до 512 токенов и выдаёт эмбеддинги размерностью 1024. Модель предназначена для поиска семантически похожих предложений и других сценариев, где текст нужно представить в виде векторов. В метаданных указаны английский и непальский языки, а лицензия — Apache-2.0. Карточка не уточняет ограничения качества или языковую специализацию за пределами названия модели и языковых тегов.

rsl-ai выпустила Octen-Embedding-0.6-finetuned — дообученную модель Sentence Transformers на базе Octen/Octen-Embedding-0.6B. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и вычисляет сходство с помощью косинусной близости. Архитектура основана на Qwen3 с пулингом последнего токена и нормализацией; модель содержит 507,6 млн параметров. Метаданные указывают контекст до 32 768 токенов, хотя карточка модели сообщает максимальную длину последовательности 64 токена. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Она обучалась на 19 662 парах текстов с функцией потерь MultipleNegativesRankingLoss; примеры и оценочные данные сосредоточены на названиях автомобилей и их вариантах, включая русскоязычные записи. В карточке приведены значения метрики Spearman как nan, поэтому качество по этим результатам подтвердить нельзя. Лицензия в предоставленных данных не указана.

paraphrase-spanish-distilroberta — модель sentence-transformers, созданная участниками организации hackathon-pln-es для Hackathon 2022 NLP - Spanish. Это дообученная методом переноса знаний испанская RoBERTa-модель BERTIN, обученная на параллельных испанско-английских предложениях с использованием paraphrase-mpnet-base-v2 в роли учителя. Модель содержит 151,8 млн параметров и преобразует предложения и короткие абзацы в плотные векторы размерностью 768; максимальный контекст — 514 токенов. Векторы подходят для поиска по смыслу, оценки сходства предложений и кластеризации текстов на испанском и английском языках. В README приведены результаты оценки семантического сходства для пар ES-ES и ES-EN на наборах STS-2017. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных источниках отсутствуют.

Perception Encoder PE-Core-B16-512 — визуальный энкодер Meta из семейства Perception Encoder, обученного с помощью контрастивного обучения изображений и текстов и дообученного на синтетически согласованных видео. Эта версия использует архитектуру B/16 с башнями для изображений и текста: визуальная часть содержит около 90 млн параметров, текстовая — около 310 млн; в README для семейства указаны ширина слоёв 768 и 1024, глубина 12 и 24 слоя и контекст текста 32 токена. Модель предназначена для извлечения признаков и визуальных эмбеддингов, которые можно применять для классификации и поиска изображений и видео, в том числе в режиме zero-shot. Сильные стороны семейства — перенос общих визуальных признаков на задачи классификации и поиска; README сообщает о результатах на ImageNet, ObjectNet, COCO и Kinetics. В метаданных указан формат PyTorch, а лицензия — Apache-2.0. Описание результатов в README относится к вариантам B/16, L/14 и G/14, поэтому конкретные показатели для варианта 512 не приведены.

Карточка модели AISE-TUDelft/python-summary-classifier на Hugging Face совпадает с карточкой AISE-TUDelft/python-expand-classifier, поэтому описание составлено по ней. 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.

Карточка модели ArchiveStudio/Qwen3-VL-Reranker-2B на Hugging Face совпадает с карточкой Qwen/Qwen3-VL-Reranker-2B, поэтому описание составлено по ней. Qwen3-VL-Reranker-2B — мультимодальная модель ранжирования из семейства Qwen, созданная командой Qwen на базе Qwen/Qwen3-VL-2B-Instruct. Она принимает пару «запрос — документ» и оценивает их релевантность; запрос и документ могут содержать текст, изображения, скриншоты, видео или сочетания этих данных. Модель рассчитана на уточнение результатов поиска после первичного отбора кандидатов, например в мультимодальных и межъязыковых поисковых системах. Модель использует плотную архитектуру Qwen3-VLForConditionalGeneration, содержит 2 млрд параметров и поддерживает контекст до 32 тыс. токенов. По карточке модели она поддерживает более 30 языков и настраиваемые инструкции для задачи ранжирования. В описанных авторами тестах модель показала результаты на наборах для мультимодального поиска, визуальных документов и видео; фактическое качество зависит от данных и сценария применения. Модель предназначена для этапа переранжирования и выдаёт оценку релевантности, а не готовый список результатов или векторные эмбеддинги. Для первого этапа поиска авторы предлагают сочетать её с моделью Qwen3-VL-Embedding. Лицензия — Apache-2.0.

sentence-transformers/roberta-large-nli-mean-tokens — модель sentence-transformers, обученная командой Sentence Transformers на основе RoBERTa Large. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов и кластеризации. Модель принимает текст и выдаёт векторные представления; архитектура использует RoBERTa и mean pooling. Контекст модели — до 514 токенов. Доступны веса в форматах PyTorch, Safetensors, ONNX и OpenVINO. Модель помечена авторами как устаревшая: README предупреждает о низком качестве sentence embeddings и рекомендует выбрать более новые модели. Лицензия — Apache-2.0.

ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

linhphanff/semantic-base-vi — модель на архитектуре RoBERTa с 162,4 млн параметров, опубликованная пользователем linhphanff. Она предназначена для оценки сходства предложений и может применяться для поиска семантически близких фраз и сравнения текстовых запросов. Метаданные указывают поддержку вьетнамского и английского языков, библиотеку Transformers и контекст до 258 токенов. Карточка содержит лишь краткую инструкцию по установке Transformers, поэтому подробности обучения и использования не описаны. Лицензия указана как other, без уточнения условий.

cafierom создал дообученную модель SentenceTransformer на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 768; сходство между ними можно оценивать косинусной мерой. Модель рассчитана на семантическое сравнение текстов, поиск, поиск перефразировок, классификацию и кластеризацию. Модель использует текстовую архитектуру Gemma 3, содержит 302,8 млн параметров и распространяется в формате Safetensors. В метаданных указан контекст до 2048 токенов, а в README — максимальная длина последовательности 128 токенов; на практике ориентируйтесь на ограничение SentenceTransformer в карточке. Обучающие и оценочные примеры представлены парами текстов с метками, однако приведённые образцы выглядят как строки химических структур, поэтому качество на обычном естественном языке из этих данных не подтверждается. Лицензия в предоставленных сведениях не указана.

shannonnonshan/streamland-embeddings-v1 — дообученный энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2, созданный для представления предложений и абзацев в виде плотных семантических векторов. Модель использует архитектуру BERT и библиотеку Sentence Transformers; число параметров — 25,9 млн. Она предназначена для семантического сравнения и поиска, поиска перефразирований, классификации и кластеризации текстов. Модель формирует векторы размерности 384 и сравнивает их с помощью косинусного сходства. В README указана максимальная длина последовательности 256 токенов, а метаданные приводят контекст до 512 токенов. Дообучение описано на наборе из 8 примеров, поэтому качество может быть нестабильным и особенно зависит от соответствия данных целевому применению. Лицензия в предоставленных данных не указана.

sentence-transformers-testing/stsb-bert-tiny-openvino — модель семейства Sentence-Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 128. В README разработчик явно не указан; модель опубликована под идентификатором sentence-transformers-testing. Она предназначена для оценки семантического сходства текстов, семантического поиска, кластеризации и других задач, где требуется сравнивать смысл текстовых фрагментов. Архитектура включает BERT с максимальной длиной последовательности 512 токенов и mean pooling по токенам с учётом attention mask. Указана поддержка текстовой модальности, однако языки модели не обозначены. Модель обучалась с CosineSimilarityLoss в течение 10 эпох; подробные данные о качестве в README не приведены. Сильной стороной является компактное 128-мерное представление, удобное для поиска и кластеризации, а ограничениями — отсутствие сведений о языках, обучающем наборе данных, фактических метриках качества и производительности OpenVINO. Лицензия в README не указана.

Модель optimum-intel-internal-testing/stsb-bert-tiny-safetensors — это модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 128. В README указано, что модель предназначена для задач сравнения предложений, кластеризации и семантического поиска. Разработчик явно не указан; модель опубликована под идентификатором optimum-intel-internal-testing/stsb-bert-tiny-safetensors. Архитектура включает BERT в конфигурации BertModel с максимальной длиной последовательности 512 токенов и mean pooling, учитывающим attention mask. Модель работает с текстом и использует режим без принудительного приведения к нижнему регистру. Языки и точный размер базовой BERT-модели в README не указаны. Обучение выполнялось с CosineSimilarityLoss в течение 10 эпох с размером пакета 16. Сильная сторона модели — компактное 128-мерное представление, удобное для хранения и быстрого поиска, а также готовая интеграция с библиотеками sentence-transformers и Hugging Face Transformers. Ограничения заключаются в отсутствии сведений о поддерживаемых языках, качестве на конкретных бенчмарках, составе обучающих данных и сравнении с другими моделями. Лицензия в README не указана.

Amu/tao-8k — экспериментальная модель эмбеддингов, опубликованная автором Amu. В карточке она описана как пробная версия, созданная по методу stella-v2 с увеличенной длиной контекста для tao. Модель основана на архитектуре BERT, содержит около 424,3 млн параметров и принимает текстовые последовательности длиной до 8192 токенов. Модель предназначена для получения векторных представлений текста и оценки сходства предложений, в том числе для поиска и сравнения длинных текстовых фрагментов. В метаданных указан китайский язык. Веса доступны в формате PyTorch по лицензии Apache-2.0. Автор отмечает, что для работы с полным контекстом в 8 тысяч токенов может потребоваться преобразование весов в float32; также в README упоминается работа над другой версией модели.

Это Sentence Transformer, дообученный на базе intfloat/multilingual-e5-base с использованием Sentence Transformers. Модель использует XLM-RoBERTa, усредняет токенные представления и нормализует результат; она преобразует предложения и абзацы в плотные эмбеддинги размерности 768 для сравнения по косинусному сходству. Максимальная длина последовательности составляет 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск похожих предложений, перефразов, кластеризацию и классификацию текста на основе эмбеддингов. Примеры обучающих данных на норвежском языке связаны с услугами по ремонту и строительству; это указывает на специализацию в поисковых запросах такого типа, хотя README также заявляет более широкие сценарии применения. В метаданных лицензия не приведена.

vit_base_patch16_siglip_gap_224.v2_webli — модель семейства SigLIP 2, опубликованная в библиотеке timm. Это визуальный энкодер ViT с патчами 16×16 и входным разрешением 224 пикселя; текстовый энкодер отсутствует. Вариант gap использует глобальное усреднение признаков и не содержит головы attention pooling. Модель обучена на WebLI и предназначена для извлечения признаков изображений. Полученные представления можно использовать для поиска и сопоставления изображений, кластеризации и других задач компьютерного зрения, где нужны визуальные признаки. Метаданные указывают задачу image-feature-extraction и форматы PyTorch и safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или дополнительных сведений об ограничениях применения.

vit_giant_patch14_dinov2.lvd142m — модель извлечения визуальных признаков на основе Vision Transformer (ViT), опубликованная timm. Она предварительно обучена без учителя методом DINOv2 на наборе LVD-142M и предназначена для получения эмбеддингов изображений и использования в качестве основы для задач компьютерного зрения. Модель содержит около 1,14 млрд параметров и рассчитана на изображения размером 518 × 518 пикселей. Полученные признаки можно применять для поиска похожих изображений, кластеризации, классификации и других задач, где нужны визуальные представления. Модель принимает изображения и выдаёт признаки; самостоятельная классификация описана в карточке как возможный сценарий работы с визуальным backbone. Поставляется в форматах PyTorch и Safetensors, библиотека для работы — timm. Лицензия Apache-2.0.

VLM2Vec-V2.0 — мультимодальная модель для получения эмбеддингов, разработанная командой TIGER-Lab. Она предназначена для сопоставления визуального или текстового запроса с текстовыми описаниями и решения задач мультимодального поиска и оценки семантического сходства. Модель поддерживает изображения, видео и визуальные документы, а также текстовые данные. В демонстрации используется backbone Qwen2-VL-7B и дообучение с LoRA; предусмотрено нормализованное pooling-представление и вычисление сходства между эмбеддингами. Модель обучалась и оценивалась на наборах MMEB-train, MMEB-V2 и MMEB-eval. В метаданных указан английский язык. Размер контекста и точные характеристики архитектуры в README не указаны. Сильная сторона модели — единое мультимодальное представление для работы с разными типами визуального контента, включая видео, изображения и документы, что делает её подходящей для retrieval-сценариев. Ограничения README подробно не описывает; для запуска требуются Transformers, PyTorch и, согласно примеру, GPU с поддержкой bfloat16. Модель распространяется по лицензии Apache-2.0.