I.12Рекомендации и персонализация

cinedark-modelo — дообученная Gonzalo Alex модель Sentence Transformers на базе BAAI/bge-m3 для поиска и сопоставления предложений и описаний фильмов. Она преобразует текстовые запросы и документы в плотные векторы размерности 1024, которые можно сравнивать по косинусному сходству; архитектура включает XLM-RoBERTa, пулинг CLS и нормализацию. Максимальная длина последовательности — 8192 токена. Модель обучена на 1400 парах текстов с помощью MultipleNegativesRankingLoss; примеры в карточке относятся к жанрам, тону и описаниям кино на испанском языке. Модель подходит для поиска фильмов по свободному описанию, ранжирования карточек фильмов по запросу и семантического сопоставления коротких фраз с описаниями. Она принимает текст и выдаёт эмбеддинги для последующего поиска или сравнения. Лицензия в предоставленных данных не указана.

CLIP-GmP-ViT-L-14 — дообученная модель сопоставления изображений и текста на основе OpenAI CLIP ViT-L/14, разработанная zer0int. Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт категории словами, а модель оценивает соответствие изображения каждой категории. В карточке указано дообучение с геометрической параметризацией (GmP); в метаданных также указан датасет SPRIGHT-T2I/spright_coco. Модель использует архитектуру CLIPModel и опубликована в формате safetensors. Автор сообщает об улучшении точности на ImageNet и ObjectNet примерно до 0,90 относительно примерно 0,85 у исходной модели, однако эти результаты зависят от протокола оценки. В README исходная версия GmP названа устаревшей и уступающей более поздним вариантам автора, поэтому для использования как текстового энкодера генеративных моделей автор рекомендует другие версии. Лицензия — MIT.

Decima Small — компактная многоязычная модель классификации решений, разработанная Amyr Mahdy на базе энкодера multilingual-e5-small. Она сопоставляет состояние или вопрос с набором заданных вариантов: кодирует состояние и вопрос совместно, а каждый вариант отдельно обрабатывает с помощью небольшого позднего интерактивного оценщика. Модель поддерживает выбор и проверку вариантов, ранжирование и порядковые оценки; возвращает вероятности или оценки для переданных вариантов. Архитектура включает энкодер с 12 слоями и размерностью 384, 21,6 млн параметров без таблицы эмбеддингов, таблицу эмбеддингов на 96 млн параметров и оценщик на 4,7 млн параметров. Принимает до 512 токенов состояния и до 64 токенов на вариант; более длинное состояние обрезается. Доступны ONNX и Safetensors, лицензия Apache-2.0. Модель предназначена для классификации текста по пользовательским категориям, маршрутизации обращений и выбора решения из описанных критериями вариантов. В карточке заявлена поддержка 20 языков, включая английский, персидский, арабский, русский, немецкий, французский, испанский, португальский, турецкий, хинди, тамильский, китайский, японский, корейский, суахили, урду, вьетнамский, тайский, греческий и болгарский. Отдельные варианты обрабатываются независимо, поэтому изменение их порядка не должно менять оценки, а их представления можно кешировать. Модель может ошибаться даже среди предложенных вариантов; порог уверенности и передача сомнительных случаев человеку рекомендуются в README. Она слаба на длинных многофакторных деловых решениях, знаниях, математике, применении числовых правил и тонкой классификации тональности; короткие входы с вариантом «ничего из перечисленного» могут приводить к ошибочным выборам. Результаты зависят от формулировок и языка. Не предназначена для открытой генерации, медицинских, юридических или финансовых советов, автоматических решений о людях без проверки человеком и фильтрации безопасности команд.

Карточка модели Fluxmire/dinov3-vits16-pretrain-lvd1689m на Hugging Face совпадает с карточкой facebook/dinov3-vits16-pretrain-lvd1689m, поэтому описание составлено по ней. facebook/dinov3-vits16-pretrain-lvd1689m — визуальный энкодер семейства DINOv3, разработанного Meta AI и доступного через библиотеку Transformers. Модель относится к архитектуре Vision Transformer (ViT-S) с патчами 16×16 и обучена на веб-данных LVD-1689M; в карточке указано, что малые модели семейства дистиллированы из ViT-7B. Размер ViT-S — 21 млн параметров, размерность эмбеддингов — 384, используются четыре регистрационных токена и RoPE. Модель принимает изображение и извлекает признаки: токен класса, токены патчей и регистрационные токены. Полученные представления предназначены для классификации изображений, поиска похожих изображений, сегментации, оценки глубины и других задач компьютерного зрения, в том числе с простыми классификаторами поверх замороженных признаков. Модель рассчитана на универсальное визуальное представление и не требует дообучения для многих сценариев; размер изображения должен быть кратен 16, иначе оно обрезается до ближайшего меньшего размера, кратного размеру патча. В карточке отмечено, что качество признаков может различаться между географическими регионами и категориями дохода, а дообучение способно усилить смещения, связанные с метками. Модель распространяется по лицензии DINOv3 License (в метаданных обозначена как other); перед использованием следует проверить её условия.

GEV-26B-Decide — модель AutoTrust AI для классификации и принятия решений по заданным вариантам. Она принимает текстовые вопросы и изображения, поддерживает решения «да/нет», выбор из 2–256 вариантов и оценку по шкале 0–5; для каждого варианта выдаёт калиброванную вероятность. Модель основана на Gemma 4 26B A4B IT, использует архитектуру Gemma4 и формат safetensors. В каталоге указана задача text-classification, а карточка описывает API решений и адаптивное рассуждение. В режиме System 1 решение принимается за один проход. При включённом адаптивном режиме System 2 может дополнительно рассуждать, если уверенность System 1 ниже заданного порога; этот режим предназначен прежде всего для сложных вопросов по науке, коду, математике и логике. Модель может обрабатывать контексты до 256K токенов согласно карточке, однако контексты свыше 128K не проверялись. Для развёртывания через vLLM требуется сборка с поддержкой Gemma 4 и приложенный патч для LoRA на lm_head; для одной GPU требуется 80 ГБ или больше. Модель ориентирована на английский язык. Среди ограничений — возможные уверенные ошибки, ухудшение качества на некоторых задачах при включённом рассуждении, высокая задержка на сложных входах и непроверенная надёжность решений по изображениям. Не рекомендуется использовать её для решений с высокими последствиями без контроля уверенности. Лицензия — Apache-2.0.

GME-Qwen2-VL-7B — мультимодальная модель эмбеддингов Tongyi Lab, подразделения Alibaba Group, дообученная на основе Qwen2-VL-7B-Instruct. Она преобразует текст, одно изображение или пару «изображение и текст» в векторные представления для поиска по тексту и изображениям, включая поиск между модальностями и визуальный поиск по скриншотам документов. Модель использует архитектуру Qwen2-VL, содержит 7,1 млрд параметров по метаданным, поддерживает контекст до 32 768 токенов и динамическое разрешение изображений; размер вектора — 3584. В README сообщается о высоких результатах на бенчмарках UMRB и MTEB, в том числе для задач мультимодального поиска и поиска по сложным документам, например научным статьям. Модель обучалась только на английских данных, поэтому качество мультимодальных эмбеддингов для других языков не гарантируется. В текущей версии поддерживается одно изображение на вход; число визуальных токенов ограничено 1024. Лицензия — Apache-2.0; при распространении модели, производных работ или продуктов с её использованием необходимо заметно указывать «Built with GME», а имена распространяемых моделей, созданных с использованием её выходов, должны начинаться с «GME».

Sammau/labse-dhivehi-finetuned — модель Sentence Transformer, дообученная разработчиком Sammau на базе sentence-transformers/LaBSE. Она кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их смысл с помощью косинусного сходства. Модель предназначена для семантического поиска и оценки сходства текстов; её также можно применять для поиска перефразирований, кластеризации и классификации текстов. Модель использует архитектуру BERT и библиотеку Sentence Transformers. В метаданных указан контекст до 512 токенов, а в README — максимальная длина последовательности 256 токенов; для практического использования следует учитывать лимит 256 токенов, заданный карточкой модели. Обучение описано на наборе из 968 266 пар предложений с оценками сходства. Название модели указывает на фокус на языке дивехи, тогда как базовая LaBSE поддерживает 109 языков; README не уточняет, насколько дообученная версия сохраняет качество на остальных языках. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

sahilchachra/Laya-English-MXFP4 — английская версия энкодерной части модели Laya от Convai Innovations, представленная в MXFP4 для MLX на Apple Silicon. Основа — ModernBERT-large: двунаправленный плотный энкодер; в README указаны 421 млн параметров, 28 слоёв, размер скрытого представления 1024 и исходный контекст 512 токенов. Метаданные каталога указывают 394,7 млн параметров и контекст 8192 токена. Для описания версии использованы значения метаданных: часть значений README относится к исходному энкодеру, поэтому характеристики расходятся. Репозиторий предназначен для извлечения признаков из английского текста и построения собственных MLX-голов поверх энкодера. Это не полный комплект Laya: обученная отдельно голова принятия решений и API upstream-репозитория здесь не включены, а генерации текста и чат-интерфейса нет. MXFP4 снижает размер на диске примерно до 210 МБ, но заметно искажает скрытые состояния; в небольшом наборе проверок наблюдались расхождения оценок и одна перемена ответа при близких оценках. Лицензия в предоставленных данных не указана.

MetaCLIP ViT-B/32 — модель семейства CLIP, разработанная командой MetaCLIP и представленная в статье «Demystifying CLIP Data» авторов Xu и соавторов. Эта версия обучалась на 400 миллионах примеров Common Crawl; обозначение B/32 указывает на базовый размер модели и разрешение патчей 32. Модель сопоставляет изображения и текст в общем пространстве эмбеддингов. Она предназначена для классификации изображений без дополнительного обучения по текстовым описаниям классов, поиска изображений по тексту и поиска текста по изображению. Лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии с ограничением на коммерческое применение.

mmBERTscandi-base-embedding — модель Sentence Transformer, разработанная Emillykkejensen и дообученная на датасете скандинавских текстовых эмбеддингов DDSC/nordic-embedding-training-data. В основе лежит jonasaise/scandmmBERT-base-scandinavian — ModernBERT с 306,9 млн параметров. Модель кодирует предложения и абзацы в плотные векторы размерности 768; для сравнения используется косинусное сходство. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов на датском, норвежском и шведском языках. Её можно применять для поиска близких по смыслу фрагментов, выявления перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки на датских и скандинавских наборах для информационного поиска. Модель распространяется под лицензией Apache-2.0. Качество поиска зависит от соответствия данных и запросов языкам и тематике обучения; в README нет результатов для других языков.

multi-modal-embed-small — компактная мультимодальная модель эмбеддингов из семейства MoM (Mixture of Models), объединяющая представления текста, изображений и аудио в общем семантическом пространстве. По карточке модель насчитывает около 120 млн параметров и использует текстовый энкодер MiniLM-L6-v2, визуальный энкодер SigLIP-base-patch16-512, аудиоэнкодер Whisper-tiny и двухслойный трансформер для слияния представлений. Модель предназначена для поиска и сравнения объектов между модальностями: например, поиска изображения по тексту или текста по аудио. Эмбеддинги имеют размерность 384; Matryoshka Representation Learning позволяет сокращать её до 32, 64, 128 или 256 измерений, а 2DMSE поддерживает адаптивные вычисления. Изображения обрабатываются при разрешении 512×512, аудио — длительностью до 30 секунд с частотой 16 кГц. Поддерживается только английский язык; генерация не является назначением модели. В README приведены результаты поиска по изображениям на COCO и аудио на LibriSpeech, однако они сами по себе не гарантируют аналогичное качество на других данных. Репозиторий содержит веса SafeTensors; метаданные также указывают ONNX-формат и библиотеку Transformers. Лицензия — Apache-2.0.

MyAwesomeModel — модель из репозитория DSD1W3123/MyAwesomeModel-TestRepo, доступная через библиотеку Transformers и распространяемая по лицензии MIT. В метаданных она классифицирована как модель для извлечения признаков; среди тегов указаны PyTorch и BERT. README также заявляет улучшенные возможности рассуждений, понимания текста, генерации кода, диалогов, суммаризации, классификации и ответов на вопросы, а также поддержку function calling. Однако эти заявления не согласуются с основным pipeline-тегом feature-extraction и не сопровождаются достаточными техническими сведениями о размере, контекстном окне, языках или точной архитектуре модели. Модель может использоваться для получения векторных представлений текста и последующего применения в задачах семантического поиска, классификации или других downstream-сценариях, совместимых с извлечением признаков.

MyAwesomeModel — модель семейства BERT для извлечения признаков из текста, разработанная владельцем репозитория safafa34235 и предназначенная для использования через библиотеку Transformers на PyTorch. Основная задача модели — преобразовывать текстовые входы в векторные представления, пригодные для последующей обработки в прикладных ML-системах. README также заявляет о возможностях рассуждения, ответов на вопросы, классификации, генерации текста, программирования, суммаризации, диалога, function calling и работы с файлами или веб-поиском. Однако эти сценарии не согласуются с pipeline-тегом feature-extraction и не подтверждены техническими метаданными модели, поэтому их следует рассматривать как заявленные в карточке, а не как надежно установленные возможности данной конфигурации. Модель распространяется по лицензии MIT и интегрируется с экосистемой Transformers. В карточке не приведены точные сведения о числе параметров, контекстном окне, поддерживаемых естественных языках и результатах воспроизводимой оценки для этой конкретной модели.

Veritone подготовила текстовую башню SigLIP 2 Base Patch16-224 — отдельную часть модели google/siglip2-base-patch16-224 для кодирования текстовых запросов в общее пространство эмбеддингов с изображениями. Её используют вместе с соответствующей башней изображений Veritone/siglip2-base-patch16-224-vision: текстовую башню можно загружать отдельно на этапе поиска, экономя память и время загрузки. Модель рассчитана на поиск по тексту и изображениям, включая классификацию изображений с нулевым обучением в связке с визуальной башней. Она основана на архитектуре SigLIP 2 и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. README описывает обучение полной модели на WebLI; размер текстовой башни отдельно не приводится.

Это текстовая башня SigLIP 2 Large, подготовленная Veritone как облегчённая копия google/siglip2-large-patch16-512. Она преобразует текстовые запросы и метки в общее пространство эмбеддингов с изображениями; отдельно загружается для этапа поиска, а парная зрительная башня размещена в Veritone/siglip2-large-patch16-512-vision. Модель предназначена для классификации изображений по заданным текстовым меткам без специального дообучения и для поиска изображений по текстовому запросу в связке с соответствующей зрительной башней. Архитектура — SigLIP 2 Large; модель использует только текстовую башню, поддерживает английский текст и контекст длиной 64 токена. Для загрузки указана библиотека Transformers, веса доступны в формате safetensors. Лицензия — Apache-2.0. Поскольку в этой копии отсутствует зрительная башня, сама по себе она не обрабатывает изображения: для сопоставления с изображениями нужна совместимая зрительная башня. README не приводит отдельных результатов оценки именно этой копии.

mlx-community/siglip2-so400m-patch16-384 — модель компьютерного зрения, разработанная сообществом mlx-community и конвертированная в формат MLX из google/siglip2-so400m-patch16-384 с использованием mlx-lm. Модель предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по произвольным текстовым меткам без предварительного обучения на конкретных классах. Модель использует архитектуру SigLIP 2 с размером So400M, размером патча 16 и входным разрешением 384 пикселя. Она формирует оценки соответствия для пар «изображение—текст», которые можно преобразовать в вероятности с помощью сигмоиды. Модель работает в формате MLX и подключается через библиотеку mlx-embeddings; библиотека Transformers указана в метаданных. Модель подходит для zero-shot-классификации, поиска изображений по текстовым описаниям и оценки семантического соответствия между изображениями и подписями. Лицензия Apache-2.0 разрешает использование, модификацию и распространение при соблюдении её условий.

mrp/simcse-model-m-bert-thai-cased — модель на основе mBERT, дообученная методом SimCSE на тайской Википедии. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель подходит для поиска похожих фрагментов текста и группировки тайских текстов по смыслу. Архитектура — BERT; число параметров составляет 205,1 млн, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

tramy-encoder — дообученная модель эмбеддингов на архитектуре BERT, созданная на основе alphaedge-ai/multilingual-e5-small-vie-32768. Она предназначена для поиска по запросам на вьетнамском и английском языках, особенно для туристического помощника и ответов на вопросы по сохранённым инструкциям, документам и фрагментам текста. Модель формирует векторы размерности 384 и рассчитана на асимметричный поиск в векторных базах, включая Qdrant; длина контекста — 512 токенов. Для архитектуры E5 в README указано обязательное использование префиксов при формировании входа. Модель распространяется в формате safetensors по лицензии Apache-2.0.

UniSkill_Bert — англоязычная модель классификации текста, разработанная Nurlan Musazade и соавторами для сопоставления университетских курсов с профессиональными компетенциями из таксономии ESCO. Она дообучена на базе google-bert/bert-base-uncased и предназначена для систем поиска и рекомендаций, которые связывают курсы с навыками или навыки с курсами. В исследовании сопоставляются названия курсов и навыки, а также отдельные предложения описаний курсов и навыки; авторы сообщают F1 87% на части размеченных данных. Модель построена на BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она выпущена в формате safetensors и распространяется по лицензии Apache-2.0. Результаты относятся к graduate-level курсам и ограниченным группам профессий ESCO, поэтому качество на других предметных областях и наборах навыков может отличаться.

victormuryn/use-token-shuffle-no-pt — модель Sentence Transformers, дообученная на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она использует архитектуру XLM-RoBERTa и формирует векторные представления предложений. Модель обучена на украинском корпусе UberText 2.0 с контрастивной целью и аугментацией перемешиванием токенов без pool targets; она входит в исследовательскую коллекцию вариантов обучения украинских эмбеддингов. Модель предназначена для получения эмбеддингов украинских текстов, которые можно применять для семантического сравнения и поиска. Параметров — 305,2 млн, контекст — до 514 токенов. Лицензия Apache-2.0. Карточка описывает экспериментальную стратегию обучения, но не приводит сравнительных оценок качества или результатов тестирования.

timm/vit_pe_spatial_gigantic_patch14_448.fb — вариант энкодера изображений Perception Encoder Spatial, разработанный Meta и представленный в библиотеке timm. Это модель семейства Vision Transformer с патчами 14 пикселей и входным разрешением 448 пикселей; репозиторий содержит только энкодер изображений и веса в форматах PyTorch и Safetensors. Модель предназначена для извлечения детализированных визуальных признаков, которые можно использовать в задачах классификации, поиска по изображениям и плотного предсказания, включая обнаружение объектов и сегментацию. Пространственные признаки PE Spatial уточнены с помощью дистилляции от промежуточных слоёв PE Core и обучения на масках SAM 2.1; в README приведены результаты на ADE20k, LVIS и COCO. Лицензия — Apache-2.0. Модель принимает изображения и выдаёт визуальные представления; естественный язык не является её основным входом или выходом. README не сообщает конкретный размер модели и длину контекста.

Qwen/WorldPM-72B-UltraFeedback — модель предпочтений, разработанная авторами WorldPM и дообученная на 100 тысячах примеров датасета UltraFeedback. Это плотная архитектура Qwen2 с 71,5 млрд параметров, реализованная как Qwen2ForRewardModel. Модель оценивает ответы языковых моделей по предпочтениям и подходит для ранжирования кандидатов, отбора более качественных ответов и оценки их релевантности. Модель рассчитана на текстовый ввод и выдаёт оценку, используемую для классификации или сравнения ответов. В карточке указаны английский язык и контекст до 2048 токенов. Авторы отмечают, что предпочтения в объективных областях масштабируются лучше, чем субъективные оценки: модель может сохранять стилистические предпочтения, поэтому результаты субъективного оценивания могут быть менее надёжными. Для оптимального качества на конкретной задаче README рекомендует дополнительное дообучение. Лицензия — Apache-2.0.

ALM2Vec-FT — дообученная модель эмбеддингов аудио, разработанная на базе MiDashengLM-7B-0804-fp32. Она преобразует аудио и текст в общее векторное пространство для поиска и сопоставления; запрос на естественном языке позволяет направлять представление аудио на нужный аспект звучания. Модель предназначена для двустороннего поиска аудио по тексту и текста по аудио, поиска по речи, а также сопоставления аудиозаписи и вопроса с вариантами ответа. В отличие от обычных моделей для сопоставления аудио с описаниями, ALM2Vec-FT ориентирована на разные аудиодомены, типы задач и намерения пользователя. Она принимает аудио и текст и выдаёт эмбеддинги для поиска и ранжирования. В метаданных указан английский язык; размер базовой модели — 7 млрд параметров. Для работы нужны Transformers версии 4.52 или выше, PyTorch и Safetensors; для аудио не в WAV также требуется Torchaudio. Карточка указывает на необходимость GPU и загрузку весов объёмом около 31 ГБ, а также использование trust_remote_code=True. Модель распространяется по лицензии Apache-2.0.

dragonkue/bge-reranker-v2-m3-ko — корейски оптимизированная версия многоязычного переранжировщика BAAI/bge-reranker-v2-m3, дообученная автором dragonkue. Это cross-encoder на архитектуре XLM-RoBERTa с примерно 659 млн параметров: модель принимает пару «запрос — фрагмент документа» и выдаёт оценку их релевантности, которую можно преобразовать в значение от 0 до 1 с помощью sigmoid. Контекст составляет до 8194 токенов. Модель предназначена для переупорядочивания результатов семантического поиска и повышения точности поиска по корейским текстам, в том числе в RAG-сценариях. README приводит результаты тестирования на корейском бенчмарке для финансового сектора, где базовый bge-reranker-v2-m3 показал высокие значения среди сравниваемых cross-encoder-моделей. Как и другие cross-encoder, она медленнее bi-encoder при обработке большого числа пар, поэтому обычно применяется для повторной оценки ограниченного набора кандидатов. Лицензия — Apache-2.0.

ColQwen3-VL-Embedding-2B-vdr — мультимодальный многовекторный энкодер, дообученный авторами tomaarsen на базе Qwen/Qwen3-VL-Embedding-2B с использованием Sentence Transformers и набора llamaindex-vdr-en-train-preprocessed из 10 000 примеров. Модель преобразует текст, изображения и видео в последовательности 128-мерных векторов на уровне токенов и оценивает соответствие запросов и документов методом позднего взаимодействия MaxSim. Модель предназначена прежде всего для семантического поиска по визуальным документам и другим мультимодальным данным: она сопоставляет текстовые запросы с изображениями, сохраняя отдельные векторы для токенов вместо сведения всего ввода к одному вектору. Заявленная максимальная длина последовательности — 262 144 токена. В README приведены результаты оценки на vdr-eval-hard, включая maxsim_accuracy@1 0,8467 и maxsim_accuracy@5 0,98. Модель использует библиотеку Sentence Transformers и распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

camenduru/dinov3-vitl16-pretrain-lvd1689m — это вариант визуальной модели DINOv3, разработанной Meta AI и представленной в формате Transformers. Модель основана на Vision Transformer ViT-L с патчами 16×16; в метаданных указано 402,7 млн параметров. Она принимает изображения и формирует плотные признаки: представление класса, токены патчей и регистрационные токены. Для изображения 224×224 архитектура ViT-L использует 201 токен, а изображения большего размера поддерживаются при размерах, кратных 16 пикселям. Модель предназначена для извлечения универсальных визуальных признаков и использования в последующих задачах без обязательного дообучения. Полученные признаки подходят для поиска похожих изображений, классификации, сегментации, оценки глубины и обнаружения объектов; поддерживаемый pipeline Hugging Face — image-feature-extraction. Репозиторий указывает базовую модель facebook/dinov3-vit7b16-pretrain-lvd1689m и связь finetune. Модель распространяется по лицензии DINOv3 License (в метаданных лицензия обозначена как other). К ограничениям относятся снижение качества в низкодоходных регионах и различия результатов между географическими регионами; дообучение может усилить смещения, присутствующие в метках.

EmotiSpace-128 — англоязычная модель на базе BERT, разработанная автором репозитория lunahr. Она преобразует текст в нормализованный эмоциональный эмбеддинг размерности 128 и одновременно выдаёт логиты и вероятности меток эмоций в стиле GoEmotions. Модель дообучена на google-bert/bert-base-uncased с размороженными последними четырьмя слоями BERT и поддерживает контекст до 512 токенов. Модель предназначена для классификации эмоций, поиска текстов с близким эмоциональным смыслом по косинусному сходству, работы с пользовательскими эмоциональными якорями, отслеживания настроения диалога и передачи эмоциональных сигналов в системы управления тоном или просодией речи. Классификатор ограничен набором меток GoEmotions, тогда как эмбеддинги позволяют задавать собственные эмоциональные якоря, которые следует проверять для конкретного применения. Модель оценивает эмоциональный смысл текста, а не испытывает эмоции; её выводы не подходят для психологической диагностики или оценки психического здоровья. Лицензия — Apache-2.0.

FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel-GPT3_BASEL_FULL-notrescaled_120000 — модель Sentence-Transformers на архитектуре BERT с 433,9 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для семантического поиска, сравнения сходства и кластеризации. В README указано обучение с MarginDistillationLoss; модель принимает текст и выдаёт эмбеддинги. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой sentence-transformers. Карточка не указывает базовую модель или лицензию, поэтому их нельзя надёжно определить. Название и описание обучения указывают на экспериментальную модель, связанную с GPL и F R Pile; качество и применимость за пределами описанных задач не подтверждены.

Fusion Embedding 2 2B Preview — мультимодальная модель эмбеддингов Eximius Labs на базе Qwen3-VL-Embedding-2B. Она преобразует текст, изображения, видео и аудио в векторы общего пространства для поиска и сопоставления. Текстовые, визуальные и видеовекторы совпадают с исходной базовой моделью побитово; для аудио обучены 60,6 млн параметров адаптеров и преобразователь признаков аудиобашни Qwen2.5-Omni, при этом основная модель и аудиобашня заморожены. Всего в модели около 2,06 млрд параметров базовой модели и 640 млн параметров аудиобашни. Основная версия рассчитана на поиск по аудио и тексту, мультимодальный поиск, RAG и кластеризацию. Отдельная версия с настройкой на ключевые слова подходит для поиска по произнесённым командам. Модель также может использоваться для сопоставления аудио с изображениями, хотя этому соответствию её напрямую не обучали. В README отмечены слабые результаты на задачах кластеризации и снижение качества распознавания эмоций по голосу; показатели на части тестов могут быть затронуты пересечением обучающих данных и тестовых выборок. Это предварительная исследовательская версия, распространяемая по лицензии CC-BY-NC-4.0.

LumynaX Embed IBM Granite 278M Multilingual — архивный эксперимент AbteeX AI Labs на базе многоязычной модели эмбеддингов IBM Granite. Веса базовой модели сохранены без изменений; интеграция выполнялась через маршрутизацию во время работы и привязку идентичности. Архитектура — плотный энкодер XLM-RoBERTa с 305,2 млн параметров, реализованный на Sentence Transformers; репозиторий содержит веса PyTorch в формате Safetensors. Нативная длина контекста — 514 токенов. Модель предназначена для получения текстовых эмбеддингов, семантического поиска, извлечения релевантных документов и сравнения предложений. В метаданных отмечены английский и маори; базовая модель заявлена как многоязычная. Карточка помечает выпуск как устаревший и не рекомендует его для промышленного применения. Лицензия — Apache 2.0.