I.12Рекомендации и персонализация

Это текстовая башня SigLIP 2 Large, подготовленная Veritone на основе google/siglip2-large-patch16-256. Репозиторий содержит только часть модели, которая кодирует текстовые запросы в общее пространство эмбеддингов; её можно загружать отдельно от зрительной башни, чтобы сократить расход памяти и время загрузки при поиске. Модель предназначена для сопоставления текстовых запросов с изображениями при поиске по изображениям и классификации без примеров. Для полного сценария нужны соответствующие эмбеддинги изображений, которые создаёт зрительная башня Veritone/siglip2-large-patch16-256-vision. Архитектура — SigLIP 2 Large; модель использует Transformers и формат safetensors. Контекст составляет 64 токена. Обучение SigLIP 2 проводилось на наборе WebLI. Лицензия — Apache 2.0. Эта копия включает только текстовую башню: сама по себе она не принимает изображения и не выполняет полноценную классификацию без зрительной башни или заранее рассчитанных эмбеддингов изображений. README не сообщает языковой охват и результаты оценки именно этой копии.

SmallReason-ColBERT (32M) — англоязычный поисковый ретривер с поздним взаимодействием ColBERT, разработанный авторами исследования SmallReason-ColBERT. Модель содержит около 31,9 млн параметров и дообучена на базе mixedbread-ai/mxbai-edge-colbert-v0-32m для поиска по запросам, требующим многошагового рассуждения. Для каждого токена запроса и документа формируются векторы, а релевантность оценивается через MaxSim; дополнительная небольшая головка из 129 параметров взвешивает токены запроса. Контекст модели — 7999 токенов. Модель предназначена для семантического поиска и повторного ранжирования документов, особенно по длинным, сложным и насыщенным символами запросам. В README приведён результат 21,41 mean nDCG@10 на BRIGHT; для использования головки важен специальный загрузчик WeightedColBERT.from_base из сопутствующего репозитория: обычная загрузка PyLate её молча пропускает и даёт базовый вариант с более низким результатом. Модель поддерживает английский язык и распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Многовекторное представление требует больше памяти для хранения документов и вычислений при поиске, чем одно-векторный retrieval. Головка может ухудшать качество на очень коротких запросах; на OBLIQ-Bench модель показывает слабый результат, а обучение опирается на синтетические данные и mined hard negatives, чьи смещения могут наследоваться моделью.

Twitter-XLM-Roberta-base — многоязычная модель семейства XLM-Roberta, разработанная Cardiff NLP и обученная примерно на 198 млн твитов. Это базовая модель с архитектурой XLMRobertaForMaskedLM, примерно 305,2 млн параметров и контекстом до 514 токенов; доступны веса PyTorch и TensorFlow. Модель предназначена для работы с многоязычными сообщениями из Twitter: она предсказывает замаскированные токены, а также может использоваться для вычисления сходства твитов, в том числе между текстами на разных языках. Это полезно для анализа и поиска похожих публикаций в социальных сетях. Карточка не приводит точный список поддерживаемых языков и лицензию, поэтому их нельзя уточнить по предоставленным данным. Модель обучена на твитах, и её качество на других жанрах текста не подтверждено в карточке.

Карточка модели MyAlbum/ViT-B-16-SigLIP2 на Hugging Face совпадает с карточкой timm/ViT-B-16-SigLIP2, поэтому описание составлено по ней. timm/ViT-B-16-SigLIP2 — визуально-языковая модель семейства SigLIP 2, обученная на наборе WebLI и преобразованная из исходных контрольных точек JAX проекта Big Vision для использования в OpenCLIP. Это контрастивный энкодер изображений и текста, предназначенный для классификации изображений без дополнительного обучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Модель принимает изображения и текстовые описания, оценивает их соответствие и подходит для поиска изображений по тексту и классификации с произвольными текстовыми метками. В карточке указана поддержка многоязычного визуально-языкового обучения SigLIP 2; конкретные языки этой версии не перечислены. Модель распространяется в форматах PyTorch и safetensors и доступна на условиях Apache-2.0. Это конверсия исходных контрольных точек, а не отдельное дообучение. Карточка не сообщает конкретный размер модели, длину контекста или ограничения качества; результаты могут зависеть от формулировок текстовых меток и домена изображений.

Это дообученная модель Sentence Transformers на базе bkai-foundation-models/vietnamese-bi-encoder, разработанная для векторного представления вьетнамских текстов о туризме. Она использует архитектуру RoBERTa с усреднением токенных представлений и формирует плотные эмбеддинги размерности 768; сходство между ними можно оценивать косинусной мерой. Модель предназначена для семантического поиска, сопоставления запросов с текстами, поиска перефразировок, кластеризации и классификации текстов. В README приведена оценка на задаче поиска информации: точность cosine_accuracy@1 составляет 0,9323, @3 — 0,9825, @5 — 0,99. Максимальная длина входа — 256 токенов по README и 258 токенов по метаданным. Репозиторий использует формат safetensors и библиотеку Sentence Transformers. README не содержит сведений о лицензии.

dpk-sethiii/catalogiq-biencoder — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, разработанный для семантического поиска по текстам, связанным с товарами. Модель кодирует предложения и абзацы в плотные векторы размерности 384; архитектура включает энкодер BERT, усредняющий пулинг и нормализацию. Для сравнения векторов можно использовать косинусное сходство. В метаданных указан размер 25,9 млн параметров и контекст до 512 токенов; README сообщает максимальную длину последовательности 128 токенов. Модель обучалась на 36 парах описаний наушников и предназначена для извлечения релевантных текстов, например поиска похожих товарных карточек. README приводит оценку cosine accuracy 0,8 на dev-наборе, однако малый объём обучающих данных и узкая товарная тематика ограничивают перенос результатов на другие области. Поддерживается текстовый ввод; лицензия в предоставленных данных не указана.

Chinese-CLIP ViT-L/14 — крупная версия модели OFA-Sys, построенная по принципу CLIP для сопоставления изображений и китайского текста. Она использует визуальный энкодер ViT-L/14 и текстовый энкодер RoBERTa-wwm-base; обучение проводилось на наборе примерно из 200 миллионов китайских пар «изображение — текст». Модель распространяется в формате PyTorch. Модель предназначена для классификации изображений по текстовым описаниям без специального обучения на новых классах, а также для вычисления эмбеддингов изображений и текста и оценки их сходства. Эти возможности подходят для поиска изображений по китайскому запросу и поиска текста по изображению. В карточке приведены результаты на наборах MUGE, Flickr30K-CN и COCO-CN, а также для zero-shot-классификации. Модель ориентирована на китайский язык и визуально-текстовые задачи. Лицензия в предоставленных данных не указана.

Это мультимодальная модель CLIP ViT-B/32, обученная Mehdi Cherti с помощью OpenCLIP на датасете DataComp-1B. Она сопоставляет изображения и текст и предназначена для классификации изображений по произвольным текстовым меткам без дообучения, поиска изображений по тексту и поиска текстов по изображению. Модель использует визуальный энкодер ViT-B/32 и входное разрешение 256×256 пикселей. В тестах на наборе из 38 датасетов модель показала точность 72,7% zero-shot top-1 на ImageNet-1k, а на COCO captions — recall@5 64,4% для поиска изображений и 80,7% для поиска текстов. Доступны веса PyTorch и safetensors; лицензия — MIT. Карточка рекомендует исследовательское применение и предостерегает от развёртывания без тщательной проверки на конкретной задаче и фиксированном наборе классов: качество зависит от формулировок и таксономии меток. Распознавание лиц и наблюдение указаны как недопустимые сценарии; модель может наследовать смещения и риски из неотфильтрованных данных обучения.

DialogRPT-updown — модель ранжирования ответов в диалоге, разработанная группой Microsoft Research NLP. Она оценивает, насколько вероятно, что ответ получит голос за в контексте диалога; оценку можно использовать для сортировки нескольких кандидатов, созданных другой диалоговой моделью, например DialoGPT. Модель относится к семейству GPT-2 и реализована как классификатор последовательностей на PyTorch; длина контекста составляет до 1024 токенов. Модель обучена на более чем 100 миллионах примеров человеческой обратной связи и предназначена для выбора предпочтительного ответа, а не для генерации диалогов. Карточка описывает задачу updown; отдельные модели семейства DialogRPT предназначены и для других видов обратной связи. Лицензия в предоставленных данных не указана.

ff13/fashion-clip — модель семейства CLIP, представленная в формате ONNX для использования с Transformers.js. Репозиторий содержит веса ONNX и предназначен для запуска модели в веб-среде. По названию модель ориентирована на задачи с изображениями в сфере моды, однако README не описывает обучение, конкретные сценарии или характеристики исходной модели.

Japanese CLIP — контрастивная модель для сопоставления изображений и японского текста в общем пространстве эмбеддингов, разработанная Recruit Co., Ltd. Она использует визуальный энкодер CLIP-ViT-B-32 и текстовый энкодер Japanese RoBERTa-base и обучена на 128 млн пар изображений и текстов из японской части LAION2B-multi. Модель предназначена для поиска изображений по японскому запросу и текста по изображению, классификации изображений без дополнительного обучения по заданным текстовым меткам, а также извлечения признаков изображений и текста. Карточка описывает оценки на наборах для классификации и двунаправленного поиска изображение–текст; для ImageNet V2 и Food101 метки классов были переведены на японский. Модель ориентирована на японский язык и задачи сопоставления текста с изображениями. Лицензия — CC-BY-4.0; разработчик не гарантирует точность и полезность результатов и не несёт ответственности за ущерб, связанный с использованием модели.

Laya-Multilingual-MXFP4 — квантованный мультиязычный энкодер ModernBERT/mmBERT от автора репозитория, основанный на convaiinnovations/laya. Он предназначен для извлечения признаков из текста и создания пользовательских MLX-голов на Apple Silicon; это только энкодер, без отдельной обученной головы принятия решений и без генерации текста. Репозиторий содержит около 306,9 млн параметров по метаданным, использует формат safetensors и библиотеку MLX. Контекст — до 8192 токенов по метаданным; README описывает исходную архитектуру mmBERT-base как модель для более чем 100 языков. MXFP4-квантизация уменьшает размер модели на диске примерно до 163 МБ. README сообщает о проверке совпадения результатов портированного энкодера с исходной реализацией, но также отмечает заметное отклонение скрытых состояний после квантизации и возможные изменения ранжирования близких вариантов ответа. Для точных оценок и чувствительных к разрешению ничьих решений рекомендуется исходный bf16/fp32 энкодер. Лицензия в предоставленных данных не указана.

mesolitica выпустила текстовую embedding-модель на базе Llama 2 для получения векторных представлений текста. Модель содержит 1,7 млрд параметров и распространяется в формате safetensors. Обучение проводилось на малайскоязычных текстах с контрастивной функцией потерь и последовательностями до 8 тысяч токенов; при инференсе заявлена возможность работы с контекстом до 32 768 токенов. Модель предназначена для извлечения признаков и построения эмбеддингов, например для поиска и сравнения текстов на малайском языке. В README приведён пример результата размером 12 × 1536. Лицензия в предоставленных данных не указана.

Это конверсия MetaCLIP 2 Worldwide в формате Keras 3 от zeromodels на основе facebook/metaclip-2-worldwide-b16-384. Модель с архитектурой CLIP использует два энкодера для сопоставления изображений и текстовых описаний и классификации изображений без заранее заданного набора классов. Реализация работает с TensorFlow, PyTorch и JAX. Модель рассчитана на многоязычную классификацию без обучения на конкретных классах: можно сравнивать изображение с текстовыми подсказками на разных языках. Worldwide-вариант использует словарь XLM-RoBERTa из 901 тысячи токенов; README рекомендует применять соответствующий модели процессор для согласования размера изображения и токенизатора. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

MetaCLIP B/32 FullCC2.5B — модель семейства CLIP, разработанная командой MetaCLIP и представленная в работе Demystifying CLIP Data. Версия обучалась на 2,5 млрд примеров из CommonCrawl; обозначение B/32 указывает на базовый размер модели и разрешение патчей 32. Модель сопоставляет изображения и текст в общем пространстве представлений и предназначена для сценариев zero-shot классификации изображений и поиска по текстовому или визуальному запросу. Модель принимает изображение или текст и формирует векторные представления, по которым можно оценивать соответствие между ними. Это позволяет классифицировать изображения по текстовым описаниям без обучения отдельного классификатора, находить изображения по запросу и подбирать текст к изображению. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ritulk/MPNET-fine-tuned-political-clustering — текстовая Sentence Transformer модель на архитектуре MPNet, дообученная на базе microsoft/mpnet-base на датасете projecte-aina/sts-ca. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель использует усреднение токенных представлений и косинусное сходство; её контекст составляет до 512 токенов по карточке модели и 514 токенов по метаданным. Обучение на каталонском датасете семантического сходства и указанные языки en и ca делают её подходящей прежде всего для английского и каталонского текста. Лицензия Apache-2.0. Показатели оценки в README различаются между наборами данных; результаты могут зависеть от языка и предметной области, поэтому качество для русского и политической тематики не подтверждено приведёнными данными.

Карточка модели AndreasAtlasio/siglip2-so400m-embed на Hugging Face совпадает с карточкой google/siglip2-so400m-patch14-384, поэтому описание составлено по ней. SigLIP 2 So400m — модель визуального кодировщика от Google, обученная для совместного понимания изображений и текста. Она развивает подход SigLIP, объединяя несколько методов предобучения; в карточке Hugging Face указана архитектура семейства SigLIP и библиотека Transformers. Модель предварительно обучена на наборе WebLI. Модель подходит для классификации изображений по текстовым меткам без специального обучения, поиска соответствий между изображениями и текстом, а также для использования в качестве визуального энкодера в мультимодальных языковых моделях и других задачах компьютерного зрения. Она принимает изображения и текстовые описания или метки и формирует представления, используемые для сопоставления и классификации. Модель распространяется по лицензии Apache-2.0. Оценочные результаты приведены в README со ссылкой на исследовательскую работу; конкретные ограничения и показатели качества для отдельных сценариев в доступных материалах не описаны.

Модель ahmedHamdi/story-similarity-mpnet-plots-es-en-NE-Masked — дообученная с помощью AutoTrain модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для оценки семантического сходства предложений. Она кодирует текст в плотные векторы, которые можно сравнивать для поиска похожих сюжетов и других текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и формат safetensors; максимальная длина контекста — 514 токенов. Для использования требуется библиотека Sentence Transformers. В карточке указана метрика loss 0,915, но её методика и качество на практических данных не описаны. Лицензия в доступных сведениях не приведена.

Модель sentence-transformers, созданная AhmedHamdi дообучением sentence-transformers/all-mpnet-base-v2 на задаче сходства предложений. Она предназначена для кодирования текстов в векторы и сравнения сюжетов или описаний историй на португальском и английском языках; её можно применять для семантического поиска, ранжирования похожих текстов и группировки сюжетов. Архитектура MPNet содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт эмбеддинги. В README приведена метрика loss 0,0507, но набор данных и методика оценки не описаны, поэтому результат не позволяет оценить качество на других типах текстов. Формат весов — safetensors; лицензия в предоставленных данных не указана.

NeuML/word2vec-quantized — квантованная статическая модель векторных представлений слов, подготовленная NeuML для библиотеки StaticVectors. Она предназначена для получения эмбеддингов слов и сравнения сходства предложений; запускать инференс можно на Python с NumPy. Модель использует Word2Vec и 10×256 Product Quantization, что сокращает размер представлений. Репозиторий содержит веса в формате safetensors, а метаданные указывают библиотеку staticvectors и английский язык. Лицензия — Apache-2.0. Карточка описывает получение векторов слов, но не приводит оценок качества или подробностей об ограничениях квантования.

Карточка модели aaabushiren/fg-clip2-base на Hugging Face совпадает с карточкой qihoo360/fg-clip2-base, поэтому описание составлено по ней. FG-CLIP 2 — двуязычная модель визуально-текстового выравнивания для детального понимания изображений и текста. В карточке указаны авторы Chunyu Xie, Bin Wang и коллеги; модель доступна в репозитории qihoo360 и предназначена для английского и китайского языков. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию изображений без дополнительного обучения, а также поиск по изображению и тексту. Авторы сообщают о проверке на 29 наборах данных и восьми задачах, где FG-CLIP 2 превзошла ряд сильных базовых моделей, включая SigLIP 2 и MetaCLIP 2. Архитектура FG-CLIP 2 представлена классом Fgclip2Model; для загрузки в README приведён интерфейс Transformers с обработкой изображений и токенизатором. Модель принимает изображения и текстовые запросы и формирует выравненные представления для сопоставления и классификации. Репозиторий содержит веса в формате Safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

LLM2CLIP-Llama-3-8B-Instruct-CC-Finetuned — текстовый энкодер семейства Llama, разработанный Microsoft совместно с исследователями из Университета Тунцзи. Это компонент подхода LLM2CLIP: энкодер дообучен на подписях к изображениям с помощью контрастивного обучения, чтобы получать текстовые эмбеддинги, лучше различающие содержание длинных и сложных описаний. В README указаны обучающие данные CC3M, CC12M, YFCC15M и подмножество Recap-DataComp-1B. Модель предназначена для сопоставления текстов с изображениями и поиска по изображениям или текстовым описаниям. Веса опубликованы в формате safetensors; метаданные указывают 7,5 млрд параметров, контекст до 8192 токенов и лицензию Apache-2.0. README сообщает об улучшениях в межъязыковом поиске и задачах retrieval в составе LLM2CLIP, но отмечает, что результаты PyTorch могут отличаться от результатов версии Hugging Face.

MetaCLIP H/14 — модель семейства CLIP, выпущенная командой MetaCLIP и представленная в работе Xu и соавторов «Demystifying CLIP Data». Это крупная версия с разрешением патчей 14, обученная на 2,5 миллиарда примеров CommonCrawl. Модель сопоставляет изображения и текст в общем пространстве эмбеддингов. Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, поиска изображений по запросу и поиска текста по изображению. Карточка не приводит сведения о поддерживаемых языках или длине контекста. Доступны веса PyTorch и Safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

nomic-embed-text-v1-unsupervised — текстовый энкодер семейства NomicBert, выпущенный Nomic AI как промежуточный чекпойнт многоэтапного контрастивного обучения. Он предназначен для преобразования текста в эмбеддинги, пригодные для вычисления семантического сходства и других задач поиска по векторному представлению. Модель принимает текст и формирует векторные представления; заявленная длина контекста составляет 8192 токена. В метаданных указаны английский язык, библиотека sentence-transformers и форматы PyTorch и ONNX. Это артефакт обучения, а не рекомендуемая для обычного извлечения эмбеддингов версия: автор предлагает для практического использования nomic-embed-text-v1. Лицензия Apache-2.0. Карточка не сообщает дополнительных ограничений по качеству или применению.

Plumb-4B — дообученная модель принятия решений от crh225 на базе alibiserikbay/JevK5. Она принимает свидетельства, вопрос и от 2 до 16 вариантов, а одним проходом модели выдаёт вероятности для каждого варианта, не генерируя токены. Поддерживаются вопросы «да/нет», выбор из вариантов и оценка по порядковой шкале. Модель построена на плотной архитектуре Qwen3.5 и содержит 3,4 млрд параметров. Она предназначена для классификации решений, оценки вариантов и калиброванного ранжирования ответов; карточка сообщает о температуре калибровки 2,07 и приводит результаты на JevBench. Заявленная длина контекста — 262 144 токена. Для запуска через описанный в карточке runtime требуется CUDA GPU примерно с 10 ГБ свободной памяти при использовании bf16; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. В качестве ограничений карточка описывает оценку на JevBench и собственных наборах, но не подтверждает качество на широком спектре задач или реальных рабочих процессах. Результаты и задержки зависят от набора решений и оборудования; приведённые метрики получены на RTX 4080 Super.

SigLIP base patch16-224 — мультимодальная модель Google для сопоставления изображений и текста, предобученная на англоязычных парах WebLI. Она использует архитектуру SigLIP и функцию потерь на основе sigmoid, которая обучает оценивать пары изображение–текст без нормализации по общей матрице сходства. Модель обрабатывает изображения с разрешением 224×224 и текстовые последовательности длиной до 64 токенов. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения и поиска изображений по тексту или текста по изображению. Её можно применять для классификации по пользовательским категориям и поиска подходящих изображений в коллекции. Данные карточки не приводят размер модели и количественные результаты оценки; обучение проводилось на английских парах изображений и текста, поэтому качество для других языков не подтверждено. Лицензия — Apache-2.0.

SKILLRET-Edge-109M — компактная двуязычная архитектурно BERT-модель для подбора навыков агента по запросу на естественном языке. Её разработчик — ThakiCloud. Модель преобразует запросы и описания навыков в L2-нормализованные эмбеддинги; для извлечения признаков используется Sentence Transformers, а длина контекста составляет 512 токенов. В карточке указан размер 109,5 млн параметров, а метаданные каталога указывают 136,7 млн параметров. Модель предназначена для семантического поиска и ранжирования навыков в каталоге: например, чтобы сопоставить просьбу пользователя с подходящим навыком агента. Она дообучена дистилляцией SKILLRET-Embedding-0.6B на датасете SKILLRET. В тесте авторов на публичном разбиении из 4 392 запросов и 6 006 навыков fp16-вариант получил NDCG@10 79,18; эти результаты зависят от протокола оценки. Запросы следует кодировать без префикса-инструкции, согласованно с обучением и оценкой. Модель принимает текст и выдаёт векторы эмбеддингов. README сообщает о вариантах fp16 и int8, но также отмечает, что INT2/тернарная постквантовка резко ухудшила результат. Лицензия — Apache-2.0.】【。

Space-Time-MiniLM-v0 — модель кодирования предложений и коротких абзацев, разработанная как исследовательский проект в Department of Computer Science Американского университета Бейрута. Она строит плотные векторы размерности 384, учитывающие смысл текста и связанные с ним временные и пространственные сведения. Архитектура основана на BERT и предварительно обученной sentence-transformers/all-MiniLM-L6-v2; механизм внимания модифицирован для учёта времени и места, после чего модель дообучена на двух пользовательских наборах данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации с учётом контекста времени и географии. Вход включает текст и сведения о периоде и регионе; поддерживаются месяцы с января 2017 по декабрь 2021 года и регионы US, UK, CAN и AUS. README указывает усечение входа длиннее 128 токенов, хотя метаданные задают максимальный контекст в 512 токенов. Выход — векторное представление. Модель распространяется по лицензии Apache-2.0.

SynCSE-partial-RoBERTa-large — языковая модель для извлечения признаков, опубликованная SJTU-LIT и распространённая HKUST-NLP. Она основана на архитектуре RoBERTa и предназначена для получения векторных представлений текста, которые можно использовать в последующих NLP-задачах. В метаданных указано около 454,1 млн параметров, поддержка английского языка и контекст до 514 токенов. В README говорится об обучении на 26,2 тыс. синтетических примеров и о возможных стереотипных и вредоносных смещениях в предсказаниях. Карточка содержит противоречивые указания на родительскую модель: в тексте названа «RoBERTa-largbe», а пример загрузки использует SynCSE-partial-RoBERTa-base, поэтому точную базовую модель установить нельзя. Лицензия в предоставленных данных не указана.

Amu/tao — экспериментальная модель эмбеддингов на архитектуре BERT, опубликованная автором как пробная версия. По README, автор дообучил её на небольшом наборе данных, используя метод, похожий на stella-v2; модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений. Репозиторий содержит веса PyTorch, а заявленная длина контекста составляет 1024 токена. Карточка указывает поддержку китайского языка и лицензию Apache-2.0. Автор характеризует эту версию как тестовую и сообщает о планах выпустить tao-v2 с другой структурой.