I.14Автоматизация процессов и AI-агенты

jfarray/Model_paraphrase-multilingual-MiniLM-L12-v2_10_Epochs — модель Sentence Transformers на архитектуре BERT, дообученная для представления предложений и абзацев в виде плотных векторов размерности 384. Она подходит для поиска семантически близких текстов, кластеризации и сравнения сходства предложений. В README указана функция потерь CosineSimilarityLoss; размер модели составляет 124,3 млн параметров, а контекст ограничен 512 токенами. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для оценки смыслового сходства. README называет её многоязычной, однако конкретные поддерживаемые языки и условия лицензии в предоставленных данных не приведены.

NohTow/ModernBERT-base-DPR-fullneg-gte-0.0002 — модель Sentence Transformers на базе ModernBERT, обученная на наборе bge-full-data. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной близостью. Архитектура использует ModernBertModel и усреднение токенных представлений, максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В README приведены оценки поиска на наборах Nano BEIR и отдельных задачах Nano BEIR; результаты различаются по датасетам и не гарантируют аналогичного качества в других сценариях. Веса доступны в формате safetensors; лицензия в предоставленных данных не указана.

YeonwooSung/ModernBERT-large-msmarco-v3-bpr — модель Sentence Transformers, дообученная разработчиком на базе answerdotai/ModernBERT-large с использованием BPRLoss на 498 970 примерах. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними можно оценивать косинусной мерой. Архитектура состоит из энкодера ModernBERT-large с усреднением токенных представлений, максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Подходит для построения эмбеддингов длинных текстов; базовый ModernBERT описан как англоязычный энкодер. Лицензия в предоставленных данных не указана.

Xavarary/mpnet-base-all-medium-triplet — англоязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-distilroberta-v1 на датасете all-nli. Архитектура включает энкодер RoBERTa, усреднение токенных представлений и нормализацию; модель содержит 95,2 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 768. Максимальная длина входа — 514 токенов по метаданным; в карточке указано ограничение в 512 токенов. Модель предназначена для семантического сравнения текстов, поиска, поиска перефразировок, кластеризации и извлечения признаков для классификации. Её можно использовать для построения векторного поиска и оценки близости английских фраз. Обучение на парах и тройках all-nli и нормализованные эмбеддинги поддерживают сравнение векторных представлений. Модель распространяется по лицензии Apache-2.0. Карточка приводит результаты TripletEvaluator на all-nli-dev, однако значения cosine_accuracy заметно ниже dot_accuracy, поэтому способ сравнения векторов следует выбирать по результатам собственной проверки; опубликованные показатели ограничены указанным датасетом.

korruz/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers, дообученная на наборе sentence-transformers/all-nli из microsoft/mpnet-base. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из MPNetModel и слоя среднего объединения токенных представлений; сходство обычно оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель подходит для извлечения эмбеддингов английского текста и построения систем поиска или группировки по смыслу. В README приведены результаты TripletEvaluator на AllNLI: точность по cosine составила 0,906 на dev и 0,9186 на test. Лицензия — Apache-2.0. Она предназначена для английского языка; качество на других языках не подтверждено, а входы длиннее лимита последовательности потребуют усечения или разбиения.

tomaarsen/mpnet-base-gooaq-gor — текстовая модель Sentence Transformers, дообученная на парах вопросов и ответов набора GooAQ с функцией потерь GlobalOrthogonalRegularizationLoss. Она преобразует предложения и абзацы в плотные векторы размерности 768; близость текстов можно оценивать косинусным сходством. Модель основана на microsoft/mpnet-base и использует архитектуру MPNet с усреднением токенных представлений. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления вопросов с ответами, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В README приведены результаты оценки поиска на GooAQ-dev. Модель рассчитана на английский язык и распространяется по лицензии Apache-2.0.

Это текстовая модель Sentence Transformers, разработанная tomaarsen и дообученная на базе microsoft/mpnet-base на наборе GooAQ с трудными отрицательными примерами. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и сравнения их по косинусному сходству. Архитектура включает MPNetModel с усреднением токенных представлений; модель содержит 136,7 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и получения признаков для классификации текста. Она обучена на англоязычных вопросах и ответах GooAQ; лицензия Apache-2.0. Качество зависит от соответствия входных текстов английскому языку и тематике обучающих данных.

Это англоязычная модель Sentence Transformer, разработанная авторами репозитория tomaarsen и дообученная на microsoft/mpnet-base на наборе gooaq-hard-negatives. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения смыслового сходства, семантического поиска, поиска перефразировок, классификации текста и кластеризации. Для сравнения векторов можно использовать косинусное сходство. Модель построена на архитектуре MPNet с усреднением токенных представлений; она содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. README приводит оценку cosine_accuracy@1 0,799 на gooaq-dev, но результат относится к указанному набору оценки и не гарантирует аналогичное качество на других данных. Лицензия — Apache-2.0.

sieu-n/msmarco-distilbert-cos-v5_en-ko-ja_10epoch — модель Sentence-Transformers на архитектуре XLM-RoBERTa для получения плотных векторов предложений и абзацев размерности 768. Она предназначена для поиска семантически близких текстов и кластеризации; в README указано обучение с MSELoss. Метаданные указывают 305,2 млн параметров, контекст до 514 токенов и формат PyTorch. По названию репозитория модель ориентирована на английский, корейский и японский языки. Модель подходит для построения семантического поиска и сравнения текстов через эмбеддинги. README не приводит количественных результатов оценки, поэтому качество на конкретных данных следует проверять отдельно. Лицензия в предоставленных данных не указана.

sieu-n/msmarco-distilbert-cos-v5_en-ko-ja_v1.2 — модель на базе BERT, преобразующая предложения и абзацы в плотные векторы размерностью 768 для сравнения их смыслового сходства. Её можно использовать для семантического поиска и кластеризации текстов; в метаданных Hugging Face основной задачей указано сравнение предложений, а среди поддерживаемых также есть извлечение признаков. Модель содержит 124,3 млн параметров, принимает текст и формирует векторные представления. Контекст ограничен 512 токенами. В названии указаны английский, корейский и японский языки; карточка не описывает отдельные языковые ограничения или результаты оценки качества. Модель опубликована в формате PyTorch и доступна для использования через Sentence-Transformers. Условия лицензирования в предоставленных данных не указаны.

Модель sentence-transformers/msmarco-distilbert-multilingual-en-de-v2-tmp-lng-aligned разработана командой Sentence-Transformers. Это плотный энкодер на архитектуре DistilBERT, который преобразует предложения и абзацы в векторы размерности 768. Модель рассчитана на поиск семантически близких текстов и кластеризацию; для получения векторов используется библиотека Sentence-Transformers либо Transformers с подходящей операцией pooling. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для поиска по смыслу. Максимальная длина контекста составляет 512 токенов. Репозиторий содержит варианты в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель распространяется по лицензии Apache-2.0.

Это модель Sentence Transformers семейства XLM-RoBERTa, разработанная RZTK на основе yklymchuk-rztk/multilingual-e5-base-matryoshka2d-cached-mnr-multiple-datasets-large-1 и дообученная на наборах core_uk и core_ru. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размером 768 и поддерживает сравнение сходства по скалярному произведению. Модель подходит для семантического поиска, поиска похожих формулировок, кластеризации и классификации текста, в том числе для русскоязычных и украиноязычных данных. Архитектура включает XLMRobertaModel, усредняющий токены pooling-слой и нормализацию. Максимальная длина последовательности — 512 токенов; библиотека — Sentence Transformers. В README приведены результаты поиска на русских и украинских тестовых наборах, включая варианты с опечатками и транслитерацией. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformer, дообученная автором anhtuansh на базе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в плотные векторы размерностью 768; архитектура включает XLM-RoBERTa, усреднение токенов и нормализацию, а близость векторов можно оценивать косинусным сходством. Модель предназначена для семантического поиска, сопоставления текстов, поиска перефразировок, кластеризации и классификации текста. При дообучении использован набор json из 10 200 пар anchor-positive с MatryoshkaLoss и MultipleNegativesRankingLoss. Максимальная длина входа — 512 токенов по README и 514 токенов контекстного окна по метаданным. Многоязычная базовая модель позволяет работать с текстами на разных языках; в обучающих примерах есть вьетнамские юридические тексты. README приводит результаты оценки поиска, но не уточняет язык и состав тестовых данных. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

IoannisKat1 выпустил дообученную версию multilingual-e5-large для создания текстовых эмбеддингов. Модель построена на XLM-RoBERTa-large с архитектурой Sentence Transformer: усредняет токенные представления, нормализует результат и отображает предложения и абзацы в плотное векторное пространство размерности 1024. Максимальная длина входной последовательности — 512 токенов; для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска, сравнения сходства текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. В README описано дообучение на 82 парах anchor-positive и приведены метрики поиска при нескольких размерностях вектора; результаты зависят от выбранной размерности и тестового набора. Указанная лицензия — Apache-2.0.

multilingual-e5-small-GGUF — это GGUF-версия мультиязычной модели для создания текстовых эмбеддингов, разработанная на основе intfloat/multilingual-e5-small. Репозиторий cstr/multilingual-e5-small-GGUF выполняет только конвертацию и квантование весов; обучение, дообучение, слияние и изменение архитектуры не проводились. Модель предназначена для получения векторных представлений текста, семантического поиска, сравнения текстов и других задач, использующих эмбеддинги. Работает через CrispEmbed и Ollama, включая совместимые с OpenAI и Ollama API. Модель построена на архитектуре BERT, содержит около 118 млн параметров, 12 слоёв, использует mean pooling и токенизатор SentencePiece, а размерность эмбеддингов составляет 384. Поддерживается широкий набор языков, включая английский, русский, китайский, японский, корейский, арабский, хинди и многие другие. Доступны варианты F32, Q8_0, Q4_K, Q4_K с imatrix и IQ4_XS. Рекомендуется Q8_0: его близость к версии F32 составляет 0,9999 по cosine similarity при существенно меньшем размере файла. Четырёхбитные варианты экономят память, но могут немного снижать точность. Модель удобна для локального и ресурсоограниченного инференса благодаря компактным квантованным версиям и совместимости с несколькими API. Ограничения включают зависимость качества от выбранного уровня квантования и отсутствие в README подробностей о максимальной длине контекста, обучающих данных и результатах прикладных бенчмарков. Указана лицензия MIT; репозиторий распространяется на тех же условиях, что и исходная модель.

Fjoralb1 выпустил модель эмбеддингов на базе архитектуры BERT, предназначенную для преобразования предложений и абзацев в плотные векторы размерностью 128. Модель содержит 124,3 млн параметров и принимает текст с контекстом до 512 токенов. Векторы подходят для семантического поиска, сравнения сходства, кластеризации и других задач, где нужно находить близкие по смыслу фрагменты текста. Модель обучалась с MatryoshkaLoss и MultipleNegativesRankingLoss; обучение поддерживает представления разных размерностей, включая 128, 64, 32 и 16. Модель доступна в форматах PyTorch и Safetensors для библиотеки Sentence Transformers. В предоставленных материалах сведения о лицензии и конкретных поддерживаемых языках отсутствуют.

Это дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-small, разработанная автором репозитория srikarvar. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 384 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT-трансформер, усреднение токеновых представлений и нормализацию; сходство векторов оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель предназначена для многоязычных сценариев работы с текстами. В README приведены результаты бинарной классификации пар предложений: точность 0,93 и F1 0,9238 на указанных наборах pair-class-dev и pair-class-test. Веса опубликованы в формате safetensors; лицензия в доступных данных не приведена.

Abdul-Ib/multilingual-en-ar-2024 — модель на основе BERT из библиотеки Sentence Transformers, разработанная Abdul-Ib. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Название указывает на английский и арабский языки; README описывает модель как мультиязычную. Модель можно использовать для семантического поиска, группировки похожих фраз и построения систем сравнения предложений. Файлы модели опубликованы в формате safetensors. Условия лицензии в доступных данных не указаны.

dgroechel выпустил дообученную модель на архитектуре MPNet для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 768 и предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Для использования подходят Sentence-Transformers и Transformers; модель содержит 136,7 млн параметров и принимает контекст длиной до 514 токенов. README указывает на обучение с MarginDistillationLoss. Доступен формат PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Yunika/muril-base-sentence-transformer — модель на базе BERT, представленная как Sentence Transformers для получения плотных векторных представлений предложений и абзацев размерностью 768. Её обучили с TripletLoss на датасете embedding-data/QQP_triplets; модель подходит для семантического поиска, сравнения сходства текстов и кластеризации. Репозиторий содержит веса в формате safetensors, использовать модель можно через библиотеку sentence-transformers или Transformers с подходящей операцией pooling. Модель принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 512 токенов, всего в модели около 264,8 млн параметров. Лицензия в предоставленных данных не указана.

gavinqiangli/my-awesome-bi-encoder — дообученная модель Sentence Transformers на базе google-bert/bert-base-uncased. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для оценки семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Для сравнения векторов используется косинусное сходство; архитектура включает BERT и mean pooling. Метаданные указывают контекст до 512 токенов, тогда как в README максимальная длина последовательности указана как 128 токенов. Модель обучена на 103 663 примерах с MultipleNegativesRankingLoss. В README приведены результаты оценки бинарной классификации сходства, включая точность cosine_accuracy 0,7644 и F1 0,6959. Базовая модель англоязычная, а обучающие примеры также написаны на английском. Репозиторий содержит веса в формате safetensors. Условия лицензирования в предоставленных данных не описаны.

Карточка модели Pablongo/my-awesome-setfit-model на Hugging Face совпадает с карточкой lewtun/my-awesome-setfit-model, поэтому описание составлено по ней. lewtun/my-awesome-setfit-model — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения смысловой близости текстов. Модель подходит для семантического поиска и кластеризации текстов, а также для получения эмбеддингов, используемых в других системах. В README указано обучение с функцией потерь CosineSimilarityLoss. Для применения описана работа через Sentence-Transformers или Transformers с подходящей операцией pooling. Максимальная длина контекста — 514 токенов. Модель принимает текст и выдаёт векторы. В карточке нет сведений о лицензии или целевых языках, поэтому определить условия использования и языковую специализацию по доступным данным нельзя.

NepaliKD-SentenceTransformers-paraphrase-multilingual-MiniLM-L12-v2 — модель Sentence Transformers на базе архитектуры BERT, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 384. Она разработана для семантического поиска по данным на английском и непальском языках, а также подходит для кластеризации и сравнения смысловой близости текстов. Модель содержит 124,3 млн параметров, принимает текст и возвращает векторные представления. Максимальная длина контекста составляет 512 токенов. Для использования доступны веса PyTorch и совместимость с библиотеками Sentence Transformers и Transformers; при использовании Transformers требуется применить подходящую операцию pooling к выходам модели. Лицензия в предоставленных данных не указана.

nomic-embed-text-v1-GGUF — это набор файлов модели для построения векторных представлений текста в формате GGUF, совместимом с llama.cpp. Модель разработана Nomic и основана на nomic-embed-text-v1 с архитектурой BERT. Она предназначена для извлечения признаков, сравнения семантической близости предложений, поиска и построения RAG-приложений. Поддерживается английский язык, а перед каждым текстом требуется указывать соответствующий префикс задачи, например search_query:. Модель рассчитана на работу с текстом и поставляется в вариантах квантования Q2_K–Q8_0, F16 и F32, размер которых составляет примерно от 48 до 262 МиБ. llama.cpp использует контекст длиной 2048 токенов по умолчанию; для поддержки полного контекста в 8192 токена необходимо выбрать совместимый метод расширения контекста и параметры RoPE scaling. Разные варианты квантования позволяют выбирать компромисс между размером файлов и точностью эмбеддингов; README приводит среднеквадратичную ошибку относительно реализации Sentence Transformers. Сильными сторонами являются компактные GGUF-файлы, совместимость с llama.cpp и наличие нескольких уровней квантования для запуска на устройствах с разными ресурсами. Ограничения включают необходимость использовать task-префиксы, зависимость расширенного контекста от дополнительных настроек и отсутствие заявленной мультимодальности. Модель распространяется по лицензии Apache-2.0.

NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-NVFP4-GGUF — GGUF-представление NVFP4-квантизованной эластичной языковой модели NVIDIA. В одном чекпойнте заключены три вложенных варианта на 30B, 23B и 12B параметров с общим пространством весов; для генерации можно выбрать подходящий размер. Модель основана на NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 и сочетает Mamba-2, Transformer и Mixture-of-Experts. В базовой архитектуре 23 слоя Mamba-2 и MoE, 6 слоёв внимания, а в каждом MoE-слое — 128 экспертов и один общий, из которых на токен активируются шесть. Модель предназначена для диалогов, рассуждений и генерации текста, а вложенные размеры позволяют выбирать компромисс между качеством, вычислительными затратами и задержкой. Контекст в README указан до 128K в примере развёртывания и до 1M при увеличении настройки. Поддерживаются английский, немецкий, испанский, французский, итальянский и японский языки. В README описана квантизация NVFP4 с дистилляцией с учётом квантизации и заявлена готовность к коммерческому использованию. Лицензия в метаданных обозначена как other, поэтому конкретные условия следует сверять с лицензией репозитория.

pankajmathur/orca_mini_v7_72b — разговорная языковая модель на архитектуре Qwen2, созданная Pankaj Mathur и дообученная на различных наборах данных для SFT. Она предназначена для ответов в диалоге и выполнения широкого круга текстовых запросов; использовать её можно как основу для дальнейшего дообучения и слияния с другими моделями при указании авторства. Модель содержит 71,5 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст длиной 32 768 токенов и формат диалога ChatML. README описывает расширение контекста с помощью YARN при развёртывании через vLLM. Модель опубликована под лицензией Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 39,06 и 59,30 на IFEval; эти показатели относятся к указанной оценке и не гарантируют качество для конкретного сценария. Для vLLM статическая настройка YARN может снижать производительность на коротких запросах.

orenpereg/paraphrase-mpnet-base-v2_sst2_4samps — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации. Контекст модели составляет 514 токенов; для работы доступны веса PyTorch и библиотека Sentence-Transformers. Модель обучалась с функцией потерь CosineSimilarityLoss. Её можно применять для поиска похожих высказываний и группировки текстов по смыслу. Языки обучения и лицензия в предоставленных данных не указаны.

Wissam42/paraphrase-multilingual-mpnet-base-v2-retuned-fr — модель Sentence-Transformers на архитектуре XLM-RoBERTa для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений по смыслу. Модель содержит 305,2 млн параметров, принимает текст и имеет контекст до 514 токенов. В README указано обучение с CosineSimilarityLoss; метаданные подтверждают поддержку эмбеддингов и задачи sentence-similarity. Модель может применяться в семантическом поиске и группировке текстов; также её векторы подходят для измерения сходства. Репозиторий содержит веса PyTorch. Сведений о лицензии и конкретной специализации на французском в предоставленных данных нет.

Это модель Sentence Transformers на базе RoBERTa, дообученная автором репозитория dfsandovalp01 на модели somosnlp-hackathon-2022/paraphrase-spanish-distilroberta. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768 для сравнения семантической близости, поиска похожих текстов, выявления перефразирований, кластеризации и классификации. В README указана максимальная длина последовательности 256 токенов и сравнение по косинусному сходству; метаданные указывают контекст модели до 514 токенов. Модель предназначена для работы с испанскими и английскими текстами, как и её базовая модель. Её можно применять для семантического поиска по коллекциям, группировки похожих предложений и подготовки признаков для классификаторов. В репозитории указаны 44 147 обучающих примеров и функция потерь SoftmaxLoss. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Pelago Sentence Transformer v1 — модель для получения векторных представлений предложений и абзацев, опубликованная пользователем amanpelago. Она преобразует текст в плотные эмбеддинги размерности 384, пригодные для семантического поиска, кластеризации и сравнения сходства. Модель основана на BERT и содержит 25,9 млн параметров; максимальная длина контекста — 512 токенов. Доступен формат PyTorch, использовать модель можно через библиотеку Sentence-Transformers. При обучении применялась Triplet Loss с евклидовой метрикой расстояния и отступом 5. Это делает модель подходящей для сценариев, где нужно находить близкие по смыслу тексты или группировать их по содержанию. В карточке не указаны поддерживаемые естественные языки и лицензия, поэтому нельзя подтвердить языковой охват или условия распространения и коммерческого использования.