I.14Автоматизация процессов и AI-агенты

mradermacher/turbo-ai-7b-i1-GGUF — набор квантованных версий текстовой модели TurboAiLabs/turbo-ai-7b, подготовленный пользователем mradermacher. Модель предназначена для генерации текста и диалогового использования, включая работу с электронной почтой, суммирование, подготовку черновиков и извлечение задач. В метаданных также указана пригодность для локального и периферийного развёртывания, что может быть полезно для сценариев с повышенными требованиями к приватности. Исходная модель имеет размер 7B параметров, относится к архитектуре Qwen2 и поддерживает английский язык. Репозиторий содержит файлы в формате GGUF с различными вариантами квантования от i1-IQ1_S до i1-Q6_K; их размер составляет примерно от 2,0 до 6,4 ГБ. Более компактные варианты требуют меньше памяти, но могут обеспечивать более низкое качество, тогда как i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Контекстный размер, мультимодальность и точные характеристики исходной модели в README не указаны. Распространение выполняется по лицензии Apache-2.0. Для запуска квантованных файлов требуется совместимое программное обеспечение, поддерживающее формат GGUF; конкретные требования к оборудованию и производительности не приведены.

Это турецкая модель Sentence Transformer семейства BERT, дообученная авторами trmteb на наборах для поиска и сопоставления текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768; для оценки близости предусмотрено косинусное сходство. Архитектура использует BERT и усреднённый пулинг токенов, содержит около 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска, сравнения смысловой близости, поиска перефразирований, кластеризации и классификации текста. Обучение включало турецкие наборы MS MARCO, FIQA, SciFact, NFCorpus, MultiNLI, SNLI, STS-B, Quora и данные WMT16 для перевода между английским и турецким. README приводит результаты оценки сходства на STS-B и бинарной классификации на нескольких наборах, однако отдельные высокие показатели зависят от набора и порога и не гарантируют такого же качества в других сценариях. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

xiaobu-embedding-v2 — модель эмбеддингов предложений, разработанная на основе piccolo-embedding. В версии v2 синтетические данные заменены данными, накопленными для xiaobu-embedding-v1; обучение объединяет шесть типов задач CMTEB с использованием circle loss и позволяет учитывать несколько положительных примеров из исходных наборов данных. Модель предназначена для создания векторных представлений текста и вычисления сходства между предложениями, например для семантического поиска и поиска похожих фраз. Это плотная модель архитектуры BERT с 424,3 млн параметров и контекстом до 512 токенов; доступна в форматах PyTorch, Safetensors и ONNX, используется через Sentence-Transformers. README указывает на задачи CMTEB, но не сообщает конкретные языки поддержки. Условия лицензии в предоставленных данных не приведены.

cafierom/5Epoch_905_Statin_Contrastive — дообученная модель Sentence Transformers на базе google-bert/bert-base-cased. Она преобразует текстовые последовательности в плотные эмбеддинги размерности 768 и предназначена для сравнения семантической близости с косинусной мерой, семантического поиска и поиска перефразировок. Также эмбеддинги можно использовать для кластеризации и классификации текста. Модель использует BERT с сохранением регистра и усреднённым объединением токеновых представлений; максимальная длина последовательности — 512 токенов. Обучение проводилось на наборе из 148 695 пар premise и hypothesis с метками, с функцией потерь SoftmaxLoss. Примеры данных представлены строками, похожими на записи химических структур, однако назначение модели для конкретной предметной области в карточке явно не сформулировано. Модель принимает текст и выдаёт векторные представления. Лицензия в предоставленных данных не указана, поэтому условия использования по лицензии определить нельзя. Результаты за пределами обучающего распределения и качество на конкретных задачах в карточке не охарактеризованы.

Xenova/all-MiniLM-L6-v2 — версия модели sentence-transformers/all-MiniLM-L6-v2, подготовленная сообществом Xenova. Она содержит веса в формате ONNX и предназначена для использования с библиотекой Transformers.js, в том числе непосредственно в JavaScript-приложениях и веб-среде. Модель используется для получения векторных представлений предложений и текстов. Такие embeddings подходят для семантического поиска, сравнения текстов, кластеризации, классификации и других задач обработки естественного языка, где требуется сопоставлять тексты по смыслу. В приведённом примере модель формирует векторы размерности 384; поддерживаются усреднение признаков и нормализация результата. Сведения о языках, максимальной длине контекста и точном количестве параметров в README не указаны. К сильным сторонам относятся компактный формат ONNX и совместимость с Transformers.js, что упрощает запуск модели в JavaScript-приложениях. Ограничение заключается в том, что модель предназначена для создания embeddings, а не для генерации текста. Модель распространяется по лицензии Apache-2.0.

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

booster-team/autotrain-l21an-6mkt7 — это дообученный с помощью AutoTrain энкодер предложений на архитектуре BERT, основанный на sentence-transformers/all-MiniLM-L6-v2. Модель содержит 25,9 млн параметров, принимает текст и формирует плотные векторные представления предложений для оценки семантического сходства. Контекст ограничен 512 токенами. Модель предназначена для сравнения смысловой близости текстов и извлечения эмбеддингов, которые можно использовать в поиске, группировке и других задачах работы с предложениями. В карточке приведена метрика loss 0,676 на валидации, но нет описания набора данных или протокола оценки, поэтому по ней нельзя судить о качестве в конкретном сценарии. Использование предполагает библиотеку Sentence Transformers; лицензия в предоставленных данных не указана.

Shobhank-iiitdwd/BERT-BU-nli-sts-sent — англоязычная модель эмбеддингов на основе BERT, дообученная на задачах распознавания логических отношений между предложениями (NLI) и оценки семантического сходства (STS). Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 136,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для использования доступны веса PyTorch; README приводит результат 84,61% на STS (en). Модель основана на bert-base-uncased и предназначена для англоязычных задач поиска и анализа сходства предложений. Для получения эмбеддингов без Sentence-Transformers нужно самостоятельно применить подходящую операцию pooling к контекстным представлениям токенов. Лицензия в предоставленных данных не указана.

Модель sentence-transformers/bert-large-nli-cls-token разработана командой Sentence Transformers на основе архитектуры BERT и обучена на данных NLI. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов и кластеризации. Модель поддерживает контекст до 512 токенов и доступна в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO; число параметров — около 433,9 млн. Модель предназначена для построения текстовых эмбеддингов и оценки смысловой близости. Авторы предупреждают, что эмбеддинги имеют низкое качество, и рекомендуют выбирать более новые модели из каталога Sentence Transformers. Лицензия — Apache-2.0.

swardiantara/bert-tiny-sst5-k3-fixed-cosine — компактная модель Sentence Transformers, дообученная на базе google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерности 128 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура включает BERT и усредняющий pooling; модель содержит 4,4 млн параметров. Модель принимает текст и поддерживает последовательности длиной до 512 токенов по метаданным Hugging Face. В README указан предел 128 токенов, поэтому при использовании следует учитывать возможное расхождение конфигурации и карточки. Данные обучения содержат англоязычные текстовые пары; основное применение модели — поиск по смысловой близости и извлечение признаков. Лицензия в предоставленных данных не указана.

swardiantara/bert-tiny-sst5-k5-adaptive-euclidean — англоязычная модель Sentence Transformers, дообученная на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы в плотные векторы размерности 128, которые можно сравнивать по косинусному сходству. Модель предназначена для поиска по смыслу и извлечения признаков текста, например для подбора похожих фрагментов и семантического поиска. Архитектура включает компактный BERT с двумя слоями, mean pooling и контекстное окно до 512 токенов по метаданным; в README заявлен максимум 128 токенов. Модель принимает текст и выдаёт эмбеддинги. Обучающие примеры состоят из пар англоязычных текстов с метками сходства; заявлен объём набора 179 524 примера. Размер модели — 4,4 млн параметров. Сведения о лицензии в предоставленных данных отсутствуют.

Ангелитаср/bge-base-en-v1.5_eeid — англоязычный Sentence Transformer на архитектуре BERT, дообученный на базе BAAI/bge-base-en-v1.5. Модель преобразует предложения и абзацы в плотные эмбеддинги размерности 768; для сравнения используется косинусное сходство. В метаданных указано 136,7 млн параметров, максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации по эмбеддингам. Она обучалась на 3503 парах anchor-positive с MultipleNegativesRankingLoss; примеры связаны с вопросами по математике и типичными ошибками в ответах. Лицензия в предоставленных данных не указана.

rjnClarke/bgem3-shakespeare_st_3 — модель Sentence Transformer, дообученная на базе BAAI/bge-m3. Она использует трансформер XLM-RoBERTa с пулингом CLS и нормализацией и преобразует предложения и абзацы в плотные векторы размерности 1024; сходство можно оценивать косинусной мерой. Максимальная длина входа — 8192 токена. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск похожих фраз, подбор перефразировок, кластеризацию и классификацию текстов на основе эмбеддингов. В README приведена оценка на задаче информационного поиска, однако назначение дообучения именно для текстов Шекспира и языки обучающих данных в доступных сведениях не раскрыты. Модель принимает текст и выдаёт векторы; она не генерирует ответы. Лицензия в предоставленных данных не указана.

teven/bi_all_bs192_hardneg_finetuned_WebNLG2017 — модель на основе MPNet, разработанная teven и опубликованная в формате PyTorch для получения плотных векторных представлений предложений и абзацев. Она содержит 136,7 млн параметров, выдаёт эмбеддинги размерности 768 и рассчитана на контекст до 514 токенов. Модель обучена с использованием CosineSimilarityLoss на данных WebNLG2017. Её можно применять для семантического поиска, сравнения сходства предложений и кластеризации текстов. README предлагает использовать библиотеку Sentence Transformers. Лицензия и перечень поддерживаемых естественных языков в предоставленных данных не указаны.

Bielik-PL-Minitron-7B-v3.0-Instruct — генеративная языковая модель SpeakLeash и ACK Cyfronet AGH с архитектурой causal decoder-only и 7,35 млрд параметров. Это дообученная и сжатая версия Bielik-11B-v3-Base-20250730: модель прошла структурное прореживание и дистилляцию, затем настройку на следование инструкциям и выравнивание предпочтений. Для диалога используется шаблон ChatML. Модель предназначена для генерации ответов и выполнения языковых задач на польском и других европейских языках. Она обучалась на корпусе из 32 европейских языков с особым акцентом на польский; README сообщает о сохранении около 90% производительности исходной модели и ускорении вывода до 50% после сжатия. Лицензия Apache 2.0. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы; встроенных механизмов модерации нет, поэтому результаты следует проверять, а для сценариев с требованиями к модерации нужны внешние меры контроля.

Lajavaness/bilingual-embedding-large — двуязычная модель эмбеддингов предложений от Lajavaness, основанная на XLM-RoBERTa и реализованная с помощью Sentence Transformers. Она кодирует французские и английские предложения в нормализованные векторы размерности 1024; максимальная длина последовательности — 512 токенов, а нативное контекстное окно — 514 токенов. Размер модели — 658,7 млн параметров. Модель обучалась на SNLI и XNLI для английского и французского языков, затем дообучалась на STS-Benchmark и расширенных парах предложений. Её используют для семантического поиска, оценки сходства предложений, ранжирования текстов и кластеризации. Веса доступны в формате safetensors по лицензии Apache-2.0. Модель специализируется на французском и английском языках; качество на других языках не заявлено. README не содержит результатов оценки, поэтому точность для конкретных наборов данных и сценариев по карточке определить нельзя.

swasjha06 дообучил англоязычную модель Sentence Transformer на базе mixedbread-ai/mxbai-embed-large-v1 для семантического поиска и извлечения текстовых эмбеддингов. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними можно оценивать косинусной мерой. Архитектура основана на BERT с пулингом CLS, модель содержит 433,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов по метаданным; в README указан предел 256 токенов. Модель обучена на 851 паре «запрос—документ» с функцией потерь MultipleNegativesRankingLoss. Она подходит для поиска релевантных фрагментов по запросу и сравнения текстов по смыслу. Карточка описывает англоязычные обучающие примеры, поэтому основное назначение — работа с английским текстом. Лицензия в предоставленных данных не указана.

peter2000/bmz_topics — модель эмбеддингов предложений на архитектуре XLM-RoBERTa, опубликованная автором peter2000. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. В репозитории указаны PyTorch и использование через Sentence-Transformers либо Transformers с подходящей операцией pooling; объём модели — около 305,2 млн параметров, контекст — 514 токенов. Модель обучалась с BatchHardTripletLoss. Карточка не уточняет целевые языки, обучающие данные и лицензию, поэтому пригодность для конкретного языка или домена следует проверять на собственных данных.

BrazEmbed-PT-BR — модель для получения векторных представлений текстов на бразильском португальском, созданная на базе BERTimbau и опубликованная tardellirs. Это дообученная модель семейства BERT с 136,1 млн параметров; она использует mean pooling и L2-нормализацию, работает через библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. В README указано, что опубликованный одиночный чекпойнт представляет собой TIES-слияние четырёх экспертов по отдельным задачам. Модель предназначена для вычисления эмбеддингов предложений и сравнения их семантической близости, например при поиске похожих фраз или семантическом поиске по текстам на португальском. В MTEB(por) для одиночной модели указан результат mean_16 0,6372; более высокий результат 0,6567 относится к отдельной системе с маршрутизацией по задачам, а не к этому чекпойнту. README сообщает об аудите пересечений обучающих данных с тестовыми наборами, но также отмечает, что разработка велась итеративно по MTEB(por) без отложенной выборки. Лицензия — MIT.

ByT5-xl — предобученная байтовая модель семейства T5, разработанная Google. Она использует архитектуру Transformer для преобразования текста в текст и обрабатывает строки непосредственно как последовательности UTF-8 байтов, без отдельного токенизатора. Размер модели — 3,3 млрд параметров; доступны веса PyTorch и TensorFlow. Модель предобучена на mC4 с задачей восстановления замаскированных фрагментов и не проходила supervised-обучение для прикладных задач. Перед использованием её нужно дообучить под конкретный сценарий: например, ответы на вопросы или другие задачи преобразования текста. ByT5 особенно хорошо подходит для зашумлённого текста; в README отмечено превосходство над mT5-xl на TweetQA. Поддерживаются многие языки, включая английский, испанский, французский, арабский, хинди, японский и корейский; обработка байтов позволяет подавать текст на разных языках без токенизатора. Работа с байтовыми последовательностями может быть менее эффективной по длине входа, чем токенизация. Модель опубликована Google и распространяется по лицензии Apache-2.0.

Causal language model с архитектурой семейства Qwen2, опубликованная на Hugging Face под идентификатором codex176743/cedar-lantern-p4. Модель предназначена для генерации текста и совместима с библиотекой Transformers; для хранения весов используется формат safetensors.

ChatGLM2-6B-32K — двуязычная диалоговая языковая модель, разработанная командой THUDM и представленная организацией zai-org. Это версия ChatGLM2-6B, дообученная для работы с длинным контекстом: модель насчитывает 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста на китайском и английском языках, в том числе для работы с длинными документами и многоходовыми беседами. Модель использует архитектуру ChatGLM с плотной сетью, смешанную целевую функцию GLM и Multi-Query Attention; для расширения контекста применена интерполяция позиционных кодировок. В README отмечены обучение на 1,4 трлн китайских и английских токенов, выравнивание по предпочтениям людей и применение FlashAttention. По заявлению авторов, в официальной реализации контекст 32K доступен примерно при 20 ГБ памяти в форматах FP/BF16; INT4-квантизация позволяет вести диалог длиной до 8K при 6 ГБ памяти. Модель может помогать составлять ответы, поддерживать диалог и обрабатывать длинный текст, но для контекстов до 8K авторы рекомендуют обычную ChatGLM2-6B. README не приводит независимых оценок качества. Код распространяется по Apache-2.0, а для весов действует отдельная Model License: академическое использование открыто, бесплатное коммерческое использование разрешено после заполнения анкеты.

Omerhan выпустил Sentence Transformers-модель для получения плотных текстовых эмбеддингов; она дообучена на базе intfloat/multilingual-e5-large-instruct. Модель использует XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов, выдаёт эмбеддинги размерности 1024 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов; обучение проводилось на наборе json с парами и тройками текстов. Модель предназначена для семантического поиска, сравнения сходства предложений и абзацев, поиска перефразировок, кластеризации и подготовки признаков для классификации текста. В карточке указан турецкий язык. Лицензия — Apache-2.0.

kornwtp/ConGen-paraphrase-multilingual-mpnet-base-v2 — модель семейства ConGen, представленная пользователем kornwtp. Она преобразует предложения в плотные векторы размерностью 768 и предназначена для семантического поиска и сравнения текстов. Модель основана на архитектуре CamemBERT и содержит 132,5 млн параметров; веса опубликованы в формате PyTorch. Модель можно применять для поиска смыслово близких предложений и оценки семантического сходства, в том числе в многоязычных сценариях, на которые указывает название модели. README ссылается на оценку качества на тайском бенчмарке эмбеддингов предложений. Максимальная длина контекста составляет 512 токенов. Лицензия — Apache-2.0. Карточка не приводит конкретные результаты бенчмарка или сведения о языках, кроме указания на мультиязычность в названии; качество на отдельных языках и длинных текстах следует проверять отдельно.

MassTool/contriever-base-msmarco-v1-ToolBenchG2 — модель Sentence-Transformers на базе архитектуры BERT, преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления; в README также описано обучение с MultipleNegativesRankingLoss и косинусным сходством. Данных о целевых языках и специализации на конкретной предметной области нет.

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

Это компактная текстовая модель Sentence Transformers, созданная дообучением энкодера jhu-clsp/ettin-encoder-17m командой или автором репозитория much1na. Она кодирует предложения и абзацы в плотные векторы размерностью 256 и предназначена для поиска и сопоставления текстов по косинусному сходству. Архитектура состоит из ModernBERT и слоя среднего pooling; модель содержит 16,8 млн параметров и принимает последовательности длиной до 7999 токенов по метаданным (в README указан предел 8192). Обучение проводилось на msmarco-embed-dense_on с EmbedDistillLoss. Модель подходит для семантического поиска, извлечения релевантных документов и построения текстовых эмбеддингов. Базовый энкодер ориентирован на английский язык, а README описывает англоязычные примеры; подтверждений поддержки других языков нет. Лицензия в предоставленных данных не указана.

EuroLLM-9B-Instruct — многоязычная языковая модель с 9 млрд параметров, разработанная Unbabel, Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh и партнёрами. Она создана на базе EuroLLM-9B и дополнительно настроена на выполнение инструкций с использованием EuroBlocks, набора данных для следования общим инструкциям и машинного перевода. Модель использует плотную архитектуру Transformer с grouped-query attention, RMSNorm, SwiGLU и RoPE; длина последовательности при обучении составляет 4096 токенов. Модель предназначена для генерации текста, диалогов, выполнения инструкций и перевода между языками. Она обучена для работы с языками ЕС и рядом дополнительных языков, включая русский, арабский, китайский, японский, корейский и хинди. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0. Карточка сообщает о конкурентных результатах на многоязычных и англоязычных бенчмарках, однако модель не выравнивалась по предпочтениям людей. Она может выдавать галлюцинации, вредоносный контент и фактические ошибки.

Это разреженный SPLADE-энкодер, дообученный на датасете STS-B от базовой модели naver/splade-cocondenser-ensembledistil с использованием библиотеки Sentence Transformers. Он преобразует предложения и абзацы на английском языке в разреженные векторы размерности 30 522 для семантического поиска, извлечения документов и оценки сходства по косинусной мере. Архитектура включает BERT-модель BertForMaskedLM и max-пулинг SPLADE; длина последовательности в метаданных составляет до 512 токенов, а карточка модели указывает максимум 256 токенов. Модель содержит 136,7 млн параметров. На наборах STS-dev и STS-test указаны значения Spearman cosine 0,8704 и 0,8292 соответственно. Модель рассчитана на английский язык и не является генеративной. Лицензия — Apache-2.0.

Карточка модели xsvmyx/extremist-text-detector на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.