I.1Поиск и навигация по информации

Snowflake Arctic Embed S — компактная модель текстовых эмбеддингов, разработанная Snowflake для качественного поиска по смыслу. Она основана на intfloat/e5-small-unsupervised и обучена в несколько этапов на парах запросов и документов, а затем на триплетах с трудными отрицательными примерами. Архитектура — BERT; модель содержит около 40 млн параметров по метаданным, формирует векторы размерности 384 и принимает до 512 токенов. Модель предназначена для семантического поиска по большим коллекциям, сопоставления запросов с документами и построения retrieval-компонента для RAG. В README для неё указан результат 51,98 по MTEB Retrieval NDCG@10; заявленный профиль ориентирован на высокую точность при небольшом размере и масштабировании на большие наборы данных. Модель принимает текст и выдаёт эмбеддинги; сведения указывают на англоязычную основу и не подтверждают поддержку других языков. Модель опубликована по лицензии Apache-2.0. Она формирует эмбеддинги, а не готовые ответы, поэтому для поиска обычно требуется индексирование векторов и отдельный механизм ранжирования или генерации. В README отмечено, что более новые версии Arctic Embed рассчитаны на многоязычные сценарии и рекомендуются вместо прежних версий.

Карточка модели Hanan-Alnakhal/solar-rag-embedding-model 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.

Solon-embeddings-large-0.1 — открытая модель векторных представлений текста от OrdalieTech. Она основана на архитектуре XLM-RoBERTa и содержит 658,7 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для французского языка и рассчитана на создание эмбеддингов, используемых в задачах сравнения текстов и поиска по смыслу. Контекст модели — до 514 токенов. Модель подходит для семантического поиска, оценки сходства текстов, классификации и ранжирования. В описании приведены результаты по девяти французским тестам MTEB и другим бенчмаркам; для запросов на извлечение информации README рекомендует добавлять префикс «query : », тогда как для текстов-пассажей инструкции не нужны. Лицензия — MIT. Результаты бенчмарков не гарантируют аналогичного качества на других данных и сценариях.

Sophea-Nemo-Reranker — кросс-энкодерный реранкер Kiefer SA для переоценки релевантности документов запросу на греческом и английском языках. Модель дообучена на базе nvidia/llama-nemotron-rerank-1b-v2 и использует двунаправленную архитектуру LlamaBidirectionalForSequenceClassification с одним логитом релевантности. Размер модели — 1,2 млрд параметров, длина контекста — до 131 072 токенов; формат весов — safetensors. Модель предназначена для второго этапа двухэтапного поиска: после первичного отбора кандидатов, например эмбеддером Sophea-Nemo-Embedding, она переупорядочивает фрагменты по соответствию запросу. README описывает применение в греческом RAG и сообщает об улучшении nDCG@10 на пяти тестовых доменах относительно базовой модели. Наибольшая польза отмечена для сложных случаев, включая медицинские и финансовые запросы; на уже сильных результатах эмбеддера дополнительное ранжирование может давать небольшой выигрыш или ухудшать качество. Для подачи данных используется последовательность с шаблоном «question:{q} passage:{p}». README указывает на необходимость trust_remote_code при использовании Transformers. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами лицензии репозитория.

Карточка модели KIEFERSA/Sophea-Nemo-Reranker на Hugging Face совпадает с карточкой ayoubkirouane/Sophea-Nemo-Reranker, поэтому описание составлено по ней. Sophea-Nemo-Reranker — кросс-энкодерный реранкер Kiefer SA для переоценки релевантности документов запросу на греческом и английском языках. Модель дообучена на базе nvidia/llama-nemotron-rerank-1b-v2 и использует двунаправленную архитектуру LlamaBidirectionalForSequenceClassification с одним логитом релевантности. Размер модели — 1,2 млрд параметров, длина контекста — до 131 072 токенов; формат весов — safetensors. Модель предназначена для второго этапа двухэтапного поиска: после первичного отбора кандидатов, например эмбеддером Sophea-Nemo-Embedding, она переупорядочивает фрагменты по соответствию запросу. README описывает применение в греческом RAG и сообщает об улучшении nDCG@10 на пяти тестовых доменах относительно базовой модели. Наибольшая польза отмечена для сложных случаев, включая медицинские и финансовые запросы; на уже сильных результатах эмбеддера дополнительное ранжирование может давать небольшой выигрыш или ухудшать качество. Для подачи данных используется последовательность с шаблоном «question:{q} passage:{p}». README указывает на необходимость trust_remote_code при использовании Transformers. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами лицензии репозитория.

Qdrant/Splade_PP_en_v1 — порт модели prithivida/Splade_PP_en_v1 в формате ONNX, подготовленный для классификации текста и поиска сходства. Модель основана на BERT и использует masked language modeling; в каталоге отмечены задачи заполнения маски и сравнения предложений. Размер — 136,7 млн параметров, контекст — до 512 токенов. Модель предназначена для поиска и сопоставления текстов, в том числе с использованием FastEmbed. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит конкретных ограничений качества или дополнительных характеристик обучения.

S-PubMedBert-MS-MARCO-SCIFACT — модель Sentence-Transformers на архитектуре BERT, содержащая 136,7 млн параметров и преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss на основе косинусного сходства; максимальная длина контекста составляет 512 токенов. Модель можно использовать в конвейерах поиска по смыслу и группировки текстов. В названии указаны PubMedBERT, MS MARCO и SCIFACT, однако карточка не описывает подробнее состав обучающих данных, целевые языки или специализацию по предметным областям. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

smartcat/SRBedding-base-distilled-v1 — модель Sentence Transformers, разработанная Smartcat и дообученная на основе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска и сопоставления текстов; сходство можно оценивать косинусной мерой. Архитектура включает XLM-RoBERTa, усреднение токенных представлений и нормализацию векторов. Модель принимает текст, поддерживает последовательности длиной до 512 токенов и выдаёт эмбеддинги. В карточке описано обучение на параллельных англо-сербских данных и приведены результаты оценки для перевода между английским и сербским, а также семантического сходства. Модель подходит для межъязыкового поиска и сопоставления англоязычных и сербоязычных предложений, а также для кластеризации, поиска перефразировок и классификации на основе эмбеддингов. Лицензия в предоставленных данных не указана.

stella-large-zh-v2 — модель для кодирования текста, разработанная автором семейства Stella. Она преобразует китайские тексты в векторы размерностью 1024 и предназначена прежде всего для семантического поиска и сопоставления текстов. Модель основана на архитектуре BERT и дообучена на открытых корпусах и синтетических парах «вопрос — абзац» и «предложение — абзац» с помощью контрастивного обучения, сложных отрицательных примеров и дистилляции. Контекст составляет до 1024 токенов. Для поиска не требуется добавлять инструкционные префиксы. Модель подходит для поиска по длинным китайским документам и оценки семантического сходства; в README приведены результаты C-MTEB и отдельная оценка длинных текстов. Она возвращает векторы, поэтому для выдачи результатов поиска требуется внешняя система индексации и сравнения. Условия лицензии в предоставленных данных не описаны.

sentence-transformers-testing/stsb-bert-tiny-safetensors — компактная модель Sentence Transformers на архитектуре BERT, преобразующая предложения и абзацы в плотные векторы размерности 128. Модель содержит около 4,4 млн параметров, использует mean pooling и поддерживает контекст до 512 токенов. Модель предназначена для вычисления семантического сходства текстов, семантического поиска и кластеризации. Её можно использовать через библиотеку sentence-transformers или напрямую через Transformers с применением mean pooling; формат safetensors поддерживается репозиторием. К сильным сторонам относятся небольшой размер, высокая скорость инференса и низкие требования к ресурсам. Модель создает эмбеддинги, а не генерирует текст, поэтому для поиска или сравнения требуется отдельный механизм вычисления близости. Языки, на которых модель специально обучалась, и лицензия в доступных данных не указаны.

r2d2 разработала модель эмбеддингов предложений на архитектуре RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 162,4 млн параметров, обучалась с функцией CosineSimilarityLoss и поддерживает контекст длиной до 130 токенов. Для работы доступны PyTorch и библиотека Sentence-Transformers. Модель подходит для построения семантического поиска и группировки текстов, когда важна близость значений, а не совпадение слов. Данных о лицензии и целевых языках в предоставленных источниках нет; применимость к конкретному языку следует проверить на своих данных.

Zybg выпустил дообученную модель Sentence Transformer на базе dunzhang/stella_en_1.5B_v5. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения текстов по косинусному сходству. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и распространяется в формате safetensors; в метаданных указан контекст до 131 072 токенов, а в README — максимальная длина последовательности 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов, включая оценку сходства, поиск перефразировок, кластеризацию и классификацию. README указывает на дообучение на 1 040 парах anchor-positive с использованием MultipleNegativesRankingLoss. Несмотря на название репозитория, описание данных не подтверждает медицинскую специализацию. Лицензия в предоставленных источниках не указана.

SentenceTransformer на базе BAAI/bge-large-en-v1.5, дообученный на 16 909 примерах с парами anchor, positive и negative. Модель кодирует предложения и абзацы в плотные векторы размерности 1024; архитектура включает BERT, пулинг CLS и нормализацию. Для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текста. README указывает максимальную длину последовательности 384 токена, тогда как метаданные каталога указывают нативный контекст 512 токенов. Обучающие примеры и описание базовой модели ориентированы на английский язык. Лицензия в предоставленных данных не указана.

dinait/test-setfit-model — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и вычисления сходства. Модель содержит 136,7 млн параметров и поддерживает контекст до 514 токенов; для получения векторов её можно использовать через Sentence-Transformers либо Transformers с соответствующей операцией pooling. Модель подходит для семантического поиска, группировки текстов и сравнения предложений по смыслу. В README указано обучение с CosineSimilarityLoss, однако сведений о языках обучающих данных и результатах оценки не приведено. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют в предоставленных данных.

tevatron-elastic-qwen3-0.6b-reranker-depth — модель для повторного ранжирования текстовых документов, обученная с помощью Tevatron-Elastic на базе Qwen/Qwen3-0.6B-Base. Она поддерживает эластичное сокращение по глубине: один чекпойнт позволяет выбирать число используемых слоёв и тем самым менять баланс между скоростью и качеством. Для настройки рабочей точки используются параметры `prune_to` и `encode_at` в фреймворке Tevatron-Elastic. Модель содержит около 508 млн параметров, принимает текстовые запросы и фрагменты документов с префиксами `query:` и `passage:`; максимальная длина при обучении составляла 512 токенов. На полной конфигурации авторы сообщают nDCG@10 0,555 на BEIR-15. Чекпойнт выпущен как ресурс для воспроизводимости результатов статьи, а не как заявка на лучшие показатели. Лицензия — Apache-2.0.

shibing624/text2vec-base-multilingual — многоязычная модель эмбеддингов предложений, разработанная командой text2vec. Она дообучена методом CoSENT на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и преобразует предложения или короткие абзацы в плотные векторы размерности 384 для сравнения семантической близости. Модель содержит 124,3 млн параметров, использует архитектуру BERT и библиотеку sentence-transformers; длина контекста — до 512 токенов по метаданным, а README указывает ограничение 256 word pieces, после которого вход усекается. Модель предназначена для семантического поиска, сопоставления текстов, оценки сходства предложений, кластеризации и получения векторных представлений. В README заявлена поддержка немецкого, английского, испанского, французского, итальянского, нидерландского, польского, португальского, русского и китайского языков; метаданные подтверждают все перечисленные языки, кроме испанского. Для модели доступны веса PyTorch, safetensors и ONNX. Лицензия — Apache-2.0. Карточка сообщает об улучшении относительно базовой модели на тестах для китайского и английского языков, но не приводит здесь численных результатов именно для этой модели.

api19750904/tipo_campanya_ong_v3 — 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 текстов. Модель работает с текстом и использует контекст длиной до 514 токенов. Модель подходит для поиска текстов по смыслу, группировки похожих предложений и вычисления их семантического сходства. В карточке указано обучение с функцией потерь CosineSimilarityLoss. Доступен формат PyTorch; лицензия в предоставленных данных не указана.

Карточка модели futuredatascience/to-classifier-v1 на Hugging Face совпадает с карточкой futuredatascience/from-classifier-v0, поэтому описание составлено по ней. futuredatascience/from-classifier-v0 — модель Sentence Transformers на архитектуре MPNet, разработанная Futuredatascience. Она преобразует предложения и абзацы в плотные векторы размерностью 768, предназначенные для вычисления семантического сходства, кластеризации и семантического поиска. Модель содержит 136,7 млн параметров, принимает текст и возвращает векторные представления; максимальная длина контекста — 514 токенов. Для обучения использовалась функция потерь CosineSimilarityLoss. Модель опубликована в формате PyTorch; метаданные не содержат сведений о лицензии или языковой специализации.

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.

Это модель Sentence Transformer, опубликованная Selman Baysan и дообученная для получения векторных представлений турецких предложений и абзацев. Она основана на BERT и содержит 137,8 млн параметров; Sentence Transformers преобразует входной текст в плотный вектор размерности 768, а сходство векторов можно оценивать косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. Обучение проводилось на турецких версиях наборов MS MARCO, FIQA, SciFact, NFCorpus, MultiNLI, SNLI, STS-B и WMT16. В README приведены результаты оценки сходства на STS-B и классификации на нескольких наборах данных. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана. Модель ориентирована на турецкий текст; контекст ограничен 512 токенами, поэтому длинные тексты необходимо сокращать или разбивать на фрагменты.

swardiantara/two-stage-k10-MiniLM-L6-v2 — модель Sentence-Transformers на архитектуре BERT, преобразующая предложения и абзацы в плотные векторы размерности 384. Её можно применять для семантического поиска и кластеризации текстов, а также сравнивать смысловую близость предложений. Модель содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучалась с ContrastiveLoss, использующей косинусное расстояние. В карточке не указаны языки обучения и оценки качества, поэтому нельзя подтвердить её пригодность для конкретного языка или домена. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

am-azadi/UAE-Large-V1_Fine_Tuned — дообученная модель Sentence Transformers на базе WhereIsAI/UAE-Large-V1, разработанная автором репозитория am-azadi. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Архитектура состоит из BERT-трансформера с объединением представлений CLS-токена; максимальная длина входа — 512 токенов, сходство оценивается косинусной мерой. Модель обучалась на 25 743 парах текстов с MultipleNegativesRankingLoss. Примеры обучающих данных многоязычны, но основное назначение и язык базовой модели — английский. Для применения нужны тексты; результатом служат векторы, пригодные для ранжирования или дальнейшей обработки. Лицензия в предоставленных данных не указана.

kmariunas/uncased-bert-triplet-40 — модель Sentence-Transformers на базе BERT, представленная автором kmariunas. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения текстов и кластеризации. Обучение с BatchHardTripletLoss указывает на настройку пространства эмбеддингов для оценки сходства предложений. Модель имеет около 136,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для построения семантического поиска, группировки похожих текстов и сравнения предложений по близости эмбеддингов. README не сообщает, на каких языках обучалась модель, поэтому конкретный язык или языковую поддержку установить нельзя. Лицензия в предоставленных данных не указана.

unsup-simcse-roberta-base — модель Princeton NLP для получения векторных представлений предложений с помощью SimCSE. Это версия RoBERTa-base, дообученная без разметки контрастным обучением: в качестве положительных примеров модель использует два представления одного предложения, различающиеся благодаря dropout. Модель содержит около 151,8 млн параметров и принимает текст; заявленная длина контекста — 514 токенов. Векторы подходят для оценки семантического сходства предложений, поиска похожих текстов и построения поиска по коллекции. В репозитории разработчика модель приведена с результатом 76,57 в среднем по тестам STS; этот показатель относится к указанной оценке и не гарантирует качество на других данных. Модель ориентирована на английский язык: несупервизированное обучение проводилось на предложениях из англоязычной Википедии. Лицензия в доступных источниках не подтверждена.

VelaVec — компактная гибридная модель для поиска и сравнения текстов, созданная автором репозитория xagent2025 на основе дообучения BAAI/bge-small-en-v1.5. Она рассчитана на быстрый поиск на устройствах с ограниченными ресурсами и предоставляет два режима: симметричное сравнение смысла предложений и асимметричный поиск документов по запросу. Модель содержит 9,8 млн параметров и выдаёт эмбеддинги размерности 256. Архитектура включает замороженную таблицу токенов, три блока двунаправленного внимания и две головы пулинга. README описывает англоязычное обучение и оценку на задачах семантического сходства и поиска; предусмотрен путь инференса на Rust без Python во время выполнения. Лицензия репозитория — MIT. В опубликованных оценках модель показывает результаты, близкие к BGE-small на части тестов и превосходит её на Banking77, однако на медицинских, научных и дискуссионных доменах уступает учителю. Лучше всего подходит для коротких запросов длиной до 64 токенов и документов до 256 токенов; инструктивные промпты не поддерживаются. В обучении использовался MS MARCO с исследовательской лицензией, поэтому для коммерческого применения следует отдельно проверить условия использования данных.

Модель Heimat24/vhs_burghausen_danielheinz_e5-qa_generation_user-5-1-0.8 — модель Sentence-Transformers на архитектуре XLM-RoBERTa с 305,2 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения семантической близости, поиска похожих текстов и кластеризации. Модель обучалась с функцией потерь MultipleNegativesRankingLoss и косинусной мерой сходства. В карточке указана максимальная длина контекста 514 токенов. Для работы используется библиотека sentence-transformers; веса доступны в формате safetensors. Модель подходит для семантического поиска и группировки текстов. Языковая поддержка явно не описана, хотя архитектура XLM-RoBERTa рассчитана на многоязычные данные. Лицензия в предоставленных сведениях не указана.

phatvucoder/vietnamese-bi-encoder-mp — дообученная разработчиком Phat Vu модель Sentence Transformers на базе bkai-foundation-models/vietnamese-bi-encoder. Она преобразует текстовые предложения и абзацы во векторы размерности 768 для извлечения признаков, семантического поиска и сравнения текстов по косинусному сходству. Архитектура состоит из RoBERTa и слоя среднего пулинга; модель рассчитана прежде всего на вьетнамский язык. Модель принимает только текст, имеет максимальную длину последовательности 256 токенов по README; метаданные каталога указывают контекст 258 токенов. Обучающий набор содержит 117 759 примеров, оценочный — 13 364. Лицензия в предоставленных данных не указана.

dangvantuan/vietnamese-document-embedding — модель эмбеддингов документов на вьетнамском языке, разработанная Dang Van Tuan. Она построена на gte-multilingual и дообучена для представления смысла вьетнамских текстов в виде векторов; в обучении использовались Multi-Negative Ranking Loss, Matryoshka2dLoss и SimilarityLoss, а карточка описывает этапы на данных XNLI-vn и STSB-vn. Модель использует архитектуру SentenceTransformer с VietnameseModel, пулингом CLS-токена и нормализацией векторов. Контекст составляет до 8192 токенов по метаданным; README указывает до 8096 токенов. Она предназначена для семантического сравнения предложений и документов, поиска и ранжирования по смыслу на вьетнамском языке. В README приведены результаты оценки на STS-бенчмарках. Модель распространяется по лицензии Apache-2.0.

Модель phuhuyqhqb/vietnamese-embedding-finetuned разработана на основе contextboxai/halong_embedding и дообучена на наборе vietnamese-embedding-dataset. Это Sentence Transformer на архитектуре XLM-RoBERTa с примерно 305,2 млн параметров. Модель кодирует предложения и абзацы на вьетнамском языке в нормализованные плотные векторы размерностью 768; сходство текстов оценивается косинусной близостью. Максимальная длина входа — 514 токенов по метаданным (в README указано ограничение 512 токенов). Модель предназначена для семантического поиска, извлечения релевантных текстов и сопоставления предложений, в том числе как компонент RAG. README приводит результаты оценки информационного поиска на vi-val, включая accuracy@10 0,9263 при полной размерности вектора; результаты относятся к указанному набору оценки и не гарантируют такое же качество на других данных. Это текстовая модель эмбеддингов: она принимает текст и выдаёт векторы, а не готовые ответы. В предоставленных README и метаданных лицензия не указана.

kttt294/vietnamese-sbert-finetuned — модель Sentence Transformers, дообученная на основе bkai-foundation-models/vietnamese-bi-encoder. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 768; архитектура использует RoBERTa с усредняющим pooling. Модель подходит для семантического поиска, извлечения релевантных текстов и сравнения смысловой близости по косинусному сходству. Модель принимает только текст. Максимальная длина последовательности составляет 256 токенов по README; метаданные каталога указывают контекст в 258 токенов. Для обучения использованы 12 001 пар предложений с метками сходства и CosineSimilarityLoss. Карточка не сообщает отдельные результаты оценки качества, поэтому эффективность на конкретных наборах данных следует проверять перед применением. Формат весов — safetensors; лицензия в предоставленных данных не указана.