I.1Поиск и навигация по информации

All-MiniLM-L6-v2-Embedding-GGUF — модель для создания векторных представлений текста на основе sentence-transformers/all-MiniLM-L6-v2. Исходную модель разработала команда Sentence Transformers, а преобразование в формат GGUF выполнила Second State Inc. Модель предназначена для извлечения признаков, оценки семантического сходства предложений, поиска и других задач, где требуется сравнивать текстовые эмбеддинги. Модель работает с английским языком, имеет контекст размером 384 токена и размер вектора 256. Она доступна в нескольких вариантах квантования GGUF с разрядностью от 2 до 8 бит и размером файлов примерно от 19,2 до 45,9 МБ. Вариант Q4_K_M рекомендован как сбалансированный по размеру и качеству, а Q5_K_M и Q5_K_S обеспечивают более низкие потери качества. Более агрессивное квантование уменьшает размер, но может заметно ухудшать результаты. Модель рассчитана на локальный запуск, в том числе через LlamaEdge версии 0.8.2 и выше, и подходит для компактных систем с ограниченными ресурсами. Она не предназначена для генерации текста или диалогов; README не содержит сведений о точной архитектуре, числе параметров и результатах benchmark-тестов. Распространяется по лицензии Apache-2.0.

LeoChiuu/all-MiniLM-L6-v2-negations — дообученный разработчиком модели энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Архитектура Sentence Transformer включает BertModel, усреднение токенных представлений и нормализацию; модель содержит 25,9 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 384. README описывает дообучение на 77 376 парах предложений с CosineSimilarityLoss, включая примеры, где смысл меняется из-за отрицания. Модель предназначена для сравнения семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и извлечения признаков для классификации. Метаданные указывают максимум контекста 512 токенов, тогда как README задаёт максимальную длину последовательности 256 токенов; для практического использования следует учитывать лимит Sentence Transformers из карточки. Для сопоставления текстов используется косинусное сходство. В карточке нет отдельного указания лицензии или дополнительных ограничений. Базовая модель описана как англоязычный энкодер; поддержка других языков не подтверждена.

jangedoo/all-MiniLM-L6-v2-nepali — Sanjaya Subedi создал модель Sentence Transformers на основе sentence-transformers/all-MiniLM-L6-v2 и дообучил её для английского и непальского языков на параллельных англо-непальских предложениях, статьях Википедии, новостях и вопросах с ответами о здоровье. Это BERT-модель с 25,9 млн параметров: она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 384 и поддерживает контекст до 512 токенов по метаданным; в карточке модели указана максимальная длина последовательности 256 токенов. Модель предназначена для поиска семантически близких текстов, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Английские и непальские тексты можно сопоставлять в общем векторном пространстве; для сравнения применяется косинусное сходство. Архитектура использует усреднение токенных представлений и нормализацию векторов. В README приведены результаты оценки поиска информации, но они не гарантируют качество для других наборов данных и задач. Лицензия в предоставленных материалах не указана. Модель распространяется в формате safetensors.

onnx-community/all-MiniLM-L6-v2-ONNX — модель для получения векторных представлений предложений и оценки их семантического сходства. Она основана на sentence-transformers/all-MiniLM-L6-v2, а ONNX-веса подготовлены сообществом onnx-community для совместимости с Transformers.js. Модель предназначена для задач feature extraction, включая семантический поиск, сравнение текстов, кластеризацию и построение систем извлечения информации. Модель работает с английским языком и преобразует предложения в эмбеддинги размерностью 384. В README указано использование mean pooling и нормализации векторов; поддерживается обработка нескольких предложений. Архитектурные детали ограничены принадлежностью к семейству MiniLM с шестью слоями, при этом точный размер модели и максимальная длина контекста не указаны. Модель не является генеративной и не предназначена для создания текста. Сильными сторонами являются компактное представление, удобство локального использования в JavaScript-приложениях через Transformers.js и ориентация на широкий набор задач семантического сопоставления. Ограничения включают поддержку только английского языка и отсутствие сведений о точной производительности в конкретных сценариях. Модель распространяется по лицензии Apache-2.0.

Gloomreach/all-MiniLM-L6-v2-ru-hnp-mnrl — русскоязычная модель эмбеддингов на базе sentence-transformers/all-MiniLM-L6-v2. Автор адаптировал её дообучением на 20 000 примерах парафраз из deepvk/ru-HNP в течение пяти эпох с функцией потерь MultipleNegativesRankingLoss. Модель преобразует текст в векторы размерности 384 и предназначена для сравнения семантической близости русскоязычных предложений, поиска похожих текстов и задач ранжирования по сходству. Это 25,9-миллионная модель семейства BERT с mean pooling и нормализацией эмбеддингов; контекст ограничен 512 токенами. В README указан небольшой прирост Recall@5 и Recall@10 после дообучения. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что качество понимания русской семантики остаётся далёким от идеального; результаты могут зависеть от данных и сценария применения.

KhaledReda/all-MiniLM-L6-v51-pair_score — англоязычная модель Sentence Transformer, дообученная на наборе пар текстов pairs_with_scores_v43 на базе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные векторы размерности 384; архитектура включает энкодер BERT, усредняющий пулинг токенов и нормализацию. Для оценки близости векторов используется косинусное сходство. Модель предназначена для семантического сравнения текстов и поиска: она помогает находить похожие фразы и документы, выявлять перефразирования, кластеризовать тексты и строить признаки для классификации. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Веса опубликованы в формате safetensors. Модель работает с английским текстом и выдаёт векторные представления, а не готовые ответы на естественном языке. Качество зависит от соответствия входных данных обучающим парам; длинные тексты следует разбивать на фрагменты. Лицензия — Apache-2.0.

KhaledReda/all-MiniLM-L6-v60-pair_score — англоязычная модель Sentence Transformers, дообученная на pairs_with_scores_v48 на основе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные векторы размерностью 384 и предназначена для сравнения смысловой близости текстов по косинусному сходству. Архитектура включает энкодер BERT, mean pooling и нормализацию; в метаданных указаны 25,9 млн параметров и контекст до 512 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов, а также для построения эмбеддингов. Карточка указывает Apache 2.0. Модель рассчитана на английский язык; качество для других языков не подтверждено.

KhaledReda/all-MiniLM-L6-v71-pair_score — англоязычная модель Sentence Transformers, дообученная автором на модели KhaledReda/all-MiniLM-L6-v69-pair_score с использованием набора пар текстов со степенями сходства pairs_with_scores_v57. Это компактный плотный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и абзацы в нормализованные векторы размерности 384 и сравнивает их косинусным сходством. Для входной последовательности в метаданных указан контекст до 512 токенов; карточка модели задаёт ограничение в 256 токенов. Модель предназначена для оценки семантического сходства текстов, семантического поиска, поиска перефразировок, кластеризации и получения признаков для классификации. Обучение проводилось с CoSENTLoss на парах с оценками сходства. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Для языков и текстов, отличающихся от английского, качество не подтверждено карточкой.

KhaledReda/all-MiniLM-L6-v77-pair_score — англоязычный Sentence Transformer от KhaledReda, дообученный на sentence-transformers/all-MiniLM-L6-v2 на парах текстов с оценками сходства. BERT-энкодер содержит 25,9 млн параметров и формирует нормализованные плотные векторы размерностью 384; сходство пар можно оценивать косинусной мерой. README указывает максимальную длину последовательности 256 токенов, а метаданные — нативный контекст 512 токенов. Модель предназначена для семантического сравнения предложений и абзацев, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Веса доступны в формате safetensors, использовать их можно через библиотеку Sentence Transformers. Лицензия — Apache-2.0. Карточка не приводит результатов бенчмарков, поэтому качество на конкретных данных следует оценивать отдельно; модель рассчитана на английский язык, а входы длиннее рабочего предела последовательности могут быть усечены.

KhaledReda разработал англоязычную модель Sentence Transformer, дообученную на sentence-transformers/all-MiniLM-L6-v2 на парах текстов с оценками сходства. Энкодер на архитектуре BERT преобразует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. В README указан максимальный размер последовательности 256 токенов, а метаданные задают нативный контекст в 512 токенов. Модель предназначена для семантического сравнения текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Её можно применять для получения эмбеддингов документов и вычисления релевантности пар предложений. Модель работает с английским языком; данные описаны как пары предложений с оценками, а обучение проводилось с CoSENTLoss. Модель распространяется под лицензией Apache-2.0. Это компактный энкодер с 25,9 млн параметров; фактические результаты зависят от текста и области применения, а вход длиннее ограничения последовательности может быть усечён.

Модель Alessio-Borgi/all-mpnet-base-v2-margin-based-triplet-loss-finetuned-culture-10-epochs-enhanced — дообученный Sentence Transformer на базе sentence-transformers/all-mpnet-base-v2. MPNet с mean pooling и нормализацией кодирует предложения и абзацы в плотные векторы размерностью 768; для сравнения используется косинусное сходство. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; в README указана максимальная длина последовательности 384 токена. Модель предназначена для семантического сравнения текстов и может применяться для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Она обучена с TripletLoss на наборе из 6 551 примера; название репозитория указывает на настройку для культурной тематики, однако README не раскрывает состав и охват данных. Лицензия в предоставленных сведениях не указана.

LazarusNLP/all-nusabert-base-v4 — модель семейства BERT, опубликованная LazarusNLP и предназначенная для получения векторных представлений предложений и абзацев на индонезийском языке. Она преобразует текст в плотные эмбеддинги размерности 768, которые подходят для семантического поиска, сравнения сходства и кластеризации. Модель содержит 137,8 млн параметров, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss на косинусном сходстве; в метаданных также перечислены датасеты для индонезийского NLI, поиска, вопросов и ответов и парафразов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Apodex-1.1-mini-GGUF — GGUF-квантизированная версия reasoning-first модели Apodex 1.1, разработанной Apodex AI на базе Qwen/Qwen3.5-35B-A3B. Модель предназначена для сложных исследовательских задач с длительным горизонтом выполнения и агентных сценариев: поиска и анализа информации, подготовки отчётов, работы с файлами, наборами данных, электронными таблицами, изображениями, кодом и инструментами. Она может декомпозировать задачу, координировать параллельных субагентов, сохранять состояние, адаптировать план и учитывать обратную связь пользователя. Модель поддерживает текстовую генерацию и заявлена для английского и китайского языков. Для агентной работы предусмотрен нативный function calling, совместимый с шаблоном чата Qwen3.5; поддерживаются рассуждения и OpenAI-совместимые вызовы инструментов. Рекомендуемый максимальный контекст составляет 262144 токена, а максимальная длина генерации — 32768 токенов. В README также указана совместимость с запуском через llama.cpp и дополнительным мультимодальным проектором, однако полный перечень поддерживаемых модальностей и точные параметры GGUF-квантизации для данной карточки не раскрыты. Сильные стороны модели — ориентация на сквозное выполнение сложных задач, работа с внешними инструментами, командная агентная схема и встроенная проверка утверждений по источникам, данным и вычислениям. По приведённым результатам Apodex-1.1-mini особенно хорошо показывает себя в FrontierFinance и остаётся конкурентоспособной на APEX-Agent; при этом эти показатели зависят от Agent Team harness и не гарантируют аналогичное качество в каждом сценарии. Ограничения включают необходимость корректной настройки llama.cpp, парсеров шаблона и инструментов, а также отсутствие в README подробностей о размере файла, требованиях к аппаратному обеспечению и полной оценке надёжности. Лицензия — Apache 2.0.

danfeg/ArabicBERT_Finetuned-AR-500 — дообученная модель на архитектуре BERT, опубликованная в формате safetensors и предназначенная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 1024, которые можно использовать для семантического поиска, сравнения сходства и кластеризации. Обучение включало CosineSimilarityLoss; заявленная длина контекста составляет 512 токенов. Модель рассчитана на арабский язык, что отражено в названии репозитория; карточка описывает применение через Sentence Transformers и Transformers. Параметров указано 435,4 млн. Лицензия в предоставленных данных не приведена.

Модель omarelshehy/arabic-english-sts-matryoshka — двуязычная Sentence Transformer, дообученная разработчиком на базе FacebookAI/xlm-roberta-large. Она преобразует предложения и абзацы на арабском и английском языках в плотные векторы размерностью 1024 для сравнения семантической близости. Векторы можно сокращать до 768, 512, 256, 128 или 64 измерений, чтобы уменьшить требования к памяти и вычислениям; для оценки сходства используется косинусная мера. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации. Она поддерживает как сравнение текстов внутри каждого языка, так и межъязыковое сопоставление арабского и английского текстов. Архитектура основана на XLM-RoBERTa large, содержит 658,7 млн параметров, принимает текст длиной до 514 токенов и выдаёт векторы. Для использования требуется библиотека Sentence Transformers. В README приведены обнадёживающие результаты MTEB, но разработчик рекомендует проверять качество на целевых данных. Модель распространяется по лицензии Apache-2.0.

Arabic-MiniLM-L12-v2-all-nli-triplet — модель Sentence Transformers, разработанная Omartificial-Intelligence-Space и дообученная на наборе Omartificial-Intelligence-Space/arabic-n_li-triplet на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Модель архитектуры BERT с 124,3 млн параметров преобразует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Модель предназначена прежде всего для арабских текстов и подходит для семантического поиска, сравнения сходства предложений, поиска перефразировок, кластеризации и классификации текста. В карточке указана максимальная длина последовательности 128 токенов, а в метаданных каталога — контекст 512 токенов; используйте ограничение конкретной конфигурации Sentence Transformers при развертывании. Лицензия — Apache-2.0.

Armenian-Text-Embeddings-1 — модель плотных текстовых эмбеддингов для армянского языка, разработанная Metric-AI на базе дообученной multilingual-e5-base. Она преобразует текст в векторы и предназначена для семантического поиска, поиска документов для RAG, сравнения текстов, кластеризации и классификации. Модель построена на архитектуре XLM-RoBERTa, содержит около 305,2 млн параметров и рассчитана на контекст до 514 токенов по метаданным; README указывает ограничение длины последовательности 128 токенов. Для получения эмбеддингов README приводит пример с Sentence Transformers и нормализацией векторов. Указаны армянские тексты на входе, а также англо-армянские данные обучения и поддержка межъязыкового понимания. Лицензия — Apache 2.0. В README также сообщается о более новой версии ATE-2.

arzington_bert_embedding_model_v4 — модель на базе BERT, разработанная автором репозитория jason1234. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель содержит 129,5 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате PyTorch; обучение проводилось с функцией потерь CosineSimilarityLoss. Модель подходит для построения векторного поиска по текстовым коллекциям, группировки похожих высказываний и оценки семантического сходства. README не сообщает языковой состав обучающих данных или результаты оценки, поэтому качество для конкретного языка и предметной области по имеющимся сведениям определить нельзя. Лицензия в предоставленных данных не указана.

b1ade-embed-kd — модель для получения векторных представлений текстов и оценки их семантического сходства. В карточке указано, что она распространяется в формате ONNX через transformers.js и предназначена для задач sentence similarity. Модель может использоваться для классификации текстов, семантического поиска и retrieval, reranking, кластеризации и оценки текстового сходства. В качестве подтверждения приведены результаты на наборе тестов MTEB, включая AmazonCounterfactualClassification, AmazonPolarityClassification, Banking77, ArguAna, AskUbuntuDupQuestions и BIOSSES. Например, на Banking77 указаны accuracy 85,19% и F1 85,13%, а на BIOSSES — корреляция Spearman до 84,75% для косинусного сходства. Архитектура, число параметров, размерность эмбеддингов, поддерживаемые языки, максимальная длина контекста и разработчик в предоставленных данных не указаны. Также не указана лицензия, поэтому условия использования по карточке определить нельзя. Результаты показывают применимость модели к широкому спектру задач работы с текстовыми представлениями, однако качество может существенно зависеть от домена и конкретного сценария.

Bangla-Embed-E5-Banglish — компактный текстовый энкодер на базе BERT, разработанный для семантического поиска и сопоставления предложений на бенгальском языке, включая его латинскую запись Banglish. Модель дообучена на intfloat/multilingual-e5-small методом трёхэтапной дистилляции от BGE-M3 с добавлением романизированных вариантов IndicXlit; размер по README — 118 млн параметров, в метаданных — 124,3 млн. Контекст составляет 512 токенов. Ключевая особенность модели — межскриптовый поиск: она сопоставляет запросы на Banglish с текстами на бенгальском письме и английском. Также модель создаёт эмбеддинги для семантического поиска, сравнения предложений и ранжирования. По приведённым в карточке оценкам, она показывает сильные результаты на бенгальских и межъязыковых наборах, сопоставимые с гораздо более крупными энкодерами. Модель принимает текст и выдаёт векторные эмбеддинги; её можно использовать через sentence-transformers. Лицензия модели — MIT, однако некоторые обучающие источники могут иметь отдельные, в том числе некоммерческие, условия. Романизация при обучении была синтетической; качество проверялось на пользовательском наборе, но охват ограничен стандартным бенгальским, без региональных вариантов и практик набора текста. На полнотекстовых наборах MIRACL-bn и Mr.TyDi-bn модель уступает более крупным моделям и исходной основе.

bangla-embed-e5-small-mnrl — модель Sentence Transformers, дообученная разработчиком Srimon12 на базе intfloat/multilingual-e5-small для работы с текстами на бенгальском языке. Она преобразует текст в нормализованные плотные эмбеддинги размерности 384; архитектура включает BERT, усредняющий pooling и нормализацию. Максимальная длина входа — 512 токенов, для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска и сопоставления текстов: README также указывает поиск перефразировок, кластеризацию и классификацию по эмбеддингам. При обучении использовались miracl_bn, nli_bn и parse_bn. В приведённой оценке на miracl-bn указаны cosine_accuracy@1 0,91 и cosine_accuracy@10 1,0; это результаты конкретной оценки, а не гарантия качества на других данных. Модель принимает текст и выдаёт векторы. Лицензия — MIT.

REDSOULTM/baxy-router-encoder-ft — дообученная модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT и преобразует предложения и абзацы в плотные векторы размерности 384; сходство между текстами оценивается косинусной метрикой. Модель обучена на 11 808 парах текстов с помощью MultipleNegativesRankingLoss. README указывает максимальную длину последовательности 128 токенов, а метаданные — контекст 512 токенов. Модель предназначена для семантического поиска, сравнения сходства и перефразирований, кластеризации и классификации текста. Примеры обучающих пар охватывают команды для управления настольным компьютером на нескольких языках, в том числе сопоставление короткой команды с более развёрнутым описанием действия. Веса доступны в форматах Safetensors и ONNX; для применения подходят Sentence Transformers и Text Embeddings Inference. Лицензия в предоставленных данных не указана.

BERTA — модель для получения эмбеддингов предложений на русском и английском языках. Согласно карточке, её разработал sergeyzh методом дистилляции эмбеддингов ai-forever/FRIDA в sergeyzh/LaBSE-ru-turbo. Это плотная модель семейства BERT с 155,5 млн параметров; размер эмбеддинга — 768, контекст — до 512 токенов. Модель предназначена для сравнения семантической близости текстов, поиска и других задач на эмбеддингах. Карточка также приводит результаты для распознавания перефразирования, вывода по тексту, анализа тональности и выявления токсичности. Для большинства задач задан префикс «categorize_entailment: »; также доступны унаследованные от FRIDA префиксы для запросов и документов. Используется mean pooling вместо CLS pooling. В бенчмарке ruMTEB BERTA показывает результаты, близкие к FRIDA, но в приведённых таблицах уступает ей по указанным метрикам классификации и кластеризации. Модель принимает текст и выдаёт векторы эмбеддингов. Лицензия — MIT.

Это англоязычная модель Sentence Transformer на базе google-bert/bert-base-uncased, дообученная авторами kh-li на парах и тройках из наборов all-nli, STS-B, Quora и Natural Questions. Модель кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. Архитектура состоит из BERT и mean pooling, максимальная длина последовательности — 512 токенов, библиотека — Sentence Transformers. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Её можно использовать, например, для подбора релевантных фрагментов в поисковой системе или группировки похожих вопросов. Она рассчитана на английский язык; качество на других языках не подтверждено. Лицензия в предоставленных сведениях не указана.

jegormeister разработал sentence-transformers-модель на базе BERT для нидерландского языка. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; архитектура содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска и группировки нидерландских текстов. Для использования доступны Sentence-Transformers и Transformers; при использовании Transformers требуется применить pooling к контекстным представлениям токенов. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Это англоязычная модель Sentence Transformer, созданная sobamchan дообучением google-bert/bert-base-uncased на наборе all-nli. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости с помощью косинусного сходства. Модель построена на архитектуре BERT с усреднением токенных представлений; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации текстов, классификации на основе эмбеддингов и оценки сходства предложений. В README приведён результат на sts-dev: Spearman correlation 0,8025. Модель принимает текст и выдаёт векторы; карточка указывает английский язык. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformers, разработанная на базе tintnguyen/bert-base-vi-uncased и дообученная для сопоставления предложений. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать по косинусной близости. Модель построена на BERT с усреднением токенных представлений, принимает последовательности длиной до 512 токенов и предназначена прежде всего для вьетнамского текста. Модель подходит для семантического поиска, поиска перефразировок и тематической кластеризации текста. В README также указаны задачи классификации текста и семантического сходства. Обучающие примеры состоят из пар anchor-positive; указан размер обучающего набора — 631 587 примеров. Модель выдаёт эмбеддинги, а не готовые ответы на вопросы или метки классов. Репозиторий содержит веса в формате safetensors и использует 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.

Это англоязычная модель Sentence Transformer, созданная sobamchan путём дообучения google-bert/bert-large-uncased на наборе all-nli. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысла текстов по косинусному сходству. Архитектура состоит из BERT Large и усредняющего пулинга токенов; число параметров — 433,9 млн, максимальная длина входа — 512 токенов. Модель поддерживает Matryoshka-представления размерности 1024, 768, 512, 256, 128 и 64. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и получения признаков для классификации текста. В README приведена оценка на sts-dev: Spearman correlation по косинусному сходству — 0,8311. Модель рассчитана на английский язык; её карточка не подтверждает качество для других языков. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

amber-tech/bert-multilingual-passage-reranking-msmarco — мультиязычная модель ранжирования пассажей, дообученная на данных MS MARCO. Она принимает поисковый запрос и текстовый фрагмент, оценивает их соответствие и выдаёт оценку от −10 до 10; более высокое значение означает более релевантную пару. Модель построена на BERT с полносвязной сетью над вектором CLS размерности 768 и содержит 194,6 млн параметров. Модель предназначена для повторного ранжирования первых результатов поиска, например для повышения релевантности выдачи Elasticsearch. README заявляет поддержку более 100 языков, хотя обучение проводилось на англоязычных данных; автор также сообщает о хороших результатах на немецких запросах. Суммарный вход запроса и фрагмента ограничен 512 токенами, а указанное время обработки составляет около 300 мс на запрос на GPU. Модель доступна по лицензии Apache-2.0. Скорость может ограничивать её применение к большим наборам результатов; заявленные улучшения релевантности основаны на оценках автора и не гарантируют такой же эффект на других поисковых системах и данных.