I.1Поиск и навигация по информации

MaxNoichl/discipline-tuned_specter_2_015 — дообученная модель Sentence Transformers на базе научного энкодера SPECTER2 от Allen Institute for AI. Она кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их косинусным сходством; архитектура включает BERT, усреднение токенов и нормализацию эмбеддингов. Модель подходит для семантического поиска и сопоставления текстов, в том числе для поиска по научной литературе, кластеризации, поиска перефразировок и классификации на основе эмбеддингов. Максимальная длина последовательности — 512 токенов. В README приведена оценка cosine_accuracy 0,9706 на наборе TripletEvaluator; её нельзя считать гарантией качества на других данных. Модель принимает текст и выдаёт векторы. Лицензия в предоставленных сведениях не указана.

Это дообученная модель Sentence Transformers на базе distilbert/distilbert-base-multilingual-cased, предназначенная для преобразования предложений и абзацев в плотные векторы размерности 768. Архитектура включает DistilBERT и усредняющий mean pooling; максимальная длина входа составляет 512 токенов, для сравнения векторов используется косинусное сходство. Модель подходит для поиска семантически близких текстов, оценки сходства предложений, поиска перефразировок, кластеризации и использования текстовых представлений в классификаторах. В README приведены результаты оценки сходства на переведённых наборах STS для ассамского языка. Многоязычная базовая модель сохраняет регистр; доступные данные подтверждают работу с ассамским, но не позволяют перечислить остальные поддерживаемые языки по отдельности. Модель опубликована под лицензией базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

tomaarsen/distilroberta-base-nli-v4 — модель Sentence Transformers, дообученная на distilbert/distilroberta-base на наборе all-nli. Она преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768 для сравнения семантической близости с помощью косинусного сходства. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Архитектура включает RoBERTa-трансформер с усреднением токенных представлений; модель содержит 95,2 млн параметров и принимает последовательности длиной до 512 токенов. Данные README приводят результаты на STS: коэффициент Спирмена с косинусным сходством составляет 0,7892 на sts-dev и 0,7221 на sts-test. Модель рассчитана на английский язык и выдаёт эмбеддинги, а не готовые текстовые ответы. Для входов длиннее 512 токенов потребуется усечение или разбиение текста; качество на других языках не заявлено. Лицензия в предоставленных данных не указана.

osiria/distiluse-base-italian — модель DistilUSE для получения векторных представлений предложений на итальянском языке. Она создана на основе mDistilUSE (sentence-transformers/distiluse-base-multilingual-cased-v1) с адаптацией слоя эмбеддингов под итальянский язык с использованием частот слов из Википедии. Модель построена на архитектуре DistilBERT, содержит 67 млн параметров и словарь из 30 785 токенов; максимальная длина контекста — 512 токенов. Модель предназначена для кодирования итальянских текстов и вычисления сходства между ними, например, для семантического поиска и сравнения предложений. Она принимает текст и выдаёт векторные представления. Выпущена под лицензией Apache-2.0.

Модель mrm8488/distiluse-base-multilingual-cased-v2-finetuned-stsb_multi_mt-es — испаноязычная модель Sentence-Transformers для оценки семантического сходства предложений и абзацев. Она дообучена на наборе stsb_multi_mt на основе distiluse-base-multilingual-cased-v2 с архитектурой DistilBERT и выдаёт плотные векторы размерности 768. Максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, кластеризации текстов и ранжирования пар предложений по сходству. В README приведён результат оценки Spearman 0,7604. Репозиторий содержит веса PyTorch; для работы описано использование Sentence-Transformers или Transformers с соответствующим pooling. Лицензия в предоставленных данных не указана.

Omartificial-Intelligence-Space разработала эту модель Sentence Transformer, дообучив multilingual-e5-small на арабском наборе пар anchor-positive-negative. Модель на базе BERT преобразует предложения и абзацы в нормализованные векторы размерностью 384; сходство текстов можно оценивать косинусной метрикой. Matryoshka-обучение поддерживает использование укороченных представлений размерностью 256, 128 или 64. Модель предназначена для семантического поиска и сравнения текстов, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. README приводит оценки на тестах семантического сходства, однако они сами по себе не гарантируют качество на произвольных данных. Базовая модель многоязычная, но дообучение проводилось на арабских данных; максимальная длина входа — 512 токенов. Лицензия в предоставленных данных не указана.

omarelsayeed/e5_base_tsdae — модель эмбеддингов предложений и абзацев на базе XLM-RoBERTa, представленная в формате PyTorch. Она преобразует текст в плотные векторы размерности 768 и подходит для семантического поиска, кластеризации и сравнения сходства предложений. В метаданных указано 305,2 млн параметров и контекст длиной до 514 токенов. Модель обучена с использованием LoggingDenoisingAutoEncoderLoss и предназначена для получения текстовых представлений, которые можно использовать в поисковых и аналитических системах. Карточка не сообщает поддерживаемые языки и лицензию, поэтому их нельзя уточнить по имеющимся данным.

m-rudko-pn/e5-base-ukr-wikipedia — модель Sentence Transformers, дообученная автором на базе intfloat/multilingual-e5-base для преобразования предложений и абзацев в плотные векторы размерности 768. Архитектура включает XLM-RoBERTa, mean pooling и нормализацию; для сравнения векторов подходит косинусное сходство. Максимальная длина последовательности — 512 токенов, библиотека — sentence-transformers. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Примеры обучающих данных связывают короткие запросы с длинными фрагментами статей Википедии на украинском языке, поэтому модель особенно подходит для семантического поиска по украинской Википедии и похожим текстам. Базовая модель многоязычная, однако карточка не подтверждает отдельные показатели качества по другим языкам. Сведения о лицензии в предоставленных данных отсутствуют.

E5-large-trm — сжатая версия многоязычной модели intfloat/multilingual-e5-large, подготовленная с помощью vocabtrimmer; сведения об авторе в карточке не приведены. Модель создаёт текстовые эмбеддинги для семантического поиска, сравнения предложений и ранжирования. В README описан пример кодирования запросов и документов для MS MARCO. Архитектура — XLM-RoBERTa; модель содержит около 453,9 млн параметров, использует Sentence Transformers и сохраняется в формате safetensors. Контекст — до 514 токенов. Словарь сокращён с 250 002 до 50 002 токенов на данных нидерландского раздела C4, а размер матрицы эмбеддингов — с 256 млн до 51,2 млн параметров. Это делает модель ориентированной прежде всего на нидерландский язык; карточка также указывает связь с многоязычной базовой моделью E5. Лицензия — MIT. Представленные данные не уточняют, насколько качество сохраняется для других языков после обрезки словаря.

Eklav-0.6B-Reranker-CotGen — дообученная командами Eklav модель на базе Qwen/Qwen3-0.6B для ранжирования текстовых фрагментов по релевантности запросу. Это базовая линия CotGen: модель обучалась на задачах BRIGHT и NevIR методом полной дистилляции цепочки рассуждений. При использовании как поточечного реранкера она генерирует рассуждение, завершающееся меткой true или false; релевантность оценивают по логитам финального токена. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 508 млн параметров и контекст до 40 960 токенов. Она принимает текст и выдаёт текст; заявлена поддержка диалогового режима. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. В README отмечено, что генерация с фиксированным лимитом токенов иногда затягивается, переходит в повторения и не завершает ответ. Для реранжирования авторы рекомендуют запуск через vLLM с условием остановки по строке.

Eklav-8B-Reranker-CotGen — дообученная языковая модель Eklav на базе Qwen/Qwen3-8B, созданная как базовый вариант для сравнения методов дистилляции рассуждений. В обучении модель получает частичную цепочку рассуждений учителя и продолжает её, чтобы вынести оценку самостоятельно; в этом чекпойнте использован стандартный SFT на полной цепочке рассуждений. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 40 960 токенов. Основное назначение — попарное ранжирование пассажей по релевантности, в том числе на задачах BRIGHT и NevIR. Для оценки релевантности модель генерирует рассуждение с итогом true или false; итоговый балл извлекается из логитов соответствующего конечного токена. Карточка описывает применение через vLLM с условием остановки по строке: при генерации с фиксированным лимитом токенов модель иногда продолжает рассуждение, зацикливается и не выдаёт завершённый ответ. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer, разработанная на базе sentence-transformers/all-MiniLM-L6-v2 и дообученная на наборе вопросов и ответов GooAQ. BERT-энкодер с 25,9 млн параметров преобразует предложения и абзацы в плотные векторы размерностью 384; для сходства используется косинусная мера. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов, особенно вопросов и ответов на английском языке. В README приведён результат cosine accuracy 0,5926 на TripletEvaluator для gooqa-dev. Она выдаёт векторы, а не готовые ответы на вопросы; качество зависит от данных и способа применения. Распространяется по лицензии базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

embedder-100p — двуязычная модель эмбеддингов от автора @bayang, созданная на основе bi-encoder из семейства XLM-RoBERTa и Sentence-Transformers. Модель содержит 305,2 млн параметров и преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости. Модель предназначена для семантического поиска и кластеризации текстов на английском и немецком языках. Она обучалась на более чем 20 ГБ немецких текстовых данных с применением дистилляции, чтобы получить двуязычные эмбеддинги; заявленный контекст — 514 токенов. Доступны веса PyTorch и Safetensors. Для получения векторов можно использовать Sentence-Transformers либо Transformers с соответствующей операцией pooling. Карточка не сообщает результатов оценки MTEB, поэтому качество на конкретных наборах данных по ней оценить нельзя. Лицензия в предоставленных данных не указана.

kalle07/embedder_collection — подборка более чем 25 моделей для создания текстовых эмбеддингов, опубликованная пользователем kalle07. Репозиторий содержит практические рекомендации по выбору модели, подготовке документов, разбиению текста на фрагменты и настройке локального RAG. Главная задача моделей в подборке — вычислять векторные представления текста и поддерживать поиск похожих предложений и фрагментов документов. Модели ориентированы на локальное использование с программами вроде AnythingLLM и LM Studio; в репозитории представлены файлы GGUF в форматах BF16, F16, F32 и Q8_0. Автор также упоминает применение через Ollama и KoboldCpp, но совместимость зависит от конкретной модели и среды запуска. В качестве языков в метаданных указаны английский и немецкий; подборка включает модели разных семейств, поэтому характеристики контекста и качество различаются. Подборка пригодится для семантического поиска по документам и построения RAG-систем, но сама по себе не гарантирует улучшения ответов: на результат влияют подготовка текста, разбиение на фрагменты, настройки поиска и основная языковая модель. Автор отмечает, что подходящую модель следует выбирать с учётом языка и предметной области. Лицензия в предоставленных данных не указана.

SamagraDataGov/embedding_finetuned — дообученная модель Sentence Transformers от Samagra DataGov на базе BAAI/bge-small-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 384 для семантического поиска и сравнения текстов. Архитектура состоит из BERT-трансформера, CLS-пулинга и нормализации; сходство векторов можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель подходит для поиска релевантных фрагментов, оценки семантического сходства, поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки поиска на наборе val_evaluator, однако эти показатели относятся к указанной оценке и не гарантируют качество на других данных. Карточка не сообщает лицензию; исходная модель — англоязычная BGE, поэтому пригодность для других языков не подтверждена.

Англоязычная модель Sentence Transformer, созданная DannyAI дообучением BAAI/bge-large-en-v1.5 на датасете all-nli. Она кодирует предложения и абзацы в плотные векторы размерностью 1024, нормализованные для сравнения по косинусному сходству. Архитектура включает BERT-трансформер, слой pooling по CLS-токену и нормализацию; максимальная длина последовательности — 512 токенов. Модель предназначена для оценки семантической близости текстов, семантического поиска, поиска перефразирований, кластеризации и классификации текста по эмбеддингам. В README приведены значения точности cosine_accuracy около 0,95 на проверках all-nli. Лицензия — MIT. Результаты ориентированы на английский язык и могут уступать на других языках или за пределами задач, похожих на обучающие данные.

jangedoo/embeddinggemma-300m-ne-pruned — обрезанная версия модели эмбеддингов Google embeddinggemma-300m. Она преобразует текст в векторы для сравнения предложений и семантического поиска; использовать её можно через библиотеку Sentence Transformers. Модель построена на архитектуре Gemma 3 Text, содержит около 123,1 млн параметров и поддерживает контекст до 2048 токенов. Разработчик сократил словарь токенов с 262 144 до 28 195, что уменьшило общее число параметров примерно на 58% относительно базовой модели. На STS-B для непальского языка результаты близки к базовой модели, но на NanoClimateFEVER для непальского точность поиска первого совпадения заметно ниже. Модель предназначена для работы с текстом и выдаёт эмбеддинги; лицензия в предоставленных данных не указана.

alibayram/embeddingmagibu-200m — модель SentenceTransformers на архитектуре Gemma 3 Text, разработанная для создания эмбеддингов турецких текстов. Она содержит 202,1 млн параметров, формирует нормализованные векторы размерности 768 и поддерживает контекст до 8192 токенов. В README описаны адаптация токенизатора для турецкого языка и дистилляция эмбеддингов от EmbeddingGemma; метаданные также указывают на дистилляцию. Модель предназначена для семантического поиска и извлечения длинных документов, оценки сходства предложений, кластеризации и классификации на основе эмбеддингов. В README приведены результаты STSbTR, однако оценка TR-MTEB ещё продолжается. Модель опубликована под лицензией MIT. При обработке длинных текстов без разбиения на части возрастает потребление памяти; README рекомендует для инференса bfloat16 или float32 вместо float16.

VinitT/Embeddings-Trivia — англоязычная модель Sentence Transformer, дообученная разработчиком на наборе trivia-qa-triplet на основе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные векторы размерностью 384; архитектура включает BERT-энкодер, усреднение токенных представлений и нормализацию. Для сравнения векторов подходит косинусное сходство. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; в README указана максимальная длина последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации. В README приведена точность cosine accuracy 0,834 на оценке TripletEvaluator с trivia_qa_eval. Модель принимает текст и выдаёт векторы; она обучена на англоязычных данных и не предназначена для генерации ответов. Сведения о лицензии в предоставленных источниках отсутствуют.

spacemanidol/esci-es-mpnet-crossencoder — модель на базе MPNet, представленная как модель Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска, кластеризации и сравнения текстов. Обучение описано с использованием CosineSimilarityLoss; в README также приведён способ работы через Sentence-Transformers или Transformers с подходящим pooling. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 514 токенов. В метаданных основная задача обозначена как sentence-similarity, а каталог также относит модель к feature-extraction. Сведения о поддерживаемых естественных языках и лицензии в предоставленных данных отсутствуют.

spacemanidol/esci-jp-mpnet-crossencoder — модель Sentence-Transformers на базе MPNet, разработанная пользователем spacemanidol. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. В метаданных указаны 136,7 млн параметров и контекст до 514 токенов; модель сохранена в формате PyTorch. Модель обучалась с функцией потерь CosineSimilarityLoss. Её можно использовать для поиска семантически близких текстов, группировки предложений и построения систем поиска по смыслу. README не уточняет язык обучающих данных, поэтому языковую поддержку нельзя определить по доступным сведениям. Лицензия в предоставленных данных не указана.

Ettin Encoder 1B — англоязычная модель-энкодер семейства ModernBERT от исследовательской группы JHU CLSP, часть набора Ettin для сопоставления энкодерных и декодерных архитектур. Модель содержит 1 млрд параметров, построена на плотной архитектуре ModernBERT и обучена с маскированием токенов; она предназначена для извлечения признаков и получения текстовых представлений, а также поддерживает заполнение пропусков в тексте. Модель подходит для классификации текстов, поиска и извлечения представлений, включая поиск по коду и работу с длинным контекстом. В описании набора Ettin сообщается о сильных результатах энкодеров на GLUE, англоязычном поиске MTEB и CodeSearchNet. Контекст модели составляет около 8 тысяч токенов. Обучение Ettin использует открытые данные и единый рецепт для сравнения архитектур; лицензия модели — MIT.

ExoMind — агентная модель для научных рассуждений и исследований, разработанная командой ExoMind из Shanghai Artificial Intelligence Laboratory. Это дообученная на Qwen/Qwen3.5-35B-A3B мультимодальная модель семейства Qwen3.5-MoE с поддержкой изображений, диалога и интерфейса вызова инструментов. Основные сценарии — ответы на научные вопросы, поиск и сопоставление источников, обоснование выводов доказательствами, математические и вычислительные рассуждения, а также проверка решений с помощью кода. Система объединяет языковую модель, инструменты взаимодействия с источниками и автономные процессы работы с результатами. В README указан контекст до 262 144 токенов. По заявлению разработчиков, модель показала средний результат 68,3 на восьми научных бенчмарках в описанной ими схеме оценки. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

Это порт модели Facebook DPR question encoder в формат Sentence-Transformers. Модель на архитектуре BERT с 136,7 млн параметров преобразует предложения и абзацы в плотные векторы размерности 768; максимальная длина контекста — 512 токенов. Модель предназначена для получения эмбеддингов текста, которые можно использовать для семантического поиска и кластеризации. Она принимает текст и выдаёт векторное представление; для корректной работы через Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Лицензия — Apache-2.0.

Ngit/fail-detect — модель Sentence Transformers на архитектуре MPNet, разработанная автором репозитория Ngit. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически похожих текстов, кластеризации и других задач сравнения предложений. Модель содержит 136,7 млн параметров и принимает текст; заявленная длина контекста — 514 токенов. Модель подходит для построения семантического поиска и группировки текстов по смыслу. В README указано обучение с CosineSimilarityLoss. Доступен формат PyTorch; лицензия в предоставленных данных не указана.

Карточка модели jessietextstan/few-shot-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.

Nhat1904/Final-32shots-Twitter-Skhead-Train — модель Sentence Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Обучение использовало CosineSimilarityLoss. Модель принимает текст и выдаёт векторные представления, которые можно использовать для семантического поиска и оценки сходства. Контекст ограничен 514 токенами. Репозиторий содержит веса PyTorch; сведения о лицензии и целевых языках в предоставленных данных отсутствуют.

yasserrmd выпустил дообученную на google/embeddinggemma-300m модель Sentence Transformers для получения эмбеддингов текста. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство текстов можно оценивать косинусной мерой. Модель содержит 302,8 млн параметров, принимает последовательности длиной до 2048 токенов и распространяется в формате Safetensors. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, классификации и кластеризации. В README указано, что обучение проводилось на 10 000 парах текстов; пример данных посвящён финансовым рынкам. Метаданные не подтверждают, что модель ограничена финансовой тематикой. Языки обучения или поддерживаемые языки в предоставленных данных не обозначены. Лицензия не указана.

Это англоязычная модель Sentence Transformers, дообученная на наборе PiC/phrase_similarity на базе google-bert/bert-large-uncased. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и оценивает смысловую близость с помощью косинусного сходства. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из BERT Large и mean pooling; максимальная длина последовательности — 512 токенов. Модель работает с текстом на английском языке и формирует векторные представления для последующего сравнения. В README приведены результаты оценки на наборах для классификации пар предложений, но они не гарантируют качество на других данных. Использование распространяется по лицензии базовой модели; сведения о лицензии самой модели в предоставленных данных отсутствуют.

llazio/finetuned-bge-base-en — англоязычная модель Sentence Transformers, дообученная автором llazio на базе BAAI/bge-base-en. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения текстов по косинусному сходству. Архитектура включает BERT, пулинг CLS-токена и нормализацию; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки на обучающей и проверочной выборках, однако датасет небольшой — 1 056 обучающих и 264 оценочных примера, поэтому эти показатели не гарантируют аналогичного качества на других данных. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.