I.1Поиск и навигация по информации

RamManavalan/Qwen3-VL-Embedding-8B-FP8 — мультимодальная embedding-модель, представляющая собой FP8-квантизированную версию Qwen/Qwen3-VL-Embedding-8B. В README указано, что модель подготовлена для эффективного инференса с vLLM; разработчик исходной модели — Qwen, а данный вариант опубликован пользователем RamManavalan. Модель предназначена для получения векторных представлений текста, изображений, скриншотов, видео и мультимодальных комбинаций, поэтому может применяться в семантическом поиске, сопоставлении контента и мультимодальном retrieval. Поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Размерность embedding составляет 4096, максимальная длина контекста — 32K токенов. Используется FP8_DYNAMIC-квантизация W8A8: веса слоёв декодера представлены в FP8 E4M3 с поканальным масштабированием, активации квантизуются динамически по токенам во время выполнения. Vision Encoder и выходные embedding сохраняются в BF16. Размер модели сокращён примерно с 16 до 9 ГБ, что даёт около 45% экономии памяти; калибровочные данные не требуются. Для инференса рекомендуется vLLM версии 0.14.0 или новее с pooling runner; требуется GPU NVIDIA с поддержкой FP8 и compute capability не ниже 8.9, а минимальный объём VRAM заявлен около 10 ГБ. Сильными сторонами являются поддержка нескольких модальностей, высокая эффективность инференса и сохранение большей части качества исходной модели; для FP8 заявлено обычно более 95% исходной точности, однако отдельные результаты приведены для базовой модели, а не как независимая оценка этой квантизированной версии. Ограничения включают требования к совместимому FP8-оборудованию и зависимость от vLLM или специальной конфигурации Transformers. Модель распространяется по лицензии Apache-2.0.

rank1-7b — реранкер для информационного поиска, разработанный командой JHU CLSP. Модель построена на Qwen2.5-7B и дообучена на rank1-training-data; её архитектура — плотная Qwen2 с 7,1 млрд параметров. Карточка указывает контекстное окно 131 072 токена и формат весов safetensors. Модель получает запрос и документ, генерирует цепочку рассуждений, затем выносит бинарное суждение о релевантности и вычисляет оценку уверенности по логитам токенов true и false. Такой подход предназначен для повторного ранжирования найденных документов, особенно когда соответствие запросу требует сложного анализа. Модель заявлена совместимой с бенчмаркингом MTEB; README сообщает о сильных результатах на задачах поиска, требующих рассуждений, но не приводит конкретных чисел. Основной язык карточки — английский. Для запуска приведён пример интеграции через MTEB и библиотеку rank1; метаданные также указывают Transformers. Лицензия — MIT. Генерация промежуточных рассуждений и обработка пар запрос-документ могут требовать больше вычислений, чем у реранкеров, сразу выдающих оценку; опубликованных в карточке количественных сравнений производительности нет.

Модель cross-encoder-testing/reranker-bert-tiny-gooaq-bce-tanh-v3 — это англоязычный Cross Encoder, разработанный на базе prajjwal1/bert-tiny с использованием библиотеки Sentence Transformers. Модель дообучена на данных GooAQ и предназначена для оценки пар текстов: она получает два фрагмента на вход и вычисляет один числовой балл их смыслового соответствия. Основные сценарии применения включают семантический поиск и переранжирование результатов, оценку текстового сходства, поиск перефразировок, классификацию текстов и другие задачи, где требуется сравнивать два текстовых фрагмента. Максимальная длина последовательности составляет 512 токенов, модель поддерживает один выходной лейбл и рассчитана на работу с английским языком. В метаданных указаны метрики MAP, MRR@10 и NDCG@10; размер базовой модели обозначен как BERT-tiny, однако точное число параметров не приведено. К сильным сторонам относятся компактность базовой архитектуры и возможность напрямую ранжировать пары запрос–документ или другие пары текстов. Как Cross Encoder, модель совместно анализирует оба текста, что может обеспечивать более точную оценку соответствия, но обычно требует отдельного вычисления для каждой пары и потому менее удобна для первичного поиска по большим коллекциям. README не приводит численных результатов оценки, подробностей о составе обучающей выборки или ограничений по доменам. Лицензия — Apache-2.0.

Это англоязычный Cross-Encoder, дообученный авторами на базе microsoft/MiniLM-L12-H384-uncased на наборе MS MARCO с использованием Sentence Transformers. Модель оценивает пару «запрос — текст» одним релевантностным баллом и предназначена для повторного ранжирования результатов поиска и семантического поиска. Модель построена на архитектуре BERT и содержит около 40 млн параметров. Она принимает текстовые пары, поддерживает последовательности длиной до 512 токенов и выдаёт оценку релевантности. В карточке приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Модель рассчитана на английский язык и обучена на MS MARCO; перенос качества на другие языки и предметные области не подтверждён приведёнными данными. Лицензия в предоставленной карточке не указана.

retriever_module — англоязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-mpnet-base-v2 для сопоставления терминов и текстовых фрагментов. Она кодирует предложения и абзацы в плотные векторы размерности 768; близость векторов оценивается косинусным сходством. Архитектура включает MPNet, усреднение токенных представлений и нормализацию. В README указана максимальная длина последовательности 384 токена; метаданные указывают нативный контекст 514 токенов. Модель подходит для семантического поиска, поиска похожих формулировок, сопоставления терминов с описаниями, поиска перефразировок и кластеризации англоязычных текстов. Обучение описано на парах anchor-positive с MultipleNegativesRankingLoss; приведены примеры терминов и формулировок из области приёма пациентов и медицинских организаций, но модель не заявлена как специализированная медицинская модель. В README также перечислена классификация текста как возможное применение эмбеддингов. Репозиторий распространяется по лицензии Apache-2.0. Указанный обучающий и оценочный набор содержит пары текстов; в карточке нет результатов, позволяющих оценить качество на широком круге задач. Для надёжной работы следует учитывать заявленное ограничение длины последовательности и проверять качество на данных целевого применения.

meichen91/review_multiclass_20230116 — модель sentence-transformers на основе MPNet, разработанная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 768 и подходит для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст с контекстом до 514 токенов. В README указано обучение с CosineSimilarityLoss. Доступен формат PyTorch; применять модель можно через Sentence-Transformers или Transformers с подходящей операцией pooling. Лицензия в предоставленных данных не указана.

RobBERT-2023-base-ft — дообученная модель на базе DTAI-KULeuven/robbert-2023-dutch-base, представленная в формате sentence-transformers. Она предназначена для получения представлений нидерландских запросов и документов и измерения сходства между предложениями; авторы сообщают о сильных результатах на MTEB-NL. Модель построена на архитектуре RoBERTa, содержит 151,6 млн параметров и поддерживает контекст до 514 токенов. Модель подходит для семантического поиска, сопоставления запросов с фрагментами документов и задач ранжирования на нидерландском языке. В README приведён пример кодирования запросов и текстов из MS MARCO; в метаданных перечислены датасеты BEIR-NL для поиска, вопросов и ответов и проверки фактов. Лицензия — MIT. Модель работает с текстом и выдаёт эмбеддинги, которые можно использовать для вычисления сходства и поиска. Её специализация — нидерландский язык; приведённая оценка качества относится к MTEB-NL, а результаты на других языках и типах данных не описаны.

KasuleTrevor/Roberta-base-lug-QQ — модель Sentence Transformers, дообученная Trevor Kasule на FacebookAI/xlm-roberta-base. Она кодирует предложения и абзацы в плотные векторы размерности 768, которые можно сравнивать по косинусному сходству. Модель предназначена для оценки семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает XLM-RoBERTa с mean pooling; максимальная длина последовательности — 512 токенов, размер базовой модели — 305,2 млн параметров. Обучение проводилось на 7 106 парах предложений с MultipleNegativesRankingLoss. Многоязычная основа XLM-RoBERTa позволяет обрабатывать тексты на нескольких языках, однако README не уточняет, на каких языках модель обучалась и проверялась специально. Для применения модель выдаёт эмбеддинги, а не готовые ответы; для поиска или сравнения их нужно использовать в последующем пайплайне. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer от sobamchan, дообученная на базе FacebookAI/roberta-base на датасете all-nli. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их по косинусному сходству. Архитектура состоит из RoBERTa и mean pooling; контекст ограничен 512 токенами. Модель подходит для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Обучение с MatryoshkaLoss позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. В README приведены результаты на STS: Spearman 0,8259 для sts-dev и 0,7921 для sts-test. Модель рассчитана на английский язык; её качество для других языков не подтверждено. Репозиторий распространяется в формате safetensors, лицензия в предоставленных данных не указана.

hivaze/ru-e5-base — компактная версия multilingual-e5-base, созданная Сергеем Братчиковым на основе XLM-RoBERTa. Из словаря исходной модели оставлены 69 382 токена, преимущественно для кириллических языков и английского; соответствующие эмбеддинги перенесены на новые идентификаторы токенов. Параметры модели не дообучались, поэтому автор заявляет о сохранении качества исходной модели для кириллических текстов и английского. Модель предназначена для извлечения признаковых представлений текста и может применяться для построения текстовых эмбеддингов, поиска по смыслу и других задач, использующих векторные представления. Уменьшенный словарь сокращает объём модели и расход памяти при обучении. Модель содержит 166,5 млн параметров, принимает последовательности длиной до 514 токенов и доступна в формате safetensors. Лицензия в предоставленных данных не указана.

Ruri-Reranker-Large — японский реранкер на основе Sentence Transformers, разработанный cl-nagoya. Модель дообучена на базе cl-nagoya/ruri-reranker-stage1-large и предназначена для ранжирования текстовых пар: она оценивает релевантность кандидатов запросу, чтобы упорядочить результаты поиска или найденные документы. Архитектура — BERT с классификационной головой; размер — 436,2 млн параметров, максимальная длина последовательности — 512 токенов. Модель рассчитана на японский язык. В README приведены результаты на JQaRA, JaCWIR и MIRACL: Ruri-Reranker-Large показывает лучшие значения среди перечисленных моделей в этих тестах. Она подходит для японского поиска и retrieval-систем, где требуется повторно ранжировать уже отобранные кандидаты. Лицензия — Apache 2.0.

Ruri-Reranker-Small — японская модель ранжирования текстовых пар, разработанная cl-nagoya и основанная на Sentence Transformers. Она дообучена на cl-nagoya/ruri-reranker-stage1-small и использует архитектуру DistilBERT с классификационной головой; размер модели составляет 68 млн параметров, максимальная длина последовательности — 512 токенов. Модель предназначена для повторного ранжирования результатов поиска: она оценивает релевантность пары «запрос — документ», чтобы расположить наиболее подходящие результаты выше. В README приведены оценки на японских наборах JQaRA, JaCWIR и MIRACL; модель компактнее вариантов Ruri Base и Large. Модель принимает текст и выдаёт оценку релевантности. Она рассчитана на японский язык и опубликована под лицензией Apache 2.0. Длина входной последовательности ограничена 512 токенами; в приведённых бенчмарках показатели отличаются от более крупных моделей семейства Ruri.

Ruri v3 130M — японская модель текстовых эмбеддингов, разработанная cl-nagoya на основе cl-nagoya/ruri-v3-pt-130m и архитектуры ModernBERT-Ja. Она преобразует текст в векторы размерностью 512 для поиска, сравнения предложений и других задач семантического сходства; сходство оценивается косинусной мерой. Модель содержит 132,1 млн параметров и обрабатывает последовательности длиной до 8192 токенов. В её архитектуре используются словарь на 100 тысяч токенов, токенизатор SentencePiece и FlashAttention; для токенизации не требуется отдельный инструмент сегментации японского текста. В оценке JMTEB модель показала средний результат 76,55. Модель предназначена прежде всего для японского текста. Она выдаёт эмбеддинги, а не готовые ответы или сгенерированный текст, поэтому для поиска или ранжирования обычно требуется сравнивать полученные векторы. Лицензия — Apache 2.0.

Sarashina-Embedding-v2-1B — японская модель эмбеддингов, разработанная SB Intuitions на основе Sarashina2.2-1B. Она преобразует предложения и абзацы в плотные векторы размерностью 1792 и предназначена для семантического поиска, сравнения текстов, ранжирования, кластеризации и классификации. Модель использует архитектуру Sentence Transformer с LlamaModel и пулингом по последнему токену; максимальная длина последовательности — 8192 токена. Для поиска рекомендуется добавлять к запросу инструкцию и префикс, а к документу — префикс `text:`. Модель обучена контрастивным обучением в несколько этапов: на слабой разметке, затем с контролируемой настройкой, после чего веса двух вариантов были объединены. В README заявлен лучший средний результат среди 28 наборов JMTEB по оценке от 28 июля 2025 года. Модель ориентирована на японский язык. Лицензия Sarashina Model NonCommercial License Agreement ограничивает коммерческое использование.

akhooli/sbert_ar_nli_500k_ubc_norm — модель Sentence Transformers, созданная дообучением UBC-NLP/ARBERTv2 на 500 тысячах арабских NLI-триплетов. Она кодирует предложения и абзацы в плотные векторы размерности 768; для сравнения текстов используется косинусное сходство. Архитектура основана на BERT с усреднением токенных представлений, принимает последовательности длиной до 512 токенов и предназначена для арабского языка. Модель подходит для оценки семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Качество может снижаться на текстах других языков и на последовательностях длиннее 512 токенов.

akhooli/sbert_nli_test — арабская модель Sentence Transformers, дообученная разработчиком на базе aubmindlab/bert-base-arabertv02 на тройках из набора ar-nli-dev. Она преобразует предложения и абзацы в плотные векторы размерности 768; для сравнения семантической близости предусмотрена косинусная мера. Модель основана на BERT с усреднением токенных представлений и поддерживает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска и сравнения арабских текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В README приведена оценка на ar-nli-dev с помощью TripletEvaluator: точность по cosine составляет 0,738. Репозиторий использует Sentence Transformers и формат safetensors; лицензия — Apache-2.0.

akhooli/sbert_nli_test_m — модель Sentence Transformers на основе AraBERTv0.2-base, дообученная на арабских NLI-триплетах. Она кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT и усреднение токенных представлений. Для сравнения текстов используется косинусное сходство. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов на арабском языке. Максимальная длина последовательности — 512 токенов. Распространяется по лицензии Apache-2.0.

SBERTPQ — компактная модель Sentence-Transformers на архитектуре BERT, разработанная для оценки релевантности короткого текста вопросу. Она преобразует вопрос и текст преимущественно длиной до 10–15 слов в векторы размерностью 312; косинусное сходство между векторами служит оценкой того, содержит ли текст ответ на вопрос. Модель применялась для семантического поиска записей в базе фактов диалоговой системы. Модель основана на cointegrated/rubert-tiny2 и насчитывает 29 млн параметров. Карточка сообщает о контексте до 2048 токенов, быстром инференсе даже на CPU и значении cossim_f1 до 0,986 на тестовой выборке. Модель ориентирована на русский язык и распространяется по лицензии Unlicense. Указанная метрика получена на конкретной тестовой выборке и не гарантирует такую же точность на других данных; назначение модели рассчитано на короткие тексты.

ceggian/sbert_pt_reddit_mnr_32 — модель Sentence-Transformers на базе BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель обучена с функцией потерь MultipleNegativesRankingLoss на данных Reddit; размер составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления, поэтому подходит для поиска похожих сообщений, группировки текстов и ранжирования кандидатов по семантической близости. В репозитории находятся веса PyTorch. Лицензия и сведения о поддерживаемых языках в предоставленных данных отсутствуют.

Карточка модели ceggian/sbert_pt_reddit_softmax_256 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

Карточка модели ceggian/sbert_pt_reddit_softmax_64 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

nickprock разработал модель sentence-transformers на архитектуре BERT для представления итальянских предложений и абзацев в виде плотных векторов размерностью 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; для работы с ней можно использовать Sentence-Transformers, FastEmbed или Transformers с подходящей операцией pooling. Модель насчитывает 137,1 млн параметров, имеет контекстное окно до 512 токенов и обучалась с функцией потерь CosineSimilarityLoss на данных, связанных с STS-Benchmark для нескольких языков. Доступны форматы PyTorch, safetensors и ONNX. Лицензия — MIT.

Lajavaness/sentence-camembert-base — модель для получения векторных представлений французских предложений, разработанная Lajavaness на основе dangvantuan/sentence-camembert-base. Модель CamemBERT с 137,8 млн параметров дообучена методом Augmented SBERT на данных STSB с использованием стратегий подбора пар и двух моделей CrossEncoder-camembert-large и dangvantuan/sentence-camembert-large. Модель предназначена для оценки семантического сходства и построения систем поиска по смыслу на французском языке. В README приведены результаты на STS-бенчмарках, измеренные корреляцией Пирсона и Спирмена. Максимальная длина контекста — 514 токенов. Распространяется по лицензии Apache-2.0.

Sentence-CamemBERT-Large — модель эмбеддингов французских предложений, разработанная La Javaness. Она преобразует текст предложений в векторы, отражающие их смысл, и предназначена для семантического поиска и сравнения предложений. Модель построена на архитектуре CamemBERT Large с 435,4 млн параметров; карточка указывает контекст до 514 токенов. Это дообучение facebook/camembert-large с помощью Siamese BERT-сетей на датасете STS-B. В README приведены высокие результаты корреляции Пирсона и Спирмена на французской оценке STS-B. Модель рассчитана на французский язык и выдаёт векторные представления текста. Лицензия — Apache-2.0. Она предназначена для получения эмбеддингов и оценки сходства предложений; README не описывает её как генеративную модель.

Sentence-Llama-Bi-JP-0.5B — двунаправленный энкодер семейства Llama от iamtatsuki05 для создания японских эмбеддингов предложений. Модель дообучена на размеченных парах из cl-nagoya/ruri-v3-dataset-ft и предназначена для семантического поиска, сопоставления и оценки сходства текстов. Модель содержит около 661,9 млн параметров, формирует векторы размерностью 1280 с помощью mean pooling и поддерживает последовательности длиной до 8192 токенов. Для сравнения векторов рекомендуется косинусная мера. Карточка заявляет поддержку японского языка; метаданные указывают лицензию MIT.

Модель hiiamsid/sentence_similarity_spanish_es — испаноязычная модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 768. Она построена на архитектуре BERT и предназначена для вычисления семантического сходства, семантического поиска и кластеризации текстов на испанском языке. В метаданных указано 137,1 млн параметров и контекст до 512 токенов. Модель дообучена на основе dccuchile/bert-base-spanish-wwm-cased с использованием датасета stsb_multi_mt и функции потерь CosineSimilarityLoss. Веса доступны в форматах PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0. Она выдаёт эмбеддинги, а качество результатов зависит от соответствия входных текстов испанскому языку и ограничения контекста.

KoonJamesZ/sentence-transformers-nina-thai-v3 — модель эмбеддингов предложений на базе XLM-RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения текстов и кластеризации. Число параметров — около 305,2 млн, контекст — до 514 токенов; модель принимает текст и выдаёт векторные представления. Для обучения использовалась функция MultipleNegativesRankingLoss с косинусным сходством. Модель подходит для поиска семантически близких предложений, группировки текстов по смыслу и построения систем поиска по текстовым коллекциям. В названии указано Thai, однако доступные сведения не подтверждают отдельно поддерживаемые языки или их приоритет. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

Serafim 100m Portuguese (PT) Sentence Encoder — модель семейства Serafim PT*, представленная Луишем Гомешем, Антониу Бранку, Жуаном Силвой, Жуаном Родригешем и Родригу Сантушем. Это энкодер предложений на архитектуре BERT, опубликованный в рамках исследовательской работы о векторных представлениях португальского языка. Модель содержит 136,1 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 768; максимальная длина контекста — 512 токенов. Модель предназначена для семантического поиска, сравнения сходства предложений и кластеризации текстов на португальском языке. Она использует mean pooling и доступна в формате Safetensors для библиотеки Sentence Transformers. Лицензия — MIT. Ограничения: обучающие настройки указывают max_seq_length 128, поэтому полезная длина входа при исходной конфигурации может быть меньше заявленного архитектурного контекста. README не приводит конкретных численных результатов оценки качества.

Serafim 900m Portuguese PT Sentence Transformer — модель для получения плотных векторных представлений предложений и абзацев на португальском языке. Её разработали Luís Gomes, António Branco, João Silva, João Rodrigues и Rodrigo Santos в рамках семейства энкодеров Serafim PT; работа представлена на EPIA 2024 и опубликована Springer. Модель предназначена для семантического поиска и задач информационного поиска, а также для кластеризации и сравнения сходства текстов. Она построена на DeBERTa-v2, имеет около 1,1 млрд параметров, выдаёт векторы размерностью 1536 и принимает последовательности длиной до 512 токенов. Для работы доступны веса в формате safetensors и библиотека Sentence-Transformers; лицензия MIT. Модель ориентирована на португальский язык. Контекст ограничен 512 токенами, поэтому длинные документы потребуется делить на фрагменты; качество для других языков не заявлено.

mitra-mir/setfit_model_Ireland_binary_label1_epochs2 — модель на базе MPNet, разработанная mitra-mir для преобразования предложений и абзацев в плотные векторы размерности 768. Она рассчитана на поиск семантически близких текстов и кластеризацию; также может использоваться для сравнения сходства предложений. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. Модель подходит для семантического поиска по коллекциям текстов, группировки похожих предложений и построения эмбеддингов для последующей обработки. В карточке указано обучение с CosineSimilarityLoss; сведений о языковой специализации и лицензии в предоставленных данных нет.