I.1Поиск и навигация по информации

Bandi2716 выпустил дообученную на klue/roberta-base модель Sentence Transformers для представления предложений и абзацев в виде плотных векторов размерностью 768. RoBERTa использует усреднение токенных представлений; сходство векторов оценивается косинусной мерой. Модель предназначена для сравнения смысла корейских текстов и подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель обрабатывает текстовые последовательности длиной до 512 токенов (в метаданных указано 514 токенов). Обучение описано на наборе из 10 501 пары предложений с оценками сходства; карточка приводит результаты оценки сходства, но также содержит разные значения метрик без ясного пояснения, к каким наборам они относятся. Базовая модель KLUE RoBERTa рассчитана на понимание корейского языка. Вес опубликован в формате safetensors и распространяется по лицензии базовой модели, если она применима; доступные сведения не дают оснований уточнить лицензионные условия именно этой карточки.

hyunkookim/klue-roberta-base-klue-sts — модель Sentence Transformers, дообученная на базе klue/roberta-base для оценки семантического сходства корейских предложений. Она преобразует предложения и абзацы в плотные векторы размерности 768, которые сравниваются косинусной близостью; модель также подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает RoBERTa и усреднение токенных представлений; размер базовой модели — 137,8 млн параметров. Максимальная длина входа — 512 токенов по карточке модели и 514 токенов по метаданным. Модель ориентирована на корейский язык и обучена на парах текстов с оценками сходства. В README приведены результаты оценки, но они различаются между таблицами, поэтому их нельзя считать однозначной характеристикой качества. Репозиторий использует формат safetensors и библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

LeeGH04/klue-roberta-base-klue-sts — модель Sentence Transformers, дообученная на базе klue/roberta-base для сравнения смысла корейских предложений. Она использует архитектуру RoBERTa с усреднением токенных представлений и преобразует текст в плотные векторы размерностью 768; сходство между ними оценивается косинусной мерой. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации корейских текстов. Модель принимает последовательности длиной до 512 токенов (в метаданных указано 514 токенов контекстного окна). В README приведены результаты оценки сходства, включая Spearman 0,924 на одном из наборов данных; результаты на другом наборе заметно ниже. Доступна в формате safetensors и рассчитана на использование с библиотекой Sentence Transformers. Лицензия в предоставленных данных не указана.

shangrilar/klue-roberta-base-klue-sts-mrc — модель Sentence-Transformers на базе RoBERTa, разработанная автором репозитория для получения векторных представлений предложений и абзацев. Она преобразует текст в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и других задач сравнения предложений. Модель содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов. При обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством. Веса доступны в формате safetensors; для применения подходят Sentence-Transformers или Transformers с соответствующей операцией pooling. Карточка не сообщает лицензию и не приводит результатов оценки качества. Название базовой модели указывает на ориентацию на корейский язык, однако README и метаданные не перечисляют поддерживаемые языки.

yj512/klue-roberta-base-klue-sts-mrc — модель Sentence-Transformers, дообученная на базе shangrilar/klue-roberta-base-klue-sts. Она кодирует предложения и абзацы на корейском языке в плотные векторы размерности 768 и предназначена для оценки семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Для сравнения векторов используется косинусное сходство; архитектура объединяет RoBERTa с усреднением токенных представлений. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 512 токенов по README и до 514 токенов по метаданным. В README приведены значения Spearman 0,8159 и Pearson 0,8067 на оценке сходства, но они не гарантируют качество на других данных. Лицензия в предоставленных сведениях не указана.

Модель snunlp/KLUE-SRoBERTa-Large-SNUExtended-klueNLI-klueSTS — Sentence Transformer на архитектуре RoBERTa, обученный для работы с корейскими предложениями на наборе klue/klue. Она преобразует текст в плотные эмбеддинги размерности 1024 и оценивает сходство предложений по косинусному сходству; максимальная длина последовательности составляет 512 токенов. Модель подходит для семантического поиска, поиска перефразирований, кластеризации и классификации текста на основе эмбеддингов. В README приведён результат Spearman 0,8422 на оценке семантического сходства sts-dev. Модель принимает текст и выдаёт векторные представления; основным языком является корейский. Контекст ограничен 512 токенами, поэтому длинные тексты требуют разбиения. Лицензия в предоставленных источниках не указана.

KR-SBERT-V40K-klueNLI-augSTS — модель семейства Sentence-BERT на архитектуре BERT, представленная SNUNLP. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантического сходства, поиска по смыслу и кластеризации. Модель также подходит для классификации документов; в приведённом в карточке сравнении она достигла точности 0,8628. Модель содержит 144 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов. Карточка и метаданные указывают корейский язык. Для применения доступны веса PyTorch и библиотека Sentence-Transformers. Лицензия в предоставленных данных не указана.

hillbyte/labse-mizo-en-embed — модель встраивания предложений, созданная дообучением LaBSE на параллельном корпусе из 170 тысяч пар предложений на мизо и английском языках. Архитектура основана на BERT; модель кодирует предложения в плотные векторы размерностью 768 и сопоставляет оба языка в общем пространстве. Контекст модели — до 512 токенов. Модель предназначена для межъязыкового семантического поиска по корпусу, извлечения релевантных документов, поиска соответствий между переводами и оценки сходства предложений. В README приведены результаты тестирования на 3000 отложенных парах запрос-документ для поиска в обоих направлениях — с английского на мизо и с мизо на английский. Модель распространяется по лицензии Apache-2.0.

LaME-7B — мультимодальная модель для получения эмбеддингов, разработанная на основе Qwen2-VL-7B-Instruct. Она использует восемь обучаемых токенов [REASON], обучение с совместной контрастивной и декодерной супервизией и проекцию размерности 3584; латентный декодер основан на Qwen3-0.6B. Модель предназначена для поиска и сопоставления текста, изображений, видео и визуальных документов. README сообщает о высоких результатах на наборах MMEB-v2 и MRMR. Для запуска указаны Transformers и AutoModel/AutoProcessor; веса представлены в формате safetensors. Лицензия — Apache-2.0.

SingularityUS/legal_topic_retriever3 — модель на базе BERT, разработанная SingularityUS для преобразования предложений и абзацев в плотные векторы размерностью 768. Её можно использовать для семантического поиска и кластеризации текстов, в том числе для подбора документов по сходству смыслов. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch; для работы предусмотрено использование Sentence-Transformers либо Transformers с соответствующей операцией pooling. Лицензия в предоставленных данных не указана.

LENS-d4000 — модель текстовых эмбеддингов, разработанная Yibin Lei. Она использует подход Lexicon-based Embeddings: компоненты вектора задуманы как соответствующие кластерам семантически близких токенов. Версия d4000 формирует представления размерностью 4000 на основе архитектуры Mistral с 7,1 млрд параметров. Модель предназначена для извлечения признаков из текста и получения эмбеддингов, которые можно применять для сравнения семантической близости текстов и поиска по смыслу. Для неё заявлен контекст длиной до 32 768 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0. Описание не содержит результатов оценок качества или подробностей о рекомендуемом способе использования и ограничениях представлений. Указан интерфейс извлечения признаков, поэтому для получения эмбеддингов может потребоваться подходящая библиотека или обёртка.

reranker_0.5_cont_filt_7max — это модель для ранжирования текстов, созданная на основе Qwen/Qwen2.5-0.5B-Instruct и дообученная разработчиком lightblue на датасете reranker_continuous_filt_max7_train. GGUF-квантизации модели подготовил Richard Erkhov. Модель предназначена для задач reranking: оценки релевантности текстовых вариантов и упорядочивания результатов поиска или кандидатов по соответствию запросу. В основе используется компактная языковая модель Qwen2.5 с размером 0,5 млрд параметров; исходная модель поддерживает текстовый режим, однако сведения о фактических языках, максимальной длине контекста и формате входных данных для этой версии не приведены. Указана оценка на тестовой выборке: loss 0,3869. Доступны варианты GGUF с методами квантизации от Q2_K до Q8_0 размером примерно от 0,39 до 0,63 ГБ, что позволяет выбирать между экономией памяти и сохранением качества. Сильными сторонами являются небольшой размер, возможность локального запуска в формате GGUF и специализация на ранжировании. Ограничения связаны с неполным описанием назначения, данных обучения, поддерживаемых языков, контекста и практических метрик качества; указан только loss. Лицензия оригинальной модели обозначена как other, но точные условия использования в карточке не уточняются.

mesolitica/llama2-embedding-1b-8k — текстовая модель для получения эмбеддингов, разработанная Mesolitica на основе архитектуры Llama 2. Она предназначена для извлечения признаков из текста и обучена на малайскоязычных текстах с длиной контекста обучения до 8 тысяч токенов; при инференсе может обрабатывать контекст до 32 768 токенов. Модель содержит около 940,6 млн параметров и распространяется в формате safetensors. Модель подходит для построения векторных представлений текстов, например, для поиска по смыслу, ранжирования и кластеризации. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным установить нельзя.

YoungXuan/Llama-3.1-8B-NHS — продолжительно предобученная модель генерации текста на основе Meta Llama 3.1 8B с методом TTT-NTP: во время тестирования она обновляет быстрые веса в отдельных проекциях MLP, используя предсказание следующего токена. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и улучшения извлечения связанных фактов из длинного контекста. В оценке RULER автор сообщает средний результат на 11,96 пункта выше базовой Llama 3.1 8B; улучшения сосредоточены на ассоциативном поиске по нескольким ключам и значениям, при этом на некоторых заданиях наблюдались ухудшения. Оценка проведена с одним seed, поэтому результаты требуют осторожной интерпретации. Для загрузки через Transformers требуется включить trust_remote_code, поскольку реализация TTT находится в коде репозитория. Формат весов — safetensors; лицензия — llama3.1.

LuxEmbedder — модель эмбеддингов предложений на базе LaBSE, представленная авторами работы Philippy et al. (2024). Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель специально адаптирована для люксембургского языка с использованием параллельного набора данных LuxAlign. Она также сопоставляет тексты ещё на 108 языках в общем векторном пространстве, поддерживая многоязычный поиск и сравнение предложений. Архитектура основана на BERT; максимальная длина контекста — 512 токенов. Модель подходит для поиска семантически близких фрагментов и определения сходства или перефразирования, в том числе между языками. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

castorini/mdpr-tied-pft-msmarco-ft-all — модель семейства BERT, разработанная Castorini и дополнительно дообученная на всех обучающих данных Mr. TyDi. Она основана на castorini/mdpr-tied-pft-msmarco и предназначена для получения векторных представлений текстов, в частности для многоязычного поиска и извлечения документов по запросу. Модель содержит 205,1 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт признаки, пригодные для последующего поиска или ранжирования. В README указано дообучение на Mr. TyDi; метаданные не перечисляют языки, а конкретные поддерживаемые языки и показатели качества не приводятся. Репозиторий содержит веса PyTorch и safetensors. Лицензия в предоставленных данных не указана.

Mykes/med-MiniLM-L12-3059 — дообученная модель Sentence Transformer на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она преобразует предложения и абзацы в плотные векторы размерности 384 и предназначена для сравнения смыслового сходства, семантического поиска, поиска перефразировок, классификации текстов и кластеризации. В архитектуре используются BERT и усреднение токенных представлений; для сравнения векторов можно применять косинусное сходство. Базовая модель поддерживает несколько языков. Модель создана на парных примерах «запрос — положительный текст», включая медицинские формулировки на русском языке. По README максимальная длина последовательности составляет 128 токенов; метаданные указывают нативный контекст 512 токенов. Модель содержит 124,3 млн параметров и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

mentee-embed-v1 — компактная мультиязычная модель эмбеддингов текста от MenteE AI, созданная с нуля на основе собственного трансформерного энкодера в стиле Qwen. Модель содержит около 41 млн параметров, выдаёт векторы размерности 384 и рассчитана на английский, арабский и урду. Контекст ограничен 512 токенами по метаданным; при обучении последовательности ограничивались 128 токенами. Модель предназначена для вычисления семантического сходства предложений и поиска релевантных документов, включая межъязыковой поиск между английским и урду. Её обучали в два этапа: маскированное языковое моделирование и дистилляция отношений от intfloat/multilingual-e5-base. По данным карточки, она обучалась на наборах NLI, XNLI, OPUS-100 и MIRACL; результаты показывают пригодность для лёгкого извлечения кандидатов и последующего ранжирования, но качество поиска по крупным корпусам уступает сильным мультиязычным базовым моделям. Модель распространяется по лицензии Apache-2.0. Ограничения включают слабее качество на открытом поиске по большим корпусам, возможное снижение качества в специализированных областях и необходимость разбивать длинные документы на фрагменты. Для загрузки текущего формата model.pt требуется код из репозитория mentee-embeddings.

andrerean/minilm-arsip-kampus-v1 — дообученная модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанная для поиска по архиву документов кампуса. Она преобразует текстовые предложения и абзацы в плотные векторы размерности 384; сходство между ними оценивается косинусной мерой. Архитектура включает BERT-трансформер с усредняющим pooling. README указывает максимальную длину последовательности 384 токена, а метаданные — контекст до 512 токенов. Модель обучена на 2 352 парах текстов, связанных с архивными материалами университета: руководствами по грантам, документами об организации подразделений и процедурами для преподавателей. Её можно применять для семантического поиска и извлечения подходящих документов по запросам, даже если формулировки запроса и документа различаются. В метаданных указан тег sentence-similarity, а каталог также относит её к feature-extraction. Модель принимает и выдаёт текстовые представления в виде векторов. Примеры обучающих данных написаны на индонезийском языке; карточка не подтверждает поддержку других языков именно этой дообученной версии. Используется лицензия базовой модели, применимая к репозиторию модели; сведений о лицензии в предоставленных данных нет.

antarge/minilm-finetuned — дообученная модель на базе sentence-transformers/all-MiniLM-L6-v2, предназначенная для получения векторных представлений предложений и оценки их семантического сходства. Она использует плотную архитектуру BERT и распространяется в формате PyTorch; для работы требуется библиотека Transformers или Sentence Transformers. Модель обучена на наборе sentence-transformers/all-nli и ориентирована на англоязычные тексты. Лицензия — MIT, допускающая коммерческое использование при соблюдении её условий. Модель подходит для поиска предложений по смыслу, сравнения формулировок и кластеризации текстов. Размер указан в метаданных как 252 млн параметров, однако README не поясняет его расчёт для этой модели; поэтому практические свойства размера базовой модели отдельно не выводятся. Карточка не сообщает длину контекста и ограничения качества.

mmarco-sentence-flare-it — модель Sentence-Transformers на базе XLM-RoBERTa, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 384. Она обучалась с TripletLoss на данных mmarco и подходит для семантического поиска, сравнения сходства текстов и кластеризации. Модель рассчитана на итальянский язык; максимальная длина контекста составляет 514 токенов, размер — 19,8 млн параметров. Доступны форматы PyTorch, safetensors и ONNX. Лицензия Apache-2.0.

Карточка модели jfarray/Model_bert-base-multilingual-uncased_5_Epochs на Hugging Face совпадает с карточкой jfarray/Model_dccuchile_bert-base-spanish-wwm-uncased_5_Epochs, поэтому описание составлено по ней. Модель jfarray/Model_dccuchile_bert-base-spanish-wwm-uncased_5_Epochs — модель Sentence-Transformers на базе BERT, преобразующая предложения и абзацы в плотные векторы размерности 256. Она предназначена для поиска семантически близких текстов и кластеризации; также подходит для сравнения сходства предложений. Модель содержит 137,1 млн параметров, использует формат PyTorch и принимает последовательности длиной до 512 токенов. Обучение проводилось с функцией потерь CosineSimilarityLoss. По названию репозитория базовая модель — dccuchile/bert-base-spanish-wwm-uncased; модель ориентирована на испанский язык. Лицензия в предоставленных данных не указана.

Модель tomaarsen/mpnet-base-all-nli-triplet — англоязычная Sentence Transformer-модель, созданная дообучением microsoft/mpnet-base на триплетах датасета sentence-transformers/all-nli. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения смысловой близости текстов с помощью косинусного сходства, семантического поиска, поиска перефразирований, кластеризации и классификации текстов. Архитектура состоит из MPNet и mean pooling; максимальная длина входа — 512 токенов. Модель содержит 136,7 млн параметров и распространяется в формате safetensors. Карточка приводит результаты TripletEvaluator на наборах all-nli-dev и all-nli-test: точность по косинусному сходству составляет 0,9004 и 0,915 соответственно. Модель рассчитана на английский язык, её лицензия — Apache-2.0. Она выдаёт векторы, а не готовые ответы; для задач поиска обычно нужны отдельное хранилище и механизм ранжирования. Результаты карточки получены на данных AllNLI и не гарантируют качество на других языках или предметных областях.

Xenova/multilingual-e5-base — версия модели intfloat/multilingual-e5-base с весами в формате ONNX, подготовленная для использования в Transformers.js. Репозиторий Xenova предназначен для запуска модели в JavaScript-средах, включая веб-приложения, через библиотеку @huggingface/transformers. Модель предназначена для извлечения признаков из текста и может использоваться как основа для задач семантического поиска, сравнения текстов, кластеризации и построения других NLP-систем. В README подтверждён сценарий feature extraction. Модель заявлена как multilingual, однако конкретный перечень поддерживаемых языков, размер, архитектура, длина контекста и точные характеристики качества в предоставленных данных не указаны. Ключевое преимущество этой версии — совместимость с Transformers.js и ONNX, что облегчает запуск модели в JavaScript- и веб-средах. Ограничение описания заключается в отсутствии подробных сведений о производительности, поддерживаемых языках, требованиях к ресурсам и лицензии. Информация о лицензии в README не приведена.

multilingual-e5-small-fra-32768 — текстовая модель эмбеддингов, опубликованная alphaedge-ai на основе intfloat/multilingual-e5-small. Она предназначена для задач семантического сравнения предложений, поиска и ранжирования документов, сопоставления запросов с фрагментами текста и других сценариев, где требуется преобразование текста в векторные представления. Модель интегрируется с библиотекой sentence-transformers и поддерживает раздельное кодирование запросов и документов. Модель оптимизирована для французского языка за счёт сокращения словаря методом trimming. Размер словаря уменьшен с 250 037 до 32 768 токенов, а количество параметров — с 117 653 760 до 34 222 464, что соответствует уменьшению размера примерно на 70,91%. По заявлению авторов, при французских текстах она должна демонстрировать результаты, близкие к исходной multilingual-e5-small, при существенно меньшем потреблении памяти. Архитектурные детали, размер контекста и поддержка других модальностей в README не указаны; заявлена только работа с текстом. Главное ограничение — возможное заметное ухудшение качества на языках, отличных от французского, поскольку редко используемые для выбранного языка токены были удалены. Модель распространяется по лицензии MIT.

Mollel/MultiLinguSwahili-mxbai-embed-large-v1-nli-matryoshka — модель Sentence Transformer, дообученная автором на базе mixedbread-ai/mxbai-embed-large-v1 на наборе Mollel/swahili-n_li-triplet-swh-eng. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического сравнения текстов, поиска, поиска перефразировок, классификации и кластеризации. Архитектура состоит из BERT-трансформера с пулингом CLS-токена; длина последовательности — до 512 токенов, сходство оценивается косинусной мерой. Обучающие данные содержат суахилийские и английские примеры, включая соответствующие по смыслу пары на обоих языках. Модель подходит для семантического поиска и сопоставления текстов на суахили и английском, в том числе в многоязычных сценариях. В README приведены результаты оценки сходства предложений на нескольких размерностях эмбеддингов, но качество на иных языках и прикладных наборах данных не описано. Доступна в формате safetensors; лицензия в предоставленных данных не указана.

sankalpakc/nepali-sbert-175k-mpnet — модель Sentence Transformers на архитектуре XLM-RoBERTa, разработанная Sankalpa KC. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения предложений и кластеризации. Модель содержит 305,2 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель ориентирована на непальский язык, что отражено в названии репозитория; README описывает её как инструмент для работы с эмбеддингами предложений и абзацев. Для использования доступны Sentence Transformers и Transformers с подходящей операцией pooling. В метаданных указана лицензия? Сведений о лицензии нет, поэтому условия распространения по предоставленным данным определить нельзя.

cahya/NusaBert-v1.2-sts — модель Sentence Transformers, дообученная разработчиком на базе cahya/NusaBert-v1.2 на наборе STSB. Она использует трансформер ModernBERT с mean pooling и кодирует предложения и абзацы в плотные векторы размерностью 768; сходство оценивается косинусной мерой. Модель предназначена прежде всего для оценки семантического сходства текстов, а также для семантического поиска, поиска перефразирований, кластеризации и классификации текста. Модель принимает текст на английском языке и поддерживает последовательности длиной до 8192 токенов. В README приведены результаты на STS-B: Spearman correlation 0,815 на dev и 0,7533 на test. Для прикладных сценариев качество может зависеть от домена и языка; подтверждена настройка на англоязычном STSB. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

openPangu-7B-Diffusion-DeepDiver — языковая модель Huawei с 7,4 млрд параметров, обученная для сценариев с несколькими агентами. Она использует плотную архитектуру PanguEmbedded и блочную диффузионную генерацию: модель последовательно декодирует блоки токенов, применяя полное внимание внутри блока и причинное внимание к предыдущему контексту. Длина контекста — 32 768 токенов. Модель предназначена для планирования, многошагового поиска информации и вызова инструментов в многораундовых диалогах. В README описана интеграция в агентный фреймворк Deepdiver v2; модель обучалась на траекториях взаимодействия агентов, вызовах инструментов и их результатах. В указанном тесте точность сопоставима с авторегрессионной моделью, при этом требовалось меньше вызовов инструментов и раундов, а задержка была ниже примерно на 30%. В том же тесте частота сбоев вызова инструментов оказалась выше, чем у авторегрессионной модели. README сообщает, что модель обучалась и тестировалась только с Deepdiver v2, поэтому качество в других агентных системах не гарантируется. Лицензия в предоставленных данных не указана.

meedan/paraphrase-filipino-mpnet-base-v2 — модель эмбеддингов предложений и абзацев, опубликованная Meedan. Она преобразует текст в плотные векторы размерности 768 для поиска семантически близких фраз и документов, кластеризации и сравнения предложений. Архитектура основана на XLM-R; модель обучена методом «учитель—ученик» с учителем sentence-transformers/paraphrase-mpnet-base-v2 и учеником sentence-transformers/paraphrase-multilingual-mpnet-base-v2. В обучении использовались параллельные пары английских и филиппинских/тагальских текстов из OPUS. Модель содержит 305,2 млн параметров, принимает текст и выдаёт векторы; максимальная длина контекста составляет 514 токенов. В оценке на тесте семантического сходства получена корреляция Спирмена 0,80 для английского и 0,75 для филиппинского текста; авторы отмечают улучшение для филиппинского языка относительно многоязычной базовой модели. Качество обучающих данных было переменным, а оценка на филиппинском проводилась на машинном переводе набора STS, что ограничивает интерпретацию результатов. Лицензия в предоставленных данных не указана.