I.1Поиск и навигация по информации

AgentTrek-1.0-32B — языковая модель для веб-агентов, разработанная авторами проекта AgentTrek и дообученная на базе Qwen2.5-32B-Instruct. Она предназначена для выполнения задач в интернете и генерации траекторий действий агента, в том числе с опорой на веб-руководства. Модель плотная, содержит 32 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — 32 768 токенов. В метаданных указаны диалоговый режим и интерфейс вызова инструментов, язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает точные результаты на тестах или перечень поддерживаемых веб-сайтов.

yahyaabd/allstats-semantic-search-model-v1-3 — модель Sentence Transformers, дообученная автором yahyaabd на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2 для семантического поиска по статистическим материалам. Она преобразует предложения и абзацы в плотные векторы размерности 768; близость текстов оценивается косинусным сходством. Архитектура использует XLM-RoBERTa с усреднением токенных представлений. Метаданные указывают 305,2 млн параметров и контекст до 514 токенов, а карточка модели описывает максимальную длину последовательности 128 токенов. Модель предназначена для сопоставления запросов с документами, поиска похожих формулировок и семантической оценки релевантности. В карточке приведены высокие результаты на собственных наборах проверки allstats-semantic-search-v1-3, однако они не гарантируют аналогичного качества на других данных. Обучение проводилось на синтетическом наборе запросов и документов о статистике, преимущественно связанных с Индонезией; качество для иных тематик и языков отдельно не подтверждено. Модель принимает текст и выдаёт векторы. Лицензия в предоставленных данных не указана.

Ananthus-Transformers-for-contracts — дообученный Ananthu357 энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель построена на архитектуре BERT и библиотеке Sentence Transformers; она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384 для сравнения по косинусному сходству. В метаданных указано 25,9 млн параметров и контекст до 512 токенов; README описывает максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сопоставления текстов, поиска парафразов, кластеризации и подготовки признаков для классификации. Название указывает на работу с договорами, но README не сообщает, на каких именно договорных данных модель обучалась и насколько хорошо она справляется с юридическими текстами. Лицензия в предоставленных данных не указана.

bert-base-nli-cls-token — модель sentence-transformers, обученная командой sentence-transformers на основе BERT. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Архитектура — BERT с 136,7 млн параметров; модель принимает текст, поддерживает контекст до 512 токенов и распространяется в форматах PyTorch, Safetensors, TensorFlow, Flax, ONNX и OpenVINO. Модель может служить базовым компонентом семантического поиска и группировки текстов. Авторы пометили её как устаревшую и предупреждают о низком качестве эмбеддингов; для новых задач рекомендуют выбрать более современные модели sentence-transformers. Лицензия — Apache-2.0.

madlag выпустил компактную разреженную версию BERT-base uncased, дообученную для ответов на вопросы по контексту из набора SQuAD 1.1. Это англоязычная модель извлечения ответа: на вход подаются вопрос и текстовый фрагмент, на выходе — найденный в нём ответ. Модель нечувствительна к регистру, имеет контекстное окно до 512 токенов и содержит 136,7 млн параметров; доступны форматы PyTorch и TensorFlow. Для разреживания применён модифицированный метод Movement Pruning, а модель также дистиллирована из csarron/bert-base-uncased-squad-v1. В репозитории указано, что сохраняется 28,2% исходных весов, а линейные слои содержат 7,5%; при использовании block-sparse runtime на оценке модель работала в 1,92 раза быстрее плотной версии. Это преимущество сопровождается снижением качества: на SQuAD 1.1 указаны EM 71,88 и F1 81,36 против 80,8 и 88,5 у исходной версии. Модель предназначена для извлечения ответа из предоставленного текста, а не для генерации свободных ответов или поиска сведений во внешних источниках. Лицензия — MIT.

hon9kon9ize/bert-large-cantonese-sts — модель Sentence Transformers на основе BERT, разработанная hon9kon9ize и дообученная на наборах yue-stsb, STS-B и C-MTEB/STSB. Она преобразует предложения и абзацы в плотные векторы размерности 1024; косинусное сходство между ними служит оценкой семантической близости. Модель подходит для поиска похожих текстов, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру BERT с усреднением токенных представлений и поддерживает последовательности длиной до 512 токенов. Она ориентирована прежде всего на кантонский язык; среди примеров обучающих данных есть также английский. Для работы с моделью указана библиотека sentence-transformers. В README приведены результаты оценки сходства на STS-B: коэффициент Спирмена составляет 0,7996 на dev и 0,7605 на test. Лицензия в предоставленных сведениях не указана. Качество зависит от языка и предметной области: обучение и примеры сосредоточены на задачах сходства предложений, поэтому результаты для иных задач и языков требуют отдельной проверки.

SQAI разработала BGE base Financial Matryoshka — англоязычную sentence-transformers-модель, дообученную на базе SQAI/bge-embedding-model. Она использует архитектуру BERT с пулингом CLS-токена и нормализацией выходного вектора. Модель преобразует предложения и абзацы в плотные эмбеддинги размерности 384; максимальная длина входа — 512 токенов. Для сравнения векторов можно использовать косинусное сходство. Модель предназначена для семантического поиска и оценки сходства текстов, а также может применяться для поиска перефразировок, кластеризации и классификации текста. В README приведён набор из 1 865 обучающих пар, связанных с атрибутами объектов уличного освещения; название указывает на финансовую направленность, однако описание и примеры датасета этого не подтверждают. В таблицах оценки retrieval для размерностей 768, 512, 256, 128 и 64 указаны нулевые значения accuracy@1, @3 и @5, поэтому заявленные возможности не следует считать подтверждёнными этими результатами. Модель распространяется по лицензии Apache-2.0.

alakxender/e5-dhivehi-paws-mnr — модель в формате Sentence Transformers, дообученная разработчиком на базе intfloat/multilingual-e5-base для понимания смыслового сходства предложений на дивехи. Она кодирует предложения и абзацы в плотные векторы размерности 768; для сравнения используется косинусное сходство. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений, максимальная длина последовательности в карточке — 256 токенов. Модель подходит для поиска семантически близких фраз, выявления перефразирований, кластеризации текстов и построения поиска по дивехи. README также перечисляет классификацию текста как возможный сценарий использования эмбеддингов. Обучение проводилось на 25 436 парах из alakxender/dhivehi-paws-labeled с MultipleNegativesRankingLoss; приведённая оценка Spearman для сходства составляет 0,283. Метаданные указывают 311,4 млн параметров и лицензию MIT. В README заявлена специализация на дивехи, но также приведена базовая мультиязычная модель; качество для других языков отдельно не оценено.

jhu-clsp/ettin-encoder-68m — англоязычная модель семейства Ettin, разработанная Johns Hopkins University Center for Language and Speech Processing (JHU CLSP). Это плотный энкодер ModernBERT с 68,1 млн параметров, обученный для masked language modeling и заполнения пропусков в тексте. Контекст составляет до 7 999 токенов; модель работает с текстом и доступна в формате PyTorch через Transformers. Модель входит в открытый набор Ettin, созданный для сопоставления энкодерных и декодерных архитектур при одинаковых данных и рецептах обучения. Энкодеры предназначены для задач классификации и получения эмбеддингов; в карточке семейства сообщается о результатах на GLUE, англоязычном поиске MTEB, CodeSearchNet и MLDR. Чекпойнт можно использовать для заполнения масок, а также дообучать под классификацию и поиск. Модель ориентирована на английский язык. Лицензия MIT разрешает свободное использование в соответствии с её условиями. Показатели семейства Ettin в README не являются отдельной оценкой именно этого чекпойнта; качество на иных языках и задачах карточка не подтверждает.

Карточка модели aaabushiren/fg-clip2-base на Hugging Face совпадает с карточкой qihoo360/fg-clip2-base, поэтому описание составлено по ней. FG-CLIP 2 — двуязычная модель визуально-текстового выравнивания для детального понимания изображений и текста. В карточке указаны авторы Chunyu Xie, Bin Wang и коллеги; модель доступна в репозитории qihoo360 и предназначена для английского и китайского языков. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию изображений без дополнительного обучения, а также поиск по изображению и тексту. Авторы сообщают о проверке на 29 наборах данных и восьми задачах, где FG-CLIP 2 превзошла ряд сильных базовых моделей, включая SigLIP 2 и MetaCLIP 2. Архитектура FG-CLIP 2 представлена классом Fgclip2Model; для загрузки в README приведён интерфейс Transformers с обработкой изображений и токенизатором. Модель принимает изображения и текстовые запросы и формирует выравненные представления для сопоставления и классификации. Репозиторий содержит веса в формате Safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

FG-CLIP 2 — двуязычная модель визуально-текстового выравнивания для детального понимания изображений и текста. В карточке указаны авторы Chunyu Xie, Bin Wang и коллеги; модель доступна в репозитории qihoo360 и предназначена для английского и китайского языков. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию изображений без дополнительного обучения, а также поиск по изображению и тексту. Авторы сообщают о проверке на 29 наборах данных и восьми задачах, где FG-CLIP 2 превзошла ряд сильных базовых моделей, включая SigLIP 2 и MetaCLIP 2. Архитектура FG-CLIP 2 представлена классом Fgclip2Model; для загрузки в README приведён интерфейс Transformers с обработкой изображений и токенизатором. Модель принимает изображения и текстовые запросы и формирует выравненные представления для сопоставления и классификации. Репозиторий содержит веса в формате Safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

gte-en-mlm-large — англоязычный текстовый энкодер серии GTE-v1.5, разработанный Institute for Intelligent Computing группы Alibaba. Модель предназначена для получения текстовых представлений и может служить основой для задач поиска и ранжирования текста. В карточке она указана как вариант GTEv1.5-en-MLM-large-8192 из статьи о представлениях и ранжировании многоязычных текстов с длинным контекстом. Архитектура — Transformer++ на базе энкодера BERT с RoPE и GLU; словарь основан на bert-base-uncased. Модель содержит около 433,9 млн параметров, принимает последовательности длиной до 8192 токенов и обучалась методом masked language modeling на англоязычном корпусе C4. Для варианта large в README приведён результат GLUE 87,58. В метаданных Hugging Face основная задача обозначена как fill-mask. Лицензия — Apache-2.0. Карточка не подтверждает поддержку русского языка; выводы о качестве на других языках делать нельзя.

KannadaSBERT-STS — модель L3Cube-Pune для сопоставления смысловой близости предложений на каннада. Это плотная модель на архитектуре BERT, созданная дообучением l3cube-pune/kannada-sentence-bert-nli на датасете STS. Она формирует векторные представления предложений, которые можно использовать для оценки семантического сходства, поиска похожих фраз и построения систем поиска по смыслу. Модель относится к проекту MahaNLP; для использования доступны веса PyTorch и интеграция с Sentence-Transformers или Hugging Face Transformers с подходящим pooling. Модель содержит 264,8 млн параметров и принимает последовательности длиной до 512 токенов. Поддерживает каннада; лицензия — Creative Commons Attribution 4.0 (CC BY 4.0).

lingtrain/labse-chuvash — дообученная модель Sentence Transformer на базе sentence-transformers/LaBSE, предназначенная для построения эмбеддингов предложений и абзацев. Она кодирует текст в плотные векторы размерности 768 и сравнивает их косинусным сходством; обучение проводилось на миллионе пар предложений с функцией MultipleNegativesRankingLoss. Модель рассчитана на семантический поиск и сопоставление смыслов, в том числе для чувашских текстов и пар чувашский—русский. Её можно применять для поиска похожих предложений, выявления перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Архитектура — BERT; метаданные указывают контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов, поэтому на практике следует учитывать ограничение модели в используемой конфигурации. Модель принимает текст и выдаёт векторы; лицензия в предоставленных данных не указана. Она не генерирует текст и качество за пределами чувашского и русско-чувашских примеров карточки не охарактеризовано.

LaBSE-mari — модель на базе BERT, разработанная путём дообучения LaBSE на парах предложений на русском и марийском языках. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сопоставления смысла текстов, семантического поиска и кластеризации. Обучение с MultipleNegativesRankingLoss нацелено на сближение векторных представлений соответствующих пар. Модель подходит для поиска марийских соответствий русским запросам и для группировки текстов по смыслу. Архитектура BERT принимает текст, контекст составляет 512 токенов. Репозиторий распространяет веса в форматах PyTorch и Safetensors. Условия лицензии в предоставленных данных не указаны.

Nimsara2001/labse-sinhala-finetuned — дообученная модель Sentence Transformer на основе sentence-transformers/LaBSE, предназначенная для поиска и сравнения предложений и абзацев на сингальском языке. Она кодирует текст в плотные векторы размерности 768 и использует косинусное сходство; заявленная максимальная длина входа — 64 токена, а контекстное окно базовой модели в метаданных указано как 512 токенов. Модель дообучена на 262 664 примерах с MultipleNegativesRankingLoss. Основной сценарий — извлечение представлений сингальского текста для семантического поиска и оценки тематической связности фрагментов. В описанной авторами оценке на парах предложений для нейросимвольного разбиения текста AUC выросла с 0,7269 у базовой LaBSE до 0,8832 у дообученной модели; этот результат относится к указанному тесту, а не гарантирует качество на других задачах. README не сообщает лицензию, поэтому условия использования следует сверить с карточкой модели и базовой LaBSE.

Alireza1044 дообучил MobileBERT от Google для классификации пар вопросов в задаче Quora Question Pairs (QQP) из набора GLUE. Модель принимает текст и определяет, задают ли два вопроса один и тот же вопрос. Она использует архитектуру MobileBERT с примерно 59,7 млн параметров; максимальная длина контекста — 512 токенов. На оценочной выборке QQP модель показала accuracy 0,8989, F1 0,8670 и комбинированную оценку 0,8829. Репозиторий содержит веса PyTorch, модель распространяется по лицензии Apache-2.0. README не описывает обучение и ограничения подробнее.

Modelo QA dominicano final es un modelo BERT de respuesta extractiva a preguntas, desarrollado por Marcoreyes2050 y дообученный на базе Lisibonny/modelo_qa_beto_squad_es_pdqa для новостей Доминиканской Республики. Он принимает вопрос и контекст, а в ответе выделяет фрагмент текста из контекста; ответ должен присутствовать в исходном материале. Модель насчитывает 137,1 млн параметров, использует архитектуру BertForQuestionAnswering и поддерживает контекст длиной до 512 токенов. Обучение проводилось в течение одной эпохи на сбалансированной смеси человеческих и синтетических примеров. На валидации указаны EM 60,0 и F1 77,15; базовый результат F1 составлял 75,84. Модель предназначена для извлечения ответов из испаноязычных новостных текстов, в частности связанных с Доминиканской Республикой. Она может ошибаться в именах, датах, числах и границах выделяемого фрагмента и не проверяет достоверность новостей. Лицензия в предоставленных данных не указана.

josegg5/ModernBERT-projects-retriever — англоязычная модель Sentence Transformers, дообученная разработчиком josegg5 на joe32140/ModernBERT-base-msmarco для поиска по описаниям проектов. Она преобразует текстовые предложения и абзацы в плотные эмбеддинги размерностью 768; близость между ними оценивается косинусным сходством. Модель построена на архитектуре ModernBERT с усредняющим pooling и принимает последовательности длиной до 8192 токенов. Модель предназначена для семантического поиска и извлечения релевантных описаний проектов по текстовому запросу, включая поиск по предложениям и абзацам. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка описывает текстовый ввод и векторный выход; область специализации — поиск по проектам.

Это модель классификации текста, опубликованная пользователем Jeevesh8 на Hugging Face. Судя по названию и архитектуре BertForSequenceClassification, это вариант BERT-base-uncased, дообученный для задачи QQP (Quora Question Pairs): определения, задают ли два вопроса одно и то же. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает текстовые пары; максимальная длина контекста — 512 токенов. Доступен формат Flax. Модель предназначена для классификации пар вопросов и выявления семантически дублирующих вопросов. Карточка и метаданные указывают на классификацию текста; отдельные сведения о лицензии и результатах оценки для этого варианта не подтверждены.

ritulk/MPNET-fine-tuned-political-clustering — текстовая Sentence Transformer модель на архитектуре MPNet, дообученная на базе microsoft/mpnet-base на датасете projecte-aina/sts-ca. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель использует усреднение токенных представлений и косинусное сходство; её контекст составляет до 512 токенов по карточке модели и 514 токенов по метаданным. Обучение на каталонском датасете семантического сходства и указанные языки en и ca делают её подходящей прежде всего для английского и каталонского текста. Лицензия Apache-2.0. Показатели оценки в README различаются между наборами данных; результаты могут зависеть от языка и предметной области, поэтому качество для русского и политической тематики не подтверждено приведёнными данными.

Это модель Sentence-Transformers на архитектуре MPNet, разработанная на основе multi-qa-mpnet-base-dot-v1 и дообученная для поиска по COVID-19 вопросам и материалам. Она преобразует предложения и абзацы в плотные векторы размерности 768; векторные представления подходят для семантического поиска, оценки сходства и кластеризации текстов. Обучение проводилось с TripletLoss. Модель принимает текст и выдаёт эмбеддинги. Её можно использовать для поиска релевантных ответов или документов о COVID-19, а также для организации текстового корпуса по смыслу. Контекст составляет 514 токенов, размер — 136,7 млн параметров. В README приведена инструкция по использованию с Sentence-Transformers и Transformers. Лицензия в доступных данных не указана.

MyAwesomeModel — модель на базе Transformers, предназначенная для извлечения признаков из текста. В метаданных она отнесена к архитектуре BERT и задаче feature extraction; библиотека реализации — Transformers, фреймворк — PyTorch. В README заявлены улучшения рассуждений, логического вывода, понимания языка, генерации кода, суммаризации, классификации и ответов на вопросы, однако эти заявления не согласуются с указанным pipeline-тегом и не подтверждают полноценную генерацию текста.

MyAwesomeModel — модель на базе архитектуры BERT для извлечения признаков из текста, опубликованная в репозитории RHATH/MyAwesomeModel-TestRepo. Модель предназначена для преобразования текстовых данных в векторные представления, которые можно использовать в последующих задачах машинного обучения и анализа текста. Она поддерживает работу через библиотеку Transformers и реализована на PyTorch. В README также заявлены улучшения рассуждений, генерации кода, ответов на вопросы, суммаризации и других генеративных задач, однако эти утверждения не согласуются с pipeline-тегом feature-extraction и доступными метаданными. Поэтому для каталога модель следует классифицировать прежде всего как модель извлечения признаков на базе BERT. Языки, размер модели и длина контекста в предоставленных данных не подтверждены. Модель распространяется по лицензии MIT. Перед использованием в прикладных системах рекомендуется самостоятельно проверить фактическую архитектуру, качество эмбеддингов и соответствие заявленных в README возможностей конфигурации модели.

MyAwesomeModel — модель из репозитория tool02/MyAwesomeModel-TestRepo, опубликованная для использования с библиотекой Transformers. Метаданные Hugging Face классифицируют её как BERT-модель для извлечения признаков и указывают реализацию на PyTorch. Лицензия — MIT. Модель предназначена прежде всего для получения векторных представлений текста, которые можно использовать в поиске по смыслу, классификации, кластеризации и других downstream-задачах обработки естественного языка. README также заявляет о возможностях рассуждения, генерации кода, ответов на вопросы, суммаризации, диалогов и function calling, однако эти характеристики не согласуются с pipeline-тегом feature-extraction и не сопровождаются техническими сведениями о конфигурации модели. Сильной стороной является совместимость с экосистемой Transformers и BERT-архитектурой, что упрощает интеграцию в существующие ML-пайплайны. Размер модели, поддерживаемые естественные языки и длина контекста в доступных данных не указаны.

MikhailRepkin/news_classifier — дообученная модель на базе Sentence RuBERT, созданная для бинарной классификации русскоязычных публикаций в Telegram: новость или не новость. Она предназначена, например, для отбора новостных сообщений в сервисе-агрегаторе. Модель использует архитектуру BERT для классификации последовательностей, содержит около 205,1 млн параметров и принимает текст длиной до 512 токенов. По данным карточки, обучение проводилось на русскоязычных постах из Telegram; метрики на оценке составили 0,95 accuracy и 0,89 Matthews correlation. Результат выдаётся в виде метки класса: LABEL_1 означает новость, LABEL_0 — не новость. Модель распространяется по лицензии MIT. Оценка качества относится к указанным данным и метрикам; перенос на другие источники публикаций может потребовать отдельной проверки.

sentence-transformers/nli-bert-base-max-pooling — модель семейства BERT, обученная командой Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно использовать для семантического поиска и кластеризации текстов; архитектура включает BERT и max pooling. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Доступны веса в форматах PyTorch, Safetensors, ONNX и OpenVINO. Модель устарела: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать более новые модели Sentence Transformers. Лицензия — Apache-2.0.

leomaurodesenv/nli-MiniLM2-L6-H768-answerable-or-not-augmented — англоязычная модель классификации последовательностей на базе cross-encoder/nli-MiniLM2-L6-H768, дообученная для определения, является ли вопрос отвечаемым. Она подходит для предварительной фильтрации вопросов и отбора тех, на которые система может подготовить ответ. Модель построена на архитектуре RoBERTa и содержит 95,2 млн параметров; максимальный контекст — 514 токенов. В README указаны accuracy 0,8943 и loss 0,2847 на оценочной выборке, однако состав датасета и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

blackmlengineer/occucoder-en-demi-v0 — текстовая Sentence Transformer-модель на архитектуре BERT, разработанная автором репозитория и обученная на наборе данных train. Она преобразует предложения и абзацы в плотные векторы размерности 64; сходство между ними оценивается косинусной мерой. Модель предназначена для поиска и сопоставления текстов по смыслу. Модель принимает текст, использует среднее pooling-представление и поддерживает последовательности длиной до 32 токенов. В README приведены примеры коротких англоязычных названий профессий и описана обучающая выборка из 991 580 примеров с anchor, positive и negative. Метаданные указывают Sentence Transformers, BERT и 681 тыс. параметров. Подходит для семантического поиска и извлечения признаков из коротких текстов. Очень короткое контекстное окно ограничивает работу с длинными фразами и документами; сведения о лицензии в предоставленных источниках отсутствуют.

Ishannaik/pixafind-minilm-tuned — англоязычная дообученная модель на базе all-MiniLM-L6-v2 для семантического поиска по личным документам: налоговым формам, письмам о пособиях, страховым и финансовым бумагам. Модель использует плотный BERT-энкодер и создаёт векторы предложений; её можно применять для поиска документов по запросам, сформулированным своими словами, и сравнения текстов. Контекст составляет 512 токенов, размер — 25,9 млн параметров. Дообучение проводилось на синтетических запросах к фрагментам общедоступных документов правительства США, без использования пользовательских данных. В описанной проверке модель повысила точность поиска относительно исходной all-MiniLM-L6-v2 на наборе перефразированных запросов; для корпуса технических заметок разработчиков качество осталось на прежнем уровне. Репозиторий содержит веса Safetensors и экспорты ONNX, включая динамически квантованный вариант. Модель распространяется по лицензии Apache-2.0.