I.1Поиск и навигация по информации

Карточка модели emmapraise/pubmedbert-base-embeddings-onnx на Hugging Face совпадает с карточкой NeuML/pubmedbert-base-embeddings, поэтому описание составлено по ней. PubMedBERT Embeddings — модель NeuML, дообученная с помощью Sentence Transformers на базе PubMedBERT для создания эмбеддингов медицинских текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, кластеризации и поиска релевантных фрагментов для RAG по медицинской литературе. Обучение использовало пары заголовков и аннотаций PubMed, включая похожие заголовки; README сообщает о сравнительной оценке на наборах PubMed QA, PubMed Subset и PubMed Summary. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Основной язык — английский. Для медицинской литературы она формирует более подходящие представления, чем модели общего назначения; дообучение на конкретной медицинской подотрасли может улучшить качество. Распространяется по лицензии Apache-2.0.

khaimaitien/qa-expert-7B-V1.0 — дообученная модель на базе mistralai/Mistral-7B-v0.1, созданная для многошагового ответа на вопросы. Она разбивает составной вопрос на последовательность простых вопросов, обрабатывает их по отдельности и объединяет сведения в итоговый ответ. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель предназначена для сценариев, где ответ требует последовательного поиска и объединения нескольких фактов. В карточке указано дообучение на наборе khaimaitien/qa-expert-multi-hop-qa-V1.0; файлы представлены в формате safetensors. Заявленный язык — английский. Лицензия в предоставленных данных не указана.

MarcusLoren/Reranker-job-description — это дообученная модель переранжирования на основе BAAI/bge-reranker-base. Она оценивает соответствие фрагмента описания вакансии запросу, чтобы упорядочивать найденные сведения о требованиях и условиях работы. Обучение проведено на наборе из 89 тысяч примеров с метками, извлечёнными из объявлений о вакансиях и сайтов компаний; запросы формулировались с префиксом «Example of». Модель также нацелена на поиск сведений о продуктах, услугах и планируемых предложениях компаний. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. В репозитории есть веса Safetensors и версия ONNX; README описывает использование с FlagReranker, Transformers и .NET. Лицензия — MIT. Автор отмечает, что качество не идеально и связывает это с ограниченным временем обучения. Для применения нужны запрос и текстовый фрагмент; оценка релевантности полезна для ранжирования, но сама по себе не извлекает и не формулирует ответ.

camidenecken/RM2-RoBERTa-rm-v3-SBERT-v2_7 — модель sentence-transformers на архитектуре RoBERTa, обученная Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации. Модель содержит 151,8 млн параметров, принимает текст и имеет контекст до 514 токенов. В README версия помечена как устаревшая: качество векторных представлений низкое, поэтому для новых систем рекомендуется выбрать более качественную модель эмбеддингов. Распространяется по лицензии Apache-2.0.

acostillio/sbert-nepalilaw-genq — дообученная модель Sentence Transformers на базе Yunika/sentence-transformer-nepali, построенная на архитектуре BERT. Она преобразует предложения и абзацы на непальском языке в плотные векторы размерности 768; для сравнения векторов используется косинусное сходство. Максимальная длина входной последовательности — 512 токенов, в модели применяется усреднение токенных представлений. Модель предназначена для оценки семантического сходства, семантического поиска и извлечения перефразирований; полученные векторы также можно использовать для кластеризации и классификации текста. Репозиторий использует библиотеку sentence-transformers и формат safetensors. README не сообщает отдельные результаты оценки качества. Условия лицензирования в предоставленных данных не приведены.

Sentence-CamemBERT-Large — модель эмбеддингов предложений для французского языка, разработанная La Javaness. Она преобразует предложения векторы, отражающие их смысл, и предназначена для семантического поиска и сравнения текстов по смыслу. Модель основана на CamemBERT Large и дообучена с помощью Siamese BERT-Networks и Augmented SBERT на STS-B; при обучении также использовались стратегии попарной выборки. По метаданным, модель содержит 435,4 млн параметров и поддерживает контекст до 514 токенов. Доступны форматы PyTorch, safetensors, ONNX и OpenVINO. README приводит высокие результаты корреляции на французских наборах STS, включая STS-B и SICK-fr. Модель подходит для поиска семантически близких предложений и документов, сопоставления запросов с текстами и оценки семантического сходства. Она ориентирована на французский язык, поэтому её не следует считать универсальной многоязычной моделью; README оценивает её на наборах семантического сходства, что не гарантирует качество для других задач. Лицензия — Apache-2.0.

Lajavaness/sentence-flaubert-base — франкоязычная модель эмбеддингов предложений, разработанная Lajavaness на основе flaubert/flaubert_base_uncased. Модель с архитектурой Flaubert и 137 млн параметров дообучена в сиамской схеме Sentence Transformers с использованием Augmented SBERT, набора STS и стратегий подбора пар; при подготовке данных применялись CrossEncoder-camembert-large и dangvantuan/sentence-camembert-large. Модель преобразует французские предложения в векторы для сравнения их смысловой близости. Её можно применять для поиска семантически похожих фраз, сопоставления формулировок и вычисления сходства пар предложений. В README приведены результаты на STS-B и нескольких французских бенчмарках семантического сходства. Модель принимает текст и возвращает эмбеддинги; контекст ограничен 512 токенами. Модель распространяется под лицензией Apache-2.0. Она ориентирована на французский язык, поэтому качество для других языков не подтверждено приведёнными данными; эмбеддинги также не следует трактовать как готовые ответы или метки без дополнительной логики приложения.

Sentence-ModernBERT-JP-0.5B — японская модель эмбеддингов предложений, разработанная автором репозитория и дообученная на базе iamtatsuki05/Sentence-ModernBERT-JP-0.5B-PT с помощью supervised contrastive learning на cl-nagoya/ruri-v3-dataset-ft. Она предназначена для сравнения семантической близости текстов, поиска по смыслу, классификации и кластеризации японских текстов. Модель основана на архитектуре ModernBERT и содержит около 677,5 млн параметров. Она преобразует текст в векторы размерности 1280 с mean pooling; сходство рекомендуется оценивать косинусной метрикой. Модель принимает последовательности длиной до 8192 токенов. Карточка указывает поддержку японского языка; лицензия — MIT. В таблице оценки приведены результаты на JMTEB, включая средние показатели для поиска, семантического сходства, классификации, переранжирования и кластеризации. Они показывают качество на этих бенчмарках, но сами по себе не гарантируют результат на конкретных данных. Модель рассчитана на японские тексты, поэтому её пригодность для других языков не подтверждена.

peulsilva/sentence-transformer-trained-tweet — дообученная модель Sentence Transformer на базе whaleloops/phrase-bert, разработанная пользователем peulsilva. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру BERT с усреднением токенных представлений; метаданные указывают 136,7 млн параметров. Контекст по карточке ограничен 128 токенами, хотя метаданные указывают 512 токенов, поэтому практический предел следует уточнять в используемой конфигурации. Модель обучалась на парах текстов с оценками сходства; среди примеров есть короткие сообщения из Twitter о футболе. Для сравнения обычно используют косинусное сходство. По приведённой оценке Spearman cosine составил 0,1537 на валидационном наборе, поэтому качество на конкретных данных стоит проверять отдельно. Репозиторий использует safetensors и библиотеку Sentence Transformers; лицензия в предоставленных данных не указана.

Ransaka/sinhala-sentence-transformer — модель на базе RoBERTa, опубликованная пользователем Ransaka на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 81,2 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Обучение проводилось с TripletLoss и евклидовой метрикой расстояния. Модель предназначена для работы с сингальским языком, что отражено в её названии. Её можно применять для семантического поиска и группировки похожих предложений и документов. Репозиторий содержит веса PyTorch и поддерживает использование через Sentence-Transformers либо Transformers с соответствующим pooling. Сведения о лицензии в предоставленных данных отсутствуют.

Вьетнамская модель для сопоставления предложений и абзацев, разработанная BKAI Foundation Models. Она преобразует текст в плотные векторы размерностью 768 и предназначена для семантического поиска, ранжирования похожих текстов и кластеризации. В основе лежит PhoBERT-base-v2, дообученная на объединённых данных MS MARCO и SQuAD v2, переведённых на вьетнамский язык, а также на 80% обучающей выборки соревнования Legal Text Retrieval Zalo 2021. Модель построена на архитектуре RoBERTa и содержит 162,4 млн параметров; максимальная длина контекста — 258 токенов. Для работы с вьетнамским текстом в Hugging Face Widget предусмотрена сегментация слов перед токенизацией. В README приведены результаты на оставшихся 20% выборки Legal Text Retrieval Zalo 2021, включая Acc@1 73,28 и MRR@10 80,73 для обученной модели. Модель принимает текст и возвращает векторные представления, которые можно использовать для поиска и кластеризации. Она обучалась на вьетнамских данных, включая юридические тексты, поэтому результаты на других языках и в иных областях могут быть хуже. Лицензия — Apache-2.0.

Это дообученная модель Sentence Transformers, созданная на основе bkai-foundation-models/vietnamese-bi-encoder. Она использует архитектуру RoBERTa с mean pooling и преобразует предложения и абзацы в плотные векторы размерностью 768; сходство между ними измеряется косинусной функцией. Обучение с MatryoshkaLoss позволяет использовать векторы меньшей размерности, вплоть до 64, с некоторым снижением качества поиска. Модель предназначена для семантического поиска и сравнения текстов, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В README указан английский язык; контекст ограничен 258 токенами по метаданным. Модель распространяется по лицензии Apache-2.0. Оценки поиска приведены для наборов данных из карточки и не гарантируют качество на других данных.

Модель iwillcthew/vietnamese-embedding-PROPTIT-domain-ft — Sentence Transformer на архитектуре XLM-RoBERTa, дообученный на базе AITeamVN/Vietnamese_Embedding_v2. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 1024, нормализованные для сравнения по косинусному сходству. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. В README указаны максимальная длина последовательности 512 токенов и оценка Spearman 0,7062 на валидационном наборе для задачи семантического сходства. Метаданные каталога указывают контекст до 8194 токенов; это значение относится к базовой конфигурации, тогда как карточка модели задаёт предел 512 токенов для Sentence Transformers. Модель ориентирована на вьетнамский язык и обучена на 1457 примерах, связанных с вопросами и ответами о PROPTIT — клубе программирования. Лицензия в предоставленных данных не указана.

AstroBERT Small Embeddings — компактная модель NeuML для преобразования предложений и абзацев в плотные векторы размерности 384. Она основана на AstroBERT Small с архитектурой BERT и дообучена методом дистилляции эмбеддингов Qwen3-Embedding-8B на случайной выборке астрофизических аннотаций arXiv с метками astro-ph. Модель рассчитана на семантический поиск, кластеризацию текстов и создание векторных баз знаний для RAG; её можно использовать с Sentence Transformers, Transformers и txtai. Модель содержит 25,9 млн параметров и поддерживает контекст до 512 токенов. В README отмечена пригодность для CPU-сценариев и хорошие результаты на описанном авторами наборе оценки, однако качество зависит от предметной области и соответствия данных предварительному обучению и настройке. Лицензия — Apache-2.0.

Azzurro — языковая модель команды Moxoff, дообученная методом SFT с настройками LoRA на базе Mistral-7B-v0.2. Это плотная авторегрессионная модель класса MistralForCausalLM с 7,1 млрд параметров, предназначенная для диалоговой генерации текста и ответов с учётом контекста. Разработчики указывают среди сценариев применение в RAG и задачах, где нужно сохранять контекст; обучение проводилось на общедоступных наборах, включая SQUAD-it, и внутренних данных. Модель принимает текст и генерирует текст, поддерживает итальянский и английский языки. Контекстное окно составляет 32 768 токенов. Для запуска в README приведён стек Transformers и PyTorch. Модель оценивали на наборах Open Ita LLM Leaderboard; средняя оценка в карточке — 0,52. По заявлению авторов, модель не прошла RLHF-выравнивание и не использует фильтрацию ответов, поэтому может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия — MIT.

Intel выпустила дообученную версию BERT base uncased для определения смысловой эквивалентности пары английских предложений. Модель основана на двунаправленном трансформере BERT с 136,7 млн параметров и классификационной головой BertForSequenceClassification; она принимает текстовые пары и присваивает им метку сходства. Обучение выполнено на наборе GLUE MRPC, содержащем пары предложений из новостных текстов с человеческой разметкой перефразирования. Контекст модели — до 512 токенов. Модель подходит для классификации перефраз, проверки дублирующих формулировок и оценки семантической близости двух предложений на английском языке. В карточке приведены результаты на оценочной выборке MRPC: accuracy 0,8603 и F1 0,9042. Модель нечувствительна к регистру. Это классификатор для ограниченной задачи, а не генеративная модель; результаты могут отражать смещения обучающих данных и не гарантируют надёжность на других типах текстов. Лицензия — Apache-2.0.

sentence-transformers/bert-large-nli-mean-tokens — модель Sentence-Transformers, разработанная командой Sentence Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 1024. Она основана на BERT Large и использует усреднение контекстуализированных токенов; число параметров составляет около 433,9 млн, а максимальная длина контекста — 512 токенов. Модель предназначена для сравнения смысловой близости текстов, семантического поиска и кластеризации предложений или абзацев. Её можно применять для получения эмбеддингов и последующего поиска или группировки текстов. Карточка предупреждает, что модель устарела и выдаёт эмбеддинги низкого качества, поэтому для новых систем рекомендуются более современные модели Sentence-Transformers. Лицензия — Apache-2.0.

NeuML/biomedbert-base-embeddings — англоязычная модель плотных эмбеддингов, разработанная NeuML и дообученная на базе NeuML/pubmedbert-base-embeddings с помощью Sentence Transformers. Она кодирует предложения и абзацы в векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации медицинских публикаций, а также может служить источником знаний для RAG-систем. Обучение включало дистилляцию оценок модели biomedbert-base-reranker: использовались пары заголовков и аннотаций PubMed, а дообучение на полученных данных проводилось с KLDivLoss. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает текст с контекстом до 512 токенов. В README приведены результаты оценки на наборах PubMed QA, PubMed Subset и PubMed Summary; модель показала среднюю корреляцию 96,87 по указанным тестам. Модель предназначена для англоязычных биомедицинских текстов. Лицензия Apache-2.0.

BLING-1.4b-0.1 — инструктивная модель llmware на архитектуре GPT-NeoX, дообученная на дистиллированных инструкционных данных. Она содержит 1,7 млрд параметров и рассчитана на локальный запуск на CPU без специальных оптимизаций квантования; контекст — до 2048 токенов. Модель предназначена для ответов на вопросы по предоставленному контексту, извлечения ключевых значений и базового суммирования, особенно в сценариях RAG и прототипирования с конфиденциальными данными. Модель обучена преимущественно для английского языка и ориентирована на фактические, извлекательные задачи. В описанном тестировании RAG-Instruct-Benchmark она набрала 82,25 балла из 100; качество суммирования оценено как связное, но преимущественно извлекательное, а сложные вопросы и математико-логические задачи показали слабые результаты. Результаты тестирования ограничены двумя прогонами, поэтому ответы следует проверять. Базовая модель — EleutherAI/Pythia-1.4b-v0. Лицензия — Apache 2.0.

BLING-Phi-1.5B-v0 — дообученная модель llmware на базе Microsoft Phi-1.5B для инструктивных сценариев RAG. Она предназначена для ответов на вопросы по заданному контексту, извлечения значений и краткого суммирования документов в рабочих процессах с базой знаний, в том числе в финансовой, юридической и регуляторной сферах. Модель использует архитектуру Phi для генерации текста, поддерживает английский язык и имеет контекстное окно 2048 токенов. В тестировании на RAG-Instruct-Benchmark-Tester модель набрала 87,75 балла из 100; качество ответов на сложные вопросы и суммирования оценено как среднее или низкое. Результаты тестирования не гарантируют точность на других данных: ответы могут быть неполными или неверными, поэтому их следует проверять. Модель распространяется по Microsoft Research License и не может использоваться в коммерческих целях.

PeytonT/candidate-row-reranker — дообученная модель-классификатор на базе sentence-transformers/all-MiniLM-L6-v2, разработанная как компонент поискового стека Repository Library. Она оценивает строки-кандидаты с доказательствами, помогая принять или отклонить их при поиске и ранжировании материалов научных статей и репозиториев. Модель построена на энкодере BERT и имеет около 25,9 млн параметров; принимает текстовые данные и выдаёт оценку классификации. Контекст ограничен 512 токенами. Модель рассчитана на применение внутри целевого поискового конвейера, в частности для фильтрации и ранжирования найденных свидетельств. В карточке заявлена метрика accuracy, но отдельный отчёт с результатами бенчмарка не приведён. Обучающие данные включают выгрузки графа репозиториев и фрагментов кода из конвейера Repository Library. Перед внедрением в другой процесс результаты следует проверить на его данных. Лицензия в предоставленных источниках не указана.

Searchium обучила эту модель CLIP4Clip на первых 150 000 парах видео и текстовых описаний из WebVid. Она основана на CLIP ViT-B/32 и реализует подход из работы «CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval». Модель предназначена для поиска видео по текстовому запросу в больших коллекциях: она сопоставляет текст и видеоклипы, чтобы находить наиболее релевантные результаты. Для подготовки эмбеддингов видео README указывает на отдельную процедуру предобработки и ноутбук; веса доступны в форматах PyTorch и safetensors. В описанной авторами оценке на отложенных примерах WebVid модель показала Recall@1 50,74, Recall@5 77,30 и Recall@10 85,05. Эти результаты относятся к конкретному набору данных и протоколу оценки и не гарантируют аналогичного качества на других коллекциях. Лицензия в предоставленных данных не указана.

ConGen-WangchanBERT-Small — модель семейства ConGen на базе WangchanBERT-Small, разработанная автором репозитория kornwtp. Она преобразует предложения в плотные векторы размерностью 128 и предназначена для семантического поиска и сравнения смысла предложений. Модель использует архитектуру BERT, содержит 32,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель рассчитана на тайский язык; её оценивали на бенчмарке Thai Sentence Embeddings Benchmark для задачи семантического сходства. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Описание не сообщает результаты оценки и конкретные ограничения качества.

hamtaai/e5-large-instruct-hadith — дообученная Hamta AI модель эмбеддингов на базе intfloat/multilingual-e5-large-instruct, построенная на архитектуре XLM-RoBERTa и содержащая 658,7 млн параметров. Она предназначена для семантического поиска, сопоставления текстов и межъязыкового поиска по персидским и арабским религиозным материалам, включая хадисы и тафсиры, а также для поиска контекста для ответов на вопросы. Модель кодирует запросы и фрагменты текста в векторы; для instruct-формата рекомендуется использовать префиксы query: и passage:. Поддерживается работа с персидским и арабским текстом, контекст составляет 514 токенов. Лицензия — Apache-2.0. Модель оптимизирована для поиска и семантического сходства в религиозных корпусах, в том числе для межъязыкового поиска между персидским и арабским языками. Её эмбеддинги можно использовать в системах информационного поиска и как основу поиска контекста для вопросно-ответных систем. Это модель представления текста, а не генератор ответов: README описывает поиск и QA-сценарии, но метаданные указывают задачи sentence-similarity и feature-extraction.

leomaurodesenv/electra-base-discriminator-answerable-or-not — дообученный энкодер ELECTRA для бинарной классификации текста: определения, является ли вопрос отвечаемым. Модель основана на google/electra-base-discriminator и содержит 136,7 млн параметров; она реализована как ElectraForSequenceClassification и работает с текстом длиной до 512 токенов. Модель подходит для предварительной фильтрации вопросов в системах поиска и ответов: она может помочь отсеивать вопросы, на которые в имеющихся материалах нет ответа. В карточке приведены результаты оценки: accuracy 0,9949 и loss 0,0461, однако набор данных и условия оценки не описаны, поэтому эти показатели не позволяют судить о качестве на других данных. Модель распространяется под лицензией Apache-2.0. Веса представлены в формате Safetensors; язык обучения и поддерживаемые языки в карточке не уточнены.

Fara1.5-27B-GGUF — это квантизированная GGUF-версия мультимодальной модели Fara1.5-27B, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для сценариев computer use, управления браузером, автоматизации веб-задач и работы веб-агентов с визуально-языковым вводом. Модель имеет размер 27B параметров, поддерживает обработку текста и изображений и заявлена для английского языка. Доступны варианты от BF16 до различных уровней Q2–Q8-квантизации; размеры файлов составляют примерно от 12 до 54 ГБ. Наиболее качественными считаются BF16, Q8_0 и варианты Q6, а Q4_K_M предлагает компромисс между качеством и размером. Для запуска подходят llama.cpp, LM Studio, Ollama-совместимые инструменты и другие приложения с поддержкой GGUF, однако для недавно поддерживаемых архитектур может потребоваться обновление программного обеспечения. Сильные стороны модели — мультимодальность, ориентация на автоматизацию действий и широкий выбор квантизаций для разного объёма памяти. Ограничения включают неизвестные из README размер контекста и подробности архитектуры, а также возможное снижение качества на низких уровнях квантизации. Указана лицензия MIT; базовая модель — microsoft/Fara1.5-27B.

Yuu-Xie/fever-nli-modernbert-large — англоязычная модель Yuu-Xie для проверки фактических утверждений и задач естественного логического вывода. Она дообучена на наборе pietrolesci/nli_fever на базе энкодера ModernBERT-large и принимает пару «утверждение — свидетельство», после чего классифицирует их логическую связь. Модель выдаёт один из трёх классов: entailment (свидетельство подтверждает утверждение), contradiction (опровергает) или neutral (данных недостаточно для вывода). Её можно включать в конвейеры фактчекинга, проверять найденные предложения Википедии и решать общие задачи трёхклассового NLI. Архитектура — ModernBERT для классификации последовательностей, размер — около 394,7 млн параметров, длина контекста — до 8192 токенов. В README приведена точность 0,7683 на 19 998 примерах валидации. Модель предназначена для классификации англоязычных пар текста; качество зависит от релевантности и полноты переданных свидетельств, поэтому её вывод не заменяет проверку источников. Распространяется по лицензии Apache-2.0.

Financial Embedding Model — модель эмбеддингов на базе XLM-RoBERTa, дообученная для задачи чат-бота по руководствам медицинского оборудования. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, которые подходят для семантического поиска и кластеризации. Модель можно применять для поиска релевантных фрагментов документации и группировки текстов; контекст составляет до 8194 токенов. Модель опубликована в формате Safetensors и рассчитана на использование с Sentence-Transformers. Карточка не указывает лицензию или языки. Название предполагает финансовую тематику, однако описание обучения указывает на медицинскую документацию, поэтому назначение в финансовой области по имеющимся данным подтвердить нельзя.

Sahajtomar/french_semantic — модель на базе Sentence Transformers для оценки семантического сходства предложений на французском языке. В карточке приведены результаты на французских наборах STS: 87,4% на dev и 85,8% на test. Метаданные указывают на поддержку эмбеддингов и формат PyTorch. Модель подходит для сравнения французских предложений, поиска семантически близких формулировок и ранжирования текстов по сходству. Размер, длина контекста и лицензия в доступных материалах не указаны.

x2bee/KoModernBERT_SBERT_compare_mlmlv5 — модель Sentence Transformers, дообученная разработчиком x2bee на базе x2bee/KoModernBERT-base-mlm_v02 на корейском NLI-датасете. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для оценки семантического сходства, поиска по смыслу, поиска перефразировок, кластеризации и классификации текста. Сходство между векторами оценивается косинусной мерой. Архитектура основана на ModernBERT, число параметров — 185,7 млн; метаданные указывают контекст до 8192 токенов, тогда как README задаёт максимальную длину последовательности 512 токенов. Модель рассчитана прежде всего на корейский язык. В README приведены результаты оценки сходства на sts_dev: коэффициент корреляции Спирмена для косинусного сходства — 0,6328. Модель принимает текст и выдаёт векторы; качество для языков помимо корейского не подтверждено приведёнными данными. Лицензия в предоставленных сведениях не указана.