I.1Поиск и навигация по информации

Qwen3-VL-Embedding-2B-FP8-DYNAMIC — мультимодальная модель эмбеддингов, разработанная на базе Qwen3-VL-Embedding-2B от Qwen. Она предназначена для преобразования текста, изображений и их комбинаций в векторные представления, которые можно использовать для семантического поиска, сопоставления текстов и изображений, кластеризации и других задач, требующих сравнения мультимодальных данных. Модель ориентирована на эффективное развёртывание через vLLM и поддерживает OpenAI-совместимый API. Модель содержит около 2 млрд параметров и использует архитектуру Qwen3VLModel. Текстовые линейные слои квантизированы методом FP8_DYNAMIC: веса представлены в FP8 с поканальным симметричным квантованием, а активации квантизируются динамически по токенам. 24 визуальных блока сохраняются в формате bfloat16 для поддержания качества обработки изображений и межмодального выравнивания. Размер эмбеддинга по умолчанию составляет 2048, а благодаря Matryoshka-представлениям доступны сокращённые размерности от 64 до 2048, что позволяет экономить память и ускорять операции сравнения. Указано снижение потребления VRAM примерно на 50% по сравнению с версией bfloat16; размер модели составляет около 2,8 ГБ против 4,6 ГБ. К сильным сторонам относятся поддержка текстовых, визуальных и мультимодальных входов, гибкая размерность векторов и сохранение визуальных слоёв в полной точности. Ограничения README не описывает; для мультимодального режима требуется специальный формат запросов vLLM, а практическая совместимость зависит от корректной настройки pooling-режима и загрузки квантизированных весов. Модель распространяется по лицензии Apache 2.0.

Это модель Sentence Transformer, разработанная на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и дообученная на данных Torob. Она преобразует предложения и абзацы в плотные векторы размерности 384; сходство текстов можно оценивать по косинусному сходству. Архитектура включает BERT-трансформер и mean pooling. В README указана максимальная длина последовательности 128 токенов, а метаданные каталога задают контекст 512 токенов. Модель предназначена для семантического сравнения и поиска текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Её многоязычная база поддерживает работу с текстами на разных языках; дообучение на данных Torob специализирует её на сходстве текстов из этого набора данных. Для использования требуются Sentence Transformers или совместимая система инференса. Лицензия в предоставленных данных не указана.

UniScientist — языковая модель UniPat AI для научного исследования в более чем 50 дисциплинах. Это разреженная модель семейства Qwen3 MoE с 30 млрд параметров, из которых на каждом токене активируется около 3 млрд; в метаданных указано 2,6 млрд параметров. Она принимает текст и генерирует исследовательские ответы и отчёты, а в агентном цикле может собирать доказательства, обосновывать выводы, пересматривать гипотезы и объединять несколько исследовательских отчётов. Карточка описывает применение инструментов для веб-поиска, поиска научных публикаций, загрузки страниц и выполнения кода; интерфейс вызова инструментов также отмечен в метаданных. Модель рассчитана на исследовательские задачи в разных научных областях и сообщает о результатах на нескольких исследовательских бенчмарках. Метаданные указывают контекст до 131 072 токенов, поддержку английского языка и лицензию Apache-2.0. Размер в README и метаданных различается; результаты бенчмарков приведены авторами карточки и независимо здесь не подтверждены.

Модель naicasc/all-MiniLM-L6-v2-finetuned-it-project-docs-qa-10000-6ep — энкодер предложений Sentence Transformers на архитектуре BERT, дообученный на наборе it_project_docs. Она преобразует предложения и абзацы в плотные семантические векторы размерности 384, нормализованные для сравнения по косинусному сходству. В метаданных указано 25,9 млн параметров и контекст до 512 токенов; README задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов по тематике набора обучения, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Её можно применять для сопоставления вопросов с ответами и построения поиска по документам. Базовая модель — sentence-transformers/all-MiniLM-L6-v2; язык в карточке явно не указан, однако базовый энкодер предназначен для английского языка. Сведения о лицензии в предоставленных данных отсутствуют.

KhaledReda/all-MiniLM-L6-v35-pair_score — англоязычная модель Sentence Transformers, дообученная автором KhaledReda на наборе pairs_with_scores_v30. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; косинусное сходство между векторами можно использовать для оценки семантической близости текстов. Архитектура включает BERT-трансформер, mean pooling и нормализацию; размер модели — 25,9 млн параметров. Контекст по метаданным — до 512 токенов, а README указывает ограничение последовательности в 256 токенов. Модель предназначена для семантического поиска, сравнения текстовых пар, поиска перефразировок, кластеризации и классификации текста. Обучающий набор содержит пары текстов со скалярными оценками сходства; обучение выполнено с помощью CoSENTLoss. Поддерживается английский язык. Лицензия — Apache-2.0. Модель выдаёт эмбеддинги, а не готовые текстовые ответы или метки: для сравнения текстов и поиска нужно отдельно вычислять сходство либо применять векторный индекс. Качество для языков кроме английского не подтверждено; указанная длина последовательности в README меньше контекстного лимита из метаданных.

AmarettoLabs разработала amaretto-embed-148m как компактную модель эмбеддингов на основе google/embeddinggemma-300m. Это плотный текстовый энкодер семейства Gemma 3 с 147,9 млн параметров, словарём из 60 497 токенов и контекстом до 2048 токенов. Модель преобразует текст в векторы размерностью 768 и поддерживает Matryoshka-размеры 512, 256 и 128; для работы используется библиотека Sentence Transformers. Модель предназначена для семантического поиска, извлечения документов для RAG, сравнения предложений, кластеризации и классификации на английском, испанском, португальском, французском, немецком, итальянском, нидерландском и польском языках, а также для исходного кода. Словарь сокращён, а качество восстановления эмбеддингов улучшено дистилляцией от исходной модели. По данным README, результаты близки к EmbeddingGemma для поиска и семантического сходства, при этом модель рассчитана на более компактное развертывание, включая устройства с ограниченной памятью. Качество резко снижается для языков и письменностей вне перечисленного набора, включая русский и другие кириллические языки. Для длинных документов результаты слабее, особенно для англоязычных текстов; при переходе с EmbeddingGemma нужно заново индексировать корпус, поскольку векторы близки, но не идентичны. Лицензия Gemma; использование ограничено условиями Gemma Terms и включённой в них политикой запрещённого использования.

headlesstech/bengali_dpr — модель на основе XLM-RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит около 305,2 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт векторные представления. Модель ориентирована на бенгальский язык, что следует из её названия; карточка не приводит отдельного перечня поддерживаемых языков. Для использования подходят Sentence Transformers или Transformers с соответствующей операцией pooling. В метаданных указана лицензия Apache 2.0.

swardiantara/bert-tiny-yelp-k1-fixed-cosine — компактная модель Sentence Transformer, дообученная автором на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы на английском языке в плотные векторы размерности 128 для поиска и сравнения текстов по косинусному сходству. Архитектура объединяет BERT с двумя слоями и mean pooling; модель содержит 4,4 млн параметров и принимает только текст. Модель подходит для семантического поиска, извлечения признаков и ранжирования текстов по смысловой близости, в том числе для отзывов о ресторанах и других сервисах. Максимальная длина последовательности в README — 128 токенов; метаданные каталога указывают контекст до 512 токенов. Лицензия в предоставленных данных не указана.

bge-large-zh-v1.5-gguf — набор моделей для получения текстовых эмбеддингов в формате GGUF, подготовленный Compendium Labs на основе исходной модели BAAI/bge-large-zh-v1.5. Модели предназначены для работы через llama.cpp, llama-cpp-python и интеграцию LangChain, а также для сценариев семантического поиска, сравнения текстов, кластеризации и других задач, использующих векторные представления текста. Доступны варианты F32 размером 1,3 ГБ, F16 размером 620 МБ, Q8_0 размером 332 МБ и Q4_K_M размером 193 МБ. Квантизация может обеспечить ускорение на CPU до 30% при минимальной потере точности; для GPU преимущество заявлено как умеренное. Модель ориентирована на китайскоязычные тексты, однако другие характеристики, включая архитектуру, размерность эмбеддингов и максимальную длину контекста, в README не указаны. Сильные стороны — поддержка llama.cpp, несколько вариантов точности и возможность эффективного запуска на CPU. Ограничения связаны с тем, что это модель эмбеддингов, а не генеративная языковая модель, и что в представленных данных отсутствуют подробности о качестве на конкретных наборах данных и поддерживаемых языках помимо указания zh в названии. Распространение осуществляется по лицензии MIT.

BAAI/BGE-VL-MLLM-S1 — мультимодальная модель эмбеддингов для поиска по изображениям, разработанная BAAI и представленная в работе MegaPairs. Она принимает изображение, текст или их сочетание и кодирует входы в векторы для сравнения запросов с кандидатами. Текстовая инструкция позволяет задавать критерии поиска, в том числе для поиска изображения по тексту и изображению одновременно. Модель основана на LLaVA-NeXT с архитектурой Mistral-7B и дообучена для мультимодального поиска. Для изображений рекомендуется размер 512 × 512 пикселей; размерность эмбеддингов в примере Sentence Transformers — 4096. Модель предназначена для вычисления сходства между запросом и изображениями-кандидатами, а не для генерации описаний или ответов.

Camel-Doc-OCR-062825 — дообученная PrithivMLmods модель на базе Qwen2.5-VL-7B-Instruct для распознавания и анализа документов. Она принимает изображения и текстовые запросы, извлекает содержимое и структурированные сведения, связывает элементы документа и отвечает на вопросы по его содержимому. Модель ориентирована на работу с таблицами, графиками, математическими выражениями, сложной разметкой страниц, слайдами и мультимодальными материалами; заявлены также понимание видео и визуально управляемое взаимодействие с устройствами. Модель построена на плотной мультимодальной архитектуре Qwen2.5-VL и содержит 7,1 млрд параметров. Базовая модель поддерживает контекст до 128 000 токенов. В карточке заявлена работа с несколькими языками, но отмечена переменная точность для редких языков и письменностей. Модель выпущена в формате Safetensors и распространяется по лицензии Apache-2.0. Среди ограничений — снижение качества на нечетких или частично закрытых изображениях, высокие требования к ресурсам и возможные галлюцинации. Длительная обработка видео требует значительной памяти; потоковая работа не оптимизирована.

comprehend_it-base — англоязычная модель Knowledgator на базе энкодера DeBERTaV3-base, обученная на наборах для вывода на естественном языке и классификации текста. Она предназначена прежде всего для классификации по заданным пользователем категориям в zero-shot режиме: можно передать текст и список меток, не дообучая модель на этих категориях. Также модель применяют для ранжирования результатов поиска и задач извлечения информации, включая распознавание именованных сущностей, извлечение отношений, связывание сущностей и ответы на вопросы. Модель использует архитектуру DeBERTa-v2 для классификации последовательностей, содержит 211,6 млн параметров и принимает контекст до 512 токенов. В карточке заявлено, что на нескольких наборах классификации она превосходила BART-large-mnli в zero-shot сценарии при почти втрое меньшем размере; также приведены результаты для нескольких наборов данных. Доступны веса PyTorch, библиотека Transformers и лицензия Apache-2.0. Модель рассчитана на английский язык. Как энкодер-классификатор, она выдаёт метки и оценки классов, а не генерирует свободный текст. Качество зависит от формулировок текста и кандидатов-меток; контекст ограничен 512 токенами, а README не приводит сравнительных результатов для всех заявленных задач извлечения информации.

cmarkea/detr-layout-detection — модель обнаружения структуры документов, разработанная cmarkea и дообученная на DocLayNet на базе DETR с ResNet-50. Она анализирует изображение страницы и одновременно предсказывает ограничивающие рамки и маски элементов макета: подписей, сносок, формул, пунктов списков, колонтитулов, изображений, заголовков разделов, таблиц, основного текста и заголовков страниц. Модель предназначена для извлечения структуры страниц при обработке документных корпусов, в том числе для подготовки данных к системам ответов на вопросы по документам. В README приведены результаты оценки на 500 страницах DocLayNet; заявлены F1 91,27 для сегментации и GIoU 80,66 для обнаружения объектов в сравнительном бенчмарке. Число параметров — 6,3 млн; веса доступны в формате safetensors для Transformers. Модель принимает изображения документов и выдаёт классы элементов, маски и рамки объектов. Лицензия — Apache-2.0. Качество оценивалось на DocLayNet; переносимость на другие типы документов и качество на отдельных классах могут отличаться.

mouped/duplicate-detection — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-small, предназначенная для поиска семантически похожих текстов и обнаружения дубликатов. Модель кодирует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Архитектура включает BERT, усредняющий pooling и нормализацию эмбеддингов. Модель принимает текст, поддерживает многоязычные сценарии и рассчитана на последовательности длиной до 512 токенов. В README приведена оценка на задаче классификации дубликатов обращений в поддержку; также указано обучение на 67 265 парах текстов с ContrastiveLoss. Лицензия в предоставленных данных не указана.

EttinX-sts-m — англоязычный cross-encoder для оценки семантического сходства двух текстов. Модель разработана dleemiller на основе jhu-clsp/ettin-encoder-150m и дообучена на sentence-transformers/stsb после предварительного обучения на подмножестве pair-score-sampled датасета dleemiller/wiki-sim. Модель использует архитектуру ModernBERT и содержит 149 млн параметров. Она принимает пары текстов и возвращает оценку сходства от 0 до 1; заявленная длина контекста — около 8 тыс. токенов. По README, на тестовой части STS-Benchmark достигнуты корреляции Pearson 0,9143 и Spearman 0,9102. Модель подходит для ранжирования пар по сходству, сравнения ответов и оценки результатов LLM. Распространяется по лицензии MIT.

GLiClass Multilang Mini — мультиязычная модель классификации текста из семейства GLiClass, опубликованная Knowledgator. Она предназначена для классификации с пользовательскими метками без дообучения, а также для few-shot сценариев с примерами и описаниями меток. Модель содержит около 288 млн параметров и использует архитектуру GLiClass с механизмом CrossAttn Scorer. Модель подходит для тематической и тональной классификации, определения намерений, проверки следования правилам и безопасности ответов LLM, обнаружения галлюцинаций, NLI и оценки релевантности пары запрос–текст. Она обучена для 20 языков и поддерживает межъязыковые сочетания текста и меток. В README приведены результаты zero-shot оценок и высокая пропускная способность на GPU, но фактическое качество зависит от языка, набора меток и задачи; для NLI рекомендуется подавать одну гипотезу за раз. Веса представлены в формате safetensors, для использования предлагается библиотека gliclass. Лицензия — Apache-2.0.

GritLM-8x7B-KTO — версия GritLM, разработанная Contextual AI и обученная методом KTO. GritLM объединяет генерацию текста и создание текстовых представлений в одной языковой модели; семейство включает вариант на архитектуре Mixtral 8x7B. В репозитории указаны веса Safetensors и лицензия Apache-2.0. Модель предназначена для диалоговой генерации текста и задач, где нужны текстовые представления, например поиск по смыслу и сопоставление текстов. Контекст составляет до 32 768 токенов. Карточка не приводит отдельные результаты или ограничения качества именно версии KTO; пригодность для конкретного сценария следует оценивать на его данных.

HalluGuard — разработанная авторами модели небольшая рассуждающая языковая модель на 3,7 млрд параметров для проверки утверждений в системах генерации с дополненным поиском (RAG). Получив документ и утверждение, она определяет, подтверждается ли оно документом, и обосновывает ответ выдержками из источника. Предусмотрены три категории: GROUNDED, HALLUCINATED_INTRINSIC и HALLUCINATED_EXTRINSIC. Модель основана на unsloth/Qwen3-4B и дообучена с помощью LoRA и ORPO на синтетическом наборе предпочтений HalluGuard-Preferences-76k. Архитектура — плотная Qwen3ForCausalLM; вход и ответ представлены текстом. Метаданные указывают контекст до 40 960 токенов, тогда как README сообщает окно 32 768 токенов. Модель рассчитана на англоязычные задачи. Лицензия — Apache-2.0.

davanstrien/headline-similarity — модель Sentence Transformers на базе BERT, разработанная для сопоставления заголовков и других коротких текстов по смыслу. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и подходит для семантического поиска, кластеризации и оценки сходства. Модель дообучена на dbmdz/bert-base-historic-multilingual-cased с использованием MultipleNegativesRankingLoss; в обучающих данных использовался набор headlines-semantic-similarity. Архитектура содержит 137,8 млн параметров, а контекст ограничен 512 токенами. Модель ориентирована на английские газетные заголовки. Её можно применять для поиска похожих заголовков, группировки публикаций по теме и обнаружения семантически близких формулировок. Репозиторий использует формат PyTorch; в предоставленных сведениях лицензия не указана.

Redis разработала эту англоязычную модель-переранжировщик для semantic caching в LangCache. Это Cross-Encoder на базе ModernBERT, дообученный из Alibaba-NLP/gte-reranker-modernbert-base на парах текстов LangCache с помощью библиотеки sentence-transformers. Модель получает пару текстов и выдаёт оценку, пригодную для классификации пары или ранжирования кандидатов по релевантности; в каталоге основная задача указана как text-ranking. Модель содержит 149 млн параметров, поддерживает последовательности длиной до 8192 токенов и имеет один выходной показатель. Карточка сообщает метрики классификации на validation и test, но не задаёт универсальных порогов для интерпретации оценки. Модель рассчитана на английский язык и распространяется по лицензии Apache-2.0.

Карточка модели glxiexie/LFM2.5-2.6B на Hugging Face совпадает с карточкой developerjeremylive/LFM2.5-2.6B-etheroi, поэтому описание составлено по ней. LFM2.5-2.6B-etheroi — многоязычная текстовая модель на 2,6 млрд параметров, созданная на базе LiquidAI/LFM2.5-2.6B-Base и дообученная для агентных сценариев. Она использует гибридную архитектуру LFM2: 30 слоёв, включая блоки коротких свёрток и GQA, и поддерживает контекст до 131 072 токенов. Модель предназначена для локального и периферийного развёртывания; карточка указывает поддержку Transformers, vLLM и SGLang. Модель подходит для вызова инструментов, выполнения многошаговых инструкций, извлечения данных, RAG и работы с длинным контекстом. Она поддерживает английский, арабский, китайский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, русский, испанский, тайский и вьетнамский языки. По карточке, она не рекомендуется для агентного программирования и задач, требующих обширных знаний. Лицензия указана как other; конкретные условия следует проверить в репозитории модели.

cross-encoder/ms-marco-MiniLM-L6-v2 — англоязычный ранжировщик на основе архитектуры BERT, предназначенный для переранжирования результатов поиска. Модель обучена на задаче MS MARCO Passage Ranking и оценивает релевантность пары «запрос — фрагмент текста», после чего найденные документы можно сортировать по оценке. Модель содержит 25,9 млн параметров, принимает пары текстов и поддерживает контекст до 512 токенов. Она рассчитана на этап reranking в системах информационного поиска, например после получения кандидатов из ElasticSearch. Доступны форматы PyTorch, SafeTensors, ONNX, OpenVINO и Flax. Модель распространяется по лицензии Apache 2.0. Описанные данные указывают на англоязычное обучение и назначение; качество для других языков не подтверждено. README приводит оценки на наборах TREC Deep Learning 2019 и MS MARCO, но не содержит чисел для этой версии MiniLM-L6-v2.

NewsXLM — многоязычная модель ISPRAS для классификации HTML-узлов новостных страниц. Модель построена на архитектуре DOM-LM и дообучена на наборе данных NewsXLM на основе ispras-crawlers/newsxlm-domlm-pretrained. В репозитории указано 305,2 млн параметров и контекст длиной 514 токенов. Модель присваивает HTML-узлам метки title, publication_date, text, author, tag или none. Её можно использовать для извлечения заголовка, даты публикации, текста статьи, автора и тегов из HTML новостных страниц, а также для классификации каждого узла. Поддерживаются английский, испанский, русский, арабский, французский, португальский, хорватский, китайский, немецкий и корейский языки. Модель принимает структурированный HTML и выдаёт метки для его узлов; README описывает отдельный конвейер извлечения атрибутов, группирующий результаты по типу. Репозиторий распространяется под лицензией MIT.

Qwen3-Embedding-4B-AWQ-INT4 — квантизированная версия модели Qwen/Qwen3-Embedding-4B, производная работа от оригинальной модели Qwen. Артефакт предназначен для встраивания в системы эмбеддингов и может использоваться как компактная замена базовой модели в задачах семантического поиска, сопоставления текстов и других сценариях, где нужны текстовые векторные представления. В README явно указан английский язык. Модель использует 4-битное квантизирование весов методом AWQ (INT4, weight-only). Размер на диске составляет примерно 2,7 ГБ; заявлено, что она помещается на потребительский GPU с 6 ГБ видеопамяти, однако требуется дополнительный запас памяти для KV-кэша. В качестве максимальной длины контекста для запуска через vLLM указано 32 768 токенов. Данные о точной архитектуре, размерности эмбеддингов и результатах сравнительного тестирования не приведены. Основные преимущества — существенно уменьшенный размер и требования к памяти при сохранении назначения исходной embedding-модели, а также совместимость с embedding-стеками и запуском через vLLM. Ограничения включают поддержку только английского языка согласно README и потенциальное снижение точности из-за INT4-квантизации; количественная оценка этого снижения не указана. Модель распространяется по лицензии Apache License 2.0, с требованием соблюдать атрибуцию исходной модели Qwen/Qwen3-Embedding-4B.

UTC-DeBERTa-large — универсальный классификатор токенов от Knowledgator, основанный на DeBERTaV3-large и дообученный на нескольких задачах разметки последовательностей с prompt tuning. Модель предназначена для извлечения информации из текста: распознавания именованных сущностей, ответов на вопросы, извлечения отношений и разрешения кореференции; README также указывает очистку и суммаризацию текста как возможные сценарии. Метаданные относят модель к DeBERTa-v2 и задаче token classification, указывают 533,8 млн параметров и контекст до 512 токенов. Многозадачное обучение нацелено на обобщение и zero-shot распознавание сущностей; в README приведены результаты на CrossNER для областей ИИ, литературы, музыки, политики и науки. Модель принимает текст и выдаёт токенную разметку. Карточка указывает английский язык и лицензию Apache-2.0. Результаты и обобщение могут зависеть от формулировки запроса и типа текста; контекст ограничен 512 токенами.

Карточка модели avsolatorio/00-000-11-1-0-1-0-0-cls-normed-1024-512_GIST_BAAI_bge-base-en-v1.5-20240128091053-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-100-11-1-0-1-0-0-cls-normed-768-512-hard_GIST_BAAI_bge-base-en-v1.5-20240128213417-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130184711-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130201355-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130211808-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.