I.1Поиск и навигация по информации

FinEmbedLarge — англоязычная модель эмбеддингов, созданная дообучением BAAI/bge-large-en-v1.5 на парах «вопрос—ответ» из примерно 50 годовых отчётов компаний S&P 500. Она предназначена для поиска финансовой информации по смыслу: преобразует текстовые запросы и фрагменты документов в векторы, которые можно сравнивать для ранжирования релевантных материалов. Модель построена на архитектуре BERT, содержит 433,9 млн параметров и принимает последовательности длиной до 512 токенов. В оценке на отложенных финансовых документах модель показала более высокие значения метрик поиска, чем исходная BGE Large 1.5; результаты относятся к описанному набору данных. Репозиторий содержит веса в формате safetensors и указывает использование Sentence-Transformers. Лицензия в предоставленных данных не указана.

HuggingFaceM4 опубликовала дообученную на наборе Docmatix модель Microsoft Florence-2 для ответов на вопросы по документам и изображениям. README сообщает, что обучение длилось один день и использовало 5% данных Docmatix с learning rate 1e-6; библиотека для работы с моделью — Transformers, веса представлены в формате safetensors. Модель принимает изображение и текстовый запрос и формирует текстовый ответ. Карточка указывает английский язык и лицензию MIT. В метаданных базовой моделью названа microsoft/Florence-2-base-ft, тогда как README указывает Florence-2-large-ft; точный размер и контекст в предоставленных данных не приведены.

FOF-80M — компактная модель текстовых эмбеддингов от MaxDevv, дообученная на базе codefuse-ai/F2LLM-v2-80M. Она создаёт представления текста, которые сближают переформулировки с теми же фактами и сильнее разделяют тексты с изменёнными сущностями, числами или другими фактическими деталями. Модель предназначена для сравнения фактического совпадения текстов при изменении стиля, например в проверке версий утверждения или поиске фактически изменённых копий. Архитектура — плотная Qwen3, размер — 66,8 млн параметров, библиотека — sentence-transformers; заявленное контекстное окно — 40 960 токенов. Карточка указывает английский язык, лицензия — Apache-2.0. Модель нечувствительна к различиям в формальности, многословии и риторической подаче, но требует строго двустороннего совпадения фактов. Она плохо подходит для NLI, оценки суммаризации и случаев, где допустим пропуск части информации; исправление опечаток тоже может заметно изменить сходство. Для заявленного качества README рекомендует нормализовать текст перед кодированием. Косинусные оценки сжаты и плохо калиброваны, поэтому предназначены для относительного сравнения пар.

Gemma-APS 7B — дообученная Google модель на базе Gemma 7B для абстрактивной сегментации пропозиций, также называемой извлечением утверждений. Она принимает текстовый фрагмент и выделяет из каждого предложения отдельные факты, утверждения и идеи, переформулируя их в самостоятельные полные предложения. Результаты сгруппированы по исходным предложениям. Модель предназначена для исследовательских и прикладных сценариев, где нужно разбивать текст на смысловые утверждения: например, для подготовки данных к проверке фактов, поиска и оценки суммаризации. Она работает с текстом на английском языке, обучена на контексте до 8192 токенов и доступна через Transformers. В карточке указаны авторы Mohammad Javad Hosseini, Yang Gao, Tim Baumgärtner, Alex Fabrikant и Reinald Kim Amplayo. Модель может ошибаться, терять языковые нюансы и воспроизводить смещения обучающих данных; она не предназначена для других языков или задач. Условия использования определяются лицензией Gemma.

Модель soddokayo/klue-roberta-large-klue-ner — дообученная для разметки токенов версия klue/roberta-large на датасете KLUE. Она предназначена для распознавания именованных сущностей в корейском тексте. Модель построена на архитектуре RoBERTa, содержит 435,4 млн параметров и принимает контекст до 514 токенов. В README приведены результаты на оценочной выборке: F1 — 0,8365, точность — 0,8292, полнота — 0,8439, accuracy — 0,9664. Для использования нужны библиотека Transformers и веса в формате PyTorch. Лицензия в предоставленных данных не указана.

ManasaKaza/knowledge-search-dense-scifact-v1 — текстовый Sentence Transformer, дообученный на базе sentence-transformers/all-MiniLM-L6-v2 для семантического поиска по научным материалам SciFact. Модель кодирует текст в нормализованные плотные векторы размерности 384; сходство между ними можно оценивать косинусной мерой. Архитектура включает энкодер BERT, усредняющий pooling и нормализацию эмбеддингов. Модель подходит для семантического поиска и сопоставления научных утверждений с релевантными документами, а также для сравнения предложений, поиска перефразировок и кластеризации текстов. README указывает максимальную длину последовательности 256 токенов; метаданные каталога сообщают нативный контекст 512 токенов. Обучающий набор содержит 733 пары anchor-positive. По примерам и базовой модели она ориентирована на английские научные тексты. В метаданных указана лицензия Apache-2.0.

mmE5-mllama-11b-instruct — мультимодальная многоязычная модель эмбеддингов, представленная авторами работы «mmE5: Improving Multimodal Multilingual Embeddings via High-quality Synthetic Data» в 2025 году. Она дообучена на базе Llama-3.2-11B-Vision и предназначена для получения эмбеддингов изображений и текста, в том числе для классификации изображений по текстовым описаниям без специального обучения на классах.

Muffakir_Embedding — арабоязычная модель Sentence Transformer, созданная Mohamed2811 на основе Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2 и дообученная для семантического сходства текстов и поиска информации. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, ранжирования релевантных фрагментов, кластеризации и классификации текстов, в том числе в системах RAG для юридических документов. Обучение проводилось на 20 252 синтетических парах «вопрос—ответ», полученных из египетских юридических книг с помощью LLM; использовались MatryoshkaLoss и MultipleNegativesRankingLoss. Архитектура — BERT, контекст — до 512 токенов. Карточка сообщает о первом месте на арабском RAG-бенчмарке для исламского набора данных, но не приводит подробностей методики сравнения. Модель ориентирована на арабский язык; результаты для других языков не заявлены. Лицензия в предоставленных данных не указана.

MyAwesomeModel — модель на базе Transformers с архитектурой семейства BERT, опубликованная в репозитории asd12ad123123/MyAwesomeModel-TestRepo. Основное назначение модели по метаданным Hugging Face — извлечение признаков из входных данных, то есть преобразование текста в векторные представления для последующего анализа и машинного обучения. Модель может применяться для построения семантического поиска, сравнения текстов, кластеризации, классификации и других задач, использующих эмбеддинги. README также заявляет о возможностях рассуждения, генерации кода, диалога, суммаризации и function calling, однако эти утверждения не согласуются с указанным pipeline_tag feature-extraction и не подтверждены техническими характеристиками модели. Модель распространяется по лицензии MIT и предназначена для использования с библиотекой Transformers. Размер модели, поддерживаемые естественные языки и длина контекста в доступных данных не указаны.

Ovis1.6-Gemma2-27B — мультимодальная языковая модель семейства Ovis, разработанная командой Ovis. Она сочетает визуальный энкодер SigLIP-400M с Gemma2-27B-It и структурно согласует визуальные и текстовые представления. Модель содержит 29 млрд параметров и предназначена для диалоговой работы с изображениями и текстовыми инструкциями. Модель подходит для анализа сложных изображений, ответов на вопросы по документам, графикам и таблицам, распознавания китайского и английского текста на изображениях, а также мультимодальных рассуждений. В README приведены результаты на ChartQA, InfoVQA и DocVQA. Репозиторий содержит веса в формате safetensors; для запуска указана библиотека Transformers. Лицензия — Apache-2.0. Разработчики рекомендуют использовать более новую версию Ovis2. Модель может ошибаться в визуальном анализе и рассуждениях; авторы также не гарантируют полного отсутствия проблем с авторскими правами или некорректного контента.

google/pix2struct-docvqa-base — модель Google семейства Pix2Struct для визуальных вопросов и ответов по документам. Она использует архитектуру «кодировщик изображений — декодер текста» и дообучена для задачи DocVQA: отвечает на вопросы, опираясь на содержимое изображения документа. Модель принимает изображение документа и текстовый вопрос, а выдаёт ответ текстом. Pix2Struct предварительно обучалась разбирать скриншоты веб-страниц в упрощённую HTML-структуру; для работы с визуально расположенным текстом модель использует представление изображений с переменным разрешением. В метаданных указана поддержка английского, французского, румынского и немецкого языков. Модель подходит для извлечения сведений из документов по запросу, например для поиска значений в формах или ответов по содержимому страниц. Её возможности за пределами визуальных вопросов и ответов по документам не подтверждены карточкой. Модель распространяется по лицензии Apache-2.0.

OPI-PIB разработал Polish ModernBERT-512-large — крупный одноязычный польский энкодер на архитектуре ModernBERT с 474,5 млн параметров. Модель предварительно обучена для понимания польского языка; использует RoPE, слои GeGLU, предварительную нормализацию и чередование глобального и локального внимания. Контекст составляет 514 токенов, веса доступны в формате safetensors. Основная задача модели — предсказание замаскированных токенов. После дообучения энкодер можно адаптировать для классификации текстов и документов, разметки последовательностей, регрессии, семантического сходства, поиска и ранжирования. В оценке на польских NLU-задачах модель показала конкурентные результаты относительно других польских энкодеров; готовые результаты для конкретных прикладных задач потребуют адаптации. Модель обучена на большом польском корпусе, включая Common Crawl, и предназначена для создания решений обработки польского языка. Лицензия Apache-2.0.

PhilipCisco/qwen3-base-financial — текстовая модель Sentence Transformers, дообученная разработчиком PhilipCisco на базе Qwen/Qwen3-Embedding-0.6B. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и сравнивает их с помощью косинусного сходства. Модель предназначена для семантического поиска и оценки смысловой близости текстов; в README приведены примеры вопросов и ответов по корпоративной финансовой отчётности. Модель использует архитектуру Qwen3Model с пулингом последнего токена и нормализацией. Максимальная длина последовательности — 32 768 токенов. Обучение проводилось на наборе из 5 600 пар «запрос — релевантный текст» с MatryoshkaLoss и MultipleNegativesRankingLoss. Указан английский язык, лицензия Apache-2.0. В README приведены метрики поиска на тестовом наборе, однако результаты на других данных не описаны.

ReadAll / ReadTwice RL step36 — это контрольный чекпойнт языковой модели, опубликованный пользователем Xirui1208 на Hugging Face. В репозитории находятся слитые веса BF16 на шаге 36 обучения, основанные на Qwen2: плотная авторегрессионная архитектура Qwen2ForCausalLM размером 7,1 млрд параметров. Модель работает с текстом, имеет контекстное окно 32 768 токенов и поддерживает чатовый интерфейс и интерфейс вызова инструментов. Чекпойнт предназначен для генерации текста и ответов на вопросы по длинным документам. Для обработки 224-тысячного контекста README описывает рекуррентный конвейер ReadTwice с разбиением на страницы и обновлением памяти; такой объём не передаётся в один вызов модели. На указанных фиксированных наборах разработки приведены результаты HQA 224k и LongBench QA, однако они не подтверждают качество на отложенном тесте, а результат HQA зависит от соответствующей конфигурации конвейера. Для воспроизводимой оценки автор рекомендует жадное декодирование. Репозиторий доступен публично; лицензия в предоставленных сведениях не указана.

Huffon/sentence-klue-roberta-base — модель на базе RoBERTa для получения векторных представлений предложений и текстов. Она использует подход Sentence-BERT с сиамскими сетями и предназначена для работы с библиотекой Sentence-Transformers. Модель содержит 137,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель рассчитана на корейский язык и обучена на данных KLUE. Её можно применять для сравнения семантической близости предложений и извлечения текстовых эмбеддингов для поиска и группировки. В репозитории представлены веса PyTorch. Условия лицензии в предоставленных данных не указаны.

Raychani1/slovakbert-ner-v2 — модель распознавания именованных сущностей на словацком языке, разработанная на основе Gerulata/SlovakBERT. Это RoBERTa-модель для классификации токенов, дообученная на собранных из веба словацких новостных статьях; она размечает сущности тегами IOB: PERSON, ORGANIZATION, LOCATION, DATE, TIME, MONEY и PERCENTAGE. Модель принимает текст и возвращает метки для его фрагментов, например для извлечения людей, организаций, мест и денежных сумм из новостей. В README приведены метрики оценки: F1 0,9895 и macro-F1 0,9547. Модель имеет 151,8 млн параметров, контекст до 514 токенов и распространяется в формате PyTorch по лицензии MIT. Обучение на новостных статьях может ограничивать качество на других жанрах и типах текста; опубликованные метрики относятся к указанной оценке.

SPECTER — предварительно обученная языковая модель Allen Institute for AI (AI2) для получения векторных представлений научных документов. Авторы модели — Арман Кохан, Сергей Фельдман, Из Белтаги, Даг Дауни и Дэниел С. Уэлд. Модель основана на BERT, содержит 137,1 млн параметров и принимает текст с контекстом до 512 токенов. SPECTER обучена с использованием связей цитирования между публикациями, чтобы кодировать документы на уровне целой статьи. Полученные эмбеддинги подходят для поиска и сравнения научных работ, а также для задач, где важно оценивать тематическую близость публикаций. Модель можно применять без дополнительного дообучения под конкретную задачу; она оценивалась на SciDocs. Модель ориентирована на англоязычные научные тексты и выдаёт векторные представления. README рекомендует для новых проектов по векторизации статей использовать SPECTER2, которая заменила эту модель. Лицензия — Apache-2.0; доступны веса PyTorch, TensorFlow и Flax.

DIACDE/stjiris_tjgo_diacde_sts — модель Sentence Transformer, дообученная Дирекцией по искусственному интеллекту, науке о данных и статистике Суда штата Гояс (TJGO) на базе stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для семантического сравнения и поиска.

TEMA Qwen2.5-Omni-7B Evidence GRPO — модель на базе архитектуры Qwen2.5-Omni с 7 млрд параметров, разработанная авторами проекта TEMA и дообученная для ответов на вопросы по нескольким аудиозаписям. Она ведёт многошаговый диалог, находит нужный фрагмент во временной последовательности аудио, обосновывает вывод свидетельствами и формулирует ответ. Для текстовых ответов в README предлагается отключить возврат аудио; основной сценарий модели — аудиовопросы с привязкой к временным фрагментам и подтверждающими свидетельствами. Обучение включает временную инициализацию, SFT для диалога и оптимизацию Evidence GRPO. В бенчмарке TEMA-Bench на 253 диалогах и 1 239 вопросах указаны результаты QA 69,81%, QA+T 58,76%, Span F1@0.5 58,65% и H@0.1 44,39%. Репозиторий содержит объединённые веса и адаптер для базовой модели bluesky7/TEMA-Qwen2.5-Omni-7B-SFT; используется библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Карточка описывает англоязычную версию; размер контекста не сообщается.

TildeOpen-30B-MU-Instruct — многоязычная инструкционная языковая модель на 29,9 млрд параметров, созданная автором martinsu дообучением TildeAI/TildeOpen-30b. Это плотная модель семейства Llama для генерации текста и диалогов; она использует формат ChatML и контекст до 65 536 токенов по метаданным. В карточке обучения указана длина последовательности 4096 токенов, поэтому фактическую работу на более длинном контексте следует проверять отдельно. Модель обучена в течение одной эпохи на 163 млн токенов с маскированием функции потерь для системных и пользовательских сообщений. Данные охватывают 25 языков, с акцентом на английский и латышский, а также включают многоязычные диалоги, вопросы и ответы и примеры для RAG. Автор сообщает о кратких ответах и хороших результатах в одном тестовом сравнении EuroBlocks, но подчёркивает, что это предварительная проверка, а не доказательство общего превосходства. Для запуска README рекомендует vLLM с медленным токенизатором и подходящую системную подсказку; ошибочная автоматическая сборка быстрого токенизатора может ухудшить качество. Модель требует значительных вычислительных ресурсов. Она не прошла настройку безопасности с RLHF, проверку на токсичность или оценку вреда и может выдавать ошибочную информацию. Лицензия — CC BY 4.0.

TrailRAG Cross-Encoder: SciFact Enhanced — дообученная модель PathfinderRAG для оценки сходства между научными утверждениями и фрагментами исследовательских статей. Она обрабатывает пары текстов совместно и выдаёт непрерывную оценку от 0 до 1, которую можно использовать для ранжирования документов при проверке научных фактов и в поисковых сценариях RAG. Модель основана на cross-encoder/ms-marco-MiniLM-L-6-v2 и использует архитектуру BERT с классификационной головой для регрессии. Она реализована на sentence-transformers, содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Обучение проводилось на парах SciFact; заявленные метрики на валидации: MSE 0,100697, MAE 0,183992 и RMSE 0,317328. Модель лучше всего подходит для научной фактологической проверки и ранжирования пар «утверждение — документ»; качество на данных вне научной тематики может отличаться. Для инференса требуется библиотека sentence-transformers. Лицензия — MIT.

USMED — модель эмбеддингов предложений на базе Sentence Transformers, разработанная Swapnil Vishwakarma путём дообучения sentence-transformers/multi-qa-MiniLM-L6-cos-v1. Модель преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения семантической близости; сходство оценивается косинусной мерой. Архитектура включает BertModel, усреднение токенных представлений и нормализацию. Максимальная длина входа — 512 токенов; модель содержит 25,9 млн параметров. Модель предназначена для семантического поиска, сопоставления медицинских товарных наименований и других текстов, поиска перефразировок, кластеризации и классификации текста. Обучающие пары включают названия медицинских изделий и их варианты, поэтому модель может быть полезна для поиска похожих наименований в медицинских каталогах. Карточка указывает библиотеку sentence-transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Davlan/xlm-roberta-base-ner-hrl — модель распознавания именованных сущностей, разработанная на основе XLM-RoBERTa base и дообученная для NER на текстах новостных статей на десяти языках. Она размечает токены как сущности типа «персона», «организация» или «место» и подходит для извлечения таких упоминаний из новостных текстов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и принимает текст с контекстом до 514 токенов. Поддерживаются арабский, немецкий, английский, испанский, французский, итальянский, латышский, нидерландский, португальский и китайский языки. Распространяется по лицензии AFL-3.0. Обучение на размеченных новостях определённого периода может ограничивать переносимость на другие жанры и предметные области.

Asur4N/Apodex-1.0-mini-mlx-fp16 — конвертированная в формат MLX версия диалоговой модели apodex/Apodex-1.0-mini. README указывает, что конверсия выполнена с помощью mlx-lm 0.31.2; метаданные описывают модель как дообученную на базе Qwen3.5-35B-A3B модель семейства Qwen 3.5 MoE с поддержкой чата и генерации текста. Она предназначена для диалоговой генерации, глубокого исследования, поиска информации и работы с инструментами. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель ориентирована на английский и китайский языки. Данных о размере этой версии и длине контекста в предоставленных источниках нет. MLX-конверсия рассчитана на запуск в экосистеме MLX; доступные материалы не приводят результатов оценки качества или дополнительных ограничений.

MatinAsgarov выпустил четвёртую версию модели для распознавания именованных сущностей в английском тексте. Это дообученная DistilBERT-base-cased с архитектурой DistilBertForTokenClassification и примерно 65,2 млн параметров; она принимает текст и выдаёт метки для токенов, объединяемые в сущности PERSON, ORGANIZATION, LOCATION, PRODUCT и WORKOFART. Контекст модели составляет 512 токенов. Модель обучалась с повторным включением примеров, содержащих PRODUCT и WORKOFART, и с выбором лучшего чекпойнта по F1. На тестовом разделении из 119 записей её F1 составил 0,717; проверка на 20 внераспределённых предложениях показала улучшения распознавания некоторых организаций и границ многословных сущностей, но также сохраняются ошибки классификации и неоднозначности. Модель подходит для извлечения сущностей из английских текстов, например новостей и коротких документов. Лицензия в метаданных указана как unknown.

Модель kamranibiyev/azNER-xlmr предназначена для распознавания именованных сущностей в азербайджанском тексте. Это XLM-RoBERTa base, дообученная на вручную исправленном корпусе azWikiNER из 16 740 фрагментов Википедии; модель использует архитектуру XLMRobertaForTokenClassification и различает 16 категорий, включая имена людей, организации, географические объекты, события, даты и время, суммы и названия произведений. Контекст ограничен 514 токенами. На тестовой выборке azWikiNER модель показала F1 81,77 для полного набора категорий и 82,81 для 15 общих категорий. Она подходит для извлечения сущностей из азербайджанских текстов, в том числе для обогащения документов и подготовки данных для поиска. Репозиторий содержит веса PyTorch; лицензия — MIT. Качество может быть ниже на жанрах, отличных от Википедии. Оценки для чисел и дат следует трактовать осторожно: эти категории размечались с использованием автоматизированного прохода OntoNotes и правил объединения. Длинные входы обрезаются по лимиту токенизатора; отдельной метки DATE нет, даты относятся к TIME.

Davlan/bert-base-multilingual-cased-ner-hrl — модель распознавания именованных сущностей на основе mBERT, дообученная разработчиком Davlan на размеченных новостных текстах. Модель содержит около 205,1 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов. Модель размечает упоминания людей (PER), организаций (ORG) и мест (LOC) на арабском, немецком, английском, испанском, французском, итальянском, латышском, нидерландском, португальском и китайском языках. Её можно применять для извлечения сущностей из новостных статей и других текстов на этих языках. Качество может снижаться на текстах из других областей: обучение проводилось на датасетах новостной разметки, ограниченных конкретными периодами и источниками. Модель распространяется по лицензии AFL-3.0.

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024, пригодные для сравнения смысловой близости, поиска и кластеризации. Модель основана на крупной португалоязычной юридической версии BERTimbau и прошла обучение с маскированным языковым моделированием на юридических текстах, а затем этапы обучения на данных NLI и дообучения для оценки семантического сходства. В числе использованных наборов данных — ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура BERT имеет контекст до 512 токенов; модель содержит 433,2 млн параметров. Модель подходит для построения семантического поиска по португалоязычным юридическим документам, а также для сопоставления, ранжирования и кластеризации текстов по смыслу. Лицензия — MIT. Карточка не сообщает об оценках качества или ограничениях на конкретных типах юридических текстов.

Legal BERTimbau — модель Sentence Transformers, разработанная для проекта IRIS и системы семантического поиска решений Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для сравнения смысловой близости, кластеризации и поиска юридических текстов. Модель основана на крупной версии BERTimbau для португальского языка, адаптированной к юридическим текстам. Обучение включало MLM на юридических предложениях примерно из 30 000 документов, этапы с псевдоразметкой и NLI, а также дообучение для оценки семантического сходства на наборах ASSIN, ASSIN2, STS-B Multi MT и IRIS STS. Модель содержит 433,2 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт эмбеддинги. Лицензия — MIT.

Legal BERTimbau — модель sentence-transformers, разработанная в рамках Project IRIS для семантического поиска по решениям Верховного суда Португалии. Она преобразует предложения и абзацы в плотные векторы размерности 1024, пригодные для поиска по смыслу и кластеризации. Модель основана на крупной португалоязычной версии BERTimbau, адаптированной для юридических текстов, и дообучена для оценки семантического сходства на корпусах ASSIN, ASSIN2 и STS-B Multi MT. В ходе обучения также использовались юридические предложения из примерно 30 тысяч документов. Архитектура — BERT; размер составляет 433,2 млн параметров, контекст — до 512 токенов. Модель принимает текст и выдаёт векторы; карточка указывает поддержку португальского языка. Модель подходит для поиска семантически близких предложений и документов, а также для кластеризации юридических текстов. Репозиторий распространяется по лицензии MIT.