I.1Поиск и навигация по информации

jhgan/ko-sbert-sts — модель на основе BERT для получения плотных векторных представлений предложений и абзацев на корейском языке. Она обучена на данных KorSTS для оценки семантического сходства; размер модели — 137,8 млн параметров, размерность эмбеддингов — 768, максимальная длина контекста — 512 токенов. Модель подходит для сравнения смысла двух текстов, семантического поиска и кластеризации. В README приведены результаты оценки на KorSTS: корреляция Пирсона 81,55 и Спирмена 81,23 при косинусном сходстве. Для работы доступны веса PyTorch и TensorFlow; модель можно применять через Sentence-Transformers или Transformers с соответствующей операцией pooling. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Модель ориентирована на корейский язык и обучена на KorSTS; качество на других языках и задачах не подтверждено приведёнными результатами.

Lemone-Embed Pro — модель эмбеддингов, разработанная Louis Brulé Naudet для семантического поиска по французским налоговым и юридическим материалам. Это Sentence Transformer, дообученный на базе Alibaba-NLP/gte-multilingual-base на корпусе из 303 863 примеров, связанных с французским налоговым законодательством и административными документами. Обучающие данные включают синтетические и полусинтетические примеры, созданные с помощью GPT-4 Turbo и Llama 3.1 70B и прошедшие дополнительную обработку и проверку. Модель преобразует текст в плотные векторы размерности 768 и поддерживает сравнение сходства по косинусной мере. Максимальная длина последовательности — 8192 токена. Она предназначена прежде всего для поиска релевантных фрагментов в крупных налоговых корпусах и построения RAG-систем, а также подходит для семантического сравнения, поиска перефразировок и кластеризации. В README приведены высокие значения точности поиска на наборе Lemone, однако они не гарантируют аналогичных результатов на других корпусах. Модель ориентирована на французский язык и налогово-правовую тематику. Доступна по лицензии Apache 2.0; в репозитории представлены форматы Safetensors и ONNX.

LLM2CLIP-Openai-L-14-336 — модель семейства CLIP, опубликованная Microsoft и исследователями из Университета Тунцзи. Это визуальный backbone для сопоставления изображений и текста: модель строит эмбеддинги, которые можно использовать для поиска соответствий между изображениями и текстовыми описаниями, включая длинные и сложные подписи. Подход LLM2CLIP переносит текстовые возможности больших языковых моделей в пространство эмбеддингов CLIP с помощью контрастивного дообучения, а затем использует полученные представления для обучения визуального энкодера. В README описаны улучшения поиска по коротким и длинным текстам и многоязычного поиска; приведённый вариант предназначен для изображений и retrieval. Репозиторий содержит веса safetensors. Модель распространяется по лицензии Apache-2.0. README предупреждает, что результаты статьи получены на весах PyTorch и производительность версии Hugging Face может отличаться.

Loquace-7B-Mistral — италоязычная языковая модель с настройкой на выполнение инструкций, созданная Cosimo Iaia на основе Mistral-7B-Instruct. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов; опубликованные веса представлены в формате safetensors. Для дообучения применялся QLoRA на наборе Loquace-102k. Модель предназначена для ответов на инструкции и вопросы на итальянском языке, в том числе в сценариях генерации с поиском по документам (RAG). Автор отмечает хорошее следование итальянским инструкциям и восприимчивость к prompt engineering. Лицензия — Apache-2.0. Модель может ошибаться, выдавать бессмысленные или фактически неверные ответы, а также испытывать трудности со сложными, неоднозначными и плохо сформулированными запросами; результаты следует проверять.

Macaron-V1-Preview-749B — предварительная агентная модель MindLab Research, дообученная на GLM-5.1 с помощью MinT. В README она описана как модель класса 749B: база на 744B параметров и пять специализированных LoRA-адаптеров. В метаданных указаны 30,4B параметров и контекст 202 752 токена; архитектура обозначена как GLM MoE DSA, формат весов — SafeTensors. Модель предназначена для многоходовой персональной помощи: планирования, работы с поиском и календарём, вызовов инструментов, задач с кодом и терминалом, а также генерации интерфейсов по протоколу A2UI. README указывает английский и китайский языки. Работа с адаптерами организована через маршрутизатор: базовый адаптер отвечает за общий диалог, а специализированные — за агентные, программные и другие сценарии. Для полного поведения требуется совместимая среда обслуживания с маршрутизацией LoRA, инструментами, состоянием и поддержкой A2UI; простая загрузка одного адаптера не запускает всю агентную систему. Модель выпущена по лицензии MIT. README называет её исследовательским предварительным выпуском и предупреждает, что результаты зависят от инструментов, маршрутизации и рендерера, а длинные задачи ограничены вычислительными ресурсами.

MetaCLIP ViT-B/16 — модель семейства CLIP, разработанная командой MetaCLIP и обученная на 2,5 млрд примеров CommonCrawl. Она сопоставляет изображения и текст в общем пространстве представлений, поэтому подходит для классификации изображений без дополнительного обучения по текстовым меткам, поиска изображений по описанию и поиска текста по изображению. Модель опубликована в рамках исследования Demystifying CLIP Data, посвящённого отбору данных для обучения CLIP. Репозиторий содержит веса PyTorch; в метаданных указана задача zero-shot image classification. Лицензия — CC-BY-NC-4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

freelawproject/modernbert-embed-base_finetune_512 — англоязычная модель эмбеддингов, разработанная Free Law Project на основе дообученной nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Архитектура Sentence Transformer включает ModernBertModel, усреднение токенных представлений и нормализацию; максимальная длина входа составляет 8192 токена. Модель предназначена для семантического поиска по юридическим текстам, поиска похожих судебных документов и запросов, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. Для дообучения использованы 2828 триплетов из датасета Free-Law-Project/opinions-synthetic-query-512; в README приведены высокие значения cosine accuracy на dev-оценках, но методика и применимость результатов за пределами указанных данных ограничены. Метаданные указывают лицензию CC0-1.0, тогда как README указывает Apache-2.0; лицензию следует проверить в репозитории перед использованием. Модель работает с текстом на английском языке и выдаёт векторы, а не готовые ответы.

wilfredomartel/modernbert-embed-es-legal-v2 — испаноязычная модель Sentence Transformers, разработанная дообучением nomic-ai/modernbert-embed-base на небольшом наборе юридических запросов и соответствующих фрагментов документов. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения текстов и извлечения релевантных документов по запросу. Модель построена на ModernBERT с усреднением токенных представлений и нормализацией выходных векторов; максимальная длина последовательности — 8192 токена. В карточке приведены результаты оценки информационного поиска на размерностях 768 и 512. Модель предназначена прежде всего для испанских юридических текстов; лицензия — Apache-2.0. Подходит для поиска по юридическим документам, подбора релевантных фрагментов и поиска семантически близких текстов. Данные оценки получены на указанном небольшом юридическом датасете, поэтому качество на иных корпусах и языках может отличаться; результатов на независимых наборах данных карточка не приводит.

Maarif Sariyev разработал англоязычную модель распознавания именованных сущностей на основе XLM-RoBERTa, дообученной для классификации токенов. Модель размечает восемь типов сущностей: PERSON, ORGANIZATION, LOCATION, JOB, PRODUCT, WORKOFART, TIMEDATE и AMOUNT. Она предназначена для извлечения сущностей из английских текстов, в том числе новостных. Модель содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. По описанию проекта, на небольшом наборе новостных текстов с ручной разметкой модель достигла F1 0,84. Её слабые места — распознавание должностей, границы денежных сумм, дат и измерений, а также ложные срабатывания на названия организаций. Обучающие данные для категории JOB преимущественно синтетические, а проверочный набор невелик. Модель основана на многоязычной XLM-RoBERTa, но обучающие данные и заявленные результаты относятся только к английскому языку; качество на азербайджанском не проверено. Лицензия в предоставленных сведениях не указана.

lightblue/openorca_stx — языковая модель Lightblue, полученная дообучением OpenOrca OpenOrcaxOpenChat-Preview2-13B с помощью QLoRA на японских наборах данных. Она предназначена прежде всего для ответов на вопросы по предоставленному фрагменту текста: модель формирует ответ, опираясь на содержание источника. Обучение также включало примеры упрощения и суммаризации текста. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и принимает контекст до 4096 токенов. Основной язык — японский. В описании приведены результаты на отдельных задачах JGLUE: улучшение на JSQuAD относительно базовой модели и более низкие результаты на JCommonsenseQA и JNLI. Модель распространяется с лицензией Llama 2; для использования следует соблюдать её условия. Оценки в карточке не гарантируют качество на других задачах или данных.

DivyaMereddy007/RecipeBert1 — модель на базе BERT из библиотеки Sentence Transformers, разработанная пользователем DivyaMereddy007. Она преобразует предложения и абзацы в плотные векторы размерности 768 для кластеризации, семантического поиска и сравнения сходства текстов. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для обучения использовалась функция потерь CosineSimilarityLoss. Модель подходит для построения поиска по рецептам и другим текстам, группировки похожих описаний и получения векторных представлений для последующего сравнения. В карточке указана лицензия Apache 2.0.

Это модель на базе XLM-RoBERTa для получения эмбеддингов предложений на болгарском языке и оценки их семантического сходства. Её обучил rmihaylov на закрытых параллельных данных на болгарском и английском языках: по подходу Sentence-BERT переведённые предложения учатся занимать близкие позиции в векторном пространстве. Модель чувствительна к регистру. Чекпойнт содержит 124,5 млн параметров, принимает текст и выдаёт векторы; максимальный контекст — 514 токенов. После обучения модель сжали методом progressive module replacing. Лицензия — MIT. Она подходит для поиска похожих болгарских предложений и сопоставления переводов; качество на других языках и задачах не подтверждено.

Это модель распознавания именованных сущностей в публикациях Twitter, разработанная и опубликованная проектом T-NER. Она дообучена на roberta-base с использованием обучающей части train_2021 набора tner/tweetner7 и предназначена для разметки токенов в англоязычных твитах. Модель выделяет людей, организации, творческие работы, события, группы, географические объекты и продукты; содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. На тестовой выборке 2021 года micro F1 составляет около 0,618, а macro F1 — около 0,570; точность заметно различается по типам сущностей, например F1 для людей составляет около 0,813, а для творческих работ — около 0,380. Для входных текстов нужно учитывать форматирование TweetNER7: имена аккаунтов и URL заменены специальными представлениями. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных источниках отсутствуют.

Immerwinter/roberta-wechsel-privacy-policy-content-retention — немецкоязычная модель классификации текста, созданная на основе benjamin/roberta-base-wechsel-german. Она предназначена для отнесения фрагментов политики конфиденциальности к теме Content и категории Retention; README перечисляет также соседние категории конвейера, включая Deletion, Processing и UserRights. Модель построена на архитектуре RoBERTa для классификации последовательностей, содержит 151,8 млн параметров и принимает текст длиной до 514 токенов. Доступны веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

Японская модель Sentence Transformer, разработанная kushalc1 на основе sbintuitions/sarashina-embedding-v2-1b и дообученная на датасете JSTS для сравнения смысловой близости текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1792 и использует косинусное сходство; архитектура включает трансформер Llama с pooling по последнему токену. Контекст — до 8192 токенов. Обучение с MatryoshkaLoss позволяет усекать векторы до 1280, 768, 256 или 64 измерений, сохраняя близкое качество на приведённых тестах JSTS. Модель предназначена для семантического поиска, поиска перефразировок, кластеризации, классификации текста и оценки сходства японских текстов. В README приведены результаты Spearman для сходства текстов: 0,7435 при 1792 измерениях и 0,7389 при 64. Поддержка других языков не заявлена. В метаданных указан формат safetensors; лицензия не предоставлена.

menadsa/S-BioELECTRA — модель эмбеддингов на базе ELECTRA, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и других задач сравнения предложений. Модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучалась на данных PubMed с функцией MultipleNegativesRankingLoss и косинусным сходством, что указывает на специализацию на биомедицинских текстах. Её можно применять для семантического поиска и группировки публикаций или фрагментов научных текстов. Доступны веса PyTorch; лицензия и конкретные языки в предоставленных сведениях не обозначены.

SciTulu 70B — модель Allen Institute for AI (AI2) для следования инструкциям и понимания научной литературы. Она дообучена на основе Tulu v2 70B: использует демонстрации из научного набора SciRIFF вместе с общими инструкциями из Tulu v2 SFT mix. Модель построена на плотной архитектуре Llama и содержит 68,7 млрд параметров. Она принимает текст и генерирует текст на английском языке; нативная длина контекста составляет 2048 токенов. В карточке сообщается об улучшении среднего результата на 6,5% относительно Tulu v2 70B на девяти отложенных задачах понимания научной литературы. SciTulu предназначена для ответов на вопросы и выполнения инструкций по научным публикациям, а также может применяться для общих текстовых инструкций. Результаты могут содержать ошибки и унаследованные от базовой модели ограничения и предубеждения. Лицензия — Apache-2.0.

SemanticRepair-270M — компактная текстовая модель Gramscii-IT для восстановления пользовательского запроса и подготовки строки запроса для маршрутизатора эмбеддингов. Она предназначена для распознавания наличия запроса и его формулировки для последующего поиска или выбора возможностей; если запроса нет, модель должна выдать NO_REQUEST. Модель не отвечает на вопрос и сама не выполняет инструменты: допуск операции и её запуск остаются за хост-приложением. Модель содержит 257 млн параметров, основана на Gemma 3 270M и дообучена на датасете semantic-repair-routing. В карточке указаны архитектура Gemma3ForCausalLM, контекст 32 768 токенов и поддержка английского, итальянского, французского, немецкого и испанского языков. Доступны GGUF Q8_0 и safetensors; автор описывает GGUF как используемый движком вариант. Оценки в карточке показывают компромисс: на замороженной проверочной выборке кандидат повысил долю правильных отказов, но снизил долю полных результатов для поддерживаемых запросов и не улучшил общий результат. Разметка создана авторами без независимой проверки людьми, а успешное выполнение инструментов и качество ответов не оценивались. Модельные артефакты распространяются на условиях Gemma; README также указывает PolyForm Noncommercial для дополнительной оценки и CC BY 4.0 для обучающих данных.

SigLIP Large — мультимодальная модель Google для сопоставления изображений и текста, предобученная на англоязычных парах WebLI. Архитектура SigLIP использует sigmoid loss для обучения на парах изображение–текст; эта версия обрабатывает изображения с разрешением 256×256, а текст — последовательности длиной до 64 токенов. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения и для поиска соответствий между изображениями и текстом. Она может быть полезна для поиска изображений по запросу и сортировки изображений по описаниям. Обучение на англоязычных данных ограничивает основания ожидать сопоставимое качество для других языков. Модель распространяется по лицензии Apache 2.0.

pritamdeka/S-PubMedBert-MS-MARCO — модель эмбеддингов предложений на основе BERT, созданная дообучением microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext на MS MARCO с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сопоставления запросов с документами и кластеризации медицинских текстов. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель предназначена для информационного поиска в медицинской и биомедицинской тематике. Её можно использовать с Sentence-Transformers либо через Transformers с подходящей операцией pooling. Она выдаёт текстовые эмбеддинги и оценки семантического сходства. Лицензия CC BY-NC 2.0 запрещает коммерческое использование без отдельного разрешения.

orionweller/tart-dual-contriever-msmarco — модель на базе архитектуры BERT объёмом 136,7 млн параметров, опубликованная для удобства использования. Она предназначена для извлечения признаков из текста; метаданные указывают ограничение контекста в 512 токенов. Файлы модели представлены в формате Safetensors. Название указывает на связь с TART, Dual Contriever и MS MARCO, однако README не описывает обучение, назначение этих компонентов или конкретный сценарий применения. Лицензия в предоставленных данных не указана.

UMLS-ED-Bioformer-16L-V-1.25 — дообученная модель Sentence Transformers на базе UMLS-ED-Bioformer-16L-V-1, разработанная Pankaj Rajdeo. Она кодирует предложения и абзацы в плотные векторы размерности 384 для семантического поиска и сравнения медицинских и биомедицинских текстов. Архитектура — BERT с усреднением токенных представлений; максимальная длина последовательности составляет 1024 токена, а сходство можно оценивать косинусной мерой. Модель обучалась с triplet loss на парах медицинских текстов и терминов UMLS. Её можно применять для поиска близких формулировок, сопоставления терминов, кластеризации и отбора кандидатов для классификации. В примерах обучающих данных встречаются тексты на нескольких языках, однако точный перечень поддерживаемых языков не задан. Лицензия в предоставленных данных не указана.

Veritas-8B-Fact-Checker-Non-Thinking-1.0 — модель Resect Research Labs для проверки фактической согласованности и фактчекинга. Она дообучена на базе Qwen/Qwen3-8B и предназначена для выдачи бинарной классификации в заданном шаблоне проверки утверждений и ответов. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Карточка сообщает об оценке 75,47% на агрегированном бенчмарке LLM-AggreFact и приросте 2,3% относительно Qwen3-8B в режиме non-thinking; результаты могут зависеть от аппаратуры и версии vLLM. Модель рассчитана строго на предписанный режим оценки с бинарным выводом. Отклонение от заданного шаблона может привести к неожиданным результатам. Лицензия — Apache-2.0.

Карточка модели vuongle15/vietlaw_embedding на Hugging Face совпадает с карточкой CODE4LIFEOFFICIAL/huydang-dek21-embedding, поэтому описание составлено по ней. DEk21_hcmute_embedding — вьетнамская модель эмбеддингов на базе Sentence Transformers и RoBERTa, дообученная разработчиками на примерно 100 000 примерах юридических вопросов и соответствующих контекстов. Она предназначена для семантического поиска и retrieval в RAG-системах, особенно по юридическим материалам на вьетнамском языке. Модель преобразует текстовые последовательности в векторы размерности 768, сопоставляемые по косинусному сходству. Обучение с MatryoshkaLoss позволяет укорачивать векторы с небольшим снижением качества, чтобы ускорить сравнение; максимальная длина последовательности — 258 токенов по метаданным. Для векторного поиска её можно использовать с Sentence Transformers; репозиторий содержит форматы ONNX и safetensors. В README приведены результаты оценки на задаче поиска по юридическим вопросам, однако они относятся к варианту с сегментацией wseg и указанному набору данных. Лицензия — Apache-2.0.

Vietnamese_Law_Embedding_finetuned_v2 — модель Sentence Transformers, дообученная namnguyenba2003 на базе AITeamVN/Vietnamese_Embedding для работы с текстами на вьетнамском языке. Она преобразует предложения и абзацы в плотные нормализованные векторы размерности 1024; близость текстов оценивается косинусным сходством. Архитектура включает XLM-RoBERTa и слой pooling по CLS-токену, максимальная длина входной последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения вьетнамских текстов, включая юридические документы: её можно применять для поиска релевантных фрагментов, выявления перефразировок, кластеризации и классификации текстов. README приводит метрики информационного поиска для векторов полной размерности и их укороченных вариантов, однако результаты зависят от набора оценки и не гарантируют качество на других данных. Обучение описано на 23 168 парах anchor-positive из датасета json; сведения о составе юридических данных ограничены. Распространяется по лицензии Apache-2.0. Модель выдаёт эмбеддинги, а не готовые ответы или юридические заключения; качество поиска и классификации следует проверять на целевых документах.

vi-law-laya — вьетнамская модель-реранкер для оценки релевантности пары «запрос — фрагмент текста». Она присваивает паре вероятность от 0 до 1, что фрагмент отвечает на запрос, и предназначена для повторной сортировки кандидатов после первичного поиска, в частности статей законодательства. Модель разработана на архитектуре Laya: мультиязычном варианте mmBERT-base с 322 млн параметров и классификационной головой для ответа «да/нет». Максимальная длина входа — 8 192 токена. Модель дообучена на 757 748 парах за одну эпоху с RLCD и soft cross-entropy; после обучения применено масштабирование температуры T=1,42. Карточка приводит результаты оценки на двух наборах для поиска по юридическим текстам на вьетнамском языке и отдельно оценивает качество вероятностных оценок. Для работы указана библиотека laya. Лицензия — Apache-2.0.

ml6team/bert-base-uncased-city-country-ner — модель на базе BERT, дообученная командой ML6 для распознавания названий городов и стран в предложениях. Она выполняет разметку токенов: каждому фрагменту текста присваивается одна из меток OTHER, CITY или COUNTRY. Модель подходит для извлечения упоминаний городов и стран из англоязычных текстов, например для последующей нормализации географических названий или поиска мест в сообщениях. Она содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Дообучение выполнено на пользовательском наборе данных, созданном с помощью слабой разметки Ultra-Fine Entity Typing и дополнительной очистки ложных меток. Модель принимает текст и возвращает метки токенов. Карточка описывает распознавание только городов и стран; качество для других типов сущностей и языков не заявлено. Лицензия в предоставленных данных не указана.

Модель Legal BERTimbau разработана в рамках Project IRIS для семантического поиска по документам Верховного суда Бразилии. Это модель Sentence-Transformers на базе крупной версии BERTimbau, которая преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска по смыслу и кластеризации. Модель обучалась на португальских юридических текстах примерно из 30 тысяч документов с использованием TSDAE, а затем проходила обучение с псевдометками, на данных NLI и для оценки семантического сходства. Среди использованных наборов данных — ASSIN, ASSIN2, STS-B Multi MT и IRIS STS. Контекст составляет 512 токенов; модель содержит 433,2 млн параметров и поддерживает португальский язык. Модель подходит для семантического поиска, сопоставления и группировки юридических предложений и документов на португальском языке. Она выдаёт эмбеддинги, а не готовые ответы или юридические выводы; длина входа ограничена контекстом в 512 токенов. Лицензия — MIT.

Chuangmail/bge-base-financial-matryoshka — англоязычная модель Sentence Transformers, дообученная на 6 300 парах вопросов и ответов о компаниях и финансовой отчётности на базе BAAI/bge-base-en-v1.5. Она использует BERT и преобразует текстовые фрагменты в плотные эмбеддинги для семантического поиска, сравнения предложений и извлечения информации из финансовых документов. Модель выдаёт векторы размерностью до 768 и поддерживает Matryoshka-размеры 512, 256, 128 и 64; для сравнения применяется косинусное сходство. Максимальная длина последовательности — 512 токенов. Лицензия — Apache-2.0. В карточке приведены результаты оценки поиска на нескольких размерностях, но они относятся к указанным наборам данных и не гарантируют аналогичного качества на других корпусах.

Испаноязычная модель Sentence Transformers, разработанная дообучением BAAI/bge-m3 на небольшом наборе юридических текстов и запросов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и подходит для семантического поиска и сравнения текстов в юридических материалах на испанском языке. В основе лежит XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов. Максимальная длина последовательности — 8192 токена; тексты сравниваются по косинусному сходству. Модель также можно применять для поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки поиска на нескольких размерностях векторов, однако описание не уточняет состав и широту тестовой выборки. Модель распространяется по лицензии Apache-2.0.