I.1Поиск и навигация по информации

Карточка модели SajjadAyoubi/clip-fa-vision на Hugging Face совпадает с карточкой SajjadAyoubi/clip-fa-text, поэтому описание составлено по ней. CLIP-fa-text — текстовый энкодер персидской версии CLIP, созданной разработчиком Sajjad Ayoubi. Модель дообучена на 400 тысячах пар «изображение — текст»; в качестве текстового энкодера использована RoBERTa-fa Фарахани. Архитектура — RoBERTa, около 145,5 млн параметров, контекст — 514 токенов. Репозиторий содержит веса PyTorch. Модель преобразует персидский текст в векторы размерности 768, сопоставимые с векторами изображений, получаемыми парным визуальным энкодером CLIP-fa. Это позволяет искать изображения по персидскому запросу и находить текстовые описания, близкие к изображению, в системах поиска и сопоставления мультимодальных данных. В карточке показан текстовый компонент; сам он принимает текст и выдаёт векторные признаки. Разработчик отмечает, что для обучения использовано меньше пар, чем для исходного CLIP, поэтому качество зависит от задачи и набора изображений. Лицензия в предоставленных сведениях не указана.

CLIP-FlanT5-XL (VQAScore) — дообученная Zhiqiu Lin и соавторами генеративная модель «зрение—язык» на основе Google Flan-T5-XL. Она предназначена для задач сопоставления изображений и текста и оценки соответствия изображения текстовому описанию в сценариях поиска и ранжирования. Модель использует архитектуру T5 и содержит 1,5 млрд параметров. Она принимает текстовые инструкции; в задачах VQAScore также использует изображения и формирует текстовый ответ или оценку соответствия. Указанный в метаданных контекст — 512 токенов, основной язык карточки — английский. Лицензия — Apache-2.0.

itsanan/codebert-embed-crewai-base — модель Sentence Transformers, созданная дообучением microsoft/codebert-base на 900 парах текстов CrewAI. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, оценки сходства и извлечения релевантных текстов; в README также заявлены кластеризация, поиск перефразировок и классификация текста. В основе — RoBERTa/CodeBERT с усреднением токенных представлений. Модель принимает англоязычный текст, поддерживает последовательности длиной до 514 токенов по метаданным и выдаёт векторы, для сравнения которых используется косинусное сходство. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Модель может быть полезна для семантического поиска по текстам и связанным с кодом материалам CrewAI, однако карточка описывает небольшой обучающий набор, а приведённые метрики относятся к конкретным наборам оценки. Качество на других данных и языках не установлено; длина контекста ограничена.

Карточка модели DIYIN/ContextPilot-8B на Hugging Face совпадает с карточкой tencent/ContextPilot-8B, поэтому описание составлено по ней. ContextPilot-8B — дообученная модель Tencent на базе Qwen3-8B для управления контекстом в агентных системах с длительным горизонтом работы. Она учится планировать, поддерживать долговременную память, извлекать нужные сведения и освобождать контекст от менее полезной информации по мере рассуждений и использования инструментов. Модель предназначена для исследований агентных систем, ответов на вопросы по длинному контексту и глубокого поиска. Чекпойнт содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст длиной до 40 960 токенов. Для управления контекстом нужны определения инструментов, среда агента и конвейер оценки из репозитория ContextPilot: одной загрузки весов недостаточно. В метаданных указана лицензия other; конкретные условия следует сверить с лицензией репозитория.

Это японская модель распознавания именованных сущностей на основе DeBERTa V2 Base Japanese, дообученная автором Mizuiro-sakura на японском наборе NER из Википедии. Она присваивает токенам метки, в том числе для имён людей, географических названий, организаций, событий, учреждений, компаний и продуктов; модель можно использовать для извлечения таких сущностей из японских текстов. В карточке приведены результаты оценки: micro F1 — 0,81, macro F1 — 0,80. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в форматах PyTorch и Safetensors для библиотеки Transformers. Базовая DeBERTa V2 Japanese была предварительно обучена на японской Википедии, японской части CC-100 и японской части OSCAR. Лицензия модели — MIT.

DeepX Embedding v1.0 — плотная модель эмбеддингов от DXTech Asia для поиска по вьетнамским юридическим документам. Она преобразует текст в векторы для поиска похожих документов и извлечения релевантных материалов. По карточке модели, архитектура сочетает линейное внимание Gated DeltaNet-2 с повторным использованием весов Hyperloop; также заявлены Matryoshka-эмбеддинги размерностью от 256 до 1536 и ColBERT-выход для дополнительного ранжирования по векторам токенов. Метаданные каталога указывают 946,8 млн параметров, карточка README — 772 млн; размер модели указан противоречиво.

DISTIL-ITA-LEGAL-BERT — компактная модель эмбеддингов предложений на базе BERT, созданная методом дистилляции для ускорения работы с итальянскими юридическими текстами. Она была обучена как студенческая модель, воспроизводящая эмбеддинги более крупной ITALIAN-LEGAL-BERT: обучение на её тренировочном наборе минимизировало среднеквадратичное отклонение между векторами учителя и модели. Модель содержит 62,4 млн параметров, использует четыре уровня трансформера и формирует плотные векторы размерностью 768. Максимальная длина контекста — 512 токенов. Модель принимает предложения и абзацы и подходит для семантического поиска, кластеризации и сравнения сходства текстов. Для практического использования доступна интеграция через Sentence-Transformers или Transformers с подходящей операцией pooling. Карточка указывает лицензию AFL-3.0. Данные оценки качества в README не приведены, поэтому пригодность для конкретного юридического корпуса следует проверять отдельно.

ClimateBERT distilroberta-base-climate-commitment — модель классификации текста, разработанная ClimateBERT на основе climatebert/distilroberta-base-climate-f. Она определяет, посвящён ли абзац климатическим обязательствам и действиям. Модель построена на архитектуре RoBERTa с классификационной головой, содержит 95,4 млн параметров и принимает текстовые фрагменты длиной до 514 токенов. Она дообучена на наборе данных climatebert/climate_commitments_actions и рассчитана на англоязычные абзацы о климатических обязательствах и действиях. Модель подходит для тематической фильтрации и разметки текстов о климате. По карточке, она может хуже работать на отдельных предложениях, поскольку обучалась на абзацах. Лицензия — Apache-2.0.

DIVE-Doc-FRD — визуально-языковая модель семейства DIVE-Doc, предназначенная для ответов на вопросы по изображениям документов. Она принимает изображение одной страницы и текстовый вопрос, затем генерирует ответ; для обработки не использует внешний OCR. Модель разработана как компромисс между компактными сквозными системами и крупными визуально-языковыми моделями: в ней небольшой иерархический визуальный энкодер Swin сочетается с крупным декодером GEMMA. Энкодер создан дистилляцией SigLIP-400m из PaliGEMMA и инициализирован весами Donut; LoRA-адаптеры после дообучения объединены с базовой моделью. По README, размер визуального энкодера уменьшен на 80%. Модель обучалась на DocVQA, преимущественно на промышленных документах, и подходит для ответов на вопросы по отдельным страницам документов. Её можно дообучить на других наборах DocVQA, например InfoGraphVQA, для работы с инфографикой. В репозитории указаны формат safetensors и библиотека Transformers; лицензия — MIT. README не приводит языки, общий размер модели или длину контекста.

Docopilot-2B — мультимодальная модель OpenGVLab для понимания документов на уровне целых страниц, представленная в статье «Docopilot: Improving Multimodal Models for Document-Level Understanding». Она принимает изображения документов и текстовые запросы и формирует текстовые ответы в диалоговом режиме; архитектура — InternVLChatModel, формат весов — safetensors. Модель предназначена для вопросов и задач, требующих анализа содержимого документа целиком. В карточке указана лицензия MIT. В доступных сведениях нет подробностей о размере контекста, поддерживаемых языках и конкретных оценках качества.

dbmdz/electra-large-discriminator-finetuned-conll03-english — модель семейства ELECTRA, разработанная и опубликованная пользователем dbmdz на Hugging Face. Это англоязычный трансформерный энкодер ELECTRA Large, дообученный для задачи токен-классификации на наборе CoNLL-03 и предназначенный прежде всего для распознавания именованных сущностей в тексте. Модель содержит около 433,9 млн параметров и обрабатывает контекст длиной до 512 токенов. Она работает с текстом через библиотеку Transformers и поддерживает pipeline token-classification; её можно применять для выделения сущностей, например персон, организаций, мест и других классов, предусмотренных разметкой CoNLL-03. Сильная сторона модели — специализация на англоязычном NER вместо универсальной генерации текста. Модель не предназначена для генерации, суммаризации или мультимодальных задач; качество может снижаться на языках, доменах и типах сущностей, отличающихся от данных обучения. Лицензия в доступных источниках не установлена.

gyr66/Ernie-3.0-base-chinese-finetuned-ner — модель для распознавания именованных сущностей в тексте, построенная на архитектуре ERNIE и имеющая около 144 млн параметров. Она принимает текст и классифицирует токены, что подходит для извлечения сущностей из документов и других текстовых материалов. В метаданных указан контекст до 2048 токенов; модель опубликована в формате safetensors. В README приведены результаты оценки: F1 — 0,6986, точность — 0,6511, полнота — 0,7535, accuracy — 0,9053. Автор сообщает, что модель обучалась с нуля на неизвестном наборе данных, поэтому связь с базовой моделью ERNIE-3.0-base-chinese из названия не подтверждена. Сведения о лицензии и конкретных типах сущностей отсутствуют.

sgugger/finetuned-bert-mrpc — модель классификации последовательностей на базе BERT, дообученная на наборе GLUE для задачи MRPC, связанной с определением смысловой эквивалентности пар предложений. Модель содержит 135,5 млн параметров, использует архитектуру BertForSequenceClassification и принимает текстовые входы с контекстом до 512 токенов. Модель подходит для определения, выражают ли два предложения одинаковый смысл, например, для сопоставления перефразировок. На оценочной выборке указаны accuracy 0,8235 и F1 0,8792. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Языковая специализация в карточке не указана.

tyuan73/finetuned-modernbert-finance-large — модель Sentence Transformers, дообученная tyuan73 на новостях фондового рынка Yahoo Finance. В основе — ModernBERT-large с архитектурой ModernBertModel; модель содержит 396,4 млн параметров и формирует плотные векторы размерности 1024. Максимальная длина входа — 8192 токена, сходство векторов можно оценивать косинусной мерой. Модель предназначена для получения эмбеддингов финансовых текстов и поиска смыслового сходства. Её можно применять для семантического поиска новостей и документов, поиска перефразировок, кластеризации, классификации текстов и ранжирования похожих фрагментов. Обучение проводилось на датасете обработанных новостей Yahoo Finance с парами положительных и отрицательных примеров. Карточка не сообщает лицензию и конкретные поддерживаемые естественные языки. Качество за пределами финансовых новостей отдельно не подтверждено; указанный в README результат cosine_accuracy 1.0 относится к тесту TripletEvaluator и не гарантирует такую точность на других данных.

FormatClassifier-NoURL — англоязычный классификатор WebOrganizer, дообученный на базе Alibaba-NLP/gte-base-en-v1.5. Он относит текст веб-страниц к одной из 24 категорий, используя содержание страниц без информации из URL. Для обучения использовались два набора аннотаций: миллион документов, размеченных Llama-3.1-8B, и 100 тысяч документов, размеченных Llama-3.1-405B-FP8. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 8192 токенов и распространяется в формате safetensors; для работы указана библиотека Transformers. Модель предназначена для автоматической организации и классификации веб-контента по его формату. В README рекомендуется эффективная реализация gte-base-en-v1.5 с unpadding и memory efficient attention, для которой требуется xformers. Лицензия в предоставленных данных не указана.

Immerwinter/gbert-large-privacy-policy-content-control — дообученная модель классификации текста на основе немецкоязычной deepset/gbert-large. Она предназначена для отнесения фрагментов текста к темам, связанным с содержанием политик конфиденциальности: аудитория, контактные данные, контроль, удаление, правовое основание, обработка данных, цели, сроки хранения, безопасность и приватность, продажа и передача данных, третьи стороны и права пользователей. Модель использует архитектуру BERT для классификации последовательностей, содержит 434,5 млн параметров и принимает текстовые фрагменты длиной до 512 токенов. Модель ориентирована на анализ текстов на немецком языке и может применяться для тематической разметки и сортировки разделов политик конфиденциальности. В репозитории представлены форматы safetensors и ONNX. Лицензия — Apache-2.0.

hc3-wiki-domain-classification-roberta — модель классификации текста на базе RoBERTa, дообученная разработчиком rajendrabaskota на наборе данных, обозначенном в карточке как None. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для отнесения текстов к классам тематических областей, связанных с HC3 и Wikipedia. В карточке приведены результаты оценки: accuracy 0,9810 и F1 0,9810 при loss 0,1821. Описание классов, состав обучающего набора и конкретные ограничения в карточке не раскрыты. Модель распространяется по лицензии MIT.

Holo1-3B — мультимодальная модель зрения и языка с выводом действий, разработанная HCompany для веб-агента Surfer-H. Это дообученная версия Qwen/Qwen2.5-VL-3B-Instruct: модель принимает изображение интерфейса и текстовую инструкцию, чтобы находить элементы управления, возвращать координаты клика и выдавать структурированные ответы для навигации по веб-сайтам. Модель предназначена для автоматизации задач в браузере и визуальной локализации элементов пользовательского интерфейса. HCompany сообщает о результатах на WebVoyager и бенчмарках ScreenSpot, GroundUI-Web и WebClick; в Surfer-H модель может выполнять роль планировщика, локализатора или проверяющего. Архитектура — Qwen2.5-VL, около 3,1 млрд параметров, контекст — до 128 000 токенов; метаданные указывают поддержку английского языка. Для координат клика важно учитывать изменение размера изображения процессором, иначе координаты могут не совпасть с исходным интерфейсом. Модель опубликована в формате safetensors для Transformers. В метаданных лицензия обозначена как other, а README не уточняет её условия, поэтому условия использования следует проверять на странице репозитория.

Классификатор Institutional Books Topic Classifier разработан Institutional Data Initiative при Harvard Law School Library для присвоения книгам тематических категорий верхнего уровня из схемы Library of Congress Classification Outline. Модель принимает текстовые метаданные тома — например, название, автора, год, язык и примечание — и относит их к одной из 20 категорий, включая историю, право, медицину, науку, литературу и искусство. Поля метаданных можно передавать по отдельности или опускать. Это дообученная для классификации последовательностей модель BERT на базе google-bert/bert-base-multilingual-uncased, с 194,6 млн параметров и контекстом до 512 токенов. В описанных проверках указаны macro F1 0,961, micro F1 0,9694 и точность 97,8% на отдельном наборе из 1000 примеров. Модель подходит для тематической разметки книжных каталогов и коллекций; метрики относятся к данным и условиям эксперимента авторов и не гарантируют такую же точность на других коллекциях. Лицензия — Apache-2.0.

Jan-v2-VL-high — мультимодальная vision-language модель, разработанная Jan (JanHq) на базе Menlo/Jan-v2-VL-high и связанная с Qwen-3-VL-8B-Thinking. Модель содержит около 8 млрд параметров и предназначена для многошаговых задач в реальных программных средах, включая браузеры и настольные приложения. Она сочетает обработку текста и изображений, поддерживает визуальное восприятие через скриншоты и интеграцию с инструментами, а заявленный язык — английский. Основной сценарий применения — агентная автоматизация и управление пользовательским интерфейсом, где требуется выполнять длинные последовательности действий, сохранять промежуточное состояние, следовать сложным инструкциям и восстанавливаться после небольших ошибок. Версия high ориентирована на более глубокое рассуждение и обеспечивает более длительное время обработки по сравнению с вариантами low и med. По данным README, модель сохраняет уровень базовой модели на стандартных текстовых и визуальных задачах и показывает более сильное выполнение длинных цепочек действий. К ограничениям относятся повышенная задержка и время рассуждения, характерные для версии high, а также отсутствие в README точного размера контекстного окна и подробных количественных результатов. Модель распространяется по лицензии Apache 2.0 и поддерживает локальный запуск через Jan App, vLLM и llama.cpp; для работы с изображениями в llama.cpp требуется отдельная vision-модель.

adeshkin/labse-kjh-ru-mnrl-1 — модель Sentence Transformers, дообученная автором на параллельном хакасско-русском корпусе khakas-russian-parallel-corpus. Она основана на многоязычной BERT-модели LaBSE и преобразует предложения и абзацы на хакасском и русском языках в плотные векторы размерности 768 для поиска и сравнения текстов по смыслу. Для сопоставления векторов используется косинусное сходство; модель подходит для двуязычного поиска и извлечения соответствий между хакасскими и русскими текстами. В README приведена средняя точность 0,9529 на оценке перевода, но это значение относится к указанному набору оценки и не гарантирует такое же качество на других данных. Модель принимает текст и выдаёт векторные представления. В метаданных указано максимальное контекстное окно 512 токенов, тогда как README модели сообщает ограничение 256 токенов; фактический лимит может зависеть от конфигурации, поэтому длинные тексты следует разбивать на части. Веса опубликованы в формате safetensors, библиотека — sentence-transformers. Лицензия в предоставленных сведениях не указана.

ddesotto/legalize-embed-raw — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-small, разработанная для преобразования предложений и абзацев в плотные текстовые эмбеддинги размерностью 384. Архитектура включает BERT, усредняющий pooling и нормализацию; сходство векторов можно оценивать косинусной мерой. Модель принимает текст, имеет максимальную длину последовательности 512 токенов и подходит для поиска и сопоставления текстов по смыслу. Обучающие пары anchor-positive и приведённые примеры связаны с испанскими юридическими документами, поэтому модель ориентирована на поиск фрагментов правовых текстов и подбор соответствующих положений. В README приведена оценка Information Retrieval на валидационных данных: cosine_accuracy@1 — 0,4174, @5 — 0,6776 и @20 — 0,8256. Использовать модель можно через библиотеку Sentence Transformers; сведения о лицензии в предоставленных данных отсутствуют.

Модель nemanjaPetrovic/legal-jerteh-125-sbert — дообученная версия Jerteh-125 на основе Sentence-BERT и архитектуры RoBERTa. Её разработал автор репозитория для семантического поиска по юридическим данным; обучение проводилось на триплетах с функцией потерь triplet loss. Модель содержит 180,2 млн параметров, принимает текст и формирует эмбеддинги для сравнения предложений и документов. Поддерживает сербский язык, а максимальная длина контекста составляет 514 токенов. Модель подходит для поиска юридических документов по смыслу и сопоставления запросов с релевантными текстами. Веса доступны в формате PyTorch; лицензия — MIT. В README модель названа proof of concept, поэтому её качество и пригодность для конкретного юридического корпуса следует оценить перед применением.

Llama3-Chinese-8B-Instruct-Agent-v1 — модель ModelScope на архитектуре Llama 3, дообученная на базе Llama3-8b-instruct для китайских общих сценариев и работы в роли агента. Она генерирует текст и поддерживает вызовы инструментов в формате ReAct, в том числе при использовании с фреймворком ModelScopeAgent. Модель содержит 7,5 млрд параметров, принимает текст и использует контекст длиной до 8192 токенов. Для обучения применялись смешанные корпуса с китайскими знаниями и диалогами, общими агентскими данными, англоязычным Alpaca и китайским набором вопросов и ответов ms-bench; указано использование LoRA с рангом 8. В приведённой оценке результаты на ARC и C-Eval немного ниже базовой модели, а на GSM8K заметно ниже. Лицензия — Llama 3 Community License (llama3).

maayans/modernbert-embed-large__ratio-broaden — модель текстовых эмбеддингов, созданная дообучением lightonai/modernbert-embed-large для операции BROADEN в наборе RATIO (Retrieval Across Typed Ideation Operations). Она предназначена для поиска научной формулировки, которая выражает запрос шире или на более общем уровне. Модель кодирует запросы и предложения-кандидаты, позволяя сравнивать их по смысловой близости; для корректной работы используются префиксы `search_query: ` и `search_document: ` соответственно. Модель основана на ModernBERT-large, содержит около 394,7 млн параметров, принимает текст с контекстом до 8192 токенов и формирует плотные эмбеддинги. Обучение выполнялось контрастивным методом на обучающей части RATIO для отношения broaden; карточка указывает английский язык. Модель распространяется по лицензии Apache 2.0. Она специализируется на поиске обобщённых формулировок научных запросов, поэтому её не следует считать универсальным эмбеддером для любых отношений или областей; доступные сведения не содержат результатов оценки качества.

kietnt0603/nrk-legal-bkai — sentence-transformers модель, дообученная на базе bkai-foundation-models/vietnamese-bi-encoder для семантического поиска по юридическим запросам и документам на вьетнамском языке. Она предназначена для использования в RAG-системах: кодирует запросы и документы в плотные векторы размерностью 768, которые можно сравнивать для ранжирования релевантных материалов. Модель основана на RoBERTa и содержит 162,4 млн параметров. Обучение проводилось на примерно 52 тысячах триплетов «запрос — документ — сложный отрицательный пример» из соревнования Zalo AI Legal; MatryoshkaLoss позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64. README сообщает об оценке на наборе юридического поиска VMTEB-Zalo, но результаты относятся к конкретному бенчмарку и не гарантируют качество на других корпусах. Максимальная длина последовательности — 256 токенов по README; метаданные указывают контекст 258 токенов. Лицензия — Apache-2.0.

Nyaya-Reranker-Mini-v1 — это дообученный NyayaLabs98 мультиязычный Cross-Encoder на базе cross-encoder/mmarco-mMiniLMv2-L12-H384-v1. Модель оценивает релевантность вопроса гражданина разделу действующего законодательства Индии и переупорядочивает кандидатов, например первые 20 результатов BM25. Она предназначена для поиска законодательных норм по вопросам на английском и хинглише; в каталоге указаны архитектура XLM-RoBERTa и 124,3 млн параметров, а в README размер округлён до 118 млн. Контекст составляет до 514 токенов по метаданным. На наборе из 118 оценочных вопросов reranking повысил полноту попадания нужных разделов на первых местах по сравнению с исходным порядком BM25: 51,7% при k=1 и 70,3% при k=3. В README указана задержка 3,2 секунды для обработки 20 кандидатов на CPU Kaggle. Модель ограничена качеством и составом входного списка: она не найдёт норму, отсутствующую среди кандидатов, и обучалась на 27 актах и Конституции Индии. Это средство поиска, а не юридическая консультация. Лицензия — Apache-2.0.

guoxuter/ov_intent_analysis_sft — компактная модель Guoxuter на базе Qwen3.5-0.8B, дообученная методом SFT для анализа поисковых намерений и планирования запросов в системах OpenViking. По недавнему контексту диалога и текущему сообщению пользователя она определяет, нужен ли поиск, и формирует структурированные запросы к областям skill, resource и memory. Модель представляет собой плотную трансформерную архитектуру Qwen3.5 с примерно 0,8 млрд параметров. Это исходный чекпойнт Transformers в формате Safetensors; для работы требуется версия Transformers с поддержкой Qwen3.5. Модель настроена под промпт и формат структурированного вывода OpenViking v7, поэтому её следует применять в совместимых системах и проверять результат по ожидаемой схеме. Модель предназначена для специализированного планирования извлечения данных, а не для роли универсального ассистента. Базовая модель поддерживает мультимодальные сценарии, однако в карточке дообучения описаны только текстовые входы и структурированный текстовый вывод. Лицензия — Apache-2.0.

PeytonT/paper-link-prediction — модель классификации научных текстов, дообученная на базе allenai/scibert_scivocab_uncased. Она предсказывает сходство между научными статьями или наличие связи между ними в графе публикаций и служит компонентом системы Repository Library для работы с научными материалами. Модель построена на энкодерной архитектуре BERT и содержит 137,1 млн параметров; максимальная длина контекста — 512 токенов. Она принимает текст и выдаёт результат классификации. Модель предназначена для определения связей между статьями, а также для последующего поиска, ранжирования и анализа научных публикаций в целевых сценариях Repository Library. В качестве обучающих данных использовались признаки графа статей из paper_universe_graph. В карточке заявлены accuracy и macro-F1, однако отдельный отчёт с результатами бенчмарка не приведён. Лицензия в предоставленных данных не указана.

pplx-embed-v1-0.6b-acta-ita — модель эмбеддингов Infocube на архитектуре Sentence Transformer, дообученная на базе perplexity-ai/pplx-embed-v1-0.6b для поиска сходства между итальянскими административно-правовыми актами. Она предназначена для семантического поиска, сопоставления и группировки тем по заголовкам муниципальных актов; обучение проведено на 9 522 триплетах, сформированных из примерно 134 тысяч итальянских заголовков. В тесте на 1 000 отложенных триплетах точность составила 0,825: выше базовой модели (0,805), но ниже указанного в карточке результата jina-embeddings-v3 (0,850). Модель принимает текст и возвращает векторные представления, пригодные для сравнения по косинусному сходству. Лицензия — Apache-2.0.