I.1Поиск и навигация по информации

cross-encoder/quora-roberta-large — англоязычная модель cross-encoder, разработанная на базе FacebookAI/roberta-large и обученная с помощью SentenceTransformers на датасете Quora Duplicate Questions. Она оценивает пару вопросов и выдаёт число от 0 до 1, отражающее вероятность того, что вопросы являются дубликатами. Модель предназначена для поиска повторяющихся вопросов и ранжирования кандидатов по вероятности дублирования. Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текстовые пары; заявленный контекст составляет 514 токенов. Доступны веса в форматах PyTorch, Safetensors, ONNX, OpenVINO и Flax. Лицензия — Apache-2.0. Оценка ориентирована именно на дублирование, а не на общую семантическую близость: вопросы о том, как выучить Java и Python, могут получить низкий балл, хотя темы похожи. Качество вне задачи обнаружения дубликатов вопросов Quora не подтверждено.

Qwen3-8B TMax AENV v39b, итерация 179 — чекпойнт модели Qwen3-8B, дообученной командой willamazon1 методом обучения с подкреплением на асинхронных многоходовых взаимодействиях в агентной среде. Он инициализирован из willamazon1/qwen3-8b-tmax-sft-v3-iter353, который ранее был дообучен на Qwen/Qwen3-8B. Архитектура — плотная Qwen3ForCausalLM на 7,6 млрд параметров; модель принимает текст и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Контекст — до 40 960 токенов. Чекпойнт предназначен для диалоговых и агентных сценариев, где модель ведёт многоходовое взаимодействие и использует инструменты. Это одна из итераций обучения v39b; соседние итерации опубликованы для сравнения динамики обучения. Веса преобразованы из формата Megatron-LM torch_dist в safetensors для Hugging Face, хранятся в bfloat16; состояние оптимизатора не включено. Модель распространяется по лицензии Apache-2.0.

OsaurusAI Raptor 0.6 4B JANG_4M — дообученная и квантованная версия XHToken/Spark-X2.5-4B, подготовленная для работы в Osaurus. Модель имеет плотную архитектуру Spark2.5 и около 3,8 млрд параметров; веса сохранены в safetensors и занимают около 2,45 ГиБ. Квантование использует 4-битные gate/up-проекции, 5-битные down-проекции и attention, 6-битные эмбеддинги, а нормы и отдельные компоненты оставлены в полной точности. Модель предназначена для диалоговой генерации, рассуждений и агентных сценариев: она выбирает, когда ответить напрямую, вызвать инструмент, восстановиться после ошибки, запросить уточнение или передать работу субагенту. Метаданные указывают контекст до 1 048 576 токенов и поддержку английского и китайского; README отмечает, что точность квантования отдельно не измерялась на китайских и длинных свыше 4K токенов текстах. Для работы требуется Osaurus версии 0.25.0 или новее; лицензия — Apache-2.0. JANG_4M экономит память по сравнению с вариантом JANG_6M, но README сообщает о заметном снижении точности относительно bf16 и JANG_6M.

AvaXiao/ReToken-InternVL3.5-8B — модель на базе InternVL3.5-8B с методом ReToken для визуального поиска. ReToken добавляет обучаемый токен-запрос, который выбирает из предварительно заполненного визуального KV-кэша разреженный набор визуальных токенов, релевантных запросу. Репозиторий связан с работой «ReToken: One Token to Improve Vision–Language Models for Visual Retrieval». Модель принимает изображения и текстовые запросы и предназначена для визуального поиска по содержимому изображений. Весы опубликованы в формате safetensors, лицензия — MIT. README не уточняет размер контекста, поддерживаемые естественные языки и оценочные показатели качества.

Модель asjc-classification/scibert_multilabel_asjc_classifier — дообученная SciBERT-модель для многометочной классификации научных документов по 307 предметным категориям ASJC. Она разработана на базе allenai/scibert_scivocab_uncased и обучена на наборе Crossref 2023 с названиями, аннотациями и названиями журналов. Модель принимает текстовые метаданные публикации и выдаёт оценки категорий; её можно применять для классификации отдельных работ и анализа тематического профиля коллекций авторов, организаций или баз данных. Архитектура — BERT для классификации последовательностей, размер — 137,1 млн параметров, контекст — до 512 токенов. По оценке авторов, взвешенный F1 составляет 0,892 при использовании названия, названия журнала и аннотации; для одних только названия и аннотации — 0,532. Лицензия — MIT. Качество зависит от полноты метаданных: отсутствие названия журнала снижает точность, а редкие категории классифицируются хуже. Используется срез схемы ASJC по состоянию на апрель 2023 года, поэтому новые области могут быть представлены недостаточно.

NetworkIsLife/SciBert_sentence_transformer — учебное зеркало модели S-SciBERT, созданное для курса по тематическому моделированию на основе трансформеров в R. Это неизменённая копия весов и токенизатора pritamdeka/S-Scibert-snli-multinli-stsb в форматах PyTorch и safetensors; исходная модель SciBERT дообучена в Sentence Transformers на SNLI, MultiNLI и STS-B для сопоставления предложений. Архитектура — BERT с mean pooling, размер модели по метаданным — 137,1 млн параметров, размерность эмбеддинга — 768, контекст — до 512 токенов. Модель превращает английские предложения и абзацы, в том числе научные тексты, в плотные векторы для семантического поиска, кластеризации и тематического моделирования. Её научная лексика полезна для биомедицины, химии, информатики и машинного обучения; для обработки издан репозиторий в safetensors, чтобы упростить загрузку на CPU и использование из R. Качество на длинных документах может снижаться: модель обучалась на последовательностях длиной 75 токенов, поэтому полные статьи лучше разбивать на фрагменты. Для обычных веб-текстов может подойти лучше универсальная модель эмбеддингов. Лицензия — Apache-2.0.

Veritone/siglip2-so400m-patch14-224-text — текстовая башня модели SigLIP 2 So400m, разработанной Google и опубликованной Veritone как отдельный компонент. Она кодирует текстовые запросы в общее пространство эмбеддингов для сопоставления с представлениями изображений, полученными совместимой моделью Veritone/siglip2-so400m-patch14-224-vision. Такое разделение позволяет загружать только нужную башню при поиске и сокращать расход памяти и время загрузки. Модель предназначена для zero-shot классификации изображений и поиска по соответствию текста и изображения; для этих сценариев требуется совместимая башня изображений. Также текстовый энкодер может применяться как часть систем с визуальным вводом. Архитектура — SigLIP 2 So400m, класс SiglipModel; опубликованные веса в формате safetensors, библиотека — Transformers. По карточке модель предобучена на WebLI. Лицензия — Apache-2.0. Метаданные указывают контекст 64 токена.

Abinaya/snowflake-arctic-embed-financial-matryoshka — англоязычная модель эмбеддингов предложений, дообученная на 6 300 парах текстов из набора json на базе Snowflake/snowflake-arctic-embed-m-v1.5. Она использует архитектуру Sentence Transformer с трансформером BERT, CLS-пулингом и нормализацией и преобразует тексты в плотные векторы размерностью 768. Для сравнения векторов применяется косинусное сходство; Matryoshka-обучение позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. Модель предназначена для семантического поиска и сравнения финансовых текстов, включая поиск по документам, оценку сходства предложений, выявление перефразирований, кластеризацию и классификацию на основе эмбеддингов. Максимальная длина входа — 512 токенов. Модель принимает текст и выдаёт векторы; для получения меток классов или результатов поиска нужна отдельная последующая обработка. Выпущена под лицензией Apache-2.0.

SPECTER2 — модель для построения специализированных эмбеддингов научных документов и текстовых запросов. Она разработана Amanpreet Singh, Mike D’Arcy, Arman Cohan, Doug Downey и Sergey Feldman и опубликована Allen AI. Модель предназначена для представления научных статей по заголовку и аннотации, а также коротких текстовых запросов, чтобы использовать полученные векторы в поиске, извлечении похожих публикаций, классификации, регрессии и задачах link prediction. Идентификатор allenai/specter2 соответствует retrieval-адаптеру proximity для базовой модели allenai/specter2_base. Архитектура основана на bert-base-uncased с адаптерами; исходная модель дообучена на базе allenai/scibert_scivocab_uncased. SPECTER2 обучалась на более чем 6 миллионах троек цитирования научных статей и дополнительно на задачах SciRepEval. Поддерживаются форматы proximity retrieval, adhoc search, classification и regression, для которых используются соответствующие адаптеры. В README не указаны точный размер контекстного окна, размерность эмбеддингов и перечень языков; по описанию модель ориентирована на англоязычные научные тексты. Сильная сторона модели — специализация на научной литературе и возможность адаптировать представления под конкретный тип задачи. Адаптер proximity предназначен для кодирования статей-запросов и статей-кандидатов при поиске релевантных публикаций. Для коротких поисковых запросов, классификации и регрессии рекомендуются отдельные адаптеры. Модель не предназначена как универсальная мультимодальная система и работает с текстовыми данными; для использования требуется библиотека adapters и базовая модель specter2_base. Лицензия — Apache 2.0.

SPECTER2 aug2023refresh base — базовый текстовый энкодер семейства SPECTER2 от Allen AI, разработанный Amanpreet Singh, Mike D'Arcy, Arman Cohan, Doug Downey и Sergey Feldman. Он предназначен для получения эмбеддингов научных статей по заголовку и аннотации, а также коротких текстовых запросов. Модель основана на BERT и обучена на связях цитирования между научными публикациями; для задач классификации, поиска и сравнения статей её используют с подходящим адаптером SPECTER2. Модель содержит 137,1 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. Она ориентирована на научные текстовые представления и оценивалась на бенчмарках SciRepEval и MDCR. Для универсальных эмбеддингов карточка рекомендует allenai/specter2; для наилучшего результата на конкретной задаче следует подключить соответствующий адаптер. Лицензия — Apache 2.0.

STM — дообученная модель на основе Qwen3-0.6B, предназначенная для поиска и сопоставления биомедицинских текстов. Разработчики объединили четыре специализированных эксперта методом Linear, чтобы получить плотный ретривер для биомедицинского поиска. Модель содержит 507,9 млн параметров, построена на архитектуре Qwen3 и рассчитана на контекст до 40 960 токенов. Она принимает текст и предназначена для получения векторных представлений и оценки сходства предложений. Выпущена под лицензией Apache-2.0.

Akiya-Vyre выпустила дообученную модель SentenceTransformer на базе bqbbao6/vietnamese-legal-embedding для поиска по вьетнамским юридическим текстам. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для извлечения релевантных документов и сравнения семантической близости по косинусному сходству. Модель использует архитектуру XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов. Она принимает текст, обрабатывает последовательности до 514 токенов и выдаёт эмбеддинги; обучалась на наборе из 27 927 примеров с парами и отрицательными примерами. Лицензия в предоставленных данных не указана.

tsmatz/xlm-roberta-ner-japanese — модель извлечения именованных сущностей, созданная дообучением xlm-roberta-base. Она размечает токены японского текста; модель предназначена для поиска упоминаний людей, организаций и других типов сущностей в предложениях и документах. Обучение проводилось на датасете NER от Stockmark Inc., собранном из статей японской Википедии. Модель основана на архитектуре XLM-RoBERTa, имеет около 305,2 млн параметров и принимает контекст до 514 токенов. Она распространяется в форматах PyTorch и Safetensors под лицензией MIT. Карточка указывает классы PER и ORG среди меток; качество и полнота распознавания остальных классов в предоставленном фрагменте README не описаны.

Moritz Laurer разработал эту модель на базе xtremedistil-l6-h256-uncased от Microsoft для классификации текста без заранее заданного набора классов. Она сопоставляет текст-посылку с гипотезой-кандидатом и предсказывает, следует ли гипотеза из посылки: «следует» или «не следует». Такой бинарный формат подходит для zero-shot-классификации, где различие между нейтральным отношением и противоречием несущественно. Модель использует архитектуру BERT и содержит 14,1 млн параметров; максимальная длина контекста — 512 токенов. Она обучена на 782 357 парах из MultiNLI, Fever-NLI, LingNLI и ANLI. В README приведены результаты оценки на этих наборах; точность заметно ниже на ANLI, чем на MultiNLI. Метаданные указывают английский язык. Лицензия в предоставленных данных не указана. README также предупреждает о возможных смещениях, связанных с данными NLI, и проблемах совместимости со старыми версиями Transformers и токенизатора; автор советует Transformers 4.13 как возможное решение.

maayans/all-mpnet-base-v2__ratio-specify — модель Sentence Transformers, созданная на основе sentence-transformers/all-mpnet-base-v2 и дообученная для операции SPECIFY в наборе RATIO. Она кодирует научные запросы и предложения-кандидаты в векторы, чтобы находить конкретизацию или более узкую формулировку исходного запроса. Для запросов используется префикс «query: », а для кандидатов — «document: ». Модель основана на MPNet, содержит 136,7 млн параметров и поддерживает контекст до 514 токенов. Она предназначена для семантического поиска по научной литературе; карточка указывает английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты зависят от использования заданных префиксов и соответствия данных научному сценарию SPECIFY.

Wilfredo Martel дообучил BGE-M3 на наборе rvzrtx600k20250828 из 546 265 пар запросов и релевантных текстов на испанском языке. Это плотная модель Sentence Transformer на архитектуре XLM-RoBERTa с выходными эмбеддингами размерности 1024 и максимальной длиной входа 8192 токена; вектор нормализуется, а близость текстов можно оценивать косинусным сходством. Модель предназначена для семантического поиска и сопоставления испаноязычных текстов юридической тематики, а также для кластеризации, поиска перефразирований и классификации на основе эмбеддингов. Лицензия — Apache-2.0. Карточка приводит результаты оценки поиска, но они относятся к набору eval_dim_768 и не гарантируют такое же качество на других данных.

bge-m3-ko-public-admin — Gimhae Geunamja разработала эту модель для поиска по корейским административным документам и административному праву, а также для извлечения релевантных фрагментов в системах RAG. Это дообученная модель эмбеддингов Sentence Transformers на базе dragonkue/bge-m3-ko, построенная на XLM-RoBERTa; размер — 658,7 млн параметров, размерность векторов — 1024. На обучении использовались пары «вопрос — документ» из корейских наборов данных по административным документам и праву. Модель кодирует запросы и документы в векторы для поиска и сравнения сходства. README сообщает о настройке длины последовательности до 1024 токенов; вход сверх этого предела при обычной загрузке может быть обрезан. Хотя архитектура поддерживает более длинный контекст, качество на длинных последовательностях не проверено. Векторы используют CLS-пулинг, поэтому они не рассчитаны на прямую совместимость с методами, которым нужны усреднённые эмбеддинги фрагментов токенов. Основной язык — корейский; качество на других языках и вне административно-правовой области может отличаться от базовой модели. Модель распространяется по лицензии Apache-2.0, при этом для обучающих данных действуют отдельные условия AI Hub; исходные данные не входят в репозиторий.

Canopy-258M-R3 — компактная языковая модель для генерации текста и управления браузерными агентами. Автор карточки описывает её как рекуррентную MoE-модель с координацией нескольких браузерных движков и агентным взаимодействием. В метаданных указаны архитектура CanopyForCausalLM, 136,8 млн параметров, библиотека Transformers и формат safetensors; README приводит другую оценку размера — около 258,56 млн параметров, поэтому точный размер по источникам расходится. Модель предназначена для автоматизации веб-навигации: сбора ссылок и структуры страниц, взаимодействия с формами, работы с защищёнными сайтами и координации нескольких агентов. README описывает использование Lightpanda, Obscura и Chromium, но эти браузерные движки и их заявленные характеристики относятся к экосистеме исполнения, а не подтверждают сами по себе возможности весов модели. Карточка также заявляет рекуррентную архитектуру и активные параметры на токен, однако такие сведения присутствуют только в README. Модель принимает и генерирует текст; в карточке указан английский язык. Лицензия — Apache-2.0. Ограничения качества, результаты независимой оценки и требования к ресурсам модели в предоставленных материалах не описаны.

Case-law block tagger — модель токеновой классификации от Free Law Project для разметки структуры мнений судов США. Она принимает OCR-текст одного дела в минимальном HTML-представлении и выделяет символьные фрагменты с именами сторон, номером дела, судом, адвокатами, судьями, датами, историей дела, резолютивной частью, автором и заголовками. Обычный текст мнения относится к метке O; модель выдаёт BIO-метки и не генерирует текст. Модель построена на ModernBERT-large с 394,7 млн параметров и дообучена на CaseLawModernBERT-large, предварительно обученной на корпусе судебных мнений США. Контекст составляет 8192 токена. Обучение проводилось на OCR-материалах американских судебных репортёров с разметкой человеком и проверкой человеком; на отложенном тестовом наборе строгая span-F1 составила 0,937. Модель рассчитана на структурирование сканов судебных сборников, а также цифровых текстов, сериализованных в ожидаемом формате. Модель поддерживает английский язык и особенно хорошо извлекает поля судебной «шапки». Её точность снижается на незнакомых форматах репортёров и строках с судьями, а классы otherdate и disposition имеют более слабые результаты. Ввод следует ограничивать одним делом, не более 8 тысяч токенов, удалять сноски и сохранять каноническую HTML-сериализацию; цитаты модель не размечает. Лицензия — Apache-2.0.

Это дообученная модель CLIP ViT-B/32 на базе openai/clip-vit-base-patch32, созданная для поиска соответствий между изображениями и подписями. Разработчик продолжил предобучение на парах изображение–подпись из датасета Flickr30K с помощью симметричной функции потерь InfoNCE и низкой скорости обучения. Модель подходит для сопоставления изображения с текстовыми описаниями и классификации изображений по текстовым меткам без отдельного обучения на целевых классах. В описанной оценке на Flickr30K дообучение увеличило разрыв сходства между подходящей подписью и отвлекающей подписью, преимущественно за счёт снижения сходства с отвлекающими подписями. README сообщает, что обучающие и оценочные индексы датасета не пересекались. Модель принимает изображения и текст, а вычисляет их совместные представления и оценки сходства; метаданные указывают формат safetensors. Лицензия — MIT. Результаты оценки приведены для Flickr30K, поэтому качество на других наборах данных и доменах из этих сведений не следует.

yagosys/cloudinit-embedding-v4 — модель Sentence Transformer, дообученная разработчиком на базе sentence-transformers/all-MiniLM-L6-v2 для создания плотных векторных представлений предложений и абзацев. Энкодер на архитектуре BERT содержит около 25,9 млн параметров; README описывает усреднение токенных представлений с последующей нормализацией, размер вектора 384 и косинусную меру сходства. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. В README указано обучение на 37 парах примеров с оценками сходства и функцией CosineSimilarityLoss, поэтому качество может быть ограниченным для задач, выходящих за рамки этих данных и близких формулировок. Базовая модель ориентирована на английский язык; лицензия в предоставленных источниках не указана.

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.

Dingdust/ContextPilot-8B-heretic — дообученная версия Qwen3-8B на 7,6 млрд параметров, связанная с проектом ContextPilot, разработанным для проактивного управления контекстом у языковых агентов. Модель предназначена для длительных агентных сценариев: планирования, ведения структурированной долговременной памяти, поиска по контексту и выгрузки менее полезной информации, пока агент продолжает рассуждать и работать с инструментами. В README описаны обучение с подкреплением и оценка на вопросах по длинному контексту и задачах глубокого поиска. Модель использует плотную архитектуру Qwen3ForCausalLM, принимает текст и выдаёт текст; нативное окно контекста составляет 40 960 токенов. Для работы функций управления контекстом одной загрузки чекпойнта недостаточно: требуются определения инструментов, агентный runtime и конвейер оценки из репозитория ContextPilot. README также сообщает о снижении отказов относительно исходной модели, поэтому фильтрация нежелательных запросов может быть слабее. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Карточка модели crisistransformers/CT-M1-Complete-SE на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

microsoft/deberta-large-mnli — модель Microsoft на базе DeBERTa Large, дообученная на задаче Multi-Genre Natural Language Inference (MNLI). Архитектура DeBERTa использует раздельное представление содержимого и относительных позиций токенов в механизме внимания и улучшенный декодер маскирования. Модель содержит около 454,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель предназначена для классификации текстовых пар по отношению между посылкой и гипотезой, например для определения логического следования, противоречия или нейтральной связи. Её также можно применять как основу для классификатора с нулевым обучением на новых наборах меток, формулируя метки как гипотезы. Карточка приводит результаты семейства DeBERTa на задачах NLU и бенчмарках GLUE, но конкретные метрики этого чекпойнта в предоставленном фрагменте не приведены. Модель рассчитана на английский язык. Лицензия MIT разрешает использование, изменение и распространение при соблюдении её условий. Ограничения включают контекст до 512 токенов и зависимость качества от соответствия новых задач обучению на английском MNLI; выводы модели не следует считать надёжной проверкой истинности или фактов.

Модель tner/deberta-v3-large-conll2003 — версия DeBERTa-v3-large от Microsoft, дообученная авторами T-NER на наборе tner/conll2003 для распознавания именованных сущностей. Она присваивает метки токенам текста, в частности выделяет имена людей, организации и географические названия. В README указана оценка F1 micro 0,922 на тестовой выборке; для сущностей типа person F1 составляет 0,973, а для категории other — 0,792. Модель содержит около 533,8 млн параметров, имеет контекст до 512 токенов и доступна в формате PyTorch. Модель предназначена для извлечения сущностей из англоязычных текстов, например для разметки новостей и подготовки данных для поиска или аналитики. Для использования README рекомендует библиотеку T-NER; применение через Transformers не рекомендуется, поскольку CRF-слой там не поддерживается. Лицензия в предоставленных данных не указана.

FaMiniLM — компактный энкодер предложений на базе Sentence Transformers, разработанный в рамках исследования MetaRAG и WikiFaQA. Модель дообучена авторами на наборе PersianSimilarSentences, чтобы сформировать способность представлять персидские тексты в семантическом пространстве; базовая all-MiniLM-L6-v2 изначально не знала персидского языка. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и использует mean pooling, нормализацию и косинусное сходство. Она предназначена для семантического поиска, сравнения предложений, поиска парафразов, кластеризации и классификации текста. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Веса опубликованы в формате safetensors, библиотека — sentence-transformers. FaMiniLM ориентирована прежде всего на персидский язык и может быть полезна для семантического поиска и RAG по персидским текстам. Лицензия — MIT. Как и другие энкодеры предложений, модель выдаёт векторы, а не готовые ответы; качество на языках, отличных от персидского, и на текстах за пределами обучающего домена может быть ограниченным.

Immerwinter/gelectra-large-privacy-policy-content-policy — дообученная немецкоязычная модель ELECTRA Large для классификации текста по темам, связанным с содержанием политик конфиденциальности. README перечисляет категории Audience, Contact, Control, Deletion, LegalBasis, Policy, Processing, Purpose, Retention, Security/Privacy, Selling, Sharing, ThirdParty и UserRights; также упоминается английская версия. Модель принимает текст и выдаёт метки классов. Модель содержит 434,5 млн параметров, использует архитектуру ElectraForSequenceClassification и рассчитана на контекст до 512 токенов. Доступны форматы safetensors и ONNX. Лицензия — Apache-2.0. README не описывает качество классификации, обучающие данные или поддержку английского языка явно, поэтому надёжность и языковой охват за пределами немецкого требуют проверки.

novacardsai разработала дообученную на медицинских текстах модель Sentence Transformer на базе Alibaba-NLP/gte-large-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерности 1024, которые можно сравнивать по косинусному сходству. Модель рассчитана на семантический поиск и сопоставление медицинских текстов, а также на кластеризацию и классификацию текстов. Максимальная длина последовательности — 8192 токена; веса доступны в формате safetensors и предназначены для использования с библиотекой Sentence Transformers. В README приведён результат cosine accuracy 0,9164 на проверочной выборке med_flashcard_val. Этот показатель относится к указанной выборке и сам по себе не гарантирует качество на других медицинских данных. Модель основана на англоязычной базовой модели, а примеры обучающих данных и проверочная выборка — на английском языке. Лицензия в предоставленных данных не указана.

LanguageBind_Video_merge — видеоязыковая модель из семейства LanguageBind, опубликованная авторами проекта LanguageBind. Она относится к архитектуре CLIP и предназначена для сопоставления видео и текста в общем семантическом пространстве, в том числе для классификации видео по текстовым описаниям без специального обучения на целевых классах. Подход LanguageBind использует язык как связующее звено между модальностями; в проекте описаны предварительное обучение на видеотекстовых данных и способы расширения модели на другие модальности. Модель принимает видео и текстовые описания и выдаёт представления, пригодные для оценки их сходства. В карточке указана задача zero-shot-image-classification, однако README описывает именно видеоязыковое сопоставление; конкретные размер модели, длина контекста и поддерживаемые языки в предоставленных данных не приведены. Репозиторий использует формат PyTorch. Лицензия — MIT.