I.1Поиск и навигация по информации

ukr-models/uk-ner — модель для распознавания именованных сущностей в украинском тексте. Она создана дообучением XLM-RoBERTa-Uk на синтетическом наборе данных разметки сущностей и выдаёт метки для токенов: начало и продолжение имени человека, локации или организации. Модель основана на архитектуре XLM-RoBERTa, содержит 137,3 млн параметров и принимает контекст длиной до 514 токенов. Модель подходит для извлечения имён людей, географических названий и организаций из украинских текстов. Она распространяется в форматах PyTorch и safetensors по лицензии MIT. Поскольку обучение проводилось на синтетическом наборе данных, качество распознавания на реальных текстах может зависеть от жанра и распределения данных.

Карточка модели Alibaba-NLP/core-reranker-2b на Hugging Face совпадает с карточкой Alibaba-NLP/core-emb-2b, поэтому описание составлено по ней. Core-Embed-2B — мультимодальная модель эмбеддингов, разработанная Alibaba-NLP на архитектуре Qwen3-VL. Она преобразует текст и изображения в плотные векторы для поиска и сопоставления, уделяя особое внимание композиционным связям между атрибутами и объектами: например, различает изображение с белой тарелкой и чёрным стулом от изображения с обратным сочетанием цветов. Модель содержит 2 млрд параметров и рассчитана на извлечение признаков из текста и изображений. Модель обучена дистилляцией оценок ранжирования: её эмбеддинги учатся сохранять градации соответствия между запросом и кандидатами, включая ошибки атрибутов и объектов. Это помогает выполнять тонкий мультимодальный поиск, сохраняя качество обычного поиска изображений и текстов. Для запуска требуется версия Transformers с поддержкой Qwen3-VL. Модель распространяется по лицензии CC BY 4.0. Карточка описывает семейство и результаты Core-Embed-8B, но не приводит отдельные численные оценки для версии 2B.

Карточка модели Alibaba-NLP/core-reranker-8b на Hugging Face совпадает с карточкой Alibaba-NLP/core-emb-2b, поэтому описание составлено по ней. Core-Embed-2B — мультимодальная модель эмбеддингов, разработанная Alibaba-NLP на архитектуре Qwen3-VL. Она преобразует текст и изображения в плотные векторы для поиска и сопоставления, уделяя особое внимание композиционным связям между атрибутами и объектами: например, различает изображение с белой тарелкой и чёрным стулом от изображения с обратным сочетанием цветов. Модель содержит 2 млрд параметров и рассчитана на извлечение признаков из текста и изображений. Модель обучена дистилляцией оценок ранжирования: её эмбеддинги учатся сохранять градации соответствия между запросом и кандидатами, включая ошибки атрибутов и объектов. Это помогает выполнять тонкий мультимодальный поиск, сохраняя качество обычного поиска изображений и текстов. Для запуска требуется версия Transformers с поддержкой Qwen3-VL. Модель распространяется по лицензии CC BY 4.0. Карточка описывает семейство и результаты Core-Embed-8B, но не приводит отдельные численные оценки для версии 2B.

Модель geckos/deberta-base-fine-tuned-ner — версия DeBERTa-base от Microsoft, дообученная разработчиком geckos для распознавания именованных сущностей на наборе данных CoNLL-2003. Это плотная трансформерная модель с архитектурой DeBERTa и примерно 151,8 млн параметров; она принимает текстовые последовательности длиной до 512 токенов и относит токены к меткам сущностей. В оценке на тестовой выборке CoNLL-2003 указаны F1 0,9608, точность 0,9563 и полнота 0,9652. Модель подходит для извлечения сущностей из англоязычных текстов, например имён людей, организаций и географических названий в новостях. Она рассчитана на классификацию токенов, а не на свободный диалог или генерацию текста. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT; контекст ограничен 512 токенами.

PeytonT/file-embedding — дообученная модель для создания плотных векторных представлений файлов, предназначенных для поиска и сопоставления. Это компонент системы Repository Library для индексации и поиска по репозиториям и научным материалам. Модель основана на энкодере BERT и дообучена на sentence-transformers/all-MiniLM-L6-v2; содержит 25,9 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторы признаков. В обучающих данных использовались графы репозиториев и фрагменты кода из конвейера Repository Library. Лицензия в предоставленных данных не указана.

GLiNER-relex-multi-v1.0 — модель на архитектуре GLiNER для совместного извлечения именованных сущностей и отношений между ними из текста. Она выполняет обе задачи за один проход и позволяет задавать типы сущностей и отношений при обработке, без дополнительного дообучения. Для меток можно передавать описания на естественном языке; специальная метка «other» помогает находить сущности, участвующие в заданных отношениях, даже если их типы не перечислены явно. Модель использует единый энкодер на базе трансформера, классификацию текстовых фрагментов и графовые свёрточные сети для отбора пар сущностей и классификации отношений. Она рассчитана на извлечение информации из документов, построение графов знаний, обогащение корпусов и подготовку структурированных данных для систем вопросов и ответов. README заявляет поддержку экспорта в ONNX для развёртывания. Модель распространяется по лицензии Apache-2.0.

NiviG/hallucination-detector — модель классификации текста, созданная дообучением DeBERTa-v3-base от Microsoft. Она сопоставляет утверждение, сгенерированное ИИ, с предоставленным контекстом и определяет, подтверждается ли оно, опровергается ли или остаётся непроверяемым. Модель обучена на более чем 25 тысячах примеров FEVER для проверки фактов и выявления галлюцинаций в ответах языковых моделей. Архитектура — DeBERTa-v2 для классификации последовательностей, около 211,6 млн параметров; модель работает с текстом и имеет контекст до 512 токенов. Она выдаёт одну из трёх меток: FACTUAL, UNCERTAIN или HALLUCINATION. Веса опубликованы в формате safetensors; библиотека — Transformers. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

satgeze/Hy3-1M-GGUF — это GGUF-квантизированная версия модели Tencent Hy3, основанной на архитектуре hy_v3. Модель имеет MoE-архитектуру примерно на 299 млрд параметров, из которых около 17 млрд активны при генерации. Конвертация в GGUF и расширение контекстного окна выполнены сообществом; заявлена поддержка llama.cpp, включая MTP speculative decoding. Модель предназначена для генерации текста, рассуждений и работы с очень большими документами или наборами данных, где требуется контекст до 1 048 576 токенов. Для расширения контекста используется YaRN. Поддержка длинного контекста подтверждена тестами Needle-in-a-Haystack: достигнут результат 10/10 на длине до 786 тысяч токенов, тогда как на полном окне в 1 миллион токенов средний результат составил около 70% на иглу и зависит от случайного начального состояния. На 524 тысячах токенов многозвенное извлечение достигло 4/5. Доступны варианты с различной степенью квантования, включая IQ1_M, IQ2_M, Q2_K и Q4_K_M. Более агрессивные варианты требуют меньше памяти, но заметнее теряют качество; в README IQ2_M рекомендован как практический компромисс, тогда как IQ1_M описан как наиболее слабый. Для запуска нужен недавний mainline llama.cpp с поддержкой hy_v3 и MTP, а также исправленный шаблон чата chat_template_llamacpp.jinja. MTP показал сопоставимое с официальной реализацией Tencent поведение и может ускорять декодирование на CUDA, но эффективность зависит от порога уверенности и конфигурации. Модель распространяется по лицензии Apache 2.0. README не указывает поддерживаемые естественные языки и не содержит полноценных сравнительных оценок качества, поэтому её языковые возможности и общую точность следует проверять отдельно.

Mungert/Jan-v1-4B-GGUF — это GGUF-квантизированная версия Jan-v1, небольшой агентной языковой модели, разработанной Jan/Jan AI и основанной на Qwen3-4B-Thinking-2507. Конкретный репозиторий содержит сборки, созданные с использованием llama.cpp; автор применяет собственный подход к квантизации с повышением точности отдельных важных слоёв. В метаданных указан английский язык, размер базовой модели — 4B параметров, модальность — текстовая генерация. Модель предназначена для агентного рассуждения, решения сложных задач, ответов на вопросы, диалогового взаимодействия и использования инструментов, включая сценарии интеграции с Jan App. В исходной карточке заявлены 91,1% точности на SimpleQA и улучшенные возможности рассуждения и tool use, однако приведённые результаты относятся к Jan-v1 в целом и могут не полностью отражать поведение конкретной GGUF-квантизации. Поддерживаются локальный запуск через llama.cpp и интеграция с инструментами, совместимыми с форматом модели. Сильными сторонами являются компактный размер, ориентация на агентные задачи и потенциально более высокая точность при заданном уровне квантизации благодаря повышению точности отдельных слоёв. Ограничения включают зависимость качества от выбранного GGUF-варианта и параметров квантизации, а также отсутствие в карточке точного размера контекста, перечня доступных квантизаций, детальных сравнительных результатов и описания дополнительных языков. Лицензия модели — Apache 2.0.

LED Large 16384 — модель семейства Longformer Encoder-Decoder, разработанная AllenAI для обработки длинных текстов. Она использует архитектуру BART-large; матрица позиционных эмбеддингов была расширена копированием, чтобы модель могла обрабатывать последовательности длиной до 16 384 токенов. Веса доступны в форматах PyTorch и TensorFlow, размер модели — 252,8 млн параметров. Модель подходит для суммаризации длинных документов и ответов на вопросы по их содержимому, а также для дообучения под другие задачи обработки текста. Карточка указывает английский язык. Модель распространяется по лицензии Apache 2.0.

llm-wizard разработала Sentence Transformers модель, дообученную на Snowflake/snowflake-arctic-embed-l. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 1024 для сравнения по косинусному сходству; архитектура включает BERT, пулинг CLS-токена и нормализацию. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска и оценки сходства текстов, включая поиск юридических фрагментов по запросам, подбор парафраз, кластеризацию и классификацию текстов. В карточке приведены обучающие примеры по правовой тематике и оценка retrieval на тестировании, однако набор содержит 400 пар и не описан подробнее, поэтому результаты могут не отражать качество на других юридических данных. Лицензия в предоставленных данных не указана.

Tirendaz/multilingual-xlm-roberta-for-ner — дообученная Tirendaz модель XLM-RoBERTa для распознавания именованных сущностей в тексте. Она выполняет токенную классификацию и рассчитана на извлечение сущностей из многоязычных текстов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов. В README указаны результаты оценки: F1 0,8631 и loss 0,1415. Датасет обучения и подробности о классах сущностей не описаны. Модель распространяется в форматах PyTorch и safetensors по лицензии MIT.

Otter Bi MM BERT — мультиязычная модель распознавания именованных сущностей, разработанная автором репозитория whoisjones. Она принимает текст и названия типов сущностей на естественном языке, например «person» или «chemical compound», и возвращает символьные диапазоны найденных сущностей без фиксированного набора меток и отдельной настройки под каждую схему. Модель использует биэнкодер: текст и названия типов кодируются отдельно, а представления меток можно повторно использовать для обработки корпуса с неизменным набором типов. Текстовый энкодер основан на jhu-clsp/mmBERT-base, энкодер меток — на google-bert/bert-base-multilingual-uncased. Максимальная длина последовательности составляет 1024 токена, максимальная длина диапазона — 30 токенов. Модель подходит для мультиязычного извлечения сущностей с пользовательскими типами и обработки больших корпусов, когда набор типов повторяется. Лицензия — Apache-2.0. Порог по умолчанию равен 0,2 и был выбран по макро-F1 на наборе оценки; результат чувствителен к количеству и формулировкам типов, поэтому порог может потребовать повторной калибровки на данных конкретной области. README отмечает, что модели семейства cross-encoder сильнее, тогда как bi-encoder экономичнее при многократном применении одного набора меток.

Экспериментальная чат-модель tavtav на архитектуре Llama, созданная дообучением базовой Llama-3-8B. Модель содержит 7,5 млрд параметров и принимает диалоги в формате ChatML; заявленная длина контекста расширена до 1 048 576 токенов с помощью метода PoSE. Модель предназначена для генерации текста и ведения диалогов с длинным контекстом. Обучение завершено лишь наполовину первого из двух запланированных эпох, поэтому качество и устойчивость ответов могут быть ограничены. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

Модель tner/roberta-large-ontonotes5 — дообученная версия RoBERTa Large, созданная с помощью T-NER и обученная на наборе данных OntoNotes 5. Она выполняет распознавание именованных сущностей: находит в тексте людей, организации, географические названия, даты, денежные суммы, события и другие типы сущностей, присваивая метки отдельным токенам. Модель содержит 454,1 млн параметров, использует архитектуру RobertaForTokenClassification и принимает контекст длиной до 514 токенов. На тестовой выборке OntoNotes 5 указаны micro F1 0,909 и macro F1 0,827; качество зависит от типа сущности, особенно ниже результаты для времени, законов и произведений искусства. Для использования автор рекомендует библиотеку T-NER; применение через Transformers не рекомендуется, поскольку CRF-слой там не поддерживается. В карточке указана лицензия Apache 2.0.

SNT News Classifier v0.6 — разработанная Sweenk мультиметочная модель для классификации новостных статей по двум уровням таксономии: 12 основным и 71 подкатегории. Она построена на энкодере XLM-RoBERTa large, дообученном на примерно 264 тысячах новостных статей; два независимых sigmoid-выхода предсказывают метки обоих уровней. Статья может получить несколько меток одновременно. Для классификации передают заголовок и основной текст, объединённые через пустую строку; вход обрезается до 512 токенов. Модель рассчитана на маршрутизацию новостной ленты и тематическую разметку статей. В тестировании на 26 412 статьях авторы сообщают macro-F1 0,847 для верхнего уровня при настроенных порогах. Метки корпуса созданы с участием языковой модели и выборочно проверялись людьми, поэтому эти показатели измеряют согласие с такой разметкой, а не с полностью проверенной человеческой истиной. Хотя базовый энкодер поддерживает 100 языков, обучение почти полностью велось на английских новостях, и качество для других языков не измерено. Модель выпущена под лицензией MIT.

Это текстовая cross-encoder-модель rohit-vt, дообученная на основе cross-encoder/ms-marco-MiniLM-L6-v2 с библиотекой Sentence Transformers. Она оценивает пары текстов одним числовым баллом, который можно использовать для переранжирования результатов поиска и семантического поиска; обучающие примеры связаны с сопоставлением названий навыков и профессий. Модель построена на архитектуре BERT и содержит 25,9 млн параметров. Она принимает текстовые пары, выдаёт оценку релевантности и обрабатывает последовательности длиной до 512 токенов. В карточке не обозначены специальные требования к языку, поэтому подтверждённую поддержку конкретных языков установить нельзя. Модель подходит для ранжирования кандидатов по запросу, например при поиске похожих навыков. Её оценки обучены на конкретных данных сопоставления и могут хуже работать на иных типах текстов или языках. Лицензия в предоставленных данных не указана.

nreimers/TinyBERT_L-6_H-768_v2 — версия General_TinyBERT_v2 с 6 слоями и размерностью скрытого представления 768, перенесённая в библиотеку Hugging Face Transformers. Модель построена на архитектуре BERT и предназначена для извлечения контекстных векторных представлений текста, которые можно использовать в последующих NLP-задачах. В репозитории доступны веса PyTorch и Flax. Модель содержит 80,1 млн параметров и принимает последовательности длиной до 512 токенов. Лицензия в предоставленных данных не указана.

Это модель для распознавания именованных сущностей в русском тексте, разработанная Сергеем Бирюковым. Она основана на XLM-RoBERTa Large и дообучена на русской части датасета WikiANN для задачи классификации токенов. Модель содержит около 658,7 млн параметров, принимает текст и присваивает метки его токенам, выделяя сущности. Для неё указаны контекст до 514 токенов, библиотека Transformers и лицензия MIT. Карточка не приводит перечень типов сущностей или оценку качества, поэтому точность для конкретных данных по имеющимся сведениям оценить нельзя.

dtunkelang/bag-of-documents-minilm — англоязычный энкодер предложений от разработчика модели, дообученный на базе sentence-transformers/all-MiniLM-L6-v2 для исследовательского retrieval-проекта bag-of-documents с обучающими сигналами из каталога Amazon ESCI. Модель преобразует запросы, предложения и абзацы в нормализованные плотные векторы размерности 384; сходство можно оценивать косинусной мерой. Архитектура — Sentence Transformer на базе BERT с усреднением токенных представлений и нормализацией. Модель предназначена прежде всего для кодирования поисковых запросов и семантического поиска по каталогу товаров, а также для сравнения текстов, поиска перефразировок и кластеризации. Метаданные указывают 25,9 млн параметров и контекст 512 токенов, тогда как README сообщает максимальную длину последовательности 256 токенов. В репозитории указана лицензия Apache-2.0. Модель обучалась на данных Amazon ESCI, поэтому её пригодность для других областей и языков может быть ниже; длинный текст сверх лимита последовательности не обрабатывается целиком.

HooshvareLab/bert-base-parsbert-ner-uncased — персидская модель распознавания именованных сущностей на основе архитектуры BERT-Base. Она классифицирует каждый токен текста, присваивая ему метку сущности в формате IOB; карточка описывает варианты обучения на наборах ARMAN и PEYMA, отдельно и в комбинации. Среди распознаваемых категорий — люди, организации, места, даты, время, деньги, проценты, объекты и события. Модель предназначена для извлечения сущностей из персидских текстов, например для структурирования новостей и документов или подготовки данных для поиска. Это монолингвальная uncased-модель с whole-word masking, примерно 190 млн параметров и контекстом до 512 токенов. В карточке приведены результаты F1 для ARMAN и PEYMA, включая 95,13 для объединённого набора; результаты относятся к описанным наборам данных и не гарантируют такую же точность на других текстах. Лицензия — Apache-2.0.

HooshvareLab/bert-fa-base-uncased-ner-peyma — модель для распознавания именованных сущностей в персидском тексте, разработанная на основе ParsBERT v1.1 и дообученная командой HooshvareLab на персидских корпусах. Она использует архитектуру BERT с классификацией каждого токена и размечает сущности в формате IOB: организации, денежные суммы, местоположения, даты, время, имена людей и проценты. Модель предназначена для извлечения структурированных сведений из персидских текстов, например для поиска организаций и персон в новостях или выявления дат и денежных сумм в документах. В README для набора PEYMA сообщается результат F1 93,40. Контекст модели составляет 512 токенов, размер — около 190 млн параметров; доступны версии весов PyTorch, TensorFlow и Flax. Модель поддерживает персидский язык и распространяется по лицензии Apache-2.0. Она ориентирована на NER и категории набора PEYMA; README не сообщает оценок для других языков, доменов или наборов сущностей.

yanekyuk/bert-keyword-extractor — дообученная модель BERT для извлечения ключевых слов посредством классификации токенов. Она предназначена для выделения ключевых слов в тексте; README приводит метрики на оценочном наборе: precision 0,8565, recall 0,8874, accuracy 0,9738 и F1 0,8717, но не описывает сам набор данных и подробности обучения. Модель основана на bert-base-cased, имеет 135,5 млн параметров и контекст до 512 токенов. Поддерживает английский язык, использует PyTorch и распространяется по лицензии Apache-2.0.

Модель разработана авторами NLP Odyssey (Matteo Grella и Marco Nicola) на основе bert-base-multilingual-uncased и дообучена для географической классификации новостных заголовков. Она принимает текст заголовка и предсказывает код страны по стандарту ISO 3166-1 alpha-3. Модель предназначена для автоматической маркировки новостей по стране, о которой говорится в заголовке, в том числе для работы с многоязычными текстами. Это BERT для классификации последовательностей с 194,6 млн параметров; максимальная длина контекста — 512 токенов. Распространяется в форматах PyTorch и Safetensors. Модель подходит для тематической сортировки новостных лент и предварительной разметки заголовков для последующего анализа. Качество и набор распознаваемых стран в README не описаны; лицензия Apache-2.0 допускает использование, изменение и распространение на её условиях.

mhaseeb1604/bge-m3-law — дообученная модель на базе BAAI/bge-m3 для оценки семантического сходства предложений и абзацев в юридических текстах на арабском и английском языках. Модель построена на sentence-transformers с архитектурой XLM-RoBERTa и содержит 658,7 млн параметров. Она преобразует текст в нормализованные плотные векторы размерностью 1024; заявленная длина последовательности — до 8192 токенов. Модель предназначена для семантического поиска, сравнения юридических фрагментов, кластеризации документов и извлечения релевантных материалов в двуязычных арабско-английских правовых корпусах. Для использования требуется библиотека sentence-transformers. Модель опубликована под лицензией, сведения о которой в предоставленных данных отсутствуют.

braza-embedding-ptbr-v1 — модель текстовых эмбеддингов, разработанная TAMZ и дообученная на базе ibm-granite/granite-embedding-97m-multilingual-r2. Она использует архитектуру ModernBERT и содержит 97,4 млн параметров. Модель рассчитана прежде всего на бразильский вариант португальского языка и корпоративную лексику: описания компаний, отрасли, географию, размер бизнеса и запросы покупателей и специалистов по продажам. Максимальная длина контекста — 8192 токена. Модель подходит для семантического поиска по данным о компаниях и деловым документам, сопоставления компаний с запросами, кластеризации и поиска дубликатов, а также для построения RAG-систем на португальском языке. В README приведены результаты MTEB для португальского языка: улучшение относительно базовой модели на ASSIN2 и SICK-BR, а также по взвешенной основной оценке. Лицензия — Apache-2.0.

Bulbasaur — компактная модель эмбеддингов, созданная автором Mihaiii дистилляцией gte-tiny на датасете qa-assistant. Она предназначена для семантического автодополнения: преобразует английский текст в векторы, которые можно использовать для сравнения смысловой близости запросов и вариантов продолжения. Модель построена на архитектуре BERT, содержит 18,8 млн параметров и принимает текст длиной до 512 токенов; доступны форматы Safetensors и ONNX. Модель подходит для семантического поиска и подбора релевантных подсказок в интерфейсах автодополнения. Лицензия MIT разрешает широкое использование. Она рассчитана исключительно на английский язык, а входные тексты длиннее 512 токенов обрезаются.

TroyDoesAI/Context-Obedient-Tri-MoE — разговорная модель, дообученная TroyDoesAI на базе TroyDoesAI/BlackSheep-4B. Она предназначена для генерации ответов с опорой на предоставленный контекст и инструкции, в том числе в сценариях RAG, где важно уменьшить нерелевантные ответы и галлюцинации. В README описан шаблон с отдельными блоками для контекста, запроса и инструкции; также заявлена повышенная приверженность контексту, в том числе в ситуациях с ограничениями на ответ. Модель использует архитектуру Mixtral MoE, содержит 4,6 млрд параметров и рассчитана на контекст до 16 384 токенов. Основной язык карточки — английский. Модель принимает текст и генерирует текст; для запуска указана библиотека Transformers и формат PyTorch. Лицензия — Artistic-2.0. README описывает шаблон и заявленное поведение, но не приводит количественных оценок качества или подтверждённых тестов снижения галлюцинаций. Следование контексту зависит от качества исходных данных и шаблона; заявленная возможность обходить механизмы отказа также означает, что модель может менее надёжно соблюдать ограничения безопасности.

Модель rv2307/electra-small-ner — англоязычная модель для распознавания именованных сущностей, разработанная Vipin. Она основана на небольшом дискриминаторе Google ELECTRA и дообучена для классификации токенов; выделяет имена людей, названия организаций и географические объекты. Модель содержит 20,4 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и предназначена для использования через Transformers. Модель подходит для извлечения сущностей из англоязычных текстов, например для последующей индексации или структурирования документов. В карточке указаны датасеты CoNLL-2003 и ai4privacy/pii-masking-200k. Для объединения меток частей слов автор рекомендует в pipeline Transformers использовать aggregation_strategy="max". На длинных предложениях качество может снижаться; токенизатор distilbert может приводить к ошибочным меткам для частей одного слова. Лицензия — Apache 2.0.

srikanth88infy/legal-ft-v3 — дообученная модель Sentence Transformers на базе Snowflake/snowflake-arctic-embed-l, предназначенная для сравнения и поиска текстов по смыслу. Она кодирует предложения и абзацы в плотные векторы размерностью 1024; сходство между ними оценивается косинусной мерой. Архитектура включает BERT, pooling по CLS-токену и нормализацию векторов. Модель подходит для семантического поиска по юридическим материалам, ранжирования похожих документов и запросов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Максимальная длина входа — 512 токенов. В карточке приведены результаты оценки на Information Retrieval Evaluator, однако обучающая выборка содержит 156 пар, а данных о языках и лицензии нет.