I.1Поиск и навигация по информации

DenseOn-unsupervised — модель LightOn для плотного поиска по текстам, выпущенная после первого этапа обучения семейства DenseOn. Это Sentence Transformer на базе ModernBERT с 149 млн параметров: он кодирует текст в векторы размерности 768, которые можно сравнивать по косинусному сходству. Максимальная длина последовательности в README — 512 токенов; метаданные указывают контекст до 8192 токенов, поэтому фактическое ограничение зависит от используемой конфигурации и способа запуска. Модель прошла масштабное контрастивное предобучение без последующей настройки на сложных отрицательных примерах. Она предназначена прежде всего как основа для дообучения на предметных данных, экспериментов с дистилляцией и исследования этапов обучения ретриверов. Для готовых производственных сценариев авторы рекомендуют полностью обученную DenseOn. Модель рассчитана на английский язык и задачи извлечения признаков и семантического сходства предложений. Распространяется по лицензии Apache 2.0.

kienchan/distilbert-finetuned-squadv2 — модель DistilBERT, дообученная для ответа на вопросы. Она принимает вопрос и текстовый контекст и предназначена для извлечения ответа из контекста. Модель основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForQuestionAnswering и формат весов safetensors; базовая модель — англоязычная. Максимальная длина контекста составляет 512 токенов. Модель подходит для поиска ответов в коротких текстах и простых систем вопросно-ответного поиска. Карточка указывает лицензию Apache-2.0. Данные об обучающем наборе и оценке качества не приведены, поэтому точность на конкретных данных не установлена.

philschmid/distilbert-onnx — англоязычная модель для ответов на вопросы, разработанная на основе DistilBERT-base-cased. Это чекпойнт DistilBERT, дополнительно дистиллированный и дообученный на SQuAD v1.1; репозиторий содержит веса в формате ONNX. Модель извлекает ответ из предоставленного текста в ответ на вопрос, а не предназначена для свободного диалога. Модель использует архитектуру DistilBertForQuestionAnswering и рассчитана на контекст до 512 токенов. В README указана оценка F1 87,1 на dev-наборе SQuAD v1.1; для сравнения приведён результат 88,7 у bert-base-cased. Лицензия — Apache-2.0. Результаты зависят от качества и релевантности входного контекста; модель не предназначена для ответов на вопросы, требующие сведений вне него.

zainyhur/distilbert-qa-finetuned — модель семейства DistilBERT, дообученная разработчиком репозитория на неизвестном наборе данных для ответов на вопросы. Она принимает текст вопроса и контекста и предназначена для извлечения ответа из предоставленного текста. Модель использует архитектуру DistilBertForQuestionAnswering, библиотеку Transformers и формат весов safetensors; максимальная длина контекста составляет 512 токенов. Базовая модель — distilbert/distilbert-base-uncased. Карточка не содержит сведений о качестве, обучающих данных или специальных сценариях применения. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Это испаноязычная модель ответов на вопросы, созданная Manuel Romero (mrm8488) на основе BETO — испанской версии BERT. Модель дообучена на SQuAD-es-v2.0 с дистилляцией знаний от bert-base-multilingual-cased; карточка указывает размер 137,1 млн параметров и контекст до 512 токенов. Модель предназначена для извлечения ответа на вопрос из предоставленного контекста и может использоваться для поиска фактов в испанских текстах и систем вопросно-ответного поиска. Автор отмечает, что дистилляция делает её меньше, быстрее и экономичнее по сравнению с исходной дообученной моделью BETO. Результаты оценки в карточке не приведены, поэтому качество на конкретных данных следует проверять отдельно. Доступны веса PyTorch и Flax. Лицензия — Apache-2.0.

Модель eraldoluis/faquad-bert-base-portuguese-cased — BERTimbau Base, дообученная разработчиком на наборе FaQuAD для извлечения ответов на вопросы из текста. Она принимает вопрос и контекст на португальском языке и предсказывает фрагмент контекста в качестве ответа. Модель построена на архитектуре BERT и содержит 136,1 млн параметров; максимальная длина контекста составляет 512 токенов. Использовать её можно для поиска ответов в португалоязычных документах и текстах. Лицензия — Apache 2.0.

Это дообученная на наборе SQuAD модель GPT-2 Large с головой для извлечения ответов на вопросы. Она предназначена для ответов на вопросы по предоставленному тексту: модель определяет фрагмент текста, который отвечает на вопрос. Используйте её для поиска ответов в контексте, например, в справочных материалах и документах на английском языке. Модель построена на архитектуре GPT-2 и принимает текст, выдавая текстовый ответ. Длина контекста составляет 1024 токена. Весы опубликованы в формате PyTorch. Лицензия — MIT. README не содержит сведений о дополнительных оценках качества или ограничениях применения.

INF-Query-Aligner — специализированная языковая модель компании INFTech и компонент системы INF-X-Retriever. Она дообучена с помощью обучения с подкреплением на основе Qwen2.5-7B-Instruct и преобразует сложные, многословные или требующие рассуждений пользовательские запросы в краткие формулировки для плотного поиска по текстовым документам. Модель предназначена для подготовки поисковых запросов перед передачей в систему dense retrieval, в том числе при поиске по вопросам, требующим объединения сведений из нескольких документов. Архитектура — плотная авторегрессионная Qwen2; размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Карточка ориентирована на английский язык. В README приводятся результаты всей системы INF-X-Retriever на бенчмарке BRIGHT; это не отдельная оценка качества данного компонента. Модель принимает текст и генерирует текстовый поисковый запрос длиной менее 200 слов. Указанная лицензия — Apache-2.0.

Vishwas/intent_classification — модель на архитектуре MPNet, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Веса в формате PyTorch, число параметров — 136,7 млн, максимальная длина контекста — 514 токенов. Модель можно применять для поиска похожих пользовательских запросов и группировки текстов по смыслу. В README указано обучение с CosineSimilarityLoss, однако не приведены сведения о языках обучающих данных или о целевой схеме классификации намерений. Поэтому название репозитория само по себе не подтверждает, что модель выдаёт метки классов интентов. Лицензия в предоставленных данных не указана.

unsloth/Jan-nano-GGUF — это GGUF-версия компактной языковой модели Jan-Nano, разработанной Menlo Research и подготовленной в формате квантования Unsloth Dynamic 2.0. Модель содержит около 4 миллиардов параметров и предназначена для генерации текста и выполнения задач глубокого исследования. Основной сценарий использования — работа с Model Context Protocol (MCP): модель оптимизирована для взаимодействия с MCP-серверами, исследовательскими инструментами и внешними источниками данных. Она оценивалась на SimpleQA с помощью методики, учитывающей интеграцию MCP, поэтому особенно ориентирована на инструментально дополненные исследовательские процессы. Модель также поддерживается приложением Jan, позволяющим запускать её локально с сохранением конфиденциальности и контроля над данными. К сильным сторонам относятся небольшой размер, локальный запуск и специализация на исследовательских задачах с использованием внешних инструментов. Ограничения связаны с относительно малым числом параметров по сравнению с крупными языковыми моделями; сведения о поддерживаемых языках, размере контекстного окна и точной архитектуре в предоставленных данных отсутствуют. Модель распространяется по лицензии Apache 2.0.

hotchpotch разработала японскую модель поиска japanese-splade-v2 на архитектуре BERT. Это SPLADE v2 — модель, которая преобразует текст в разреженные лексические векторы, расширяя исходные слова терминами, полезными для поиска. Размер модели — 138,4 млн параметров, максимальная длина входа — 512 токенов; доступны веса в формате Safetensors. Модель предназначена для поиска и извлечения релевантных документов по японским запросам, в том числе в системах семантического поиска и retrieval-augmented generation. В README приведены результаты оценки на японских наборах JMTEB; авторы сообщают об улучшении среднего результата относительно базовой версии japanese-splade-base-v1. Обучение использовало японские наборы данных для поиска и вопросов-ответов, включая MSMARCO-ja. Модель дообучена на hotchpotch/japanese-splade-base-v1_5 и распространяется по лицензии MIT. В карточке Hugging Face указан pipeline-тег fill-mask, однако заявленное назначение модели — разреженное представление текста для поиска; тег не описывает этот сценарий напрямую. README ограничивает контекст тестирования длиной до 512 токенов.

AISE-TUDelft/java-rational-classifier — модель на базе MPNet, созданная командой AISE-TUDelft и представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения смысловой близости; модель также подходит для семантического поиска и кластеризации текстов. Число параметров — 136,7 млн, длина контекста — 514 токенов. Модель поставляется в формате PyTorch и обучалась с функцией потерь CosineSimilarityLoss. Название указывает на специализацию на классификации Java-кода по рациональным свойствам, но README описывает применение только как модели эмбеддингов и не раскрывает детали этой специализации. Лицензия в предоставленных сведениях не указана.

Mungert/Lucy-GGUF — это GGUF-квантизированная версия компактной языковой модели Lucy, разработанной авторами Alan Dao, Bach Vu Dinh, Alex Nguyen и Norapat Buppodom на основе Qwen/Qwen3-1.7B. Модель предназначена для агентного веб-поиска, лёгкого просмотра веб-страниц и исследовательских задач с использованием внешних инструментов через MCP, включая поисковые API и браузерные серверы. Она ориентирована на эффективный локальный запуск, в том числе на мобильных устройствах и конфигурациях только с CPU. Модель содержит 1,7 млрд параметров, работает с текстом и заявлена для английского языка. Архитектура унаследована от Qwen3-1.7B; конкретный размер контекста для этой GGUF-версии в README не указан. Lucy обучалась с использованием машинно сгенерированных task vectors, сглаженных reward-функций и reinforcement learning без supervised fine-tuning. В README заявлены сильные результаты в агентном поиске и превосходство над DeepSeek-v3 на SimpleQA, однако подробные числовые результаты не приведены. Квантизация выполнена с помощью llama.cpp; автор применяет дополнительное повышение точности отдельных важных слоёв сверх стандартной конфигурации IMatrix. Это может улучшать точность при заданном уровне квантизации, но увеличивает размер файла. Модель поддерживает запуск через llama.cpp, vLLM, Jan, LM Studio и совместимые движки, однако её возможности веб-поиска зависят от подключённых внешних инструментов. Лицензия — Apache 2.0.

mbert-quoref — модель на архитектуре BERT, дообученная intanm на базе google-bert/bert-base-multilingual-cased на наборе данных Quoref. Она предназначена для ответа на вопросы по предоставленному тексту: модель получает вопрос и контекст и предсказывает ответ в контексте. Число параметров составляет 205,1 млн, максимальная длина контекста — 512 токенов; веса представлены в формате PyTorch. Многоязычная базовая модель поддерживает несколько языков, однако карточка не уточняет, на каких языках проводилось дообучение Quoref. На оценочном наборе указано значение loss 3,7567. Модель распространяется по лицензии Apache-2.0.

remunds/MiniLM_NaturalQuestions — дообученная модель на основе microsoft/MiniLM-L12-H384-uncased для ответов на вопросы по набору данных Natural Questions. Модель использует архитектуру BERT и содержит около 40 млн параметров; она принимает текст вопроса и контекст и извлекает из контекста ответ. Окно контекста — до 512 токенов. Модель предназначена для сценариев извлечения ответа из текста, например для поиска фактов в документах или обработки вопросов с предоставленным контекстом. Репозиторий содержит веса PyTorch. Лицензия — MIT. Карточка не приводит результатов оценки качества и дополнительных сведений об ограничениях или обучающих данных, кроме указания на Natural Questions.

deepset/minilm-uncased-squad2 — англоязычная модель для извлечения ответов на вопросы, разработанная deepset на базе microsoft/MiniLM-L12-H384-uncased и дообученная на SQuAD 2.0. Она предназначена для поиска ответа в предоставленном тексте или документах и подходит для систем вопросно-ответного поиска, в том числе построенных на Haystack. Модель относится к семейству BERT, имеет около 40 млн параметров и принимает контекст длиной до 512 токенов. Она обучалась и оценивалась на SQuAD 2.0, включая примеры без ответа. Доступны варианты весов PyTorch, Flax и safetensors. Лицензия — CC BY 4.0. Это экстрактивная QA-модель: она выделяет ответ из входного текста, а не формирует развёрнутый ответ на основе генерации. Её специализация на английском языке и ограничение контекста могут снижать качество на иных языках, длинных документах и вопросах вне данных обучения.

AndrewChar/model-QA-5-epoch-RU — русскоязычная модель для ответов на вопросы по предоставленному контексту. Это дообученная модель семейства DistilBERT с головой DistilBertForQuestionAnswering, созданная на основе AndrewChar/diplom-prod-epoch-4-datast-sber-QA и обученная на датасете SberSQuAD. Модель принимает вопрос и контекст и извлекает из контекста ответ; длина контекста ограничена 512 токенами. На оценочном наборе указаны exact match 54,586 и F1 73,644. Модель опубликована в формате TensorFlow. Карточка описывает её как дипломную работу; лицензия в доступных данных не указана.

illuin-conteb/modern-colbert-insent — контекстная модель встраиваний документов на основе Sentence Transformers и архитектуры ModernBERT с механизмом ColBERT. Её дообучили из lightonai/GTE-ModernColBERT-v1 на ConTEB с использованием подхода InSeNT, описанного в исследовательской статье. Модель выдаёт векторы размерности 128; для сравнения использует MaxSim и принимает последовательности длиной до 8192 токенов. Модель предназначена для поиска релевантных фрагментов с учётом контекста документа, в частности для контекстного семантического поиска и ранжирования пассажей. Карточка характеризует её как экспериментальную: авторы сообщают о перспективных результатах, но отмечают ухудшение на стандартных задачах встраиваний и необходимость дальнейшего обучения для повышения устойчивости и обобщения на новые данные. Лицензия в предоставленных данных не указана.

OpenScholar_Reranker — переранжировщик научной литературы, разработанный University of Washington и Allen Institute for AI (AI2). Модель дообучена на базе BAAI/bge-reranker-large и оценивает релевантность научных документов запросу, помогая упорядочивать найденные материалы для синтеза литературы. Это плотный XLM-RoBERTa cross-encoder с классификационной головой, принимающий пары текстов и выдающий оценку релевантности. Модель рассчитана на английский язык; контекст — до 514 токенов, размер — 658,7 млн параметров. Данные для дообучения включали синтетические запросы, созданные Llama 3 70B. Модель подходит для переранжирования результатов поиска по научным публикациям. Лицензия README обозначена как Apache-2.0, тогда как метаданные Hugging Face указывают MIT; перед использованием следует проверить актуальные условия лицензирования в репозитории.

PaSa-7B-Selector — дообученная ByteDance Research языковая модель на архитектуре Qwen2 для поиска научных статей. Она предназначена для работы в составе агента PaSa, который помогает находить академические публикации по запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; карточка указывает английский язык и диалоговые возможности. Модель основана на Qwen/Qwen2.5-7B-Instruct и дообучена на датасете CarlanLark/pasa-dataset. Доступны веса PyTorch в формате safetensors. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения на тех же условиях.

PIXIE-Rune-Preview — модель эмбеддингов на основе Sentence Transformer, разработанная компанией TelePIX Co., Ltd. Она построена на XLM-RoBERTa с пуллингом CLS-токена и нормализацией векторов, содержит 658,7 млн параметров и выдаёт эмбеддинги размерности 1024. Контекст составляет до 8194 токенов, а сходство между векторами рассчитывается косинусной мерой. Модель дообучена для семантического поиска на корейском и английском языках, с особым акцентом на аэрокосмическую тематику. Её можно применять для поиска релевантных документов, технических вопросов и ответов, понимания документов и построения мультиязычных систем семантического поиска. В README приведены результаты оценки на корейских и англоязычных наборах поиска, однако качество для конкретной коллекции следует проверять отдельно. Модель принимает текст и возвращает векторные представления. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

radlab/polish-qa-v2 — польскоязычная модель извлечения ответов на вопросы, разработанная radlab.dev. Она находит в предоставленном контексте наиболее подходящий фрагмент текста и возвращает его как ответ; модель дообучена для задачи question-answering на базе sdadas/polish-roberta-large-v2 с использованием датасета clarin-pl/poquad. Модель основана на RoBERTa, содержит 533,7 млн параметров и принимает текст вопроса вместе с контекстом. Максимальная длина контекста составляет около 512 токенов. Она подходит для поиска ответов в польских текстах, но возвращает извлечённый фрагмент, а не формулирует развёрнутый ответ; для длинных документов контекст потребуется разбивать. Лицензия — CC BY 4.0.

MEGHT разработал Qwen3 0.6B Fine-Tuned for Search Query Generation — дообученную плотную авторегрессионную языковую модель семейства Qwen3 с 507,9 млн параметров. Она генерирует поисковые запросы по сообщению пользователя и контексту предыдущего разговора. Модель рассчитана на подсказки для поисковых систем, чат-ботов и виртуальных помощников, а также на поиск контента по запросу. Для дообучения использован собственный набор пар «ввод — вывод»; модель обучалась и предназначена для запуска через библиотеку Transformers. В метаданных указан контекст до 40 960 токенов, тогда как README сообщает ограничение в 1 024 токена; фактический предел зависит от используемой конфигурации. Доступны форматы Safetensors и GGUF. В README приведены оценки perplexity 12,5, BLEU 0,35 и ROUGE-L 0,45, но методика оценки не описана. Модель ориентирована на английский язык. README предупреждает о возможном ухудшении качества в незнакомых предметных областях и о наследовании смещений из обучающих данных. Лицензия — Apache 2.0.

Xirui1208 публикует исторический чекпойнт этапа HQA step15 из обучения readall_sft_hqa_rl_20260917_r1. Это плотная авторегрессионная модель Qwen2ForCausalLM на 7,1 млрд параметров в формате BF16/Safetensors, рассчитанная на генерацию текста и диалоговые сценарии. Встроенный контекст модели — 32 768 токенов; более длинные документы обрабатываются пошаговым workflow ReadTwice с разбиением на страницы, а не одним вызовом модели. Чекпойнт предназначен для ответов на вопросы по длинным документам в сценарии HQA. В README приведены результаты greedy-декодирования на 128 примерах для контекстов 56k, 112k и 224k токенов с метриками SubEM, EM и F1; оценка LongBench для этой версии не заявлена. Указанные результаты относятся к конкретному протоколу ReadTwice и не сопоставимы напрямую с более поздним протоколом MemAgent. Для greedy-инференса нужно отключить семплирование. Репозиторий публичен; лицензия в предоставленных данных не приведена.

Reason-mxbai-colbert-v0-32m — компактная модель поиска на основе ColBERT, разработанная Абдельрахманом Абдаллой и Адамом Ятовтом. Это дообученная версия mixedbread-ai/mxbai-edge-colbert-v0-32m с архитектурой ModernBERT и механизмом позднего взаимодействия: модель строит векторы размерности 128 для каждого токена, а релевантность оценивает функцией MaxSim. В модели около 31,9 млн параметров; максимальная длина контекста по метаданным — 7 999 токенов. Модель предназначена для поиска релевантных документов по сложным запросам, требующим рассуждений, и для повторного ранжирования результатов без предварительно построенного индекса. Она обучалась на данных BRIGHT, BGE-reasoner и ReasonIR; автор сообщает средний nDCG@10 19,00 на BRIGHT и примерно в пять раз меньшую стоимость инференса по сравнению с Reason-ModernColBERT размером 150 млн параметров. Лучше использовать доменную инструкцию перед запросом в формате, описанном в карточке. Модель рассчитана на английский язык. В карточке Hugging Face указана лицензия Apache-2.0, а README указывает CC-BY-NC-4.0, унаследованную от обучающих данных; поэтому условия использования лицензии требуют уточнения. Обучение использовало длины запросов до 256 токенов и документов до 2 048 токенов; показатели из README получены на BRIGHT и сами по себе не гарантируют качество на других задачах.

uer/roberta-base-chinese-extractive-qa — китайская модель для извлекающего ответа на вопросы, разработанная UER и дообученная средствами UER-py. Она находит ответ в предоставленном тексте, поэтому подходит для поиска фактических ответов в китайских документах и фрагментах текста. Модель построена на архитектуре BERT, содержит около 129,5 млн параметров и рассчитана на контекст до 512 токенов. При дообучении использовались обучающие части наборов CMRC2018, WebQA и LaSi. Модель поддерживает китайский язык; веса доступны в форматах PyTorch, TensorFlow и Flax. Это производный чекпойнт на базе RoBERTa для китайского языка. Лицензия в предоставленных данных не указана.

hoang14/roberta-base-finetune-adversarial-qa — модель на базе RoBERTa, дообученная для ответов на вопросы. Она принимает текст вопроса и контекст и предназначена для извлечения ответа из предоставленного фрагмента текста. Архитектура — RobertaForQuestionAnswering, размер — 151,8 млн параметров, максимальная длина контекста — 514 токенов. Доступны веса в формате PyTorch. Карточка не описывает обучающие данные, результаты оценки или известные ограничения качества. Модель распространяется по лицензии CC BY 4.0.

RoBERTa-Base-MRQA — англоязычная модель для извлекающего ответа на вопросы, выпущенная VMware в рамках совместного исследовательского проекта с Innovation Foundry/AIM-AHEAD Lab при Howard University. Она принимает вопрос и контекстный фрагмент текста, затем выделяет ответ из этого фрагмента; подходит для поиска по текстам, чат-ботов и систем поддержки клиентов. Модель основана на RoBERTa-Base, имеет около 151,8 млн параметров и контекстное окно 514 токенов. Она обучена на 516 819 примерах датасета MRQA и доступна в форматах PyTorch и Safetensors. Карточка приводит результаты оценки по Exact Match и F1, но качество может снижаться на вопросах и текстах вне распределения MRQA. Модель рассчитана на английский язык и может хуже справляться с другими языками и узкоспециализированными знаниями. Лицензия — Apache-2.0.

Ashmit06/roberta-base-squad2-finetuned-squad — модель на базе RoBERTa для ответов на вопросы по заданному контексту. В карточке указано, что она обучалась с нуля на наборе данных «None»; подробности об обучающих данных и назначении отсутствуют. Архитектура — RobertaForQuestionAnswering, размер — 151,8 млн параметров, длина контекста — до 514 токенов. Модель принимает текст вопроса и контекста и извлекает из контекста ответ. Подходит для поиска ответов в коротких текстах, справочных материалах и фрагментах документов. В карточке приведён показатель Loss 0,0243 на оценочном наборе, но набор данных и методика оценки не описаны, поэтому результат нельзя считать достаточной оценкой качества. Лицензия в предоставленных данных не указана.

csarron/roberta-base-squad-v1 — модель на базе RoBERTa-base, дообученная Qingqing Cao на наборе SQuAD 1.1 для извлечения ответов из текста по заданному вопросу. Она принимает вопрос вместе с контекстом и возвращает найденный в контексте ответ; модель чувствительна к регистру английских букв. Архитектура — RobertaForQuestionAnswering, размер — 151,8 млн параметров, длина контекста — до 514 токенов. Доступны веса PyTorch, Flax и safetensors. Модель предназначена для англоязычных систем поиска ответов по документам и текстовым фрагментам. В карточке сообщаются результаты на SQuAD 1.1: Exact Match 83,0 и F1 90,4; эти показатели относятся к указанному набору и не гарантируют такую же точность на других данных. Лицензия — MIT.