I.1Поиск и навигация по информации

QUEST-4B — плотная языковая модель семейства Qwen3.5, разработанная OSU NLP. Это версия с supervised fine-tuning (SFT), предназначенная для общих задач глубокого исследования и работы в режиме диалога. В карточке приведены результаты на BrowseComp, Mind2Web 2 и HLE; для оценки задач с открытым ответом авторы рекомендуют RL-версии семейства, а для задач с объективной оценкой — MT+SFT-версии. Модель запускается через Transformers и распространяется в формате Safetensors по лицензии Apache-2.0. Архитектура указана как Qwen3_5ForConditionalGeneration; заявленная ёмкость — 4B параметров. Карточка не описывает отдельный визуальный сценарий, поэтому тег image-text-to-text в метаданных не принимается здесь за подтверждение поддержки изображений.

JeremiahZ/roberta-base-qnli — модель классификации последовательностей на базе RoBERTa, дообученная на наборе GLUE QNLI. Она предназначена для задачи определения, следует ли ответ на вопрос из данного предложения, и может применяться для проверки соответствия фрагментов текста вопросам. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. На evaluation-наборе QNLI указаны loss 0,2992 и accuracy 0,9246. Модель поддерживает английский язык и распространяется в форматах PyTorch и safetensors по лицензии MIT. Подробные сведения о других сценариях применения и ограничениях в карточке отсутствуют.

Карточка модели zhyun/search_x на Hugging Face совпадает с карточкой mykor/KURE-v1, поэтому описание составлено по ней. KURE-v1 — модель текстовых эмбеддингов для поиска по документам, разработанная NLP&AI Lab. Это дообученная версия BAAI/bge-m3 на корейских данных для поиска по парам «запрос — документ»; карточка указывает около 2 миллионов обучающих примеров и использование CachedGISTEmbedLoss. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, выдаёт векторы размерности 1024 и поддерживает последовательности до 8192 токенов. Модель предназначена прежде всего для семантического поиска на корейском языке: её можно применять для извлечения релевантных документов, поиска по длинным текстам и построения retrieval-компонента RAG. В карточке заявлена поддержка корейского и английского языков; бенчмарки охватывают общие и прикладные корейские документы, включая финансы, государственные услуги, медицину, право и коммерцию. На приведённых усреднённых результатах KURE-v1 превосходит сравниваемые модели на нескольких значениях k, однако результаты относятся к указанным наборам данных и не гарантируют качество на других корпусах. Лицензия — MIT.

Карточка модели mitra-mir/setfit-model-Miscellaneous-Misinformation на Hugging Face совпадает с карточкой mitra-mir/setfit-model-Misinformation-on-Global-Support, поэтому описание составлено по ней. Это модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория mitra-mir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Название репозитория указывает на тему дезинформации о глобальной поддержке, однако README не описывает специализированные функции или результаты классификации по этой теме. Модель подходит для получения текстовых эмбеддингов и поиска семантически близких фрагментов. Для использования описан интерфейс библиотеки Sentence-Transformers. Лицензия в предоставленных данных не указана.

Это модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория mitra-mir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Название репозитория указывает на тему дезинформации о глобальной поддержке, однако README не описывает специализированные функции или результаты классификации по этой теме. Модель подходит для получения текстовых эмбеддингов и поиска семантически близких фрагментов. Для использования описан интерфейс библиотеки Sentence-Transformers. Лицензия в предоставленных данных не указана.

Карточка модели mitra-mir/setfit-model-Misinformation-on-Media-Traditional-Social на Hugging Face совпадает с карточкой mitra-mir/setfit-model-Misinformation-on-Global-Support, поэтому описание составлено по ней. Это модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория mitra-mir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Название репозитория указывает на тему дезинформации о глобальной поддержке, однако README не описывает специализированные функции или результаты классификации по этой теме. Модель подходит для получения текстовых эмбеддингов и поиска семантически близких фрагментов. Для использования описан интерфейс библиотеки Sentence-Transformers. Лицензия в предоставленных данных не указана.

Akshat131/splade-multi-static-doc — англоязычный поисковый чекпойнт SPLADE-v3-doc на архитектуре BERT с MLM-головой и 136,7 млн параметров. Модель предназначена для кодирования документов в разреженные представления для информационного поиска. Документы кодируются полным SPLADE-энкодером; pooling агрегирует значения токенов по формуле log1p(ReLU(logits)).max(). Для запроса предусмотрены статические веса токенов, инициализированные из IDF и обученные без инференсного энкодера запросов. Чекпойнт выбран по прокси-метрике на обучении из комбинированного набора документации в стиле BEIR, включавшего материалы по NumPy, Pandas и Pybind11. Указанный в README идентификатор для загрузки — Cdn13/splade-multi-static-doc; он отличается от имени текущего репозитория. Модель принимает текст и формирует разреженные признаки для поиска; контекст — до 512 токенов. Лицензия — Apache-2.0. README описывает выбор по прокси-метрике, но не приводит результатов независимой оценки качества.

tevatron-elastic-bert-retriever-depth — модель поиска по тексту, дообученная Utah NLP на основе google-bert/bert-base-uncased с помощью Tevatron-Elastic. Она кодирует запросы и документы для информационного поиска; один чекпойнт поддерживает несколько вариантов глубины: ранний выход позволяет выбирать число слоёв и балансировать скорость и качество. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и предназначена для работы с префиксами query: и passage:. В тесте BEIR-15 модель показала nDCG@10 0,453 на полном режиме. Это ресурс для воспроизводимости результатов исследования Tevatron-Elastic; показатель не заявлен как превосходство над современными моделями. Для использования требуется фреймворк Tevatron-Elastic. Лицензия — Apache-2.0. Модель основана на англоязычном BERT и ориентирована на поиск по англоязычным текстам.

utahnlp/tevatron-elastic-bert-retriever-plain — плотный текстовый ретривер на базе google-bert/bert-base-uncased, обученный с помощью Tevatron-Elastic. Модель преобразует запросы и фрагменты документов в признаки для поиска; при обучении использовались префиксы query: и passage:, а максимальная длина последовательности составляет 512 токенов. Число параметров — 136,7 млн. Это базовая полноразмерная точка из семейства эластичных чекпойнтов, предназначенного для выбора рабочих точек по осям глубины, ширины и сжатия токенов. В README указана метрика BEIR-15 nDCG@10 0,461 для полноразмерной конфигурации. Модель выпущена как ресурс для воспроизводимости результатов статьи Tevatron-Elastic, а не как заявление о превосходстве над современными системами. Для работы требуется framework Tevatron-Elastic; репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Модель унаследовала англоязычную основу BERT и обучалась на данных rlhn/rlhn-680K; заявленная длина контекста — 512 токенов.

Vi-Qwen2-7B-RAG — модель AITeamVN, дообученная на базе Qwen/Qwen2-7B-Instruct для задач генерации с дополнением извлечёнными данными (RAG). Она рассчитана на работу с вьетнамскими документами и вопросами: извлекает полезную информацию из шумного контекста, отказывается отвечать, если в найденных материалах нет нужных сведений, объединяет факты из нескольких документов и определяет, содержит ли контекст ответ. Также подходит для обычного диалога и последовательных вопросов с учётом входного контекста. Модель имеет плотную архитектуру Qwen2ForCausalLM и 7,1 млрд параметров. В метаданных указан контекст до 32 768 токенов; README описывает RAG-сценарии с контекстом до 8 192 токенов. Доступны веса в формате safetensors. Карточка сообщает о точности около 99% для определения наличия ответа в контексте и приводит результат 56,04 на среднем показателе VMLU; это результаты авторской оценки, а не гарантия качества на других данных. Модель предназначена прежде всего для вьетнамского языка. Авторы предупреждают о возможных ошибках в вопросах политики и общественной жизни, а также о предвзятых или неподходящих ответах. Лицензия — Apache-2.0.

VV2 — компактная модель ответов на вопросы на базе BERT, разработанная VenkatManda. Она дообучена на наборе SQuAD v2 и предназначена для извлечения ответа из предоставленного контекста, включая распознавание случаев, когда контекст не содержит ответа. Модель содержит 4,4 млн параметров, принимает текст и имеет контекст длиной до 512 токенов. Веса опубликованы в формате safetensors. Лицензия MIT разрешает использование модели на условиях этой лицензии.

Werea-TR-QA — Werea tarafından yayımlanan, Türkçe bağlamlı çıkarımsal soru-cevap modeli. BERTurk tabanlı BERT-энкодер, дообученный для выбора ответа в виде фрагмента текста из предоставленного контекста; в карточке заявлено обучение в стиле SQuAD в течение двух эпох. Модель рассчитана на поиск ответов в текстах, в том числе в составе RAG-систем. Модель содержит 137,8 млн параметров, принимает текст вопроса и контекста, поддерживает контекст до 512 токенов и сохранена в формате safetensors. В README приведены результаты на турецких наборах TQuAD2 и XQuAD-tr: EM 53,8% и 46,1%, F1 72,7% и 64,5% соответственно. Базовая модель — dbmdz/bert-base-turkish-cased, лицензия MIT.

intanm/xlmr-quoref — модель XLM-RoBERTa, дообученная на наборе данных Quoref для ответов на вопросы по тексту. Она принимает вопрос и контекст и предназначена для извлечения ответа из предоставленного текста. Модель имеет архитектуру XLM-RoBERTa с 305,2 млн параметров и поддерживает контекст длиной до 514 токенов. В карточке приведено значение loss 2,7996 на оценочном наборе, но подробности методики оценки и качества не раскрыты. Модель распространяется по лицензии MIT.

Модель ggoggam/xlnet-base-cased-squad-quoref — версия XLNet-Base, дообученная для ответов на вопросы на наборах SQuAD, SQuAD 2.0 и Quoref. XLNet совместно разработана Google и CMU; модель содержит 137,8 млн параметров и доступна в формате PyTorch. Она предназначена для извлечения ответов из контекста по заданному вопросу, в том числе для задач, где требуется учитывать связи между упоминаниями в тексте. В README приведена оценка на Quoref: exact match 73,66 и F1 78,00; сравнение показывает улучшение относительно указанной базовой линии XLNet. Карточка не сообщает лицензию и конкретный перечень поддерживаемых языков, поэтому эти характеристики не включены в описание. Результаты оценки относятся к Quoref и сами по себе не гарантируют аналогичного качества на других данных.

theophilusowiti/AfrimBert-QA-int8-qat — модель BERT для извлечения ответов на вопросы из текста, созданная на основе amidblue/AfrimBert-QA. Она предназначена для сценариев question answering, где вопрос и текстовый контекст подаются вместе, а модель выбирает ответ из контекста. Модель содержит 205,1 млн параметров и поддерживает контекст длиной до 512 токенов; она обучена для африканских языков и английского. Это вариант с quantization-aware training: веса адаптированы к симметричной поканальной сетке int8, а активации используют динамическое int8-квантование по токенам. Репозиторий содержит стандартный checkpoint для AutoModelForQuestionAnswering и отдельные целочисленные веса с метаданными масштаба. При загрузке квантованные веса деквантуются на лету; для ускорения вычислений нужен совместимый backend. Лицензия в предоставленных данных не указана.

Модель badokorach/afriqa_afroxlmr_lug_290124 — дообученная версия badokorach/afriqa_afroxlmr_squad_v2_060124 для ответов на вопросы. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; опубликована в формате TensorFlow. Модель предназначена для извлечения ответа из текста по заданному вопросу, а карточка указывает контекст длиной до 514 токенов. В README приведены значения потерь на обучении и валидации, однако набор данных, языки, сценарии применения и ограничения не описаны. Модель распространяется по лицензии MIT.

Agentic-R — англоязычный энкодер запросов для агентного поиска, разработанный авторами работы Agentic-R: Learning to Retrieve for Agentic Search. Модель дообучена на базе intfloat/e5-base-v2 и предназначена для кодирования поисковых запросов в сценариях, где агент ищет сведения в коллекции текстовых фрагментов. Для запросов используется формат с префиксом «query:» и разделителем [SEP], а для документов — префикс «passage:» в стиле E5. Модель построена на архитектуре BERT, содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления для семантического поиска и сравнения запросов с фрагментами. Распространяется в формате safetensors по лицензии MIT. Карточка указывает назначение для агентного поиска, но не приводит количественных оценок качества или сведений о поддержке других языков.

Это модель для ответов на вопросы, созданная дообучением albert-base-v1 на датасете SQuAD. Она принимает вопрос и текстовый контекст и извлекает из контекста ответ. Модель предназначена для систем поиска ответов по документам и справочным материалам; оценка на валидационном наборе приведена как loss 0,9426. Модель построена на архитектуре ALBERT, содержит 136,3 млн параметров и рассчитана на контекст до 512 токенов. Поддерживает английский язык, поскольку обучена на англоязычном SQuAD. Опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не приводит дополнительных сведений о метриках качества или ограничениях применения.

sutd-ai/albert-base-v2-finetuned-squad — модель ALBERT, дообученная на наборе SQuAD v2 для извлечения ответов на вопросы из предоставленного текста. Она принимает вопрос и контекст и определяет ответ в контексте, включая возможность распознать, что ответа там нет. Модель содержит 136,3 млн параметров, использует архитектуру AlbertForQuestionAnswering и поддерживает контекст до 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстовым фрагментам на английском языке. В README приведено значение loss 0,9650 на оценочном наборе, но подробные метрики и ограничения не описаны. Лицензия — Apache 2.0.

phiyodr/bert-base-finetuned-squad2 — англоязычная модель для извлечения ответов на вопросы из предоставленного текста. Она основана на bert-base-uncased и дообучена на датасете SQuAD2.0; архитектура — BERT с головой BertForQuestionAnswering, объём — 136,7 млн параметров. Модель принимает вопрос и контекст на английском языке и выбирает ответ из контекста, включая возможность воздержаться от ответа, если в тексте его нет. Модель подходит для поиска фактов в текстах, автоматизации ответов по документам и демонстрационных систем вопросно-ответного поиска. Максимальная длина контекста составляет 512 токенов, поэтому длинные документы нужно разбивать на фрагменты. Веса доступны в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

badokorach/bert-finetuned-squad-7 — модель BERT, дообученная разработчиком badokorach на основе badokorach/bert-finetuned-squad-5 для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста; карточка сообщает о дообучении на неизвестном наборе данных и приводит значение Train Loss 0,0011 на 29-й эпохе. Модель содержит 135,5 млн параметров, принимает текст с контекстом длиной до 512 токенов и выдаёт текстовый ответ. Доступна в формате TensorFlow по лицензии Apache-2.0. Карточка не описывает обучающие и оценочные данные, языки, качество на независимых тестах или ограничения применения. Поэтому пригодность для конкретного языка и предметной области следует проверять отдельно.

mrm8488/bert-tiny-finetuned-squadv2 — компактная модель семейства BERT-Tiny, созданная Google Research и дообученная Manuel Romero на SQuAD 2.0 для ответов на вопросы по предоставленному тексту. Архитектура — BertForQuestionAnswering; модель содержит 4,4 млн параметров, а её контекст ограничен 512 токенами. Она предназначена для сред с ограниченными вычислительными ресурсами и может воздерживаться от ответа, если в контексте нет подтверждённого ответа. Модель работает с английским текстом без учёта регистра. В README приведены результаты на SQuAD 2.0: EM 48,60 и F1 49,73. Эти показатели относятся к указанной оценке и не гарантируют аналогичное качество на других данных. Модель распространяется в форматах PyTorch, Flax и safetensors; лицензия в предоставленных данных не указана.

Chuxin-Embedding — модель эмбеддингов команды Chuxin-LLM для поиска по китайским текстам. Она основана на bge-m3-retromae и использует архитектуру XLM-RoBERTa с 658,7 млн параметров; заявленная длина контекста — 8194 токена. Модель обучалась на больших корпусах из разных областей: авторы описывают этапы предварительного обучения, дообучения и дополнительной настройки. Модель кодирует запросы и документы в векторы, которые можно сравнивать для поиска семантически близких текстов и использовать в RAG-системах. В README приведены результаты на китайских наборах C-MTEB и AIR-Bench; эти показатели относятся к опубликованным авторами оценкам на дату 14 сентября 2024 года. Для работы с моделью авторы показывают библиотеку FlagEmbedding и инструкцию запроса на китайском языке. В репозитории указаны веса safetensors. Лицензия в предоставленных материалах не описана. Модель рассчитана на китайский язык и текстовый поиск; качество на других языках и вне задач извлечения информации не заявлено.

Модель badokorach/distilbert-base-cased-distilled-agric-060124_1 — дообученная версия DistilBERT для ответа на вопросы по переданному текстовому контексту. Она основана на distilbert-base-cased-distilled-squad и предназначена для извлечения ответа из контекста в формате задачи question-answering. Модель опубликована в формате TensorFlow и рассчитана на контекст до 512 токенов. В карточке указаны значения train loss 0,5748 и validation loss 0,0 после 14 эпох, однако набор данных и методика оценки не описаны, поэтому эти результаты не позволяют надёжно судить о качестве. Модель распространяется по лицензии Apache-2.0; описание не содержит дополнительных сведений о предметной специализации или ограничениях применения.

Rocketknight1/distilbert-base-uncased-finetuned-squad — англоязычная модель для извлечения ответов на вопросы из предоставленного текста. Она создана дообучением distilbert-base-uncased и использует архитектуру DistilBertForQuestionAnswering; модель принимает вопрос и контекст и предсказывает фрагмент контекста как ответ. Указан лимит контекста 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстовым отрывкам. В README приведены метрики обучения и валидации, но датасет и подробности назначения не раскрыты. Модель распространяется по лицензии Apache-2.0.

Модель mrm8488/distilbert-multi-finetuned-for-xqua-on-tydiqa создана Мануэлем Ромеро как дообучение distilbert-base-multilingual-cased для извлечения ответов из текста. Она получает вопрос и фрагмент текста, содержащий ответ, и выделяет в нём непрерывный участок символов с ответом. Модель обучена для задачи TyDi QA Gold Passage на многоязычных данных; README приводит результаты на проверочной выборке: EM 63,85 и F1 75,70. Для отдельных языков указаны результаты для арабского, бенгальского и английского. Архитектура — DistilBertForQuestionAnswering, формат весов — PyTorch, максимальная длина контекста — 512 токенов. Модель подходит для извлечения ответов из предоставленного контекста, например из абзацев документов или справочных материалов. Оценка ограничена сценарием Gold Passage: ответный фрагмент заранее гарантированно содержит ответ, а неотвечаемые вопросы исключены. README не указывает лицензию.

vivekkopthsd/distilluse-taxfinance-multilingual — многоязычная модель эмбеддингов предложений, разработанная для поиска по индийским налоговым и финансовым материалам. Она основана на DistilBERT-архитектуре DistilUSE и содержит около 135 млн параметров; модель обучена методом дистилляции знаний из более крупной доменной модели. Выход — векторные представления для семантического поиска и сравнения предложений. Максимальная длина контекста составляет 512 токенов. Модель предназначена для поиска и RAG по налоговым и финансовым корпусам, в том числе для запросов на хинди к документам на английском. Карточка сообщает о сильных результатах на собственном отложенном наборе для поиска на хинди и кросс-лингвального поиска, но отмечает небольшое отставание от прямого дообучения на англоязычном поиске. Модель распространяется по лицензии Apache-2.0.

vblagoje/dpr-question_encoder-single-lfqa-wiki — англоязычный энкодер вопросов на архитектуре DPRQuestionEncoder, разработанный Владимиром Благоевичем. Он преобразует вопрос в векторное представление для поиска подходящих фрагментов текста в системе извлечения ответов на вопросы. Модель обучена в два этапа с использованием DPR-форматированных пар вопросов и ответов из LFQA, а затем примеров, отобранных из индекса Википедии. Модель содержит 136,7 млн параметров, принимает текстовые вопросы с контекстом до 512 токенов и выдаёт векторные представления вопросов. Её можно использовать как вопросную часть плотного ретривера для поиска по корпусу; для полной системы нужен совместимый энкодер контекста, например парная модель vblagoje/dpr-ctx_encoder-single-lfqa-wiki. Модель опубликована в форматах PyTorch и Safetensors под лицензией MIT. По описанию авторов, ретривер немного уступает результату REALM на бенчмарке KILT; качество поиска также зависит от корпуса и совместимости энкодера контекста.

Finnish ModernBERT tiny — компактная предобученная модель-энкодер архитектуры ModernBERT, разработанная TurkuNLP. Модель содержит 51 млн параметров и обучена на 447,9 млрд токенов. Она рассчитана на финский, шведский, английский, северносаамский, латинский языки и код; метаданные указывают языки fi, sv и en. Для задачи заполнения пропусков заявлен контекст 16 000 токенов, а в карточке отмечена теоретическая возможность экстраполяции до 128 000 токенов. Модель подходит для предсказания скрытых токенов, анализа текста и получения контекстных представлений, в том числе для задач поиска по текстам. В оценках семейство моделей показало конкурентные результаты на коротких задачах понимания финского, шведского и английского языков, а также сильные результаты в поиске вне обучающего домена. Обучение проводилось на суперкомпьютере LUMI на разнообразных текстовых данных. Модель распространяется по лицензии Apache-2.0. В обучающих данных могли присутствовать предвзятые и вредоносные материалы, не проводилась фильтрация токсичного или оскорбительного содержания; выходы и представления модели следует оценивать с учётом возможного влияния на уязвимые группы.

VIDraft/Gemma-3-R1984-1B — диалоговая модель на базе Gemma 3, представленная как мультимодальная платформа с поиском в интернете и обработкой файлов. README указывает базовую модель Gemma-3-4B, тогда как метаданные связывают репозиторий с дообученной google/gemma-3-1b-it; поэтому происхождение и размер надёжнее определяются по метаданным: это дообучение плотной Gemma 3 на 1 млрд параметров. Модель использует Transformers, поддерживает чат и заявленный контекст до 8 000 токенов; метаданные указывают нативный контекст 32 768 токенов. Заявленные сценарии включают ответы на вопросы по изображениям и видео, анализ документов, сравнение материалов и исследовательские запросы с поиском через SERPHouse и цитированием источников. README описывает входные файлы PNG, JPG, JPEG, GIF, WEBP, MP4, PDF, CSV и TXT, однако эти возможности относятся к платформе и не подтверждены архитектурой текстовой модели в метаданных. Для веб-поиска требуется API-ключ SERPHouse; заявленный локальный запуск зависит от окружения и оборудования. Лицензия в метаданных — Gemma; README дополнительно упоминает MIT для агентной платформы.