I.2Синтез, понимание и проверка знаний

ielabgroup/Starbucks_STS — модель Sentence Transformers на основе BERT, дообученная командой ielabgroup на наборе all-nli для создания текстовых эмбеддингов. Она преобразует предложения и абзацы в плотные векторы размерностью 768, пригодные для сравнения косинусным сходством. Модель представлена в работе Starbucks: Improved Training for 2D Matryoshka Embeddings и обучалась с использованием Matryoshka-подхода для работы с несколькими размерностями эмбеддингов. Модель предназначена для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Она принимает текст на английском языке, использует архитектуру BERT с усреднением токенов и поддерживает последовательности до 512 токенов. В README приведён результат Spearman 0,8274 на sts-test для косинусного сходства. Для работы нужны библиотека Sentence Transformers или совместимый движок эмбеддингов; веса доступны в формате safetensors. Лицензия в предоставленных данных не указана. Модель обучена на англоязычных данных, поэтому её применение к другим языкам не подтверждено.

TIES-Merging — объединённая диалоговая модель на базе Mistral-7B-Instruct-v0.2, созданная с помощью LazyMergekit. В слияние вошли Open-Orca/Mistral-7B-OpenOrca, openchat/openchat-3.5-0106 и WizardLM/WizardMath-7B-V1.1; применён метод TIES, итоговый формат весов — safetensors. Модель предназначена для генерации текста и ответов на инструкции в диалоговом режиме. Она может быть полезна для общения, выполнения запросов на естественном языке и решения математических задач. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров; контекст — до 32 768 токенов. Лицензия — Apache-2.0.

Это модель эмбеддингов предложений на архитектуре BERT, опубликованная slimaneMakh. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска по смыслу, сравнения текстов и кластеризации. Модель обучалась с Triplet Loss и евклидовой метрикой расстояния; размер составляет 194,6 млн параметров, максимальный контекст — 512 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Sentence Transformers. Модель подходит для семантического поиска по коллекциям текстов, группировки похожих документов и вычисления сходства между предложениями. В карточке не указаны поддерживаемые естественные языки и специализированные предметные области. Лицензия в предоставленных данных не приведена.

Trurl 2 7B — дообученная Voicelab.AI версия Llama 2 для диалогов и генерации текста на польском и английском языках. Это авторегрессионная плотная трансформерная модель с 6,6 млрд параметров и контекстом до 4096 токенов; репозиторий содержит веса PyTorch. Модель принимает текст и генерирует текст. Модель предназначена для чат-ассистентов, ответов на вопросы и других задач генерации естественного языка. При использовании диалогового режима требуется формат беседы Llama 2 с соответствующими специальными токенами. Обучение проводилось на польских и английских диалоговых и инструкционных данных, включая наборы вопросов и ответов и разговоры из разных областей. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется тестирование и настройка безопасности под конкретное применение. Авторы заявляют коммерческое и исследовательское использование; конкретная лицензия в предоставленных данных не указана.

Карточка модели Etelis/TSE_fewshot на Hugging Face совпадает с карточкой Etelis/Sentiment140_fewshot, поэтому описание составлено по ней. Etelis/Sentiment140_fewshot — модель на базе MPNet в формате PyTorch, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. В карточке указано обучение с CosineSimilarityLoss; модель предназначена для сравнения смысловой близости текстов, семантического поиска и кластеризации. Она содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель можно использовать с библиотекой Sentence-Transformers или через Transformers с подходящей операцией pooling. Она выдаёт текстовые эмбеддинги, которые подходят для поиска похожих предложений и группировки текстов по смыслу. Название указывает на Sentiment140 и few-shot, однако README не уточняет языки, конкретную схему обучения или результаты оценки. Лицензия в предоставленных данных не указана.

Карточка модели swardiantara/two-stage-cdk10-MiniLM-L6-v2 на Hugging Face совпадает с карточкой swardiantara/two-stage-k10-MiniLM-L6-v2, поэтому описание составлено по ней. swardiantara/two-stage-k10-MiniLM-L6-v2 — модель Sentence-Transformers на архитектуре BERT, преобразующая предложения и абзацы в плотные векторы размерности 384. Её можно применять для семантического поиска и кластеризации текстов, а также сравнивать смысловую близость предложений. Модель содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучалась с ContrastiveLoss, использующей косинусное расстояние. В карточке не указаны языки обучения и оценки качества, поэтому нельзя подтвердить её пригодность для конкретного языка или домена. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

LamaDiab/V7MiniLM-Synonyms-SemanticEngine — модель Sentence Transformer на архитектуре BERT, обученная сопоставлять предложения и абзацы в общем векторном пространстве размерности 384. Она подходит для поиска семантически близких формулировок, оценки сходства текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации. В README указано обучение на 683 парах коротких текстов, включая синонимичные выражения; для сравнения используется косинусное сходство. Веса доступны в формате safetensors; модель содержит 25,9 млн параметров. Максимальная длина последовательности в описании архитектуры README — 256 токенов, а метаданные указывают нативный контекст 512 токенов. README не сообщает поддерживаемые естественные языки, поэтому языковую специализацию определить нельзя. Лицензия в предоставленных данных не указана.

Это модель Sentence-Transformers на архитектуре XLM-RoBERTa, разработанная Heimat24 и предназначенная для получения плотных векторных представлений предложений и абзацев. Вектор размерности 768 можно использовать для семантического поиска, сравнения текстов и кластеризации. Модель обучалась с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Она принимает текст и возвращает эмбеддинги; заявленная длина контекста — 514 токенов, размер — 305,2 млн параметров. Карточка не приводит конкретные языки обучения или сведения о лицензии.

Watwat100/32data — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и формирует эмбеддинги; контекст составляет до 514 токенов. Модель подходит для семантического поиска и группировки похожих текстов. В README указано обучение с CosineSimilarityLoss. Данных о специализации по языкам или предметным областям нет. В метаданных указан формат PyTorch; лицензия не приведена.

AFM-4.5B-Base — базовая языковая модель Arcee.ai для генерации текста. Она предназначена для развертывания в облаке и на периферийных устройствах и может служить основой для приложений, которым нужны ответы на запросы, математические рассуждения или помощь с кодом. Несмотря на слово Base в названии, в карточке указано, что модель прошла supervised fine-tuning на инструкционных данных, а доступная версия получена после слияния и расширения контекста. Модель построена как плотный декодерный трансформер ArceeForCausalLM с grouped-query attention и активациями ReLU². README указывает 4,5 млрд параметров, тогда как метаданные каталога — 6 млрд. Обучение включало 8 трлн токенов, в том числе данные для улучшения математических рассуждений и генерации кода. Контекст составляет 65 536 токенов. Поддерживаются английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский языки. Модель доступна в формате safetensors и работает с библиотекой Transformers. Лицензия — Apache-2.0. Качество ответов и точность рассуждений могут зависеть от задачи; в карточке нет результатов бенчмарков, подтверждающих уровень качества в конкретных сценариях.

LazarusNLP/all-indobert-base-v4 — модель эмбеддингов предложений на базе архитектуры BERT, опубликованная организацией LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss и косинусной мерой сходства; в обучении использовались наборы данных для индонезийского языка и многоязычного NLI. Модель принимает текст и выдаёт векторы признаков. Репозиторий использует библиотеку sentence-transformers и формат safetensors; размер модели — 151,6 млн параметров, максимальная длина контекста — 512 токенов. Данные указывают на основную поддержку индонезийского языка, но карточка также упоминает многоязычный обучающий набор на 26 языках. Условия лицензии в предоставленных данных не указаны.

aneforge/all-MiniLM-L6-v2 — копия англоязычной модели all-MiniLM-L6-v2 от Sentence Transformers, подготовленная для запуска через ANEForge на Apple Neural Engine. Согласно карточке, веса побайтно совпадают с исходной моделью; репозиторий маркирован как дообучение базовой модели sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с 25,9 млн параметров и контекстом до 512 токенов, предназначенный для вычисления семантических векторов предложений и сравнения их сходства. Модель подходит для семантического поиска, ранжирования похожих предложений и кластеризации текстов. Метаданные указывают задачу sentence-similarity, формат весов safetensors и библиотеку ANEForge. Для использования указан пакет ANEForge с поддержкой моделей; условия лицензии — Apache-2.0. Модель ориентирована на английский язык, а карточка не заявляет поддержку других языков.

Xenova/all-MiniLM-L6-v2 — версия модели sentence-transformers/all-MiniLM-L6-v2, подготовленная сообществом Xenova. Она содержит веса в формате ONNX и предназначена для использования с библиотекой Transformers.js, в том числе непосредственно в JavaScript-приложениях и веб-среде. Модель используется для получения векторных представлений предложений и текстов. Такие embeddings подходят для семантического поиска, сравнения текстов, кластеризации, классификации и других задач обработки естественного языка, где требуется сопоставлять тексты по смыслу. В приведённом примере модель формирует векторы размерности 384; поддерживаются усреднение признаков и нормализация результата. Сведения о языках, максимальной длине контекста и точном количестве параметров в README не указаны. К сильным сторонам относятся компактный формат ONNX и совместимость с Transformers.js, что упрощает запуск модели в JavaScript-приложениях. Ограничение заключается в том, что модель предназначена для создания embeddings, а не для генерации текста. Модель распространяется по лицензии Apache-2.0.

LazarusNLP/all-nusabert-base-v4 — модель семейства BERT, опубликованная LazarusNLP и предназначенная для получения векторных представлений предложений и абзацев на индонезийском языке. Она преобразует текст в плотные эмбеддинги размерности 768, которые подходят для семантического поиска, сравнения сходства и кластеризации. Модель содержит 137,8 млн параметров, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss на косинусном сходстве; в метаданных также перечислены датасеты для индонезийского NLI, поиска, вопросов и ответов и парафразов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

LazarusNLP/all-nusabert-large-v4 — модель эмбеддингов предложений на базе архитектуры BERT, выпущенная LazarusNLP и реализованная на Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысловой близости, семантического поиска и кластеризации. Модель обучалась с функцией CachedMultipleNegativesRankingLoss и косинусным сходством; поддерживает контекст до 512 токенов и содержит 435,5 млн параметров. Модель подходит для построения поиска по смыслу и сопоставления индонезийских текстов, включая поиск документов, кластеризацию и задачи сходства предложений. В карточке указаны обучающие наборы данных для индонезийских задач и многоязычного NLI, но полный перечень поддерживаемых языков не приведён. Лицензия в предоставленных данных не указана.

ANITA-NEXT-20B-gpt-oss-ITA — языковая модель семейства ANITA, разработанная Марко Полиньяно и исследовательской группой SWAP Университета Бари Альдо Моро. Это дообученная методом SFT с QLoRA и дополнительно выровненная с помощью DPO версия openai/gpt-oss-20b. Модель предназначена для диалогов, генерации текста и кода, агентных сценариев и последующего дообучения для задач на итальянском языке. Модель принимает текст и генерирует текст; карточка характеризует её как мультиязычную с акцентом на итальянский и английский. Архитектура — GPT-OSS с разреженной экспертной моделью (MoE), в репозитории используются веса Safetensors. Метаданные указывают 1,6 млрд параметров и контекст до 131 072 токенов; README предупреждает, что качество ответов ухудшается после 40 000 токенов. Лицензия — Apache-2.0. Модель подходит для италоязычных диалогов, генерации кода и построения агентных приложений. Разработчик предупреждает о возможных галлюцинациях и некорректных, оскорбительных или опасных ответах, поэтому результаты требуют проверки. В README релиз обозначен как предназначенный для исследовательских целей.

NAMAA-Space/AraModernBert-Base-STS — дообученная на базе NAMAA-Space/AraModernBert-Base-V1.0 модель Sentence Transformers для получения плотных векторных представлений арабского текста. Она использует архитектуру ModernBERT с mean pooling и выдаёт 768-мерные эмбеддинги; метаданные указывают контекст до 8 192 токенов, хотя в архитектуре из README задана максимальная длина последовательности 512 токенов. Модель предназначена для оценки семантического сходства предложений, поиска и кластеризации текстов, выявления перефразирований и классификации на основе эмбеддингов. В README приведены результаты оценки сходства на STS17 и STS22.v2. Модель работает с арабским языком и распространяется по лицензии Apache-2.0. Результаты могут зависеть от данных и сценария применения; приведённые метрики относятся к указанным наборам оценки.

Bangla Sentence Transformer — разработанная автором репозитория модель Sentence Transformers на архитектуре XLM-RoBERTa, дообученная на базе stsb-xlm-r-multilingual. Она кодирует предложения в плотные векторные представления для сравнения семантической близости, семантического поиска и поиска информации; эмбеддинги также можно использовать в классификации текста. Модель содержит 305,2 млн параметров, работает с текстом и имеет контекст до 514 токенов. В карточке указаны бенгальский и английский языки. Форматы весов — PyTorch и Safetensors; для использования README рекомендует библиотеку sentence-transformers. Лицензия и конкретные ограничения качества в предоставленных данных не описаны.

Berry-Spark-7B-Fix — объединённая разговорная языковая модель, созданная сообществом mergekit-community на основе ChaoticNeutrals/Very_Berry_Qwen2_7B и arcee-ai/Arcee-Spark. Модели объединены методом SLERP; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors, а для итоговых весов указана точность bfloat16. Модель предназначена для диалогов и генерации текста: её можно использовать для ответов на вопросы и других сценариев общения с языковой моделью. Поддерживает контекст до 32 768 токенов. В карточке не приведены сведения о языках обучения или условиях лицензии, поэтому они здесь не уточняются.

Это англоязычная модель Sentence Transformer на базе google-bert/bert-base-uncased, дообученная авторами kh-li на парах и тройках из наборов all-nli, STS-B, Quora и Natural Questions. Модель кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. Архитектура состоит из BERT и mean pooling, максимальная длина последовательности — 512 токенов, библиотека — Sentence Transformers. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Её можно использовать, например, для подбора релевантных фрагментов в поисковой системе или группировки похожих вопросов. Она рассчитана на английский язык; качество на других языках не подтверждено. Лицензия в предоставленных сведениях не указана.

Это модель Sentence Transformers на базе BERT, дообученная Selman Baysan на наборе cleaned_turkish_embedding_model_training_data_colab для получения эмбеддингов предложений и абзацев на турецком языке. Модель преобразует текст в плотные векторы размерности 768; для сравнения векторов используется косинусное сходство. Архитектура включает BERT и усреднение токенных представлений. Максимальная длина входной последовательности — 512 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текста. Базовая модель — dbmdz/bert-base-turkish-uncased, число параметров — 137,8 млн. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

swardiantara/bert-tiny-snli-k3-adaptive-euclidean — компактная модель Sentence Transformers, дообученная разработчиком на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы на английском языке в плотные векторы размерности 128 для поиска и сравнения текстов; сходство оценивается косинусной мерой. Архитектура состоит из BERT с двумя слоями и mean pooling. Модель содержит 4,4 млн параметров, принимает текст длиной до 512 токенов по метаданным; в README для Sentence Transformers указана максимальная длина последовательности 128 токенов. Модель подходит для семантического поиска, извлечения релевантных текстов и сравнения предложений. Обучение проводилось на 3 845 587 примерах с парными текстами и оценками сходства. Компактный размер облегчает использование при ограниченных вычислительных ресурсах. README и метаданные не содержат сведений о лицензии, поэтому условия распространения следует проверить на странице репозитория.

harheem/bge-m3-nvidia-ko-v1 — модель Sentence Transformers, дообученная на базе BAAI/bge-m3 для создания векторных представлений предложений и абзацев. Она использует архитектуру XLM-RoBERTa с плотным выходом, нормализацией и косинусным сравнением; полная размерность эмбеддинга составляет 1024, а максимальная длина входной последовательности — 8194 токена по метаданным (в README указано 8192). Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. Карточка описывает обучение на 6397 парах «якорь — положительный пример» с матрёшечной функцией потерь и приводит показатели поиска для сокращённых размерностей от 64 до 768. В примерах обучающих данных есть корейские тексты о CUDA и NVIDIA, тогда как README заявляет английский язык; метаданные также помечают корейский. Модель принимает текст и выдаёт векторы; лицензия Apache-2.0. Карточка не описывает ограничения по предметной области или оценку работы на иных языках и типах данных, поэтому качество вне приведённых сценариев следует проверять отдельно.

mostafamhmdi/bge-persian — модель Sentence Transformer, дообученная автором на базе BAAI/bge-m3 для сравнения семантической близости персидских предложений и абзацев. Она построена на XLM-RoBERTa с пулингом CLS-токена и нормализацией, выдаёт плотные векторы размерностью 1024 и сравнивает их косинусным сходством. Максимальная длина последовательности составляет 8192 токена, число параметров — около 658,7 млн. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Обучение описано на наборе из 10 963 пар предложений с оценками сходства и функцией CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

BLOOMZ-1b7 — многоязычная авторегрессионная языковая модель семейства BLOOM, разработанная BigScience и дообученная следовать инструкциям на примерах из смеси задач xP3. Она предназначена для выполнения заданий, сформулированных на естественном языке, в режиме zero-shot: например, для перевода, ответов на вопросы, классификации тональности и создания коротких историй. Модель содержит около 1,7 млрд параметров, использует архитектуру BloomForCausalLM и принимает текстовые запросы; максимальный контекст — 4096 токенов. Модель обучалась на многоязычных данных и поддерживает широкий набор языков, включая английский, французский, испанский, китайский, хинди, арабский и другие. Результат зависит от формулировки запроса: полезно явно обозначать границу входа и желаемый язык ответа, а недостаточный контекст или неоднозначный промпт могут привести к продолжению исходного текста вместо ответа. Модель может ошибаться и не гарантирует качество на всех языках и задачах. Лицензия — BigScience BLOOM RAIL 1.0.

nayan06/buy-others1 — модель Sentence-Transformers на базе MPNet, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 768. Полученные представления можно применять для семантического поиска и кластеризации текстов. В README указано обучение с функцией потерь CosineSimilarityLoss; репозиторий содержит веса PyTorch, объём модели — 136,7 млн параметров, контекст — до 514 токенов. Модель подходит для задач сравнения смысловой близости текстов и построения эмбеддингов. В README не названы разработчик исходной архитектуры, обучающие данные, поддерживаемые языки и лицензия, поэтому эти характеристики нельзя уточнить по доступным сведениям.

ncoop57/codeformer-java — модель Sentence-Transformers на базе RoBERTa, предназначенная для представления предложений и абзацев в виде плотных векторов размерности 768. Её можно применять для семантического поиска, сравнения текстов и кластеризации. В метаданных указано 151,8 млн параметров, контекст до 514 токенов и формат PyTorch. Модель обучалась с MultipleNegativesRankingLoss и косинусной мерой сходства. Это делает её подходящей для получения текстовых эмбеддингов и оценки семантической близости. README не уточняет языки обучающих данных и условия лицензии, поэтому языковую специализацию и лицензионные условия установить по доступным сведениям нельзя.

Citaman/command-r-12-layer — разговорная языковая модель на архитектуре Cohere, созданная автором репозитория с помощью слияния SLERP модели Citaman/command-r-13-layer. В метаданных указано 12 млрд параметров, контекст до 8192 токенов и формат safetensors; модель предназначена для генерации текста и диалогового взаимодействия, включая интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Карточка не приводит отдельной оценки качества, перечня поддерживаемых языков или отраслевой специализации. Лицензия в доступных данных не указана.

Citaman/command-r-35-layer — объединённая модель для генерации текста, созданная Citaman методом SLERP с помощью mergekit на основе Citaman/command-r-36-layer. В конфигурации объединены два среза слоёв одной базовой модели; метаданные относят репозиторий к семейству Cohere и архитектуре CohereForCausalLM с плотными весами. Модель содержит 30,9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и интерфейсов вызова инструментов. Веса доступны в формате safetensors для библиотеки Transformers. В README и метаданных не описаны поддерживаемые естественные языки, качество на конкретных задачах или результаты оценки. Условия лицензирования в предоставленных данных не приведены.

Citaman/command-r-6-layer — слитая с помощью mergekit методом SLERP языковая модель на архитектуре CohereForCausalLM. Она собрана из двух срезов слоёв Citaman/command-r-7-layer и предназначена для диалоговой генерации текста и взаимодействия с инструментами. Модель содержит 7 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.