I.2Синтез, понимание и проверка знаний

Карточка модели bennegeek/stella_en_1.5B_v5 на Hugging Face совпадает с карточкой delwinn/stella_en_1.5B_v5, поэтому описание составлено по ней. delwinn/stella_en_1.5B_v5 — англоязычная модель эмбеддингов, разработанная на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных текстов по запросу и оценки семантического сходства. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и выдаёт текстовые векторы; поддерживает представления размером 512, 768, 1024, 2048, 4096, 6144 и 8192 измерения. Для большинства задач предусмотрены варианты промптов s2p и s2s; обычно автор рекомендует размерность 1024. Модель обучена с использованием MRL и доступна в формате PyTorch/SafeTensors. Хотя нативный контекст составляет 131072 токена, автор рекомендует ограничивать последовательности 512 токенами: модель обучалась на такой длине и, по описанию, хуже справляется с поиском по специализированным длинным текстам. Детали обучения и использованные наборы данных в README не раскрыты. Лицензия — MIT.

atasoglu/turkish-base-bert-uncased-mean-nli-stsb-tr — модель Sentence Transformers на архитектуре BERT, созданная на основе ytu-ce-cosmos/turkish-base-bert-uncased и дообученная на наборах nli_tr и emrecan/stsb-mt-turkish. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель предназначена для текстов на турецком языке. При подготовке текста авторы вручную приводили его к нижнему регистру, заменяя заглавную латинскую I на турецкую ı перед преобразованием регистра. Архитектура содержит 137,8 млн параметров, контекст — до 512 токенов. Лицензия — MIT.

unsup-simcse-roberta-base — модель Princeton NLP для получения векторных представлений предложений с помощью SimCSE. Это версия RoBERTa-base, дообученная без разметки контрастным обучением: в качестве положительных примеров модель использует два представления одного предложения, различающиеся благодаря dropout. Модель содержит около 151,8 млн параметров и принимает текст; заявленная длина контекста — 514 токенов. Векторы подходят для оценки семантического сходства предложений, поиска похожих текстов и построения поиска по коллекции. В репозитории разработчика модель приведена с результатом 76,57 в среднем по тестам STS; этот показатель относится к указанной оценке и не гарантирует качество на других данных. Модель ориентирована на английский язык: несупервизированное обучение проводилось на предложениях из англоязычной Википедии. Лицензия в доступных источниках не подтверждена.

airnicco8/xlm-roberta-de — модель эмбеддингов на базе XLM-RoBERTa, представленная как модель Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки сходства текстов, семантического поиска и кластеризации. Модель обучена на немецкоязычных расшифровках выступлений TED; заявленный контекст составляет 514 токенов, размер — около 305,2 млн параметров. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для поиска семантически близких текстов или группировать для кластеризации. Для использования с Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Карточка также отмечает возможность дообучения для NLI и классификации текста, но не приводит готовых результатов для этих задач. Лицензия в предоставленных данных не указана.

KhaledReda/all-MiniLM-L6-v24-pair_score — англоязычная модель Sentence Transformer, созданная KhaledReda дообучением KhaledReda/all-MiniLM-L6-v23-pair_score. Она преобразует предложения и короткие тексты в плотные эмбеддинги размерности 384, предназначенные для оценки семантического сходства с помощью косинусной близости. Модель основана на архитектуре BERT и содержит 25,9 млн параметров. Модель подходит для сравнения запросов и описаний, поиска похожих текстов и ранжирования пар по смысловой близости, в том числе в сценариях поиска товаров по коротким запросам и развернутым описаниям. Она обучена на парах текстов со скалярными оценками сходства; в README указаны 12,58 млн обучающих примеров. Метаданные задают контекст до 512 токенов, тогда как карточка модели указывает максимальную длину последовательности 256 токенов, поэтому фактическое ограничение следует проверять в используемой конфигурации. Для использования доступна лицензия Apache-2.0. Модель ориентирована на английский язык; качество для других языков не подтверждено. Она выдает эмбеддинги, а не готовые текстовые ответы.

Armenian-Text-Embeddings-1 — модель плотных текстовых эмбеддингов для армянского языка, разработанная Metric-AI на базе дообученной multilingual-e5-base. Она преобразует текст в векторы и предназначена для семантического поиска, поиска документов для RAG, сравнения текстов, кластеризации и классификации. Модель построена на архитектуре XLM-RoBERTa, содержит около 305,2 млн параметров и рассчитана на контекст до 514 токенов по метаданным; README указывает ограничение длины последовательности 128 токенов. Для получения эмбеддингов README приводит пример с Sentence Transformers и нормализацией векторов. Указаны армянские тексты на входе, а также англо-армянские данные обучения и поддержка межъязыкового понимания. Лицензия — Apache 2.0. В README также сообщается о более новой версии ATE-2.

Astrid-7B — языковая модель PAIX.Cloud для генерации текста на английском языке. Она построена на плотном трансформере RWForCausalLM с 32 декодирующими слоями и линейной выходной головой; в метаданных указано 10,9 млрд параметров и формат PyTorch. Модель доступна для работы через Transformers и предназначена для широкого круга текстовых сценариев, включая генерацию продолжений и ответы на вопросы. Модель принимает текст и генерирует текст. Карточка указывает обучение на английском языке, но не приводит длину контекста или лицензию. Ответы могут быть ошибочными, бессвязными или нерелевантными, а обучающие данные из интернета могут приводить к предвзятым или оскорбительным результатам; ответы следует проверять.

A.X 4.0 — большая языковая модель SK Telecom для понимания корейского языка и применения в корпоративной среде. Репозиторий skt/A.X-4.0 содержит плотную авторегрессионную модель семейства Qwen2, с классом Qwen2ForCausalLM и весами в формате safetensors; README указывает, что модель основана на Qwen2.5 и дополнительно обучена на крупных корейских наборах данных. Метаданные каталога указывают 71,1 млрд параметров, а заявленная длина контекста составляет 131 072 токена. Модель предназначена для диалогов, понимания длинных документов и текстовых задач на корейском языке; интерфейс также поддерживает вызов инструментов. README сообщает о результатах на корейских тестах KMMLU и CLIcK и об экономном использовании токенов при обработке корейского текста. В карточке также упомянута облегчённая версия A.X 4.0 Light, но этот репозиторий содержит основную модель. Для запуска README указывает Transformers версии 4.46.0 или новее; для использования вызова инструментов через vLLM — версии 0.6.4.post1 или новее. Лицензия обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Axeron Forge — объединённая модель генерации текста, созданная TuralBayev с помощью инструмента forgelm. В основе лежит Qwen/Qwen2.5-3B; методом Task Arithmetic объединены веса Qwen2.5-Coder-3B-Instruct и Qwen2.5-3B-Instruct с базовой моделью. Это плотная авторегрессионная модель архитектуры Qwen2 с 3,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций; наличие компонентов Instruct и Coder позволяет использовать её для вопросов и ответов, помощи с кодом и структурированных ответов. Метаданные отмечают интерфейс вызова инструментов, однако карточка не содержит оценок качества или примеров, подтверждающих надёжность этой возможности. Лицензия в предоставленных данных не указана.

jegormeister разработал sentence-transformers-модель на базе BERT для нидерландского языка. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; архитектура содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска и группировки нидерландских текстов. Для использования доступны Sentence-Transformers и Transformers; при использовании Transformers требуется применить pooling к контекстным представлениям токенов. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

RinKana/bge-small-en-v1.5-afterimage-v.0.1 — дообученная модель Sentence Transformers на базе BAAI/bge-small-en-v1.5, разработчик — RinKana. Она кодирует предложения и абзацы на английском языке в плотные векторы размерности 384 для поиска релевантных текстов и сравнения семантической близости по косинусному сходству. Архитектура состоит из BERT, пулинга по CLS-токену и нормализации; модель принимает текст, имеет 512 токенов максимальной длины последовательности и содержит около 40 млн параметров. В README приведена оценка на задаче поиска подходящего ответа в диалоге и указано обучение на 4 744 примерах с положительными и отрицательными парами. Модель подходит для семантического поиска и извлечения кандидатов, например, для поиска ответа, подходящего к контексту разговора. Метаданные указывают лицензию? В предоставленных данных лицензия не приведена, поэтому условия использования по лицензии определить нельзя.

teven/bi_all_bs160_allneg_finetuned_WebNLG2017 — модель на основе MPNet, разработанная как Sentence Transformers-модель для преобразования предложений и абзацев в плотные векторы размерности 768. Она подходит для семантического поиска и кластеризации текстов, а также для оценки сходства предложений. Модель содержит 136,7 млн параметров и принимает текстовые входы длиной до 514 токенов. Модель обучена с использованием CosineSimilarityLoss на данных WebNLG2017; название репозитория также указывает на пакетный размер 160 и обучение с негативными примерами. Доступны веса PyTorch. Лицензия в предоставленных данных не указана.

Kyleiwaniec/COS_TAPT_n_RoBERTa-sts-e3_CosineSimilarityLoss_2023-10-16 — модель на базе RoBERTa, обученная для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерностью 1024 и подходит для поиска семантически близких текстов, кластеризации и сравнения сходства предложений. Для работы доступны Sentence-Transformers и Hugging Face Transformers; заявленная длина контекста — 514 токенов, размер модели — 454,1 млн параметров. В карточке указано обучение с CosineSimilarityLoss. Модель принимает текст и выдаёт векторные представления; сведения о поддерживаемых естественных языках и специализированных прикладных областях отсутствуют. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

textattack/distilbert-base-uncased-QQP — модель классификации текста, созданная TextAttack на основе DistilBERT. Она дообучена для определения, задают ли два вопроса на английском языке один и тот же вопрос; подходит для поиска дубликатов и выявления перефразированных вопросов. Архитектура — DistilBertForSequenceClassification, контекст — до 512 токенов. Модель доступна в формате PyTorch. Карточка Hugging Face не содержит описания лицензии, поэтому условия использования здесь не уточняются.

Модель mrm8488/distiluse-base-multilingual-cased-v2-finetuned-stsb_multi_mt-es — испаноязычная модель Sentence-Transformers для оценки семантического сходства предложений и абзацев. Она дообучена на наборе stsb_multi_mt на основе distiluse-base-multilingual-cased-v2 с архитектурой DistilBERT и выдаёт плотные векторы размерности 768. Максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, кластеризации текстов и ранжирования пар предложений по сходству. В README приведён результат оценки Spearman 0,7604. Репозиторий содержит веса PyTorch; для работы описано использование Sentence-Transformers или Transformers с соответствующим pooling. Лицензия в предоставленных данных не указана.

Dolphin 2.2 70B — разговорная языковая модель от Eric Hartford, обученная на базе StellarBright, которая основана на Llama 2. Она предназначена для диалогов, следования инструкциям и продолжительных многоходовых бесед; автор отмечает улучшения в эмпатичных ответах и персональных советах. Модель использует плотную архитектуру LlamaForCausalLM, содержит 68,7 млрд параметров, принимает текст и выдаёт текст. Контекст — до 4096 токенов. Для общения применяется формат ChatML. При обучении использованы наборы Dolphin, Airoboros 2.2.1, а также отобранные данные Samantha и WizardLM. Автор характеризует модель как uncensored и предупреждает, что она может выполнять запросы, связанные с неэтичным содержанием; перед предоставлением её пользователям рекомендуется добавить собственный слой ограничений. Лицензия — Llama 2, README указывает на возможность коммерческого и некоммерческого использования.

embedinggemma_arkts — дообученная модель Sentence Transformers на базе google/embeddinggemma-300m, разработчик указан как hreyulog. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения текстов по косинусному сходству, семантического поиска, поиска перефразировок, классификации и кластеризации. Модель содержит 302,8 млн параметров и предназначена для работы с текстом; в README указана максимальная длина последовательности 512 токенов, а метаданные каталога сообщают контекст 2048 токенов. Обучение проводилось на 39 122 парах примеров с MultipleNegativesRankingLoss. В README приведены результаты на тестовой части arkts-code-docstring: MRR 0,7788 и Recall@5 0,8769. Данные обучения включают соответствия между описаниями и фрагментами кода, в том числе на китайском и английском; поэтому модель особенно подходит для семантического поиска по документации и коду ArkTS. Лицензия в предоставленных данных не указана.

FlowVec-v1 — мультиязычная модель текстовых эмбеддингов от LingoIITGN, дообученная на базе Qwen/Qwen3-Embedding-8B с помощью трёхэтапного рецепта LoRA и дистилляции относительно замороженной базовой модели. Она предназначена для семантического поиска, ранжирования, кластеризации и сопоставления текстов на индийских языках. Модель использует архитектуру Qwen3 с 7,6 млрд параметров, извлекает векторы размерности 4096 посредством пулинга последнего токена и L2-нормализации. В README указана максимальная длина последовательности 512 токенов; метаданные базовой модели указывают контекст 40960 токенов. Обучение охватывает retrieval, bitext, классификацию, NLI и кластеризацию; модель оценивалась на MTEB(Indic, v1). В README приведены сильные результаты для поиска и ранжирования, но оценки следует трактовать с учётом пересечения обучающих данных с двумя задачами и подбора инструкций на самом бенчмарке. Для подходящих задач важно передавать prompt_name; при поиске и ранжировании запросы кодируются с инструкцией, а документы — без неё. Модель принимает текст и выдаёт эмбеддинги. Лицензия — Apache 2.0.

Hkgkang00/FT-label-consent-20 — англоязычный Sentence Transformer, дообученный разработчиком на базе sentence-transformers/all-MiniLM-L6-v2 для сравнения предложений и поиска семантически близких текстов. Модель кодирует предложения и абзацы в плотные векторы размерности 384; архитектура включает энкодер BERT, усреднение токенов и нормализацию. Для оценки сходства используется косинусная мера. В README указана максимальная длина последовательности 256 токенов; метаданные Hugging Face указывают контекст до 512 токенов. Модель предназначена для семантического поиска, оценки сходства текстовых пар, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. README сообщает о дообучении на наборе FT_label и приводит метрику Spearman cosine 0,4076 на его оценочной выборке. Базовая модель описана как англоязычная, поэтому применение к другим языкам не подтверждено. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

Мультимодальная модель carbonteq на архитектуре Gemma 4 E4B, дообученная на базе unsloth/gemma-4-E4B-it. Репозиторий содержит веса в формате Safetensors; модель предназначена для диалогового взаимодействия и генерации ответов на текстовые запросы с учётом изображений. Модель подходит для вопросов по изображениям и документам, а также для других сценариев общения с визуальным вводом. Карточка указывает, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Лицензия — Apache-2.0.

knowledgator/gliclass-instruct-edge-v1.0 — компактная модель классификации последовательностей семейства GLiClass, разработанная Knowledgator. Она предназначена для классификации текста с произвольными метками в zero-shot и few-shot сценариях: метки и их описания задаются при запросе, без обязательного дообучения под каждую задачу. По README модель также применяют для определения тематики, тональности и намерений, проверки следования правилам, обнаружения галлюцинаций и оценки безопасности ответов LLM, NLI и ранжирования релевантности текста. Модель использует архитектуру GLiClass и распространяется в формате safetensors. В версии V3 библиотека GLiClass поддерживает иерархические метки, примеры в контексте, описания меток и промпты задач. В приведённых бенчмарках edge-вариант уступает более крупным вариантам GLiClass по F1 на тестах CR, SST-2 и SST-5, что отражает компромисс между размером и качеством. В карточке не приведены размер модели, контекстное окно и поддерживаемые языки. Лицензия — Apache-2.0.

GLM-4.6V-Flash-GGUF — это набор GGUF-сборок мультимодальной модели GLM-4.6V-Flash, разработанной zai-org и опубликованной пользователем prithivMLmods. Модель относится к классу vision-language и предназначена для локального развёртывания и приложений с низкой задержкой. Доступны варианты с разными форматами точности и квантования, включая F16, BF16, F32, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-варианты. Модель рассчитана на работу с текстом и изображениями, включая фотографии, скриншоты и страницы документов. Она предназначена для визуального понимания документов, таблиц, графиков и макетов, мультимодального function calling, взаимодействия с инструментами, генерации HTML/CSS по скриншотам интерфейсов и редактирования изображений по инструкциям на естественном языке. Заявлено контекстное окно до 128K токенов и около 9 млрд параметров; поддерживаются китайский и английский языки. К сильным сторонам относятся мультимодальное понимание текста, структуры страниц и визуальных элементов, возможность напрямую использовать изображения в сценариях с инструментами, а также широкий выбор квантованных вариантов для подбора баланса между качеством и требованиями к памяти. Ограничения зависят от выбранного уровня квантования: более компактные варианты требуют меньше ресурсов, но могут снижать точность. В README не приведены подробные результаты тестирования, системные требования и инструкции по запуску. Лицензия модели указана как MIT.

INCModel2/GLM-5.2-MXFP4-CT-AutoRound — квантизированная версия языковой модели zai-org/GLM-5.2, созданная с помощью intel/auto-round в режиме RTN. Квантизация MXFP4 применена только к компоненту MoE; веса представлены в формате Compressed Tensor и совместимы с vLLM. Модель предназначена для генерации текста и диалогового использования, а базовая GLM-5.2 рассчитана также на программирование и длительные задачи с контекстом до одного миллиона токенов. Для запуска README приводит пример с vLLM, параллелизмом по четырём устройствам и ограничением контекста в 4096 токенов для конкретной конфигурации. Модель может выдавать фактически неверные, предвзятые, оскорбительные или непристойные ответы, поэтому перед внедрением требуется проверка безопасности и качества. В метаданных указана лицензия «other»; для коммерческого использования условия следует уточнить у правообладателей.

greatakela/gnlp_hw1_encoder — модель SentenceTransformer на базе distilbert/distilroberta-base, дообученная для представления предложений и абзацев в виде плотных векторов размерности 768. Архитектура включает RoBERTa и mean pooling; для сравнения векторов используется косинусное сходство. Модель содержит 95,2 млн параметров. Она предназначена для поиска семантически похожих текстов, семантического поиска, выявления перефразировок, кластеризации и классификации текста. Максимальная длина последовательности в README — 128 токенов; метаданные указывают контекст до 514 токенов. Обучение описано как fine-tuning с TripletLoss на наборе из 4 893 примеров. Англоязычная базовая модель и примеры в карточке указывают на применение прежде всего к английскому тексту. Модель выдаёт эмбеддинги, которые можно сравнивать или использовать как признаки в последующих системах. Метрики на двух указанных оценочных выборках составили 0,999 и 0,9873 по cosine accuracy, но эти результаты не гарантируют качество на других данных. Лицензия в предоставленных сведениях не указана.

GPT-OSS-Swallow 20B SFT v0.1 — двуязычная языковая модель Tokyo Tech, созданная на основе GPT-OSS с продолжением предобучения и supervised fine-tuning. Она предназначена для диалога на японском и английском языках, перевода между ними, а также задач по математике, программированию и естественным наукам. Модель имеет MoE-архитектуру семейства GPT-OSS, около 1,6 млрд параметров по метаданным и поддерживает контекст до 131 072 токенов; карточка рекомендует ограничивать контекст 32 768 токенами или меньше, поскольку длинный контекст отдельно не обучался и не оценивался. Для инференса разработчики рекомендуют vLLM. Модель улучшает владение японским языком и перевод, сохраняя заявленные способности GPT-OSS в математике и коде. Разработчики отмечают, что модель находится на раннем этапе разработки и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Использование инструментов и управление уровнем рассуждений не проходили специального обучения, поэтому эти сценарии не валидированы. Лицензия — Apache 2.0.

lemon-mint/gte-modernbert-base-code-3 — англоязычная модель Sentence Transformers, дообученная разработчиком lemon-mint на базе Alibaba-NLP/gte-modernbert-base на парах запросов и положительных примеров из набора Magpie-Qwen2.5-Coder-Pro-300K-Query-Positive-Pair. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска и сравнения текстов, в том числе запросов и материалов по программированию. Архитектура включает ModernBERT и пулинг CLS-токена; максимальная длина входа — 8192 токена, сходство можно оценивать косинусной мерой. Модель подходит для поиска релевантных фрагментов по запросам, ранжирования текстов по смысловой близости, кластеризации и поиска перефразирований; эмбеддинги также можно использовать как признаки для классификации. Основной язык — английский. Лицензия Apache-2.0. Ее векторное представление ориентировано на семантическое сопоставление, а не на генерацию текста; README не приводит количественных результатов оценки качества.

Это турецкоязычная модель эмбеддингов предложений с двухэнкодерной архитектурой, разработанная на основе intfloat/multilingual-e5-base и дообученная контрастивным обучением на турецких NLI-триплетах. Она использует XLM-RoBERTa, mean pooling и косинусное сходство; размерность векторов — 768. Метаданные указывают 305,2 млн параметров, а базовая модель поддерживает контекст до 514 токенов; при обучении использовалась длина последовательности до 256 токенов. Модель предназначена для семантического поиска и извлечения фрагментов для RAG, оценки сходства предложений, поиска перефразировок и дубликатов, кластеризации и получения признаков для классификаторов на турецком языке. Для запросов используется префикс «query: », для документов — «passage: »; в задачах с симметричным сравнением обеим сторонам задают «query: ». Модель лучше приспособлена к турецким текстам, чем к другим языкам, несмотря на многоязычную основу. Обучающие данные получены машинным переводом набора AllNLI, поэтому в модели могут сохраняться артефакты перевода. Для длинных документов рекомендуется разбивать текст на фрагменты; для переранжирования с перекрёстным вниманием эта модель не предназначена. Результаты на научных и финансовых текстах слабее, а в чувствительных сценариях необходима проверка человеком. Лицензия — CC BY-SA 4.0.

jinaai/jina-embedding-b-en-v1 — англоязычная модель эмбеддингов текста, разработанная Jina AI. Она предназначена для сопоставления предложений и поиска близких по смыслу текстов, включая пары запрос—документ. Модель обучалась на наборе Linnaeus-Clean из 380 миллионов пар предложений, собранных из разных областей и прошедших очистку; в метаданных также указан датасет jinaai/negation-dataset. Модель построена на архитектуре T5 Encoder, содержит 123,8 млн параметров и принимает последовательности длиной до 512 токенов. Она выдаёт текстовые эмбеддинги для семантического поиска, сравнения предложений и ранжирования кандидатов по близости смысла. Доступна в формате PyTorch. Модель распространяется по лицензии Apache-2.0. Ограничение контекста в 512 токенов делает её менее подходящей для прямого кодирования длинных документов; назначение и языковые данные ориентированы на английский.

snunlp/KR-SBERT-Medium-klueNLI-klueSTS — корейская модель SentenceTransformer от SNUNLP на основе BERT, дообученная на данных klue/klue. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для оценки семантической близости, семантического поиска, поиска перефразирований, кластеризации и классификации текста. Для сравнения векторов используется косинусное сходство; средний pooling формирует представление из токенов. Модель принимает текст на корейском языке, имеет контекст до 512 токенов и около 128,6 млн параметров. Карточка приводит результат Spearman 0,8546 по cosine на sts-dev. Модель подходит для поиска похожих корейских фраз и построения эмбеддингов, но сама по себе не генерирует ответы; указанные задачи классификации требуют отдельной классификационной головы или последующей обработки векторов. Весовые файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели Sing0402/legal-embed-gte-bm25 на Hugging Face совпадает с карточкой Alibaba-NLP/gte-modernbert-base, поэтому описание составлено по ней. gte-modernbert-base — англоязычная модель для построения текстовых эмбеддингов, разработанная Tongyi Lab компании Alibaba. Она основана на encoder-only архитектуре ModernBERT и содержит 149 млн параметров; вектор представления имеет размерность 768, максимальная длина входа — 8192 токена. Модель предназначена для семантического поиска, извлечения документов, сравнения предложений и подбора текстов по смыслу, в том числе как компонент систем RAG. В карточке приведены результаты оценок MTEB, BEIR, LoCo и COIR; они показывают эффективность на задачах поиска, включая поиск по длинным документам и коду. Доступны веса в форматах PyTorch, Safetensors и ONNX; для интеграции описано использование Transformers, Sentence Transformers и Text Embeddings Inference. Модель распространяется по лицензии Apache-2.0. Она рассчитана прежде всего на английский язык, поэтому качество для других языков не подтверждено карточкой.