II.1Анализ требований и архитектура ПО

BiCA-Base — модель Sentence Transformer, разработанная Bisect Group и дообученная на базе thenlper/gte-base для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерности 768 и предназначена для семантического сходства, поиска и других задач сравнения текстов. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Для сравнения векторов используется косинусное сходство; среди подходящих сценариев — поиск парафраз, кластеризация и классификация текстов. Указана лицензия MIT.

quangtqv/bi_encoder_tool_learning_backbone_14_6 — модель Sentence Transformer на архитектуре BERT, преобразующая предложения и абзацы в нормализованные плотные векторы размерности 768. Она предназначена для сравнения семантического сходства, семантического поиска, поиска перефразировок, классификации текста и кластеризации; сходство векторов можно оценивать косинусной мерой. Модель принимает текстовые последовательности длиной до 512 токенов. В архитектуре используются BERT, pooling по CLS-токену и нормализация выходного вектора. В метаданных указано 136,7 млн параметров; веса опубликованы в формате safetensors. README описывает обучение модели, но не сообщает базовую модель, набор данных или языки, поэтому её языковую специализацию установить нельзя. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformers на базе yahyaabd/bps-custom-tokenizer-paraphrase-multilingual-MiniLM-L12-v2, дообученная разработчиком yahyaabd на наборе statictable-triplets-all. Архитектура основана на BERT и содержит около 124,8 млн параметров. Модель кодирует предложения и абзацы в плотные векторы размерностью 384; максимальная длина входа — 512 токенов. Для сравнения векторов предусмотрена косинусная близость. Модель предназначена для семантического поиска и сопоставления текстов: поиска похожих фрагментов, подбора перефразировок, кластеризации и использования в качестве признаков для классификации текста. Обучающие примеры — запросы и связанные с ними положительные и отрицательные тексты; в README приведены примеры на индонезийском языке. Доступна в формате safetensors, библиотека — sentence-transformers. Условия лицензии в предоставленных данных не указаны.

consciousAI/cai-lunaris-text-embeddings — модель эмбеддингов на архитектуре BERT, представленная в формате PyTorch и предназначенная для преобразования предложений и абзацев в плотные векторы размерности 1024. Её можно использовать для извлечения признаков текста, оценки семантического сходства, кластеризации и семантического поиска. Модель совместима с Sentence-Transformers и Hugging Face Transformers; при использовании Transformers поверх контекстных представлений токенов требуется применить соответствующий pooling. Модель насчитывает около 433,9 млн параметров, а максимальная длина контекста составляет 512 токенов. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены сведения о целевых языках и специализированных предметных областях.

CALE-MBERT-en — англоязычная модель эмбеддингов предложений на базе двунаправленного энкодера ModernBERT-large. Разработчик дообучил её с помощью ContrastiveLoss на датасете CALE-SPCD; модель преобразует слова и тексты в плотные векторы размерностью 1024 и рассчитана на контекст до 8192 токенов. Модель предназначена для поиска семантически близких текстов, кластеризации и задач сходства предложений. Её можно использовать для семантического поиска и группировки текстовых данных. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Это GGUF-квантизация модели GLM-4.5-Air-REAP-82B-A12B, разработанной Cerebras и подготовленной пользователем bartowski. Модель предназначена для задач генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты квантования Q8_0, Q6_K, Q5_K, Q4_K, IQ4 и Q3_K/IQ3 с размером файлов примерно от 39 до 90 ГБ. Обозначение модели указывает на конфигурацию 82B-A12B, однако подробности архитектуры, поддерживаемые языки, модальности и размер контекста в предоставленной карточке не указаны. Квантизация выполнена с использованием imatrix, что направлено на сохранение качества при уменьшении размера модели. Сильная сторона этой версии — широкий выбор уровней квантования для баланса между качеством, требованиями к памяти и скоростью инференса; наиболее рекомендуемыми указаны варианты Q6_K, Q5_K, Q4_K и IQ4_XS. Ограничения включают очень высокие требования к оперативной или видеопамяти даже для компактных вариантов, а также отсутствие указанного chat template: в README отмечено, что используемый шаблон может быть неточным и требует проверки по оригинальной карточке модели. Лицензия в предоставленных данных не указана.

Chinese-Alpaca-2-13B — плотная авторегрессионная языковая модель семейства LLaMA, созданная проектом Chinese LLaMA & Alpaca на основе Llama 2 от Meta. Это полная версия с 13 млрд параметров, предназначенная для генерации текста и следования инструкциям; её можно загружать для инференса и полно-параметрического обучения. Модель расширяет словарь Llama 2 китайскими токенами и прошла дополнительное предобучение на крупных китайских данных, а Alpaca-2 ориентирована на выполнение инструкций. Она поддерживает китайский и английский языки, контекст 4096 токенов; в проекте описано расширение контекста методом NTK до 18 тысяч токенов и более. Поддерживается экосистема Transformers и инструменты развёртывания LLaMA. Модель подходит для диалогов, ответов на вопросы и генерации текста на китайском и английском. Карточка указывает лицензию Apache-2.0. Качество ответов и соблюдение инструкций могут зависеть от запроса и сценария применения; увеличение контекста сверх 4096 токенов требует отдельной настройки NTK.

CleverBoi-Nemo-12B-v2 — текстовая generative-модель, разработанная theprint. Она дообучена в течение одной эпохи на наборе CleverBoi-Data-20k, содержащем примеры, ориентированные на логику, рассуждения, математику и программирование. Модель предназначена для генерации текста и решения задач, требующих следования инструкциям, логического вывода, математического анализа и работы с кодом. Модель дообучена на базе unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit и имеет размер 12B параметров согласно идентификатору модели. Доступная языковая метка — английский. Указана текстовая модальность; сведения о длине контекста в README отсутствуют. Для ускорения обучения использовались Unsloth и библиотека TRL от Hugging Face. В оценках Open LLM Leaderboard модель получила средний результат 17,57: 20,46 на IFEval, 31,65 на BBH, 8,61 на MATH Level 5, 8,50 на GPQA, 11,43 на MuSR и 24,76 на MMLU-PRO. Эти результаты указывают на специализацию в задачах рассуждения и математики, однако не подтверждают высокую точность во всех сценариях. Ограничениями являются отсутствие данных о контекстном окне, мультиязычной поддержке, требованиях к аппаратному обеспечению и практической производительности. Модель распространяется по лицензии Apache-2.0.

Ductratra/cocondenser_v2 — модель Sentence Transformers на архитектуре RoBERTa, предназначенная для преобразования предложений и абзацев в плотные векторы размерности 1024. Её можно применять для семантического поиска, сравнения предложений и кластеризации текстов; среди поддерживаемых каталогом задач также указано извлечение признаков. Модель содержит 468,2 млн параметров, принимает текст и выдаёт векторные представления. Контекст ограничен 258 токенами. В README указано обучение с OnlineContrastiveLoss. Доступен формат PyTorch; лицензия в предоставленных сведениях не указана.

jjduquec/conflubot_embed_model — дообученная модель SentenceTransformer на базе sentence-transformers/all-MiniLM-L6-v2, разработанная владельцем репозитория jjduquec. Это энкодер предложений на архитектуре BERT: он преобразует текст в плотные векторы размерности 384 и нормализует их; близость можно оценивать косинусным сходством. Модель дообучена на триплетах из 306 636 обучающих примеров и рассчитана на сравнение предложений и абзацев, семантический поиск, поиск перефразировок, классификацию и кластеризацию текстов. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Доступен формат safetensors; для работы заявлена библиотека Sentence Transformers. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Модель основана на англоязычном энкодере; сведения о её оценке на независимых наборах данных не приведены.

Карточка модели sickcell/cti-semantic-search-minilm на Hugging Face совпадает с карточкой yosuaw/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers на базе MiniLM, разработанная в рамках проекта Hugging Face Community Week. Она кодирует предложения и короткие абзацы в плотные векторы размерности 384, отражающие семантическое содержание. Модель обучена контрастивным дообучением предварительно обученной nreimers/MiniLM-L6-H384-uncased на наборе более чем из миллиарда пар предложений. Модель предназначена для семантического поиска, извлечения информации, сравнения сходства предложений и кластеризации текстов. Архитектура — BERT-подобный MiniLM с 25,9 млн параметров; максимальная длина контекста — 512 токенов, а по умолчанию входы длиннее 256 WordPiece-токенов обрезаются. Карточка указывает поддержку английского языка. Веса доступны в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0.

DeepSeek-Coder-V2-Instruct-0724-IMat-GGUF — это GGUF-квантизированная версия инструкционной модели DeepSeek-Coder-V2-Instruct-0724, разработанной deepseek-ai. Репозиторий подготовлен legraphista с использованием llama.cpp и предназначен для локального запуска и генерации текста, прежде всего для задач программирования и взаимодействия в формате чата, поддерживаемых исходной моделью. Модель распространяется в форматах GGUF с различными уровнями квантизации: от Q8_0 до Q2_K, включая варианты Q5, Q4, Q3 и IQ. Доступны файлы размером примерно от 85,95 до 250,62 ГБ, все варианты разделены на несколько частей. Для ряда конфигураций Q4 и ниже применена IMatrix-квантизация, призванная повысить качество при уменьшении размера. Исходный тип данных модели — BF16. Сведения об архитектуре, количестве параметров, длине контекста, языках и поддерживаемых модальностях в README не указаны. Сильная сторона репозитория — широкий выбор квантизаций и готовность к использованию с экосистемой llama.cpp, что позволяет подбирать компромисс между размером файлов и качеством. Ограничениями являются очень большой объём моделей, необходимость объединения или корректной работы с разделёнными файлами, а также возможное снижение качества на низких уровнях квантизации. Модель распространяется по лицензии deepseek-license; указана категория лицензии other и ссылка на файл LICENSE.

DeepSeek-V4-Flash-MXFP4 — квантизированная версия DeepSeek-V4-Flash, разработанная Advanced Micro Devices (AMD) на базе исходной модели DeepSeek AI. Это каузальная языковая модель для генерации текста, ориентированная на запуск через Transformers и vLLM в Linux на ускорителях AMD MI355 и MI350 с архитектурой gfx950. README не указывает точный размер модели, поддерживаемые языки и длину контекста. Модель использует архитектуру DeepseekV4ForCausalLM и механизм Mixture-of-Experts (MoE). Проекции маршрутизируемых и общих MoE-экспертов квантизированы в статический OCP MXFP4 для весов и динамический OCP MXFP4 для активаций; остальные компоненты, включая attention, маршрутизатор MoE, нормализацию, embeddings, выходную голову и MTP-блок, сохранены в исходной точности. Квантизация выполнена с помощью AMD Quark 0.12.0, а рекомендуемая среда включает ROCm 7.2.0, PyTorch 2.9.1, Transformers 5.13.1 и vLLM 0.29.0. Ключевое преимущество модели — оптимизация инференса на совместимом оборудовании AMD при сохранении качества исходной модели: на GSM8K в конфигурации с 8 примерами она показала 94,92% против 95,00% у исходной версии, что соответствует восстановлению 99,9% результата. Ограничения включают зависимость от конкретных ускорителей AMD, Linux и совместимого программного стека; сведения о других бенчмарках, мультимодальности и языковом покрытии отсутствуют. Модель распространяется по лицензии MIT, как и исходная модель.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, разработанная DeepSeek AI. Данная версия является производным вариантом, опубликованным и поддерживаемым AMAImedia в рамках платформы автоматизации профессионального многоязычного дубляжа NOESIS; базовая модель указана как deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Модель предназначена для задач понимания изображений и текста, мультимодальных агентских сценариев, работы с диаграммами и автоматизации, а также сохраняет возможности для текстовых агентских задач. Архитектура основана на DeepSeek-V4-Flash с добавленными визуальными модулями и дополнительным обучением для развития визуального понимания. Это модель image-text-to-text с поддержкой большого набора языков, включая английский, русский, китайский, вьетнамский, японский и многие другие. Точный размер модели, длина контекста, перечень визуальных входных форматов и сведения о параметрах квантования FP8/GGUF в предоставленном README не указаны. Сильной стороной модели является заметное улучшение мультимодальных агентских возможностей по сравнению с DeepSeek-V4-Flash-0731 при сопоставимой производительности в текстовых агентских задачах. В README приведены результаты на ApexBench, Agents' Last Exam, Chartography и ZeroBench, однако независимые ограничения, требования к аппаратному обеспечению и рекомендации по применению не описаны. В метаданных указана лицензия Apache-2.0; при этом встроенный README также содержит ссылку на лицензию MIT оригинального проекта, поэтому условия конкретной производной сборки следует проверять отдельно.

sentence-transformers/distilroberta-base-paraphrase-v1 — модель семейства RoBERTa, обученная командой sentence-transformers для получения векторных представлений предложений и абзацев. Она преобразует текст в плотные векторы размерности 768, пригодные для семантического поиска и кластеризации; также поддерживает сравнение сходства предложений. Модель содержит 95,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель рассчитана на текстовые задачи, где нужно находить близкие по смыслу фрагменты, группировать тексты или сравнивать предложения. Для использования с библиотекой Transformers поверх контекстных представлений токенов необходимо применить подходящую операцию pooling. Распространяется по лицензии Apache-2.0. В карточке не заявлена поддержка конкретных естественных языков, поэтому языковую специализацию определить нельзя.

embedding-data/distilroberta-base-sentence-transformer — модель на базе RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 95,2 млн параметров и принимает текстовые последовательности с контекстом до 514 токенов. Модель обучена с использованием TripletLoss на датасете embedding-data/QQP_triplets. Её можно применять для семантического поиска, группировки похожих текстов и вычисления сходства между предложениями. Доступны веса PyTorch; лицензия в предоставленных данных не указана.

Модель lenamisods/doctor_ai_stsb_xlm_r_multilingual_trained — многоязычная модель Sentence-Transformers на архитектуре XLM-RoBERTa, обученная командой Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для вычисления семантического сходства, кластеризации и семантического поиска. Модель содержит 305,2 млн параметров, принимает текст длиной до 514 токенов и распространяется в формате safetensors; лицензия — Apache-2.0. Модель подходит для поиска текстов по смыслу и группировки семантически близких фраз. В README не указаны конкретные языки обучения или оценки качества, поэтому состав поддерживаемых языков нельзя уточнить по доступным данным. Для использования в Transformers поверх контекстных представлений требуется подходящая операция pooling.

Карточка модели vectoriseai/e5-base на Hugging Face совпадает с карточкой intfloat/e5-base, поэтому описание составлено по ней. E5-base — англоязычная модель текстовых эмбеддингов, разработанная Liang Wang, Nan Yang и соавторами. Это плотная модель на архитектуре BERT с 12 слоями, размерностью эмбеддинга 768 и 136,7 млн параметров; она принимает текст и выдаёт векторные представления. Модель обучена методом контрастивного предобучения со слабым контролем и предназначена для сравнения смысловой близости текстов и поиска по текстовым коллекциям. E5-base подходит для семантического поиска, извлечения релевантных фрагментов для систем вопросов и ответов, поиска перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для корректной работы следует добавлять префиксы «query: » и «passage: » в соответствии с типом задачи. В репозитории указаны веса PyTorch и safetensors; длина контекста — до 512 токенов. Модель работает только с английским текстом, а более длинные входы обрезаются до 512 токенов. Авторы рекомендуют перейти на e5-base-v2, который, по их сообщению, показывает лучшие результаты при том же способе использования. Лицензия — MIT.

DariaaaS/e5-fine-tuned — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости; для оценки сходства в README указана косинусная мера. Архитектура состоит из XLM-RoBERTa, усредняющего пулинга токенов и нормализации; модель содержит 305,2 млн параметров и обрабатывает последовательности длиной до 514 токенов по метаданным. Модель предназначена для семантического поиска, сопоставления предложений, поиска перефразирований, кластеризации и классификации текста. Она обучена с TripletLoss на 100 примерах, поэтому её специализация связана с данными обучения; README приводит примеры запросов и текстов, связанных с преобразованием вопросов в табличные запросы. Выход модели — эмбеддинги, которые можно использовать в поисковых и аналитических системах. Это текстовая многоязычная модель семейства XLM-RoBERTa; базовая модель заявлена как multilingual-e5-base. Условия лицензирования в предоставленных данных не описаны.

E5-large-unsupervised — англоязычная модель эмбеддингов, разработанная авторами семейства E5 на основе контрастного предобучения с слабой супервизией. Это вариант e5-large без последующего обучения на размеченных данных. Модель построена на архитектуре BERT: 24 слоя, размер эмбеддинга 1024, около 433,9 млн параметров; принимает текст и выдаёт векторные представления. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, сопоставления предложений и абзацев, поиска passage по запросу, обнаружения перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для корректной работы с запросами и документами следует добавлять префиксы «query: » и «passage: » согласно типу задачи. Модель работает только с английскими текстами, а длинные входы обрезаются до 512 токенов. Распространяется по лицензии MIT.

idanylenko/e5-large-v2-ctx1024 — созданная автором на основе intfloat/e5-large-v2 англоязычная модель BERT для получения текстовых эмбеддингов и семантического поиска. Расширение контекста выполнено без дообучения параметров: изменены позиционные эмбеддинги методом нелинейной интерполяции, благодаря чему модель принимает последовательности длиной до 1024 токенов — вдвое больше базовой версии. Модель предназначена для поиска релевантных документов и фрагментов по длинным запросам или текстам, а также для семантического сравнения и кластеризации. В README приведены результаты оценки на четырёх задачах поиска LongEmbed; по указанной метрике NDCG@10 результаты превысили базовую e5-large-v2. Это англоязычная модель с 433,9 млн параметров, доступная в формате safetensors и совместимая с библиотекой sentence-transformers. Лицензия — MIT.

Карточка модели vectoriseai/e5-small-v2 на Hugging Face совпадает с карточкой intfloat/e5-small-v2, поэтому описание составлено по ней. E5-small-v2 — англоязычная модель текстовых эмбеддингов, представленная авторами Liang Wang, Nan Yang и соавторами. Она основана на архитектуре BERT и обучена с помощью слабоконтролируемого контрастивного предобучения. Модель содержит около 40 млн параметров, 12 слоёв и формирует векторы размерности 384; максимальная длина входа — 512 токенов. Модель предназначена для поиска текстов по смыслу, сопоставления предложений и оценки семантического сходства. Для асимметричного поиска следует добавлять к запросам префикс «query: », а к документам — «passage: »; для симметричного сходства, кластеризации и использования эмбеддингов как признаков рекомендуется префикс «query: ». Модель принимает английский текст и выдаёт векторные представления. Доступны веса в форматах PyTorch, safetensors, TensorFlow, ONNX и OpenVINO. Она работает только с английскими текстами, а входы длиннее 512 токенов обрезаются. Лицензия — MIT.

EMMA-500 Llama 3 8B bi — многоязычная языковая модель MaLA-LM, полученная продолжительным предварительным обучением архитектуры Llama 3 8B. Модель насчитывает 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Вариант bi обучен на многоязычных монолингвальных данных и двуязычном переводном корпусе для более чем 2 500 языковых пар; серия охватывает 546 языков. Модель предназначена для генерации многоязычного текста, машинного перевода, рассуждений на основе здравого смысла и классификации текстов, в том числе для языков с ограниченными ресурсами. В обучающие данные входят тексты из книг, кода, инструкций и научных статей. Лицензия — Llama 3 Community License (llama3).

kttt294/english-sbert-finetuned — англоязычная модель Sentence Transformers, дообученная автором на базе sentence-transformers/all-mpnet-base-v2 для кодирования предложений и абзацев в плотные векторы. Она построена на MPNet с усреднением токенных представлений и нормализацией выходных векторов; размер вектора — 768, для сравнения используется косинусное сходство. Модель подходит для семантического поиска, извлечения релевантных фрагментов и сравнения текстов. Максимальная длина входной последовательности в карточке указана как 384 токена, тогда как метаданные каталога сообщают контекст 514 токенов. В карточке указано обучение на 12 001 примере пар предложений с оценками сходства. Модель принимает текст и выдаёт эмбеддинги; метаданные также относят её к задачам извлечения признаков и сходства предложений. Лицензия в предоставленных данных не указана.

Это Sentence Transformer на архитектуре MPNet, созданный Sahith Kumar дообучением microsoft/mpnet-base на наборе из 800 примеров с тройками anchor, positive и negative. Модель преобразует предложения и абзацы в плотные векторы размерности 768 и сравнивает их с помощью косинусного сходства; максимальная длина входа составляет 512 токенов (метаданные указывают 514 токенов). В репозитории веса представлены в формате safetensors, для работы используется библиотека Sentence Transformers. Модель предназначена для поиска семантически близких текстов, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. README сообщает о точности cosine_accuracy 0,98 на двух тестовых наборах, однако описание не уточняет состав и размер этих наборов. Обучающие примеры связаны с научными текстами о тактильных датчиках, поэтому качество на иных темах и языках может отличаться; сведения о лицензии в предоставленных данных отсутствуют.

Это англоязычная модель Sentence Transformers, дообученная на наборе PiC/phrase_similarity на базе google-bert/bert-large-uncased. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и оценивает смысловую близость с помощью косинусного сходства. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из BERT Large и mean pooling; максимальная длина последовательности — 512 токенов. Модель работает с текстом на английском языке и формирует векторные представления для последующего сравнения. В README приведены результаты оценки на наборах для классификации пар предложений, но они не гарантируют качество на других данных. Использование распространяется по лицензии базовой модели; сведения о лицензии самой модели в предоставленных данных отсутствуют.

lochhonest/finetuned_mbert — модель Sentence Transformer, дообученная на базе nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство векторов можно оценивать косинусной мерой. Модель построена на ModernBERT с усреднением токеновых представлений и нормализацией, поддерживает последовательности длиной до 8192 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска парафраз, а также классификации и кластеризации на основе эмбеддингов. В README описан обучающий набор из 3625 пар «запрос — релевантный текст», в том числе примеры вопросов и длинных фрагментов документов, что может быть полезно для поиска по документам. Репозиторий использует библиотеку Sentence Transformers и формат safetensors. Условия лицензирования в предоставленных данных не указаны.

Это модель Sentence Transformer на базе BAAI/bge-base-en-v1.5, дообученная автором репозитория kimquynh для сравнения предложений и поиска по тексту. Архитектура состоит из BERT, CLS-пулинга и нормализации эмбеддингов; модель содержит 136,7 млн параметров и выдаёт плотные векторы размерности 768. Сходство между векторами оценивается косинусной мерой. Модель принимает текст и предназначена для семантического поиска, извлечения релевантных фрагментов и оценки сходства предложений или абзацев. Максимальная длина последовательности — 512 токенов. Карточка приводит результаты оценки на задачах сходства и бинарной классификации, в том числе на наборе resume-job-sim. Базовая модель англоязычная; поддержка других языков в карточке не описана. Репозиторий распространяет веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Fingu-instruct-2 — дообученная FINGU-AI модель Sentence Transformer на базе dunzhang/stella_en_1.5B_v5, построенная на архитектуре Qwen2 и содержащая 1,5 млрд параметров. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними оценивается косинусной мерой. В README указана максимальная длина последовательности 8096 токенов, а метаданные указывают нативный контекст 131072 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Её можно использовать для поиска похожих фрагментов в коллекциях документов и группировки текстов по смыслу. Для работы опубликованы веса в формате safetensors и поддерживается библиотека Sentence Transformers; также указана совместимость с text-embeddings-inference. Сведений о лицензии в предоставленных данных нет.

Карточка модели futuredatascience/from-classifier-v2 на Hugging Face совпадает с карточкой futuredatascience/to-classifier-v2, поэтому описание составлено по ней. futuredatascience/to-classifier-v2 — модель на архитектуре MPNet, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для поиска семантически близких текстов, кластеризации и вычисления сходства между предложениями. Модель относится к семейству Sentence Transformers и распространяется в формате PyTorch. Обучение использовало CosineSimilarityLoss. Контекст модели составляет 514 токенов. Лицензия в предоставленных данных не указана.