II.1Анализ требований и архитектура ПО

saraleivam/GURU-trained-final-model — многоязычная модель Sentence Transformers, дообученная разработчиком на примерах пар предложений. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического сравнения и поиска; сходство оценивается косинусной мерой. В основе лежит XLM-RoBERTa с mean pooling, 305,2 млн параметров; метаданные указывают контекст до 514 токенов, а карточка README — максимальную длину последовательности 128 токенов. Модель подходит для поиска смыслово близких текстов, сопоставления перефразировок, кластеризации и извлечения признаков для классификации. Примеры обучающих данных охватывают разноплановые тексты, в том числе на английском и испанском; базовая модель мультиязычная. Обучающий набор содержит 521 пример, поэтому качество на конкретных языках и предметных областях следует проверять отдельно. Лицензия в предоставленных данных не указана.

harrier-oss-v1-0.6b — разработанная Microsoft мультиязычная модель эмбеддингов текста на архитектуре Qwen3 с 507,9 млн параметров. Она использует pooling по последнему непустому токену и L2-нормализацию, формируя плотные векторы размерности 1024. Максимальная длина контекста — 32 768 токенов. Модель предназначена для поиска и ранжирования текстов, кластеризации, оценки семантического сходства, классификации и поиска параллельных текстов. Для запросов рекомендуется задавать краткую инструкцию, описывающую задачу; для документов инструкция не требуется. Семейство обучалось контрастивным методом на мультиязычных данных, а варианты 270M и 0.6B дополнительно дистиллированы из более крупных моделей эмбеддингов. В README заявлены высокие результаты на Multilingual MTEB v2. Поддерживаются многие языки, включая русский, английский, китайский, японский и ряд европейских и азиатских языков. Модель распространяется в формате Safetensors по лицензии MIT. Качество зависит от формулировки инструкции для запроса; небольшие различия результатов могут возникать из-за версий Transformers и PyTorch.

HuggingFaceTB_SmolLM3-3B-GGUF — это набор GGUF-квантизированных версий языковой модели SmolLM3-3B, разработанной HuggingFaceTB и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах на базе llama.cpp. Указана поддержка английского, французского, испанского, итальянского, португальского, китайского, арабского и русского языков. Размер исходной модели составляет около 3 миллиардов параметров; доступны варианты от BF16 до низкобитных Q2–Q8 и IQ-квантизаций объёмом примерно от 1,37 до 6,16 ГБ. Основное преимущество набора — возможность выбрать баланс между качеством, потреблением памяти и скоростью локального вывода: варианты Q5 и Q6 заявлены как высококачественные, а Q4_K_M — как подходящий размер по умолчанию для большинства сценариев. Более компактные варианты удобны для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. В README не указаны архитектурные детали, длина контекста, мультимодальные возможности и результаты независимого тестирования. Также отмечено, что формат чата ранее требовал исправления, поэтому совместимость шаблона приглашений следует проверять для конкретного клиента. Модель распространяется по лицензии Apache 2.0.

jina-embeddings-v2-small-en — англоязычная модель эмбеддингов, разработанная Jina AI. Она построена на архитектуре JinaBERT на базе BERT: энкодер предварительно обучен на C4, а затем модель дообучена на наборе Jina AI из более чем 400 миллионов пар предложений и сложных негативных примеров из разных областей. Модель преобразует текст в векторы для поиска по длинным документам, семантического сравнения текстов, ранжирования, рекомендаций и систем RAG. Контекст поддерживает до 8192 токенов благодаря двунаправленному варианту ALiBi; при обучении использовалась длина последовательности 512 токенов. Для получения эмбеддинга предложения или фрагмента текста README рекомендует применять mean pooling. Размер модели — около 32,4 млн параметров по метаданным. Компактный размер обеспечивает быстрое и экономное по памяти получение эмбеддингов. Модель предназначена для английского языка и не является мультиязычной. Для работы через Transformers может потребоваться параметр trust_remote_code=True; модель доступна в форматах PyTorch, Safetensors, ONNX и Core ML. Лицензия — Apache-2.0.

Карточка модели yodayo-ai/jina-embeddings-v2-small-en-st на Hugging Face совпадает с карточкой jinaai/jina-embeddings-v2-small-en, поэтому описание составлено по ней. jina-embeddings-v2-small-en — англоязычная модель эмбеддингов, разработанная Jina AI. Она построена на архитектуре JinaBERT на базе BERT: энкодер предварительно обучен на C4, а затем модель дообучена на наборе Jina AI из более чем 400 миллионов пар предложений и сложных негативных примеров из разных областей. Модель преобразует текст в векторы для поиска по длинным документам, семантического сравнения текстов, ранжирования, рекомендаций и систем RAG. Контекст поддерживает до 8192 токенов благодаря двунаправленному варианту ALiBi; при обучении использовалась длина последовательности 512 токенов. Для получения эмбеддинга предложения или фрагмента текста README рекомендует применять mean pooling. Размер модели — около 32,4 млн параметров по метаданным. Компактный размер обеспечивает быстрое и экономное по памяти получение эмбеддингов. Модель предназначена для английского языка и не является мультиязычной. Для работы через Transformers может потребоваться параметр trust_remote_code=True; модель доступна в форматах PyTorch, Safetensors, ONNX и Core ML. Лицензия — Apache-2.0.

Карточка модели hyuksoo1009/klue-roberta-base-klue-sts на Hugging Face совпадает с карточкой dyryu/klue_roberta-base-klue-sts, поэтому описание составлено по ней. dyryu/klue_roberta-base-klue-sts — модель Sentence-Transformers на архитектуре RoBERTa, разработчик которой не уточнён в карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 137,8 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Для работы доступны веса в формате safetensors и библиотека sentence-transformers. При обучении использовалась функция потерь CosineSimilarityLoss. Метаданные указывают задачи sentence-similarity и feature-extraction; основное назначение для пользователя — поиск семантически похожих предложений. Карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя.

danfeg/LaBSE_Finetuned-AR-1500 — модель эмбеддингов предложений на базе архитектуры BERT, дообученная для сопоставления семантически близких текстов. Она преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска и кластеризации. Модель содержит 498,1 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель можно применять для поиска похожих фраз, группировки текстов по смыслу и оценки семантического сходства. В README указано обучение с CosineSimilarityLoss. Лицензия и конкретный набор поддерживаемых естественных языков в предоставленных данных не описаны.

LFM2.5-8B-A1B — мультиязычная гибридная MoE-модель Liquid AI, представленная в репозитории Unsloth. Это дообученный вариант модели LiquidAI/LFM2.5-8B-A1B, настроенный на рассуждения и диалог. Модель принимает текст и генерирует текст; она рассчитана на ассистентов, локальное развёртывание и работу с инструментами. В README указаны 8,3 млрд параметров всего и 1,5 млрд активных, 24 слоя и контекст до 131 072 токенов. Архитектура сочетает LIV-свёрточные слои и GQA. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, португальский и испанский языки. Метаданные указывают формат safetensors и лицензию other. Модель предназначена для следования инструкциям, структурированного вывода, вызова инструментов и агентных сценариев, в том числе на устройствах с ограниченными ресурсами. В README отмечена ограниченная пригодность для сложного программирования и ответов на вопросы, требующих обширных знаний, без поиска по внешним источникам.

RedHatAI/Llama-3.2-1B-FP8 — это FP8-квантизированная версия базовой языковой модели Llama 3.2 1B. Репозиторий опубликован Red Hat AI, а исходная модель разработана Meta. Это авторегрессионная текстовая модель для генерации текста и кода; она не является мультимодальной и не относится к instruction-tuned версии. Модель содержит около 1,23 млрд параметров и использует оптимизированную Transformer-архитектуру Llama с Grouped-Query Attention: 16 слоёв, 32 attention heads и 8 key-value heads. В конфигурации репозитория указано контекстное окно до 131 072 токенов. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. FP8-представление весов и активаций предназначено для снижения требований к памяти и ускорения инференса на совместимом оборудовании. Сильными сторонами являются небольшой размер, возможность локального развертывания и повышенная эффективность по сравнению с полноточной версией. Ограничения включают меньшую ёмкость по сравнению с более крупными моделями, возможные потери качества из-за квантизации и отсутствие в карточке репозитория собственных подробных оценок качества или описания ограничений. Для исходной Llama 3.2 указана Llama 3.2 Community License — специальная коммерческая лицензия Meta; условия применения производной FP8-модели следует проверять по лицензии базовой модели и файлам репозитория.

Merino-Large — модель BAA AI (Black Sheep AI) для поиска и ранжирования документов в системах RAG. Она объединяет биэнкодер для получения векторных представлений запросов и документов и кросс-энкодер для оценки релевантности пары «запрос — документ». Обе части построены на базе xlm-roberta-large и используют общую матрицу входных эмбеддингов, что сокращает объём хранимых весов без заявленной потери качества. Биэнкодер выдаёт L2-нормализованные эмбеддинги размерности 1024, а кросс-энкодер — один логит релевантности для пары текстов. Модель мультиязычная, содержит около 872 млн параметров, использует библиотеку Sentence Transformers и распространяется в формате safetensors. В карточке описаны результаты внутренних проверок на неоднородных корпусах и устойчивость 4-битной квантизации к отвлекающим документам; эти результаты не заменяют оценку на собственных данных. Лицензия указана как other, поэтому условия использования следует проверить в карточке модели.

MiniCPM5-2B-heretic-abliterated-GGUF — это набор GGUF-квантизованных версий языковой модели MiniCPM5-2B-heretic-abliterated, подготовленный mradermacher на основе модели insraq. Модель предназначена для генерации текста, диалоговых сценариев, работы с длинным контекстом и вызова инструментов, а также для локального запуска на устройствах с ограниченными ресурсами и edge-системах. В метаданных указана библиотека Transformers и поддержка английского и китайского языков. Модель содержит около 2 млрд параметров; точные сведения об архитектуре и размере контекстного окна в README не приведены. Доступны варианты квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K, Q8_0 и f16 размером примерно от 1,1 до 5,1 ГБ. Более компактные варианты экономят память, но могут снижать качество, тогда как Q6_K и Q8_0 обеспечивают более высокое качество при больших требованиях к ресурсам. Название и теги указывают на модификацию heretic/abliterated, однако подробности применённых изменений, результаты тестирования и ограничения такой модификации в README не описаны. Лицензия исходной модели указана как Apache-2.0; для практического использования следует также учитывать условия библиотек и компонентов, с которыми запускаются GGUF-файлы.

gomyk/minilm-student-L6_uniform_distilled — компактный многоязычный кодировщик предложений, созданный автором на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Модель использует архитектуру MiniLM с сокращением числа слоёв с 12 до 6 и уменьшенным словарём; в README указана размерность скрытого представления 384, а метаданные указывают 28,9 млн параметров и контекст до 512 токенов. Для дистилляции применялись потери MSE и косинусного сходства на данных задач классификации, кластеризации и семантического сходства. Модель предназначена для получения векторных представлений предложений, оценки их семантического сходства, кластеризации и классификации текстов. Она поддерживает 18 языков, включая русский и английский. В опубликованных результатах MTEB указаны средние показатели 56,93% в целом и 71,48% для STS; результаты зависят от языка и задачи. Модель выпущена под лицензией Apache-2.0.

Карточка модели NostraEmpire/mirror-deepseek-r1-distill-qwen-32b на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.

Карточка модели NostraEmpire/mirror-deepseek-r1-distill-qwen-7b на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.

Карточка модели NostraEmpire/mirror-mxbai-embed-large-v1 на Hugging Face совпадает с карточкой mixedbread-ai/mxbai-embed-large-v1, поэтому описание составлено по ней. mxbai-embed-large-v1 — модель Mixedbread AI для построения векторных представлений предложений и текстов. Это плотная BERT-модель на 433,9 млн параметров с контекстом до 512 токенов; она принимает текст и выдаёт эмбеддинги для поиска и сопоставления текстов. Карточка указывает английский язык и библиотеку sentence-transformers. Модель предназначена для семантического поиска, извлечения релевантных фрагментов и оценки сходства предложений. Для поисковых запросов README рекомендует добавлять префикс «Represent this sentence for searching relevant passages:». Поддерживаются Matryoshka Representation Learning и бинарная квантизация, позволяющие уменьшать размер эмбеддингов и затраты на их хранение. В заявленной авторами оценке на MTEB модель показывает сильные результаты среди моделей размера BERT-large. Модель распространяется по лицензии Apache-2.0. Ограничения включают окно контекста в 512 токенов и необходимость использовать рекомендованный префикс для запросов в сценариях поиска; авторы также отмечают наличие ограничений, которые планировали исправить в версии v2, не уточняя их в этой карточке.

Карточка модели NostraEmpire/mirror-smollm2-1.7b-instruct на Hugging Face совпадает с карточкой HuggingFaceTB/SmolLM2-1.7B-Instruct, поэтому описание составлено по ней. SmolLM2-1.7B-Instruct — компактная языковая модель Hugging Face на 1,7 млрд параметров, дообученная на базе HuggingFaceTB/SmolLM2-1.7B. Это плотный Transformer-декодер семейства Llama для генерации текста и диалогов; модель поддерживает контекст до 8192 токенов и рассчитана на запуск на устройстве. Версия Instruct прошла supervised fine-tuning и Direct Preference Optimization. Она предназначена для следования инструкциям, переписывания и суммаризации текста, а также вызова функций. Модель ориентирована прежде всего на английский язык; репозиторий содержит веса Safetensors и формат ONNX. Лицензия — Apache-2.0. По сравнению с предыдущей версией семейства улучшены следование инструкциям, знания, рассуждения и математика, однако ответы могут содержать фактические ошибки, быть логически непоследовательными или отражать смещения обучающих данных. Важную информацию следует проверять; модель не заменяет экспертную оценку.

avsolatorio/MixEmbed-base-20240110184818-best — компактная модель эмбеддингов предложений на архитектуре BERT, представленная в формате safetensors и предназначенная для Sentence-Transformers и Hugging Face Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска и кластеризации; также подходит для вычисления сходства между текстами. В README указано, что модель дистиллирована из bge-small-en-v1.5, содержит четверть числа параметров без учёта эмбеддингов по сравнению с этой базой и показывает качество, сопоставимое с all-MiniLM-L6-v2 при вдвое меньшем числе параметров. Модель содержит 18,8 млн параметров и принимает контекст до 512 токенов. README описывает её как англоязычную модель, созданную на основе bge-small-en-v1.5. Лицензия в предоставленных данных не указана.

MixEmbedBert-base-20240115163419-latest — компактная модель эмбеддингов на базе BERT для представления предложений и абзацев в виде плотных векторов размерности 384. Карточка описывает её как дистилляцию bge-small-en-v1.5; число параметров составляет 18,8 млн, контекст — до 512 токенов. Модель предназначена для семантического поиска, кластеризации и сравнения текстов. Она выдаёт текстовые эмбеддинги и поддерживает задачи извлечения признаков и оценки сходства предложений. В README заявлено, что модель содержит в четыре раза меньше неэмбеддинговых параметров, чем bge-small-en-v1.5, и имеет примерно вдвое меньше параметров, чем all-MiniLM-L6-v2, при сопоставимом качестве. Указанные семейство и учебная база ориентированы на английский язык. Для использования доступны варианты Sentence-Transformers и Transformers; при работе через Transformers необходимо применить подходящий pooling к контекстным представлениям токенов. В карточке не указана лицензия, поэтому условия использования по ней определить нельзя.

avsolatorio/MixEmbedMean-base-20240116012638-best — компактная модель эмбеддингов на архитектуре BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска и кластеризации. В README указано, что модель дистиллирована из BAAI/bge-small-en-v1.5 и имеет вчетверо меньше параметров вне эмбеддингового слоя; её автор сравнивает качество с all-MiniLM-L6-v2 при примерно половине числа параметров. Метаданные указывают 18,8 млн параметров, контекст до 512 токенов и формат safetensors. Модель рассчитана на текстовые задачи поиска и сравнения семантически близких фрагментов. В карточке отдельно не описаны лицензия и конкретные языки обучения, поэтому их нельзя уточнить по доступным сведениям.

tanbinh2210/mlm_trained_phobert — модель Sentence Transformers на архитектуре RoBERTa, разработанная пользователем tanbinh2210. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости; сходство измеряется косинусом. Модель предназначена для семантического поиска, поиска перефразирований, кластеризации и классификации текста. Модель принимает текстовые последовательности длиной до 258 токенов по метаданным Hugging Face; в README указано ограничение 256 токенов. Размер модели — 162,4 млн параметров. В архитектуре используется усреднение токенных представлений RoBERTa. В карточке не указаны поддерживаемые естественные языки и лицензия.

Карточка модели cristiano-sartori/MNLP_M2_document_encoder на Hugging Face совпадает с карточкой KingName1/sentence_transformer, поэтому описание составлено по ней. KingName1/sentence_transformer — модель Sentence Transformers на архитектуре MPNet, предназначенная для преобразования предложений и коротких абзацев в плотные семантические векторы размерности 768. README описывает её как дообученную на основе microsoft/mpnet-base с контрастивной целью на более чем миллиарде пар предложений; метаданные указывают 136,7 млн параметров и библиотеку sentence-transformers. Входной текст кодируется для семантического поиска, сравнения сходства и кластеризации.

Карточка модели matyaydin/MNLP_M3_document_encoder на Hugging Face совпадает с карточкой BAAI/bge-base-en-v1.5, поэтому описание составлено по ней. BAAI/bge-base-en-v1.5 — англоязычная плотная модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует текст в векторы для поиска по смыслу и сравнения сходства предложений, в том числе в системах retrieval-augmented generation (RAG). Модель относится к архитектуре BERT и содержит 136,7 млн параметров; максимальный контекст — 512 токенов. Версия v1.5 улучшает поиск без инструкций и смягчает проблему распределения оценок сходства. Оценки сходства не следует интерпретировать по универсальному порогу: из-за способа обучения даже несходные предложения могут получать значения выше 0,5. Модель поддерживает английский язык; доступны веса PyTorch и Safetensors, а также формат ONNX. Лицензия — MIT.

Карточка модели raduv98/MNLP_M3_document_encoder на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

jfarray/Model_all-distilroberta-v1_1_Epochs — модель на базе RoBERTa, опубликованная в формате PyTorch как модель Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации; также подходит для вычисления сходства между предложениями. Модель содержит 95,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss. Её можно использовать в приложениях поиска по смыслу и группировки текстов через Sentence Transformers. В карточке не указаны целевые языки и лицензия, поэтому их нельзя подтвердить по имеющимся данным.

jfarray/Model_all-distilroberta-v1_30_Epochs — модель эмбеддингов предложений на базе RoBERTa, опубликованная пользователем jfarray. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска по смыслу и кластеризации текстов. Модель можно использовать через библиотеку Sentence-Transformers; в метаданных указаны 95,2 млн параметров, контекст до 514 токенов и формат PyTorch. Обучение проводилось с функцией потерь CosineSimilarityLoss. Модель принимает текст и возвращает векторные представления, которые можно сравнивать для оценки смысловой близости. README не указывает поддерживаемые естественные языки или результаты бенчмарков. Лицензия в предоставленных данных не указана.

Карточка модели Vedant367/models_anamoly на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Это модель Sentence Transformers, дообученная на базе mixedbread-ai/deepset-mxbai-embed-de-large-v1. Она использует трансформер XLM-RoBERTa и преобразует предложения и абзацы в плотные векторы размерностью 1024, нормализованные для сравнения по косинусному сходству. Максимальная длина входа — 512 токенов; библиотека модели — sentence-transformers. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. В карточке указаны результаты оценки на задаче поиска информации, однако данных недостаточно, чтобы обобщать эти показатели на другие наборы текстов. Лицензия в предоставленных источниках не указана.

makiart/ModernBERT-large-DPR-msmarco — модель Sentence Transformers, дообученная автором makiart на answerdotai/ModernBERT-large с использованием датасета msmarco-co-condenser-margin-mse-sym-mnrl-mean-v1. Двунаправленный энкодер ModernBERT-large содержит около 394,7 млн параметров и преобразует предложения и абзацы в плотные векторы размерностью 1024; для объединения токенов применяется mean pooling, а для сравнения векторов — косинусное сходство. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Она обучена на англоязычных запросах и документах MS MARCO и поддерживает последовательности длиной до 8192 токенов. Её можно применять для построения эмбеддингов документов и запросов, а также ранжирования кандидатов по сходству. Модель распространяется в формате safetensors по лицензии базовой модели; конкретная лицензия в предоставленных данных не указана. Качество и применимость за пределами англоязычного поиска MS MARCO отдельно не подтверждены.

korruz/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers, дообученная на наборе sentence-transformers/all-nli из microsoft/mpnet-base. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из MPNetModel и слоя среднего объединения токенных представлений; сходство обычно оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель подходит для извлечения эмбеддингов английского текста и построения систем поиска или группировки по смыслу. В README приведены результаты TripletEvaluator на AllNLI: точность по cosine составила 0,906 на dev и 0,9186 на test. Лицензия — Apache-2.0. Она предназначена для английского языка; качество на других языках не подтверждено, а входы длиннее лимита последовательности потребуют усечения или разбиения.

tomaarsen/mpnet-base-gooaq-gor — текстовая модель Sentence Transformers, дообученная на парах вопросов и ответов набора GooAQ с функцией потерь GlobalOrthogonalRegularizationLoss. Она преобразует предложения и абзацы в плотные векторы размерности 768; близость текстов можно оценивать косинусным сходством. Модель основана на microsoft/mpnet-base и использует архитектуру MPNet с усреднением токенных представлений. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления вопросов с ответами, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В README приведены результаты оценки поиска на GooAQ-dev. Модель рассчитана на английский язык и распространяется по лицензии Apache-2.0.