II.8Инженерия данных и аналитика

DeltaP2S-Qwen2.5-14B-SameFormula-Code-S13 — объединённый чекпойнт на базе Qwen2.5, созданный пакетом экспериментов Delta-P2S с учётом архитектуры Qwen. Модель разработана автором репозитория g-assismoraes; в качестве обучающей базы указана Qwen/Qwen2.5-14B. Это плотная авторегрессионная языковая модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Контекстное окно составляет 131 072 токена. Название и каталог обучения указывают на настройку для задач, связанных с кодом и формулами, однако README не описывает конкретные возможности или результаты на этих задачах. Весы опубликованы в формате safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

Xenova/distilbert-base-multilingual-cased-ner-hrl — мультиязычная модель для распознавания именованных сущностей (NER), разработанная на основе Davlan/distilbert-base-multilingual-cased-ner-hrl. Репозиторий Xenova содержит ONNX-веса, адаптированные для использования в JavaScript-библиотеке Transformers.js, включая запуск в веб-средах и других совместимых окружениях. Модель предназначена для token classification: она размечает фрагменты текста и выявляет сущности, например имена людей и географические названия. В качестве основы используется архитектура DistilBERT с multilingual и cased-токенизацией; точный размер, список поддерживаемых языков и максимальная длина контекста в README не указаны. Сильной стороной является возможность локального запуска через Transformers.js и ONNX без зависимости от серверного Python-окружения. README не содержит сведений о точности, ограничениях качества и лицензии, поэтому эти характеристики нельзя определить по имеющимся данным.

Dream-Coder-v0-Base-7B — базовая модель Dream Coder 7B, разработанная для генерации кода. Это открытая диффузионная языковая модель на 7,1 млрд параметров с архитектурой DreamModel, предназначенная для работы с текстом и кодом. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Модель подходит для генерации и дополнения кода в диалоговых сценариях. В карточке заявлена высокая производительность, но сравнительные оценки и конкретные поддерживаемые языки программирования не приведены. Лицензия Apache-2.0 разрешает использование на её условиях.

DUSUNEN Pusula 118M v1 — компактная модель Sentence Transformers на базе BERT, разработанная и выпущенная Göktuğ Düşünen. Она преобразует турецкие запросы и документы в векторы для семантического поиска и сопоставления предложений. Модель дообучена на 50 000 турецких триплетов с трудными отрицательными примерами с применением Matryoshka Representation Learning. По умолчанию модель выдаёт векторы размерности 384; их можно обрезать до 256, 192, 128, 64 или 32 измерений, чтобы уменьшить размер индекса. Контекст — до 512 токенов. В репозитории также есть динамически квантованная ONNX-версия для инференса на CPU с AVX2. Проверки и бенчмарки README показывают результаты на конкретных наборах данных и не гарантируют такое же качество в прикладных сценариях. Модель распространяется по лицензии Apache-2.0.

Ludo33/e5_Sentiment_General_v2 — дообученная модель на базе intfloat/multilingual-e5-large-instruct для классификации тональности текста. Она использует архитектуру XLM-RoBERTa с 658,7 млн параметров и принимает текст с контекстом до 514 токенов. В README указаны результаты на оценочной выборке: accuracy 0,9016 и F1 0,9021; состав выборки и методика оценки не описаны. Модель подходит для определения тональности текстов в прикладных системах анализа мнений и отзывов. Базовая E5-модель многоязычная, однако конкретные поддерживаемые языки этой версии не перечислены. Модель распространяется по лицензии MIT.

IDEA-CCNL разработала Erlangshen-Roberta-330M-Similarity — китайскую модель семейства RoBERTa, дообученную для оценки сходства текстов. Она основана на chinese-roberta-wwm-ext-large и обучена на 2 773 880 примерах из 20 наборов данных с китайскими перефразированиями. В README размер модели указан как 330 млн параметров, а метаданные Hugging Face указывают 424,3 млн параметров; для запуска предлагаются BertTokenizer и BertForSequenceClassification из Transformers. Модель предназначена для сравнения китайских фраз и предложений, в том числе поиска перефразирований и определения смысловой близости. В карточке приведены результаты на наборах BQ, BUSTM и AFQMC; длина контекста составляет 512 токенов. Модель принимает текстовые пары и выдаёт классификационную оценку сходства. Репозиторий распространяется под лицензией Apache-2.0.

FireRedVAD-GGUF — преобразованные в формат GGUF варианты модели FireRedVAD от FireRedTeam для определения речевой активности в аудиозаписях и использования с CrispStrobe/CrispASR. Модель построена на архитектуре DFSMN: восемь блоков используют свёртки с контекстом по предыдущим и последующим кадрам. В карточке описаны три варианта: обычный VAD с просмотром вперёд и назад, потоковый вариант без просмотра вперёд и AED для многометочной классификации речи, пения и музыки. Размер вариантов составляет около 568–589 тысяч параметров.

Модель oliverguhr/fullstop-punctuation-multilingual-sonar-base разработана для восстановления знаков препинания в тексте, в том числе в расшифровках устной речи. Это многоязычная модель XLM-RoBERTa для классификации токенов с 305,2 млн параметров и контекстом до 514 токенов. Она предсказывает точки, запятые, вопросительные знаки, дефисы и двоеточия для английского, немецкого, французского, итальянского и нидерландского языков. Модель подходит для расстановки пунктуации в транскриптах и текстах без пунктуации. В карточке приведены F1-оценки для отдельных классов и отмечено, что качество зависит от знака препинания: дефисы и двоеточия часто можно заменить запятой или точкой. Обучение проводилось на политических выступлениях из Europarl, а для нидерландского использовался SoNaR, поэтому на текстах других тематик результаты могут отличаться. Лицензия — MIT.

Functionary Medium v3.2 — языковая модель команды MeetKai для диалогов с вызовом функций и инструментов. Она основана на Meta-Llama-3.1-70B-Instruct и использует плотную архитектуру LlamaForCausalLM; в репозитории указаны 69,5 млрд параметров и контекст до 131 072 токенов. Модель принимает описания функций в формате JSON Schema, решает, когда вызывать их, и поддерживает последовательные и параллельные вызовы. Она может анализировать результаты инструментов и формировать на их основе ответы, а также отвечать без вызова функций, когда инструменты не нужны. В README также заявлена поддержка code interpreter. Для удобного разбора вызовов функций авторы предоставляют собственный код; запуск рекомендуется через OpenAI-совместимый сервер vLLM. Модель подходит для создания чат-ассистентов, которые обращаются к API, инструментам и интерпретатору кода. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Карточка не сообщает конкретных сведений о языковом покрытии или результатах сравнительных оценок.

Functionary Small v3.2 — языковая модель команды MeetKai для диалогов с вызовом функций и инструментов. Она основана на Meta Llama 3.1 8B Instruct; в репозитории указана плотная архитектура Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. Веса представлены в формате safetensors. Модель подходит для чат-сценариев, где нужно выбирать подходящий инструмент, формировать вызовы по описаниям функций в JSON Schema, запускать несколько функций параллельно или последовательно и использовать их результаты для ответа. Она также может продолжать обычный диалог без вызова инструментов и поддерживает сценарии с интерпретатором кода. Для разбора сырых ответов в структуру с полями роли, содержимого и вызовов инструментов предусмотрен пользовательский код; авторы также рекомендуют запуск через совместимый с OpenAI сервер vLLM. Лицензия — MIT. Карточка описывает интерфейс вызова инструментов, но не приводит языковых оценок или сравнительных результатов; фактическое качество зависит от формата промпта и корректной обработки вызовов инструментов.

Fusion Embedding 2 2B Preview — мультимодальная модель эмбеддингов Eximius Labs на базе Qwen3-VL-Embedding-2B. Она преобразует текст, изображения, видео и аудио в векторы общего пространства для поиска и сопоставления. Текстовые, визуальные и видеовекторы совпадают с исходной базовой моделью побитово; для аудио обучены 60,6 млн параметров адаптеров и преобразователь признаков аудиобашни Qwen2.5-Omni, при этом основная модель и аудиобашня заморожены. Всего в модели около 2,06 млрд параметров базовой модели и 640 млн параметров аудиобашни. Основная версия рассчитана на поиск по аудио и тексту, мультимодальный поиск, RAG и кластеризацию. Отдельная версия с настройкой на ключевые слова подходит для поиска по произнесённым командам. Модель также может использоваться для сопоставления аудио с изображениями, хотя этому соответствию её напрямую не обучали. В README отмечены слабые результаты на задачах кластеризации и снижение качества распознавания эмоций по голосу; показатели на части тестов могут быть затронуты пересечением обучающих данных и тестовых выборок. Это предварительная исследовательская версия, распространяемая по лицензии CC-BY-NC-4.0.

German_Semantic_V3b — немецкоязычная модель эмбеддингов, разработанная Аароном Чиббом. Это дообученная версия aari1995/gbert-large-2 на архитектуре JinaBertModel, предназначенная для получения векторных представлений предложений и сравнения их семантической близости. Модель содержит 434,5 млн параметров и принимает последовательности длиной до 8192 токенов. Модель рассчитана на немецкий язык и особенно учитывает культурный контекст Германии. Она устойчива к небольшим опечаткам и различиям в регистре. Поддерживаются Matryoshka-эмбеддинги размером от 1024 до 64 измерений: уменьшение размерности снижает требования к хранению, но может немного ухудшить качество. По README, V3b ориентирована на высокую производительность, однако её знания ограничены периодом примерно до 2020 года. Лицензия — Apache 2.0.

GLiClass-Edge v3.0 for LiteRT — компактная модель Knowledgator для классификации текста по заданному пользователем набору меток без обучения на этих метках. Это 10-слойный энкодер ModernBERT с 32,7 млн параметров, преобразованный в формат LiteRT для запуска на CPU и GPU, включая мобильные устройства. Модель получает текст, необязательную инструкцию и до 25 кандидатных меток, затем за один проход оценивает каждую метку; доступны режимы с одной или несколькими метками. В репозитории представлены графы LiteRT для последовательностей до 128 и 256 токенов, включая вариант с весами float16. Для последнего README сообщает о двух изменившихся ответах из 552 тестовых запросов, оба случая были близкими по оценкам. Более длинные запросы и наборы свыше 25 меток не поддерживаются: входы не обрезаются, а приводят к ошибке. Проверки на CPU и отдельных GPU показали близкое соответствие официальному конвейеру GLiClass; скорость и точность могут зависеть от устройства и режима вычислений. Модель подходит для тематической разметки, маршрутизации обращений и присвоения категорий текстам без предварительного обучения на фиксированных классах. В README описан пример с английскими метками и текстом; метаданные указывают английский язык. Лицензия — Apache-2.0.

minosu/godot_dodo_4x_60k_llama_7b — модель генерации текста, дообученная по инструкциям на основе LLaMA. Она разработана для выполнения пользовательских инструкций; в карточке отдельно упоминается оценка на запросах по программированию. Модель обучена в апреле 2023 года на наборе из 60 тысяч строк с инструкциями. Это плотная авторегрессионная архитектура LlamaForCausalLM объёмом 6,6 млрд параметров с контекстом 2048 токенов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Jisr-Align-29M — разработанная oddadmix контрастивно дообученная с нуля модель на базе Marian для выравнивания арабских и английских предложений. Это энкодер с 29 млн параметров, шестью слоями и размерностью представлений 448; модель принимает пары предложений и выдаёт векторные представления для оценки их соответствия. Максимальная длина контекста — 1024 токена. Для выравнивания документов README рекомендует сочетать энкодер с динамическим поиском по монотонному пути, который формирует связи 1-к-1, 1-ко-многим, многие-к-1 и нулевые связи с оценкой уверенности. Модель подходит для поиска параллельных текстов, сопоставления предложений между арабскими и английскими документами и поиска переводных соответствий. В README приведены результаты на FLORES devtest и египетском диалекте арабского языка; отдельная адаптация на диалектные данные не проводилась. Ограничения поиска: он не восстанавливает перестановки предложений, а связи 2-к-2 выбираются редко из-за стоимости шага в используемом DP-поиске. Модель распространяется по лицензии Apache-2.0.

Kimi K2.75 Code — экспериментальный объединённый чекпойнт, созданный автором репозитория на основе moonshotai/Kimi-K2.7-Code и moonshotai/Kimi-K2.6. Веса объединены методом SLERP с разными коэффициентами для attention, MLP и прочих тензоров, затем чекпойнт был прорежен и упакован в safetensors. Модель предназначена для генерации текста в сценариях, связанных с программированием. Её архитектура обозначена как Kimi K2.5, класс — KimiK25ForConditionalGeneration; в метаданных указан формат safetensors и библиотека Transformers. Репозиторий помечен лицензией other, поэтому перед использованием следует проверить условия лицензии. Качество модели ещё не оценено полностью. Автор рекомендует проверять результаты перед практическим применением; конвертация в GGUF, квантизация и smoke-тестирование на момент публикации могли продолжаться.

cfokmu/klue-roberta-base-klue-sts — модель эмбеддингов предложений на базе RoBERTa, опубликованная сообществом cfokmu. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Модель использует архитектуру RoBERTa с 137,8 млн параметров; для вычисления эмбеддингов применяется pooling поверх контекстных представлений токенов. Максимальная длина контекста — 514 токенов. Модель подходит для семантического поиска и группировки текстов по смыслу. Карточка указывает обучение с CosineSimilarityLoss; данные подтверждают назначение для KLUE/ST​S, поэтому основным языком является корейский. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Korean PII NER v3 — корейская модель распознавания именованных сущностей для обнаружения потенциально персональных данных в тексте. Разработчик дообучил klue/roberta-large с архитектурой RoBERTa на задачу классификации токенов. Модель содержит 435,4 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт разметку BIO для сущностей NAME, ADDRESS и ORG. Модель предназначена для поиска имён людей, адресов и организаций в корейском тексте, в том числе как детектор в конвейере защиты от утечек персональных данных. Внутренний тестовый набор показал macro-F1 0,878, а внешняя оценка на KLUE-NER — 0,766; эти результаты относятся к указанным наборам данных. Для промышленного применения автор рекомендует сочетать модель с регулярными выражениями, словарями и дополнительной коррекцией границ сущностей. Модель не обнаруживает телефонные номера, адреса электронной почты, номера регистрации резидентов и данные банковских карт. Возможны ошибки границ адресов и снижение качества на медицинских, финансовых, юридических и других отличающихся от обучающих данных текстах. Лицензия — CC-BY-SA-4.0.

LFM2.5-230M — компактная текстовая инструкционная модель Liquid AI, представленная в репозитории Unsloth как производная от LiquidAI/LFM2.5-230M. Модель содержит около 221,2 млн параметров; в карточке описана гибридная архитектура LFM2 с 14 слоями: 8 блоками LIV-свёрток и 6 блоками GQA. Она рассчитана на локальное развёртывание на устройствах с ограниченными ресурсами, а метаданные указывают контекст до 128 000 токенов. Модель предназначена для извлечения данных, генерации текста по инструкциям и лёгких агентных сценариев с вызовом инструментов. Она поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский языки. Карточка сообщает о дистилляции от LFM2.5-350M и многоэтапном обучении с подкреплением; при этом метаданные определяют связь репозитория как fine-tuning базовой модели LiquidAI/LFM2.5-230M. Лицензия обозначена как other. Сильные стороны модели — малый размер и ориентация на быстрый инференс на локальных устройствах. Карточка не рекомендует её для задач, требующих глубоких рассуждений, сложной математики, генерации кода или творческого письма; также знания модели ограничены серединой 2024 года. В описании Unsloth Dynamic 2.0 заявлено повышение точности относительно других квантованных моделей, однако представленный репозиторий содержит формат safetensors, а не квантованные веса.

Llama3.1-8B-Enigma-GGUF — это квантизированная версия языковой модели Llama3.1-8B-Enigma от ValiantLabs, подготовленная и опубликованная bartowski в формате GGUF для llama.cpp. Модель основана на архитектуре Llama и предназначена для генерации текста, диалогового взаимодействия, выполнения инструкций и задач, связанных с программированием, в частности с Python. Заявленный язык — английский. Доступны варианты с разной степенью квантизации: от полноразмерной F32-версии около 32,13 ГБ до компактных IQ2_M и Q2_K. Наиболее качественными и рекомендуемыми в README названы варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; более компактные варианты требуют меньше оперативной памяти, но заметнее снижают качество. Квантизация выполнена с использованием imatrix и llama.cpp release b3583, запуск рекомендуется через LM Studio. Сильными сторонами являются выбор размеров файлов, возможность локального запуска и сохранение высокого качества у старших вариантов квантизации. Ограничения включают зависимость качества от выбранного варианта, преимущественную ориентацию на английский язык и отсутствие в README данных о размере контекста, производительности, мультимодальности и результатах тестирования. Модель распространяется по лицензии llama3.1.

Модель dbands/llama-3-8b-instruct_code_instructions_122k_alpaca_style_16bit — дообученная автором dbands языковая модель семейства Llama 3 с архитектурой LlamaForCausalLM. Она предназначена для генерации текста по инструкциям; название репозитория указывает на формат инструкций Alpaca и тематику кода, но README не описывает конкретные возможности или результаты обучения. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель дообучена на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и Hugging Face TRL. В карточке указана лицензия Apache 2.0. Метаданные отмечают английский язык; сведений о гарантированном качестве ответов или ограничениях для отдельных сценариев в карточке нет.

aryyanthakrr/mergekit-linear-hvabxqs — объединённая языковая модель, созданная методом линейного слияния mergekit на основе Qwen2.5-Coder-0.5B-Instruct с добавлением Qwen2.5-0.5B-Instruct. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и распространяется в формате safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и диалогов, а также может применяться для задач программирования благодаря включению кодовой модели. Метаданные указывают контекст до 32 768 токенов и интерфейс вызова инструментов. В README описано равное линейное слияние двух моделей в формате float16. Качество и поведение конкретного слияния отдельно не оценены в предоставленной карточке. Лицензия в доступных данных не указана.

MetaCLIP 2 (worldwide) — модель Meta, соответствующая чекпойнту ViT-bigG-14-378-worldwide из оригинальной реализации MetaCLIP 2. Она предназначена для классификации изображений по текстовым описаниям без дообучения на конкретных метках: пользователь задаёт варианты классов, а модель оценивает соответствие изображения каждому из них. Модель имеет архитектуру MetaClip2Model и доступна в формате safetensors; для работы в карточке указана библиотека Transformers. Модель рассчитана на многоязычное применение и может использоваться для поиска изображений по категориям и быстрой разметки изображений заданным набором текстовых меток. Репозиторий опубликован по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

Moirai-1.0-R-Base — модель временных рядов от Salesforce: универсальный трансформер с маскируемым энкодером, предварительно обученный на наборе LOTSA. Модель предназначена для прогнозирования временных рядов, в том числе многомерных рядов с целевыми переменными и известными значениями ковариат на горизонте прогноза. Архитектура использует разбиение рядов на патчи и трансформер для их обработки; выходные представления преобразуются в параметры смеси распределений прогноза. В README указано 91 млн параметров, а в метаданных — 99,1 млн. Модель распространяется в формате safetensors; для инференса авторы рекомендуют библиотеку uni2ts. Выпуск предназначен для исследовательских целей и не оценивался для всех возможных прикладных сценариев. Перед применением следует оценить точность и риски конкретного использования. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

MyAwesomeModel — модель на базе BERT, опубликованная пользователем VioletteHunter на Hugging Face и предназначенная для извлечения признаков из текста через библиотеку Transformers и PyTorch. Метаданные классифицируют её по pipeline-задаче feature-extraction и указывают лицензию MIT. Извлечённые векторные представления можно использовать как входные данные для последующей классификации, поиска похожих текстов, кластеризации и других задач машинного обучения. README дополнительно заявляет о возможностях рассуждения, генерации кода, ответов на вопросы, суммаризации, диалога и function calling, однако эти сведения не согласуются с указанным в метаданных pipeline-тегом feature-extraction и не подтверждают размер, контекст, языки или точную архитектуру конкретного репозитория. Модель распространяется по лицензии MIT. Практическое применение следует проверять на целевых данных, поскольку README содержит общие заявления о результатах и не приводит воспроизводимых сведений о тестовой конфигурации, датасетах или ограничениях.

iitzprakhar/my-custom-code-ai — дообученная автором iitzprakhar языковая модель для генерации текста, созданная на основе unsloth/qwen2.5-coder-1.5b-instruct-bnb-4bit. Это плотная причинная архитектура Qwen2 размером 1,5 млрд параметров с контекстом до 32 768 токенов; модель сохранена в формате safetensors и поддерживает диалоговый режим и интерфейс вызова инструментов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL; модель ориентирована на сценарии генерации кода и общения с кодовым ассистентом, унаследованные от базовой Qwen2.5-Coder-Instruct. Модель принимает текст и генерирует текст. В метаданных указан английский язык, а лицензия — Apache 2.0. Карточка не приводит результаты оценки качества и подробностей о собственных данных или специализации дообучения, поэтому качество на конкретных языках программирования и задачах следует проверять отдельно.

Nemotron-Terminal-32B — языковая модель NVIDIA для автономной работы в терминале. Это плотная causal language model семейства Qwen3 с 29,7 млрд параметров, дообученная для задач терминального взаимодействия. Модель принимает текстовое описание задачи и сведения о состоянии терминала, а в ответ формирует структурированный JSON с анализом, планом и последовательностью нажатий клавиш и команд. Модель предназначена для запуска командной строки и выполнения многошаговых задач в терминале, включая сценарии оценки Terminal-Bench 2.0. В README для варианта 32B указана точность 27,4% на этом бенчмарке; для согласованной оценки рекомендуется оболочка Terminus 2, на которой проводилось обучение. Поддерживается контекст до 40 960 токенов. Модель рассчитана на английский язык. Это дообученная версия Qwen3-32B; в репозитории указаны веса safetensors для библиотеки Transformers. Лицензия обозначена как other, поэтому условия использования следует сверять с карточкой модели и сопровождающими лицензиями. Ответы модели могут содержать некорректные команды или планы, поэтому их следует проверять перед выполнением.

NerdySamantha — экспериментальная объединённая модель на архитектуре Mistral, созданная для помощи с программированием и диалогового общения. Автор описывает её как coding assistant с дружелюбной, живой манерой общения; характер можно задавать контекстной карточкой. Модель с 7,1 млрд параметров получена линейным слиянием cognitivecomputations/samantha-1.2-mistral-7b и Nondzu/Mistral-7B-Instruct-v0.2-code-ft. Она поддерживает генерацию текста и чаты, а заявленная длина контекста составляет 32 768 токенов. Подходит для вопросов по коду, помощи в разработке и обычных бесед. Результаты таблицы оценивания в README приведены лишь частично, поэтому по ним нельзя надёжно судить о качестве модели. Лицензия в предоставленных данных не указана.

OLMo-3-7B-Think-LOPD — плотная авторегрессионная языковая модель на 6,9 млрд параметров, созданная дообучением allenai/OLMo-3-7B-Think методом Latent On-Policy Self-Distillation (LOPD). Разработчик сообщает, что дообучение проводилось для генерации кода. Модель предназначена для генерации кода и диалогового взаимодействия. Она работает с текстом, поддерживает контекст до 65 536 токенов и доступна в формате safetensors для Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или перечня поддерживаемых языков программирования. Результаты генерации кода могут требовать проверки и тестирования.

Карточка модели seerware/opensearch-neural-sparse-encoding-doc-v2-mini на Hugging Face совпадает с карточкой opensearch-project/opensearch-neural-sparse-encoding-doc-v2-mini, поэтому описание составлено по ней. opensearch-project/opensearch-neural-sparse-encoding-doc-v2-mini — компактная модель OpenSearch для нейронного разреженного поиска по документам. Она основана на BERT и содержит 25,9 млн параметров; модель принимает текст и формирует разреженные векторы размерностью 30 522. Для запросов используются токенизатор и таблица весов, а релевантность вычисляется как скалярное произведение векторов запроса и документа. Модель предназначена для применения с инвертированным индексом Lucene в OpenSearch и может запускаться через Sentence Transformers или API Hugging Face. Модель подходит для поиска документов и passages, семантического поиска и расширения документов при подготовке к поиску. В README приведены результаты оценки серии моделей на подмножестве BEIR; показатели различаются между наборами данных. Контекст ограничен 512 токенами, основной язык в метаданных — английский. Распространяется по лицензии Apache-2.0.