IV.11Патенты, товарные знаки и интеллектуальная собственность

PIXIE-Spell-Preview-1.7B — модель эмбеддингов компании TelePIX, построенная на архитектуре Qwen3 и оформленная как Sentence Transformer. Она предназначена для семантического поиска и извлечения релевантных документов по запросам на корейском и английском языках, с особым вниманием к аэрокосмической тематике. Модель содержит 1,7 млрд параметров, формирует векторы размерности 2048 и использует косинусное сходство для сравнения; карточка указывает максимальную длину последовательности 8192 токена, а метаданные — контекст до 40960 токенов. Её можно применять для поиска по технической документации, ответов на вопросы с извлечением источников и построения семантического поиска в аэрокосмических и других предметных коллекциях. В README приведены результаты оценки на корейских и англоязычных наборах для поиска, включая задачи с длинными документами, многошаговыми вопросами и научными материалами. Модель распространяется по лицензии Apache-2.0.

PleIAs-SLM-RAG — локальная система генерации ответов с поиском по документам от PleIAs. Она использует Pleias Redline — дообученную на базе Baguettotron языковую модель примерно на 300 млн параметров в формате GGUF с квантизацией Q8_0 — и индекс полнотекстового поиска LanceDB. Система принимает вопрос и извлекает из локальной базы наиболее подходящие фрагменты, после чего модель формирует потоковый ответ с цитатами. Решение рассчитано на автономную работу на CPU без внешних API, в том числе на Raspberry Pi 5. Его можно применять с собственными коллекциями документов через Flask API; в комплекте также есть примеры данных на английском и французском языках. Контекст генерации настроен на 4096 токенов, за запрос выбираются до трёх источников. Модель предназначена для ответов, обоснованных найденными источниками, однако качество зависит от полноты базы, поиска и способности небольшой модели следовать инструкциям. В README указана лицензия Apache-2.0. README описывает репозиторий как сервер и комплект модели, тогда как метаданные Hugging Face помечают его задачей text-generation.

bge-m3-vistalab — дообученная Ulku Tuncer Kucuktas на BAAI/bge-m3 модель эмбеддингов для турецких текстов. Она предназначена прежде всего для поиска по юридическим документам: договорам, нормативным актам и судебным решениям; также обучалась на задачах семантического сходства, поиска и классификации. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и принимает текст, преобразуя его в векторные представления. В README указаны варианты представления размерностью 1024 и 256; метаданные сообщают контекст до 8194 токенов, тогда как в описании обучения указан max_seq 512. Для адаптации применялся LoRA с рангом 32, а обучение включало синтетические турецкие юридические и поисковые данные, реальные данные NLI/STS и MS MARCO-TR. В README приведены результаты оценки на турецких юридических задачах и MTEB-Turkish. Модель распространяется по лицензии MIT.

EmbeddingGemma-300m Legal Spanish — модель Sentence Transformers, созданная дообучением google/embeddinggemma-300m на 300 тысячах пар запросов и релевантных документов из испаноязычного юридического датасета. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска и сравнения текстов; сходство оценивается косинусной мерой. Модель принимает текст, поддерживает испанский язык и обрабатывает последовательности длиной до 2048 токенов. Модель предназначена прежде всего для поиска релевантных юридических документов на испанском языке. В README приведены результаты оценки поиска на двух наборах legal-spanish-eval; такие показатели относятся к указанным тестовым наборам и не гарантируют качество на других данных. Модель выпущена под лицензией Apache-2.0.

KURE-legal-ft-v1 — модель текстовых эмбеддингов на базе Sentence Transformers, разработанная для поиска юридических документов в RAG-системе консультационного помощника. Её создала команда проекта «AI Assistant-Based Legal Consultation Community» из Национального университета Кымо в Корее; модель дообучена на nlpai-lab/KURE-v1 на корейских юридических текстах, включая вопросы и ответы и данные о судебных делах из набора AI Hub. Модель преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для семантического поиска, сравнения сходства, поиска перефразировок, кластеризации и классификации текста. Архитектура XLM-RoBERTa использует пулинг CLS и нормализацию; максимальная длина последовательности — 8192 токена, сходство можно оценивать косинусной мерой. В описанной оценке на AI_HUB_legal_QA_data указана точность cosine_accuracy@5 0,9336. Модель ориентирована на корейские юридические документы и запросы. Она выдаёт векторы, а не готовые юридические ответы, поэтому для консультационного сценария её следует использовать как компонент поиска в RAG-системе. Лицензия в предоставленных сведениях не указана.

MiniMax-M2.7 Legal REAP 0.45 — производная модель семейства MiniMax-M2.7, выпущенная PLI Labs / Proprietary Legal Intelligence как кандидат для оценки прореживания экспертных компонентов в юридической области. Модель предназначена для работы с текстом и поддерживает диалог; заявленный размер — 2,9 млрд параметров, архитектура — смесь экспертов, формат весов — safetensors, контекст — до 204 800 токенов. В метаданных указан английский язык, а лицензия обозначена как other. Модель рассчитана на помощь юристам при составлении и редактировании документов, обобщении длинных текстов и фактов, анализе с опорой на источники, а также на локальную или приватную оценку юридических сценариев. Разработчик сообщает о перспективных результатах внутренней оценки, но публичные сводные таблицы бенчмарков пока не представлены. Это исследовательский кандидат, а не проверенная модель для самостоятельного оказания юридических услуг: ответы и ссылки требуют проверки юристом по первичным источникам. Условия лицензии и использования следует сверить с лицензией репозитория, обозначенной как other.

PIXIE-Spell-v1.5-0.6B — модель эмбеддингов на основе Sentence Transformer, разработанная TelePIX Co., Ltd. на архитектуре Qwen3. Она преобразует текст в векторы размерности 1024, нормализованные для сравнения по косинусному сходству; число параметров — около 508 млн. Модель оптимизирована для семантического поиска и извлечения информации на корейском и английском языках, особенно в аэрокосмической тематике, и также показывает результаты на открытых корейских и англоязычных задачах поиска. Модель подходит для семантического поиска по документам, поиска технических материалов и подбора контекста для систем вопросов и ответов. README указывает максимальную длину последовательности 8192 токена, а метаданные каталога — контекст до 40960 токенов. Лицензия — Apache-2.0. Оценки в README приведены на наборах STELLA, MTEB (корейский) и RTEB (английский); они не гарантируют аналогичное качество на произвольных данных.

Berk2003 tarafından BAAI/bge-m3 temelinde ince ayarlanmış SentenceTransformer modelidir. XLM-RoBERTa mimarisini, CLS pooling ve нормализацию выходных векторов kullanarak преобразует тексты в плотные эмбеддинги размерности 1024; сходство оценивается косинусной мерой. Модель предназначена для семантического поиска и сопоставления предложений и абзацев, в частности для поиска по юридическим текстам: примеры обучающих данных относятся к турецкому праву и связывают вопросы с фрагментами ответов. В README указана максимальная длина последовательности 512 токенов. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов; практическая длина для этой конфигурации ограничена значением из README. Модель принимает текст и выдаёт векторы, а не готовые юридические заключения. Лицензия в предоставленных данных не указана.

Модель nemanjaPetrovic/legal-jerteh-125-sbert — дообученная версия Jerteh-125 на основе Sentence-BERT и архитектуры RoBERTa. Её разработал автор репозитория для семантического поиска по юридическим данным; обучение проводилось на триплетах с функцией потерь triplet loss. Модель содержит 180,2 млн параметров, принимает текст и формирует эмбеддинги для сравнения предложений и документов. Поддерживает сербский язык, а максимальная длина контекста составляет 514 токенов. Модель подходит для поиска юридических документов по смыслу и сопоставления запросов с релевантными текстами. Веса доступны в формате PyTorch; лицензия — MIT. В README модель названа proof of concept, поэтому её качество и пригодность для конкретного юридического корпуса следует оценить перед применением.

Matryoshka Text Embedding v1 — мультиязычная модель эмбеддингов текста на базе энкодера XLM-RoBERTa, дообученная с применением Matryoshka Representation Learning. Она преобразует тексты в векторы для семантического поиска, сравнения предложений и извлечения документов; поддерживает семь размерностей эмбеддинга от 64 до 1024, что позволяет выбирать компромисс между качеством, скоростью и объёмом хранения. Максимальная длина последовательности — 8194 токена по метаданным модели; README указывает 8192 токена. Модель предназначена для поиска по научной литературе, правовым и медицинским документам, веб-страницам и каталогам товаров, а также для рекомендаций и индексации больших коллекций. В карточке заявлена поддержка более 100 языков; метаданные отдельно перечисляют английский, арабский, немецкий, испанский, французский, китайский, русский, турецкий, корейский, японский, итальянский, португальский и нидерландский. Метаданные указывают 658,7 млн параметров, тогда как README приводит около 568 млн. Модель выпущена hasankursun и дообучена на FacebookAI/xlm-roberta-base. Для лучшего соответствия исходному качеству используют полную размерность или крупные векторы; усечение уменьшает требования к хранению и вычислениям, но может снизить качество. Лицензия CC-BY-NC-4.0 разрешает использование с обязательной атрибуцией и ограничивает коммерческое применение.

legalvn/paraphrase-multilingual-MiniLM-L12-v2-168500 — дообученная модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура включает трансформер BERT с усреднением токенных представлений; модель содержит 124,3 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 384. Для сравнения текстов используется косинусное сходство. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. В карточке показаны обучающие примеры на вьетнамском языке, в том числе запросы и фрагменты нормативных документов; контекстная длина в метаданных составляет 512 токенов, а README указывает ограничение последовательности 128 токенов. Лицензия в предоставленных данных не указана.

Mursit-Embed-Qwen3-4B-TR-i1-GGUF — квантованная GGUF-версия модели Mursit-Embed-Qwen3-4B-TR, разработанной newmindai и подготовленной в виде квантов mradermacher. Модель основана на Qwen3 с примерно 4 миллиардами параметров и преобразует архитектуру decoder-to-encoder для создания текстовых эмбеддингов. Модель предназначена для семантического сходства, извлечения признаков, dense retrieval и информационного поиска, включая поиск по юридическим документам и турецким правовым материалам. В обучении использовались датасеты ms-marco-turkish-triplets и EuroHPC-Legal. Заявлена поддержка турецкого и английского языков, поэтому модель особенно ориентирована на двуязычные и турецко-правовые сценарии. Преимущество этой версии — доступность в широком наборе GGUF-квантовок разных размеров, что позволяет выбирать компромисс между качеством, скоростью и требованиями к памяти, включая варианты IQ4_XS, Q4_K_S и рекомендуемый Q4_K_M. Более агрессивные квантовки могут заметно снижать качество, а сведения о максимальной длине контекста, размерности эмбеддингов, точных метриках и полном примере интеграции в README не приведены. Модель распространяется по лицензии Apache-2.0.

MaxNoichl/discipline-tuned_specter_2_015 — дообученная модель Sentence Transformers на базе научного энкодера SPECTER2 от Allen Institute for AI. Она кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их косинусным сходством; архитектура включает BERT, усреднение токенов и нормализацию эмбеддингов. Модель подходит для семантического поиска и сопоставления текстов, в том числе для поиска по научной литературе, кластеризации, поиска перефразировок и классификации на основе эмбеддингов. Максимальная длина последовательности — 512 токенов. В README приведена оценка cosine_accuracy 0,9706 на наборе TripletEvaluator; её нельзя считать гарантией качества на других данных. Модель принимает текст и выдаёт векторы. Лицензия в предоставленных сведениях не указана.

Модель deman539/legal-ft-snowflake-l-94559c3c-e86d-40df-86f3-b60b1e6a59e8 — дообученная версия Snowflake/snowflake-arctic-embed-l, разработанная автором репозитория на базе Sentence Transformers. Она кодирует предложения и абзацы в плотные векторы размерности 1024 для семантического поиска, сравнения сходства текстов и поиска перефразировок. В README также перечислены кластеризация и классификация текстов как возможные сценарии использования. В основе — BERT с пуллингом CLS-токена и нормализацией векторов; сходство измеряется косинусной близостью. Максимальная длина входа составляет 512 токенов. Модель обучалась на 156 парах предложений и документов; README приводит результаты оценки поиска на тестовом наборе, но они не характеризуют качество на других данных. Данных о лицензии в предоставленных источниках нет.

Sonar Deep Research — исследовательская модель Perplexity для многоэтапного поиска, синтеза и рассуждений по сложным темам. Она самостоятельно ищет и читает источники, оценивает их и уточняет подход по мере сбора информации. Модель предназначена для углублённого исследования вопросов, требующих работы с несколькими источниками и последовательного обобщения найденных сведений. Данных о размере, архитектуре, поддерживаемых языках, длине контекста и лицензии в доступных материалах нет.

MiroThinker v1.5-30B — поисковый агент для многошагового рассуждения и поиска информации, разработанный MiroMind и дообученный на базе Qwen/Qwen3-30B-A3B-Thinking-2507. Модель использует архитектуру Qwen3 MoE и предназначена для работы в диалоговом режиме с внешними инструментами через агентный фреймворк. Модель поддерживает контекст до 262 144 токенов и, согласно карточке, может выполнять до 400 вызовов инструментов за задачу. Она рассчитана на глубокие исследовательские запросы, требующие поиска, проверки сведений и последовательного уточнения ответа по обратной связи от среды. Метаданные указывают 2,6 млрд параметров; в README модель включена в серию, также представленную вариантом на 235 млрд параметров. В карточке заявлены результаты на бенчмарках HLE-Text, BrowseComp, BrowseComp-ZH и GAIA-Val-165; это заявления разработчика, а подробный технический отчёт на момент публикации карточки ещё не представлен. Для полноценного использования рекомендуется агентная инфраструктура с подключёнными инструментами и включённым режимом рассуждения. Модель распространяется по лицензии MIT.

MaxNoichl/discipline-tuned_specter_2_024 — Sentence Transformers-модель, дообученная на базе научного энкодера allenai/specter2_aug2023refresh_base. Она кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT, усредняющий пулинг токенов и нормализацию. Максимальная длина входа — 512 токенов, сходство векторов можно оценивать косинусной мерой. Модель предназначена для поиска и сравнения текстов, в том числе семантического поиска, сопоставления научных материалов, кластеризации и поиска перефразировок. README указывает на дообучение с TripletLoss на наборе из 43 494 примеров и сообщает cosine accuracy 0,971 на оценке TripletEvaluator для указанного теста. Это не гарантирует аналогичного качества на других данных. Веса опубликованы в формате safetensors; модель рассчитана на использование с библиотекой Sentence Transformers. Поддерживаемая лицензия в предоставленных данных не указана.

Hiro-MOSS-OCR-0.3B — компактная мультимодальная модель OCR от PatSnap, обученная с нуля на более чем 50 млн примеров для распознавания содержимого документов по отдельным областям изображения. Она преобразует изображения в структурированную разметку: формулы записывает в LaTeX, таблицы — в HTML, основной текст — в Markdown. Модель насчитывает около 320,8 млн параметров и использует визуальный энкодер NaViT с 2D RoPE и коннектор SwiGLU с объединением патчей; поддерживает изображения произвольного разрешения. Модель предназначена для извлечения текста, распознавания формул и восстановления таблиц в документах на японском, китайском и английском языках. Её можно применять для оцифровки документов, обработки научных материалов и преобразования табличных или математических фрагментов в пригодную для дальнейшей обработки разметку. Для ускоренного локального запуска и обслуживания предусмотрены CUDA Graph и vLLM; быстрый путь через Transformers указан как более медленный и подходящий для пробных запусков и небольших одиночных изображений. Веса опубликованы в форматах FP32 и BF16, лицензия — Apache-2.0. README приводит сравнительные результаты на OmniDocBench и внутреннем патентном тесте, но доступные данные не дают оснований обобщать их на все документы и условия съёмки.

webAI-ColVec1-9b — мультимодальная модель поиска по визуальным документам от webAI-Official, дообученная на базе Qwen/Qwen3.5-9B. Она кодирует текстовые запросы и изображения страниц документов в многовекторные представления размерности 2560, нормализованные по L2. Архитектура ColBERT-style использует общий энкодер для текста и изображений и позднее взаимодействие токенов с оценкой MaxSim. Модель предназначена для поиска релевантных страниц и документов по запросу на естественном языке, включая PDF-страницы, таблицы и визуально представленные документы. Карточка сообщает о мультиязычном обучении на объединённом наборе примерно из двух миллионов пар «вопрос — изображение» и о результатах на бенчмарках ViDoRe V1 и V3. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория. README сообщает о доступности более новой версии ColVec1.1-8b.

LiteResearcher-4B — агентная языковая модель компании Simplex AI, дообученная на базе Qwen/Qwen3-4B-Thinking с помощью обучения с подкреплением. Она построена на архитектуре Qwen3ForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 262 144 токенов. Модель предназначена для глубокого веб-исследования: она поочерёдно анализирует запрос, ищет сведения в интернете, посещает страницы и формирует ответ на основе собранных данных. Агент использует стиль ReAct и инструменты поиска и просмотра страниц; для работы с ними требуется внешняя инфраструктура и соответствующие ключи доступа. Карточка приводит результаты на бенчмарках GAIA, Xbench-DS и Frames, но они сами по себе не гарантируют аналогичное качество на других задачах. Модель принимает текст и генерирует текст; языковые теги карточки указывают английский и китайский. Распространяется по лицензии Apache-2.0.

lzjever/pullot_qa_legal — модель на архитектуре BERT, опубликованная в формате PyTorch и подготовленная с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации. В обучении применялась MultipleNegativesRankingLoss с косинусным сходством. Модель предназначена для поиска и сопоставления текстов, в том числе вопросов и ответов в юридических материалах, что следует из названия репозитория; README описывает её общие сценарии работы с эмбеддингами. Размер модели — 129,5 млн параметров, контекст — до 512 токенов. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

SearchQwen2.5-3B — компактная языковая модель Alibaba Cloud PAI для поиска с использованием инструментов. Это дообученная версия Qwen/Qwen2.5-3B-Instruct с плотной архитектурой Qwen2 и 3,1 млрд параметров; модель работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для многошагового поиска, просмотра веб-страниц и объединения найденных свидетельств в ответ. Она формирует структурированные вызовы инструментов search и browse, поэтому для работы нужен внешний поисковый и браузерный backend. В приведённых авторами оценках она превосходит базовую модель на тестах многошаговых вопросов и глубокого поиска. Модель ориентирована на английский язык согласно карточке, а README также описывает результаты на китайском наборе BrowseComp-ZH. Лицензия указана как other; конкретные условия использования в предоставленных данных не раскрыты.

Argus-Colqwen3.5-9b-v0-bf16 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Она дообучена на базе Qwen/Qwen3.5-VL-9B-Instruct и опубликована в формате bfloat16 после слияния LoRA-весов; размер модели — 8,82 млрд параметров. Модель преобразует изображения страниц и текстовые запросы в токеновые эмбеддинги для поиска с поздним взаимодействием. Её механизм разреженной смеси экспертов учитывает запрос и область страницы при маршрутизации визуальных токенов. Модель предназначена для визуального поиска и извлечения релевантных страниц в наборах документов: например, для поиска ответов в научных статьях, отчетах и материалах с диаграммами или сложной разметкой. По README, для страницы используется до 2048 визуальных токенов, размерность эмбеддинга на токен — 1024; авторы сообщают о результатах на английских наборах ViDoRe v1 и v2. Указанная лицензия — Apache-2.0. Модель ориентирована преимущественно на английский язык. README указывает потребность примерно в 17 ГБ видеопамяти для инференса bf16 и рекомендует одну GPU с объёмом памяти от 24 ГБ. Слияние в bf16 необратимо теряет часть точности относительно fp32-варианта; измеренная разница в результатах ViDoRe мала, но v3 ещё не оценивался.

SaMer-k64-colpali — адаптерная версия SaMer от команды dmis-lab для модели vidore/colpali-v1.3-hf, предназначенная для визуального поиска по документам. Репозиторий содержит обученный проекционный слой и обёртку для применения слияния токенов; веса базовой модели загружаются отдельно во время работы. Модель объединяет визуальные признаки в 64 области с помощью пространственно-ориентированного мягкого слияния центроидов без использования рамок объектов. Она рассчитана на поиск релевантных страниц PDF по визуальному содержимому и использует функцию потерь для обучения на задаче поиска. Для применения нужны базовая модель vidore/colpali-v1.3-hf и поддержка обёртки с trust_remote_code. Лицензия в метаданных указана как Gemma; README предписывает соблюдать лицензию и условия использования базовой модели.

KURE-v1 — модель текстовых эмбеддингов для поиска по документам, разработанная NLP&AI Lab. Это дообученная версия BAAI/bge-m3 на корейских данных для поиска по парам «запрос — документ»; карточка указывает около 2 миллионов обучающих примеров и использование CachedGISTEmbedLoss. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, выдаёт векторы размерности 1024 и поддерживает последовательности до 8192 токенов. Модель предназначена прежде всего для семантического поиска на корейском языке: её можно применять для извлечения релевантных документов, поиска по длинным текстам и построения retrieval-компонента RAG. В карточке заявлена поддержка корейского и английского языков; бенчмарки охватывают общие и прикладные корейские документы, включая финансы, государственные услуги, медицину, право и коммерцию. На приведённых усреднённых результатах KURE-v1 превосходит сравниваемые модели на нескольких значениях k, однако результаты относятся к указанным наборам данных и не гарантируют качество на других корпусах. Лицензия — MIT.

KwangHwi/quantization — слитая методом SLERP модель на архитектуре LlamaBidirectionalModel, опубликованная в формате safetensors. По данным метаданных, она предназначена для извлечения признаков и эмбеддингов; размер составляет 1,2 млрд параметров, заявленная длина контекста — 131 072 токена. В объединение вошли два чекпойнта, указанные в карточке как модели для поиска по юридическим текстам и другие данные; их исходные идентификаторы относятся к внутренним путям, поэтому публичные репозитории базовых моделей установить нельзя. Модель можно применять для получения векторных представлений текста и задач поиска или ранжирования, где нужны признаки текста. Карточка не сообщает поддерживаемые естественные языки и условия лицензии; языковую специализацию и лицензионные условия по имеющимся данным определить нельзя.

nadrajak/allenai-specter-ft2 — дообученная модель Sentence Transformers на базе sentence-transformers/allenai-specter. Она использует архитектуру BERT с пулингом по CLS-токену, преобразует текстовые фрагменты в плотные эмбеддинги размерности 768 и сравнивает их косинусным сходством. Максимальная длина входа — 512 токенов; модель обучалась с TripletLoss на наборах с примерами anchor, positive и negative. Модель подходит для семантического поиска, поиска похожих текстов и публикаций, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста на основе эмбеддингов. Базовая модель ориентирована на заголовки и аннотации научных статей на английском языке, поэтому это профильный выбор для поиска научных публикаций; README сообщает высокую точность на TripletEvaluator, но не раскрывает контекст этих оценок и состав обучающих данных. Для использования нужны текстовые входы; результатом являются векторы, пригодные для поиска и сравнения. Репозиторий распространяется в формате safetensors и использует лицензию базовой модели, однако сведения о лицензии в предоставленных данных отсутствуют.

SciRus-tiny — компактная модель MLSA Lab Института ИИ МГУ для получения эмбеддингов научных текстов на русском и английском языках. Она использует архитектуру RoBERTa и содержит 25,5 млн параметров; для обработки текста указан контекст до 2050 токенов. Модель обучена на данных eLibrary с применением контрастивного обучения. Она предназначена для представления научных текстов в виде векторов и оценки сходства предложений; в README сообщается о высоких результатах на бенчмарке ruSciBench. Лицензия — MIT.

salsabiilashifa11/sbert-paper — дообученная модель Sentence-Transformers на базе MPNet для получения эмбеддингов предложений из научных статей и сравнения их смысловой близости. Обучение использовало MultipleNegativesRankingLoss с косинусной функцией сходства. Модель предназначена для поиска и сопоставления научных текстов по смыслу, например для подбора релевантных статей или фрагментов. Это плотная архитектура MPNet с 136,7 млн параметров, контекстом до 514 токенов и весами PyTorch. На вход принимает текст, на выходе формирует контекстные представления и эмбеддинги; для сравнения предложений можно использовать косинусную близость. Язык обучения и поддержки в доступных сведениях не указан. Условия лицензирования в карточке не приведены.

josedossantos/tree-txtEmenta-legalbert — модель на базе BERT, опубликованная в формате safetensors и использующая библиотеку Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения сходства. Обучение с ContrastiveLoss на косинусном расстоянии нацелено на получение полезных представлений для сравнения текстов. Модель содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Название репозитория указывает на связь с юридическими текстами, однако README не описывает конкретные юридические задачи, обучающие данные или поддерживаемые языки. Лицензия в предоставленных сведениях не указана.