Checkpoint v11.4

checkpoints/v11.4/1_Pooling/config.json

@@ -0,0 +1,5 @@
+{
+    "embedding_dimension": 384,
+    "pooling_mode": "mean",
+    "include_prompt": true
+}

checkpoints/v11.4/README.md

@@ -0,0 +1,486 @@
+---
+language:
+  - ru
+  - en
+license: mit
+tags:
+  - stylometry
+  - author-attribution
+  - osint
+  - threat-intelligence
+  - sentence-transformers
+  - siamese-network
+  - contrastive-learning
+  - text-classification
+  - forensics
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+  - accuracy
+  - f1
+  - roc_auc
+model-index:
+  - name: osint-stylometry-model
+    results:
+      - task:
+          type: sentence-similarity
+          name: Author Attribution / Stylometry
+        metrics:
+          - type: accuracy
+            value: 0.6716
+            name: Accuracy
+          - type: f1
+            value: 0.7211
+            name: F1 Score
+          - type: roc_auc
+            value: 0.9432
+            name: ROC AUC
+---
+# 🕵️ OSINT Stylometry & Author Attribution Model
+
+<p align="center">
+  <img src="https://img.shields.io/badge/PyTorch-EE4C2C?style=for-the-badge&logo=pytorch&logoColor=white" />
+  <img src="https://img.shields.io/badge/%F0%9F%A4%97%20Transformers-FFD21E?style=for-the-badge" />
+  <img src="https://img.shields.io/badge/Sentence--Transformers-2b6cb0?style=for-the-badge" />
+  <img src="https://img.shields.io/badge/OSINT-Stylometry-2b2b2b?style=for-the-badge" />
+  <img src="https://img.shields.io/badge/ONNX-Ready-005CED?style=for-the-badge&logo=onnx&logoColor=white" />
+  <img src="https://img.shields.io/badge/License-MIT-green?style=for-the-badge" />
+  <img src="https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Model-yellow?style=for-the-badge" />
+</p>
+
+<p align="center">
+  <b>Нейросетевая модель для определения авторства текста по стилю письма: опечаткам, пунктуации,<br>
+  сленгу, эмодзи и языковым смесям.</b><br>
+  Создана для задач <b>OSINT · Threat Intelligence · Cyber Threat Attribution · Форензика</b>.
+</p>
+
+<p align="center">
+  <i>Текущая версия модели: <b>v11.1</b> · Отчёт сгенерирован: 2026-08-30 18:11</i>
+</p>
+
+---
+
+## 📑 Содержание
+
+- [О проекте](#-о-проекте)
+- [Ключевые возможности](#-ключевые-возможности)
+- [OSINT: практическое применение](#-osint-практическое-применение)
+- [Как это работает (теория)](#-как-это-работает-теория)
+- [Архитектура модели](#%EF%B8%8F-архитектура-модели)
+- [Метрики качества](#-метрики-качества-текущей-версии)
+- [Визуализация результатов](#-визуализация-результатов)
+- [Установка](#-установка)
+- [Быстрый старт](#-быстрый-старт-quickstart)
+- [Продвинутое использование](#-продвинутое-использование)
+- [Инференс через ONNX (CPU, миллисекунды)](#-инференс-через-onnx-cpu-миллисекунды)
+- [Сравнение с альтернативными подходами](#-сравнение-с-альтернативными-подходами)
+- [Ограничения модели](#-ограничения-модели)
+- [Этика и ответственное использование](#-этика-и-ответственное-использование)
+- [Дорожная карта (Roadmap)](#-дорожная-карта-roadmap)
+- [История версий (Changelog)](#-история-версий-changelog)
+- [Как внести вклад](#-как-внести-вклад)
+- [Цитирование](#-цитирование)
+- [FAQ](#-часто-задаваемые-вопросы)
+- [Лицензия](#-лицензия)
+
+---
+
+## 📖 О проекте
+
+**OSINT Stylometry Model** — это дообученный энкодер на базе архитектуры **Sentence-BERT (Siamese Network)**,
+который преобразует произвольный текст (пост, комментарий, сообщение в чате, реплику на форуме) в
+компактный числовой вектор — так называемый **«стилистический отпечаток» (stylistic fingerprint)**.
+
+Главная идея: два текста, написанных **одним и тем же человеком**, будут иметь высокую косинусную
+схожесть векторов, даже если они посвящены совершенно разным темам. И наоборот — тексты **разных авторов**
+будут располагаться в векторном пространстве далеко друг от друга, даже если темы совпадают.
+
+Модель специально обучена **игнорировать содержание** текста и фокусироваться исключительно на форме:
+пунктуационных привычках, характерных опечатках, любимых жаргонизмах, паттернах использования эмодзи,
+смешении языков (русский + английский сленг, транслит, leetspeak) и типичной длине предложений.
+Именно эти признаки психолингвисты и криминалисты называют **идиолектом** — уникальной речевой манерой
+человека, которую крайне сложно скрыть или подделать в долгосрочной перспективе.
+
+## 🎯 OSINT: практическое применение
+
+Стилометрия — один из самых недооценённых инструментов в арсенале аналитика открытых источников.
+В отличие от метаданных (IP-адреса, geolocation, временные метки), стиль письма невозможно скрыть
+через VPN или Tor — он «утекает» в каждом сообщении, которое пишет человек. Ниже описаны ключевые
+сценарии применения этой модели в реальной аналитической практике.
+
+### 1. Деанонимизация владельцев Telegram-каналов и форумных аккаунтов
+
+Аналитики OSINT регулярно сталкиваются с ситуацией, когда один и тот же человек администрирует
+несколько «независимых» анонимных каналов, ведёт параллельные аккаунты на теневых форумах или
+использует разные никнеймы в разных сообществах для маскировки истинного масштаба своей деятельности.
+Прямые технические связи (общий IP, устройство, telephone number) часто отсутствуют или тщательно
+скрыты. Однако стиль письма — пунктуационные привычки, специфические опечатки, повторяющиеся
+жаргонизмы — остаётся практически неизменным. Сравнивая эмбеддинги постов из разных источников,
+модель позволяет построить граф вероятных связей между аккаунтами и приоритизировать дальнейшее
+расследование.
+
+### 2. Атрибуция утечек данных и дампов конкретным группировкам (CTI / Threat Intelligence)
+
+Когда в даркнете появляется очередной дамп базы данных или пост о продаже логов / доступа, аналитику
+Threat Intelligence важно быстро определить, стоит ли за этим уже известная группировка или новый
+игрок. Сопроводительные тексты («шапки» дампов, объявления о продаже, коммуникация с потенциальными
+покупателями) обладают устойчивым стилем. Накопив базу стилистических профилей ранее атрибутированных
+акторов, можно автоматически сравнивать новые публикации с этой базой и получать вероятностную
+оценку принадлежности к известной группе — что резко ускоряет процесс атрибуции инцидентов.
+
+### 3. Обнаружение компрометации аккаунта и симулированного стиля
+
+Если корпоративный аккаунт, аккаунт инфлюенсера или канал в Telegram скомпрометирован, стиль
+публикуемых сообщений часто резко меняется: исчезают характерные опечатки, меняется пунктуационная
+манера, появляется несвойственный автору сленг или, наоборот, излишне «правильный» текст, типичный
+для мошеннических шаблонов. Модель может использоваться как система раннего оповещения (early warning
+system), непрерывно сравнивающая новые сообщения с историческим профилем автора и подсвечивающая
+аномальные отклонения ещё до того, как содержание сообщения станет очевидно подозрительным.
+
+### 4. Верификация независимости анонимных источников и информаторов
+
+При работе с несколькими анонимными источниками информации критически важно понимать, не является
+ли один и тот же человек автором нескольких «независимых» вбросов, созданных для придания
+информации видимости консенсуса (эффект множественного подтверждения). Стилометрический анализ
+позволяет выявить такие скрытые связи ещё до содержательной фактчекинг-проверки, экономя время
+аналитика и снижая риск манипуляции через фабрикованный консенсус источников.
+
+### 5. Судебная лингвистика и цифровая форензика
+
+В делах, связанных с кибербуллингом, вымогательством, угрозами или мошенничеством, стилометрическая
+модель может использоваться как вспомогательный количественный инструмент для экспертизы авторства
+анонимных сообщений. Она не заменяет классическую судебную лингвистическую экспертизу, но предоставляет
+объективную, воспроизводимую метрику схожести, которая может служить отправной точкой для более
+глубокого ручного анализа экспертом.
+
+## 🧠 Как это работает (теория)
+
+В основе модели лежит подход **Siamese Neural Network** (сиамская нейросеть) в связке с
+**Contrastive Learning**. Интуитивно это работает так:
+
+1. **Энкодер** (Transformer-модель) принимает на вход текст и превращает его в вектор фиксированной
+   длины (эмбеддинг), например, размерностью 384.
+2. Во время обучения модель одновременно смотрит на **пары текстов**: либо «текст A и текст B написаны
+   одним автором» (позитивная пара, label = 1), либо «текст A и текст C написаны разными авторами»
+   (негативная пара, label = 0).
+3. Функция потерь **Online Contrastive Loss** «притягивает» эмбеддинги позитивных пар друг к другу
+   в векторном пространстве и «отталкивает» эмбеддинги негативных пар друг от друга.
+4. После обучения на десятках тысяч таких пар модель самостоятельно учится выделять признаки,
+   которые действительно коррелируют с авторством: пунктуацию, длину предложений, частоту опечаток,
+   характерные слова — а не с темой текста, которая варьируется от сообщения к сообщению.
+5. На инференсе для сравнения двух новых, никогда не виденных текстов достаточно посчитать
+   **косинусную схожесть** (cosine similarity) их эмбеддингов: значение ближе к 1.0 означает высокую
+   вероятность общего авторства, ближе к 0.0 (или отрицательное) — разных авторов.
+
+Отдельное внимание в этом проекте уделено **adversarial-обучению**: часть тренировочных пар — это
+намеренно «замаскированные» тексты, где стиль автора A искусственно подмешан в текст, изначально
+написанный в стиле автора B. Это заставляет модель не полагаться на поверхностные, легко подделываемые
+признаки (например, наличие конкретного эмодзи), а искать более глубокие, устойчивые стилистические
+закономерности.
+
+## 🏗️ Архитектура модели
+
+| Параметр | Значение |
+|---|---|
+| Базовая модель | `sentence-transformers/all-MiniLM-L6-v2` |
+| Тип задачи | Sentence Embedding / Metric Learning |
+| Метод обучения | Siamese Network + Online Contrastive Loss |
+| Ускорение обучения | Mixed Precision (fp16), GPU NVIDIA T4 |
+| Размерность эмбеддинга | 384 |
+| Максимальная длина последовательности | 128 токенов |
+| Формат для продакшена | PyTorch (`.bin` / `.safetensors`) + **ONNX** (`onnx/model.onnx`) |
+| Стадии обучения | v1.0 (базовый стиль) → v2.0 (сленг/опечатки/эмодзи) → v3.0 (adversarial siamese) → v3.x (дообучение) |
+
+Репозиторий также хранит **версионированные чекпоинты** каждой стадии обучения в папке
+`checkpoints/vX.X/`, что позволяет откатиться к любой предыдущей версии модели при необходимости.
+
+## 📊 Метрики качества текущей версии (v12)
+
+| Метрика | Значение | Пояснение |
+|---|---|---|
+| **Accuracy** | 0.6716 | Доля верно классифицированных пар «тот же автор / разные авторы» |
+| **F1-Score** | 0.7211 | Гармоническое среднее precision и recall (устойчиво к дисбалансу классов) |
+| **ROC-AUC** | 0.9432 | Способность модели ранжировать пары по вероятности общего авторства |
+| **Adversarial Robustness** | 0.3173 | Средняя схожесть оригинал↔замаскированный текст (чем ниже — тем лучше) |
+
+## 📈 Визуализация результатов
+
+### Динамика функции потерь по стадиям обучения
+![loss curve](loss_curve.png)
+
+*График показывает, как снижается ошибка модели (train/val loss) на каждой из последовательных стадий
+обучения (v1.0 → v2.0 → v3.0 → ...). Стабильное снижение val_loss без резкого расхождения с train_loss
+говорит об отсутствии переобучения.*
+
+### Матрица ошибок (Confusion Matrix)
+![confusion matrix](confusion_matrix.png)
+
+*Показывает количество верных и ошибочных предсказаний модели в разрезе двух классов: «один автор» и
+«разные авторы», при фиксированном пороге классификации 0.5.*
+
+### ROC-кривая
+![roc curve](roc_curve.png)
+
+*Демонстрирует компромисс между True Positive Rate и False Positive Rate при различных порогах
+классификации. Площадь под кривой (AUC) — интегральная метрика качества ранжирования.*
+
+### 2D-карта стилистических кластеров авторов (t-SNE)
+![style clusters](style_clusters_tsne.png)
+
+*Каждая точка — эмбеддинг одного сообщения, спроецированный из 384-мерного пространства в 2D с помощью
+t-SNE. Цвет точки соответствует ID автора. Чёткое разделение на визуальные кластеры — наглядное
+подтверждение того, что модель научилась различать авторов по стилю, а не по теме сообщения.*
+
+### Устойчивость к маскировке стиля (Adversarial Robustness)
+![adversarial robustness](adversarial_robustness.png)
+
+*Метрика показывает, насколько сильно меняется эмбеддинг текста при попытке «перерисовать» его в чужом
+стиле. Низкое значение косинусной схожести между оригиналом и замаскированной версией говорит о том,
+что модель устойчива к простым попыткам имитации чужой манеры письма.*
+
+## 📦 Установка
+
+Модель совместима с библиотекой `sentence-transformers` (рекомендуется) или напрямую с `transformers`.
+
+```bash
+pip install sentence-transformers
+```
+
+Либо, если вы планируете использовать «сырой» `transformers` API или ONNX-инференс:
+
+```bash
+pip install transformers onnxruntime torch
+```
+
+## 🚀 Быстрый старт (Quickstart)
+
+Самый про��той способ проверить, написаны ли два текста одним автором:
+
+```python
+from sentence_transformers import SentenceTransformer, util
+
+# Загружаем модель прямо с Hugging Face Hub (веса скачаются автоматически и закэшируются)
+model = SentenceTransformer("AtesiT/osint-stylometry-model")
+
+text_a = "го глянем новый дамп там что-то интересное было"
+text_b = "го посмотрим свежий слив вроде движуха там движется"
+text_c = "Добрый день, направляю вам отчёт по итогам квартала."
+
+# Кодируем все тексты в векторы одним вызовом
+embeddings = model.encode([text_a, text_b, text_c], convert_to_tensor=True)
+
+# Считаем косинусную схожесть между парами
+sim_ab = util.cos_sim(embeddings[0], embeddings[1]).item()
+sim_ac = util.cos_sim(embeddings[0], embeddings[2]).item()
+
+print(f"Схожесть A-B (ожидаем высокую, похожий стиль): {sim_ab:.3f}")
+print(f"Схожесть A-C (ожидаем низкую, разный стиль):    {sim_ac:.3f}")
+```
+
+## 🛠️ Продвинутое использование
+
+### Кластеризация большого набора сообщений по вероятному авторству
+
+```python
+from sentence_transformers import SentenceTransformer
+from sklearn.cluster import AgglomerativeClustering
+import numpy as np
+
+model = SentenceTransformer("AtesiT/osint-stylometry-model")
+
+messages = [
+    "го глянем новый дамп там что-то интересное было",
+    "заказал пиццу и весь вечер кодил лол",
+    "го посмотрим свежий слив вроде движуха там движется",
+    "Добрый день, направляю вам отчёт по итогам квартала.",
+    "Коллеги, прошу ознакомиться с материалами до пятницы.",
+]
+
+embeddings = model.encode(messages, convert_to_numpy=True, normalize_embeddings=True)
+
+# Иерархическая кластеризация по косинусному расстоянию —
+# помогает автоматически сгруппировать сообщения по вероятному автору
+clustering = AgglomerativeClustering(
+    n_clusters=None,
+    distance_threshold=0.4,
+    metric="cosine",
+    linkage="average",
+)
+labels = clustering.fit_predict(embeddings)
+
+for msg, label in zip(messages, labels):
+    print(f"[Кластер {label}] {msg}")
+```
+
+### Использование через «сырой» transformers API (без sentence-transformers)
+
+```python
+import torch
+from transformers import AutoTokenizer, AutoModel
+import torch.nn.functional as F
+
+tokenizer = AutoTokenizer.from_pretrained("AtesiT/osint-stylometry-model")
+model = AutoModel.from_pretrained("AtesiT/osint-stylometry-model")
+
+def mean_pooling(model_output, attention_mask):
+    # Усредняем токен-эмбеддинги с учётом маски внимания (стандартный pooling для SBERT)
+    token_embeddings = model_output[0]
+    mask = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
+    return torch.sum(token_embeddings * mask, 1) / torch.clamp(mask.sum(1), min=1e-9)
+
+texts = ["пример первого текста", "пример второго текста для сравнения"]
+encoded = tokenizer(texts, padding=True, truncation=True, return_tensors="pt")
+
+with torch.no_grad():
+    output = model(**encoded)
+
+embeddings = mean_pooling(output, encoded["attention_mask"])
+embeddings = F.normalize(embeddings, p=2, dim=1)
+
+similarity = torch.matmul(embeddings[0], embeddings[1])
+print(f"Косинусная схожесть: {similarity.item():.3f}")
+```
+
+## ⚡ Инференс через ONNX (CPU, миллисекунды)
+
+Для продакшен-сценариев, где недоступен GPU или важна минимальная задержка (например, real-time
+скоринг сообщений в потоке мониторинга), модель экспортирована в формат **ONNX** и лежит в папке
+`onnx/` репозитория.
+
+```python
+import onnxruntime as ort
+from transformers import AutoTokenizer
+import numpy as np
+from huggingface_hub import hf_hub_download
+
+REPO_ID = "AtesiT/osint-stylometry-model"
+
+# Скачиваем onnx-модель и токенизатор из репозитория
+onnx_path = hf_hub_download(repo_id=REPO_ID, filename="onnx/model.onnx")
+tokenizer = AutoTokenizer.from_pretrained(REPO_ID, subfolder="onnx")
+
+session = ort.InferenceSession(onnx_path, providers=["CPUExecutionProvider"])
+
+def encode_onnx(texts):
+    inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="np", max_length=128)
+    outputs = session.run(None, {
+        "input_ids": inputs["input_ids"],
+        "attention_mask": inputs["attention_mask"],
+    })
+    last_hidden = outputs[0]
+    mask = inputs["attention_mask"][..., None]
+    pooled = (last_hidden * mask).sum(1) / np.clip(mask.sum(1), 1e-9, None)
+    norm = pooled / np.linalg.norm(pooled, axis=1, keepdims=True)
+    return norm
+
+emb = encode_onnx(["текст один", "текст два"])
+cos_sim = float(np.dot(emb[0], emb[1]))
+print(f"ONNX cosine similarity: {cos_sim:.3f}")
+```
+
+На CPU (без GPU) инференс одного сообщения через ONNX Runtime занимает, как правило,
+**единицы–десятки миллисекунд**, что делает модель пригодной для встраивания в высоконагруженные
+пайплайны мониторинга без необходимости содержать GPU-инфраструктуру.
+
+## ⚖️ Сравнение с альтернативными подходами
+
+| Подход | Учитывает стиль | Учитывает содержание | Требует разметки | Скорость инференса |
+|---|---|---|---|---|
+| Ручной анализ лингвиста-эксперта | ✅ Высокая точность | ✅ | ❌ Не требует | 🐢 Очень медленно |
+| Классический TF-IDF + классификатор | ⚠️ Частично (через n-граммы) | ✅ Сильная зависимость | ✅ Требуется | ⚡ Быстро |
+| Общая языковая модель (semantic embedding) | ❌ Слабо, фокус на смысле | ✅ Сильно | ❌ Zero-shot возможен | ⚡ Быстро |
+| **Данная модель (stylometry siamese)** | ✅ **Основной фокус** | ⚠️ Специально подавлено | ⚠️ Синтетическая авто-разметка | ⚡⚡ Быстро (+ONNX) |
+
+Ключевое отличие этой модели от универсальных text-embedding моделей (таких как исходная
+`all-MiniLM-L6-v2`) в том, что она **дообучена намеренно подавлять сигнал темы** сообщения и усиливать
+сигнал стиля — благодаря чему её эмбеддинги остаются стабильными даже при резкой смене тематики
+переписки одного и того же автора.
+
+## ⚠️ Ограничения модели
+
+- **Синтетические данные.** Модель обучена преимущественно на синтетически сгенерированных текстах,
+  имитирующих стилистические маркеры (сленг, опечатки, эмодзи). Реальные тексты могут содержать более
+  тонкие и разнообразные стилистические признаки, не охваченные генератором.
+- **Короткие тексты.** При длине сообщения менее 5–7 слов стилистического сигнала может быть
+  недостаточно для надёжного сравнения — рекомендуется агрегировать несколько сообщений одного автора.
+- **Целенаправленная имитация стиля профессионалом.** Хотя модель устойчива к простой маскировке
+  (см. Adversarial Robustness), целенаправленная и качественная имитация стиля другого человека
+  экспертом-лингвистом может снизить точность атрибуции.
+- **Не заменяет юридическую экспертизу.** Результаты модели носят вероятностный,
+  вспомогательный характер и не должны использоваться как единственное доказательство в судебных или
+  иных официальных разбирательствах.
+- **Языковой охват.** Модель ориентирована преимущественно на русскоязычный текст со вставками
+  английского сленга; качество на других языковых парах не гарантируется без дополнительного
+  дообучения.
+
+## 🛡️ Этика и ответственное использование
+
+Технологии атрибуции авторства обладают значительным потенциалом двойного назначения. Мы призываем
+испол��зовать эту модель **исключительно в законных целях**: расследование киберпреступлений,
+Threat Intelligence, корпоративная безопасность, журналистские расследования, академические
+исследования в области компьютерной лингвистики.
+
+Запрещено и настоятельно не рекомендуется использовать модель для: преследования частных лиц,
+нарушения права на анонимность добросовестных источников информации (например, разоблачителей —
+whistleblowers), политических репрессий или любых форм незаконного наблюдения. Всегда действуйте
+в соответствии с применимым законодательством о защите персональных данных и регламентами организации.
+
+## 📋 История версий (Changelog)
+
+| Дата | Версия | Accuracy | F1-Score | Изменения в датасете / Архитектуре |
+|---|---|---|---|---|
+| 2026-08-30 18:10 | v12 | 0.6716 | 0.7211 | Обновление синтетических данных и дообучение модели |
+
+## 🤝 Как внести вклад
+
+Проект развивается итеративно в Google Colab. Если вы хотите предложить улучшения:
+
+1. Форкните репозиторий модели на Hugging Face Hub или изучите структуру ноутбука.
+2. Расширьте генератор синтетических данных новыми стилистическими маркерами.
+3. Опишите изменение и, при возможности, приложите метрики до/после.
+4. Откройте обсуждение (Discussion) в репозитории модели на Hugging Face Hub.
+
+## 📚 Цитирование
+
+Если вы используете эту модель в исследовании или продукте, пожалуйста, укажите ссылку на репозиторий:
+
+```bibtex
+@misc{osint_stylometry_model,
+  title  = {OSINT Stylometry and Author Attribution Model},
+  author = {AtesiT},
+  year   = {2026},
+  howpublished = {\url{https://huggingface.co/AtesiT/osint-stylometry-model}},
+  note   = {Siamese Sentence-Transformer, дообученный для задач стилометрической атрибуции авторства}
+}
+```
+
+## ❓ Часто задаваемые вопросы
+
+**Вопрос: Может ли модель определить автора текста «с нуля», без предварительно собранной базы?**
+Нет. Модель определяет **схожесть** двух и более текстов, а не «имя» автора. Для практического
+применения необходима база текстов с уже известным (или предполагаемым) авторством, с которой
+сравнивается новый текст.
+
+**Вопрос: Какой минимальный объём текста нужен для надёжного сравнения?**
+Рекомендуется использовать сообщения длиной от 15–20 слов, либо агрегировать несколько коротких
+сообщений одного автора в один пример для более стабильного эмбеддинга.
+
+**Вопрос: Работает ли модель с текстами не на русском языке?**
+Модель ориентирована на русскоязычные тексты с англоязычными сленговыми вставками. Для других языков
+рекомендуется дообучение.
+
+**Вопрос: Как часто обновляется модель?**
+Модель дообучается итеративно в рамках отдельных сессий Colab; актуальная версия и метрики всегда
+отражены в разделе Changelog выше.
+
+**Вопрос: Можно ли использовать модель офлайн, без интернета?**
+Да — после первого скачивания весов через `from_pretrained` они кэшируются локально; также доступна
+полностью автономная ONNX-версия для offline CPU-инференса.
+
+## 📄 Лицензия
+
+Данный проект распространяется под лицензией **MIT**. Вы можете свободно использовать, мод��фицировать
+и распространять модель и код при условии сохранения указания на первоисточник и соблюдения раздела
+[«Этика и ответственное использование»](#-этика-и-ответственное-использование).
+
+---

checkpoints/v11.4/config.json

@@ -0,0 +1,30 @@
+{
+  "add_cross_attention": false,
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": null,
+  "classifier_dropout": null,
+  "dtype": "float32",
+  "eos_token_id": null,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 384,
+  "initializer_range": 0.02,
+  "intermediate_size": 1536,
+  "is_decoder": false,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 6,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "tie_word_embeddings": true,
+  "transformers_version": "5.18.0",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 30522
+}

checkpoints/v11.4/config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "__version__": {
+    "pytorch": "2.11.0+cu130",
+    "sentence_transformers": "5.7.0",
+    "transformers": "5.18.0"
+  },
+  "default_prompt_name": null,
+  "model_type": "SentenceTransformer",
+  "prompts": {
+    "document": "",
+    "query": ""
+  },
+  "similarity_fn_name": "cosine"
+}

checkpoints/v11.4/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:415e2540a1ef7706de90f922f0f8d776d0b20c2ac8df2859eb25ae17a987857a
+size 90864192

checkpoints/v11.4/modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.base.modules.transformer.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.sentence_transformer.modules.pooling.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.sentence_transformer.modules.normalize.Normalize"
+  }
+]

checkpoints/v11.4/sentence_bert_config.json

@@ -0,0 +1,10 @@
+{
+    "transformer_task": "feature-extraction",
+    "modality_config": {
+        "text": {
+            "method": "forward",
+            "method_output_name": "last_hidden_state"
+        }
+    },
+    "module_output_name": "token_embeddings"
+}

checkpoints/v11.4/tokenizer_config.json

@@ -0,0 +1,24 @@
+{
+  "backend": "tokenizers",
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": true,
+  "is_local": false,
+  "local_files_only": false,
+  "mask_token": "[MASK]",
+  "max_length": 128,
+  "model_max_length": 256,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}