Базовая модель COPA-AI на основе Gemma-4-E4B, продолженно предобученная для генерации и анализа армянского текста.

Подходит для: продолжение армянских текстов · оценка правдоподобия армянских языковых последовательностей · дообучение под армяноязычного ассистента

RynnBrain-CoP-8B — дообученная vision-language-модель для пространственного понимания изображений и видео от первого лица, локализации и планирования в робототехнике.

Подходит для: ответы на вопросы о сценах от первого лица · подсчёт объектов на изображении · распознавание текста на изображениях

Ko-PlatYi-6B — дообученная на корейских данных языковая модель на 5,9 млрд параметров для генерации текста и выполнения языковых запросов.

Подходит для: генерация текста на корейском языке · ответы на вопросы по-корейски · выполнение текстовых инструкций на корейском

Предварительно обученная на коптских корпусах RoBERTa для восстановления пропущенных токенов и дообучения на задачи анализа коптского языка.

Подходит для: восстановление пропущенных слов в коптском тексте · разметка частей речи в коптских текстах после дообучения · синтаксический анализ коптских предложений после дообучения

Мультимодальная модель Zentropi для бинарной классификации текста, изображений и видео по настраиваемым политикам контента.

Подходит для: модерация текстовых публикаций и изображений · проверка пользовательских запросов с текстом и изображениями на риски · проверка ответов LLM по заданной политике

Модель Vantar AI для генерации кода Python SDK Nuro и разработки спайковых нейронных сетей для нейроморфных платформ.

Подходит для: генерация кода Nuro SDK по текстовому описанию задачи · создание спайковых нейронных сетей для Intel Loihi 2 · подготовка кода для SpiNNaker 2

Дообученная RoBERTa для определения частей речи и синтаксического разбора текстов на коптском языке.

Подходит для: определение частей речи в коптских текстах · синтаксический разбор зависимостей коптских предложений · лингвистическая разметка корпуса Coptic Scriptorium

Компактная BERT-модель для извлечения признаков из коптского текста, предварительно обученная с masked language modeling и разметкой XPOS.

Подходит для: извлечение контекстных признаков из коптских текстов · подготовка представлений коптских слов и предложений для NLP-конвейеров · использование как основы для анализа коптской морфологии

Дообученная DeBERTa-v3-base для классификации по произвольным меткам без примеров, NLI и множества задач классификации.

Подходит для: классификация текста по заданным пользователем категориям без обучающих примеров · определение, следует ли гипотеза из текста · классификация отзывов и коротких сообщений

Англоязычная модель DeBERTa-v3-small для zero-shot классификации по произвольным меткам, NLI и дообучения классификаторов с контекстом до 1680 токенов.

Подходит для: классификация текста по пользовательским меткам без обучения на этих метках · проверка логического следования между посылкой и гипотезой · классификация длинных документов по тематическим категориям

Предварительно обученная DeBERTa V2 для заполнения пропусков и дообучения на задачах анализа коптского языка.

Подходит для: восстановление пропущенных слов в коптском тексте · дообучение для разметки частей речи в коптских текстах · дообучение для синтаксического анализа зависимостей на коптском

Компактная RoBERTa-модель для предсказания пропущенных слов и дообучения на задачи анализа коптских текстов.

Подходит для: восстановление пропущенных токенов в коптском тексте · дообучение для разметки частей речи на коптском · дообучение для синтаксического разбора коптских предложений

Компактная DeBERTaV2, предварительно обученная на коптских текстах для восстановления замаскированных токенов и дообучения на лингвистические задачи.

Подходит для: восстановление пропущенных слов в коптском тексте · предварительная языковая модель для разметки частей речи · дообучение для синтаксического разбора коптских предложений

Англоязычная модель DeBERTa-v3-base для классификации с нулевым числом примеров, естественного логического вывода и дообучения под задачи понимания текста.

Подходит для: классификация текста по заданным пользователем меткам без примеров · проверка, следует ли гипотеза из текста · классификация длинных документов по содержанию

Англоязычная DeBERTa-v3-large для zero-shot классификации текста и дообучения под задачи классификации и множественного выбора.

Подходит для: классификация текста по пользовательским категориям без дообучения · определение тематик и меток документов · проверка гипотез по паре текстов как задача NLI

CoPE-B-A4B — текстовая MoE-модель Zentropi для бинарной классификации контента по настраиваемым политикам, например для модерации и проверки запросов LLM.

Подходит для: бинарная модерация текстовых публикаций по заданной политике · проверка входных запросов к LLM на соответствие правилам · оценка ответов LLM перед показом пользователю

Мультиязычная авторегрессионная модель XGLM для генерации текста и few-shot-экспериментов на множестве языков.

Подходит для: генерация текста на разных языках · few-shot-генерация по примерам · zero-shot-оценка языковых задач

XLM-R-BERTić — предварительно обученная модель XLM-RoBERTa для работы с южнославянским текстом и предсказания замаскированных токенов.

Подходит для: восстановление пропущенных слов в южнославянском тексте · дообучение модели для распознавания именованных сущностей на сербском и хорватском · дообучение для оценки тональности текстов на боснийском, хорватском и сербском

Разговорная Llama-модель на 10,6 млрд параметров для генерации текста и диалоговых сценариев, оценённая на корейских задачах понимания и рассуждений.

Подходит для: ведение диалогов на корейском языке · ответы на вопросы по тексту на корейском языке · генерация корейского текста

Плотная 10,6-миллиардная модель семейства Llama для генерации текста и диалогов с контекстом до 4096 токенов.

Подходит для: ведение диалогов с пользователем · генерация ответов на текстовые запросы · проверка понимания корейских текстов на задачах BoolQ

Разговорная Llama-модель на 10,6 млрд параметров для генерации текста и ответов в чате.

Подходит для: генерация ответов в диалоговом чат-боте · ведение текстового диалога · оценка понимания корейского языка на задачах BoolQ и COPA

Диалоговая языковая модель семейства Llama на 10,6 млрд параметров для генерации текста с контекстом до 4096 токенов.

Подходит для: генерация ответов в диалоговом интерфейсе · создание и продолжение текстов · проверка понимания корейских вопросов на задачах BoolQ и COPA

Диалоговая модель семейства Llama на 10,6 млрд параметров для генерации текста и ответов в чате.

Подходит для: генерация ответов в диалоге · создание текстовых продолжений · ответы на вопросы на корейском языке

Диалоговая модель Llama на 10,6 млрд параметров для генерации текста с контекстом до 4096 токенов.

Подходит для: генерация ответов в диалоговом интерфейсе · создание текстовых ответов на запросы пользователя · ответы на вопросы на корейском языке