Zeta 2.1 предлагает правки кода по контексту проекта, истории изменений и редактируемому фрагменту.

Подходит для: предложение следующего изменения кода в редакторе · переписывание выделенного фрагмента рядом с курсором · редактирование кода с учётом истории изменений

Модель вознаграждения на базе Llama 3.1 оценивает предпочтительность ответов и помогает ранжировать результаты языковых моделей.

Подходит для: оценка качества ответов чат-бота · выбор лучшего ответа из нескольких вариантов · ранжирование ответов языковой модели

Компактная модель Skywork для оценки и ранжирования ответов языковых моделей по предпочтениям.

Подходит для: сравнение качества двух ответов чат-бота · ранжирование вариантов ответа по предпочтительности · оценка ответов при разработке языковой модели

Модель на базе LLaMA оценивает и ранжирует ответы языковых моделей по пяти атрибутам с учётом неопределённости оценки.

Подходит для: сравнение двух ответов языковой модели · ранжирование ответов по качеству · оценка полезности и корректности ответа

Англоязычная модель-судья на базе Mistral для оценки ответов LLM по критериям и попарного ранжирования.

Подходит для: оценка ответа языковой модели по рубрике от 1 до 5 · сравнение и ранжирование двух ответов LLM · генерация обоснованной обратной связи для ответа модели

Мультимодальная модель для оценки и ранжирования результатов редактирования изображений по текстовым инструкциям и человеческим предпочтениям.

Подходит для: оценка соответствия отредактированного изображения текстовой инструкции · ранжирование нескольких вариантов редактирования изображения · выбор лучшего результата среди моделей редактирования изображений

CoEdIT-Large — английская T5-модель Grammarly для редактирования и улучшения текста по инструкциям.

Подходит для: исправление грамматики и орфографии в английском тексте · перефразирование предложений по инструкции · редактирование черновиков на английском языке

Модель оценивает эстетическую привлекательность изображений и помогает ранжировать их по визуальной оценке.

Подходит для: ранжирование изображений по эстетической привлекательности · отбор изображений для обучающего набора · фильтрация изображений по порогу эстетической оценки

Reward-модель Skywork на базе Llama 3.1 оценивает ответы диалоговых моделей, чтобы сравнивать и ранжировать их по предпочтительности.

Подходит для: оценка качества ответов чат-бота · сравнение двух ответов языковой модели · ранжирование сгенерированных ответов

Производная Qwen3.5-VL модель, которая анализирует изображение и превращает короткую инструкцию по его редактированию в подробный английский промпт.

Подходит для: составление подробного промпта для редактирования загруженного изображения · уточнение краткой инструкции для приложения редактирования изображений · описание желаемых изменений с учётом содержимого изображения

Преобразованный классификатор Pangram EditLens на базе RoBERTa-large оценивает текст для выявления признаков редактирования с помощью ИИ и поддерживает локальный инференс.

Подходит для: классификация английского текста по признакам редактирования ИИ · локальная оценка текста детектором ИИ · встраивание классификатора EditLens в приложение через ONNX

Дообученная Qwen2.5-Coder модель для автоматического исправления программных ошибок по описанию задачи и контексту кода.

Подходит для: автоматическое исправление ошибок в репозиториях · подготовка патчей по описанию бага · ремонт кода в локальной среде без облачного API

Zeta 2 — дообученная языковая модель, которая предлагает следующие правки кода по контексту файла и истории изменений.

Подходит для: предложение следующей правки кода в редакторе · переписывание выделенного фрагмента с учётом соседнего кода · генерация изменений с учётом истории редактирования

M-Prometheus-14B — дообученная мультиязычная модель-судья для оценки и сравнения ответов LLM с развёрнутой обратной связью.

Подходит для: оценка качества ответов языковых моделей · сравнение двух сгенерированных ответов · генерация развёрнутой обратной связи по тексту

SpatialReward-8B оценивает, насколько хорошо изображения отредактированы по текстовой инструкции, и выдаёт оценки, пригодные для обучения с подкреплением.

Подходит для: оценка соответствия отредактированного изображения текстовой инструкции · сравнение исходного и отредактированного изображения по качеству изменений · выявление областей изображения, затронутых редактированием

Модель shunk031 оценивает эстетическое качество изображений и помогает извлекать визуальные признаки для их отбора и ранжирования.

Подходит для: Оценка эстетической привлекательности изображений · Ранжирование изображений по предполагаемому визуальному качеству · Отбор изображений для фотоподборки или галереи

CodeScaler-8B — дообученная на предпочтениях reward-модель Qwen3 для оценки и ранжирования ответов на задачи генерации кода без исполнения программ.

Подходит для: ранжирование нескольких вариантов решения задачи программирования · оценка качества сгенерированного кода без его запуска · отбор предпочтительных ответов для генератора кода

Мультимодальная модель TIGER-Lab оценивает результаты редактирования изображений по инструкциям и помогает выбирать варианты, наиболее соответствующие человеческим предпочтениям.

Подходит для: сравнение нескольких вариантов отредактированного изображения · оценка соответствия результата редактирования текстовой инструкции · ранжирование результатов редактирования по предпочтениям людей

Atla Selene-1-Mini — дообученная на базе Llama 3.1 8B модель-судья для оценки, классификации и сравнения ответов языковых моделей.

Подходит для: оценка ответа по заданной шкале · проверка, отвечает ли текст на запрос пользователя · сравнение двух ответов и выбор лучшего

CompassJudger-2-32B-Instruct — англоязычная модель-судья на базе Qwen2.5 для попарного сравнения и оценки качества ответов.

Подходит для: сравнение двух ответов на один запрос · оценка качества ответов языковой модели · ранжирование вариантов ответа по полезности

Компактная reward-модель Skywork для оценки и сравнения качества ответов на основе предпочтений.

Подходит для: оценка ответов чат-бота по качеству · выбор лучшего ответа из нескольких вариантов · ранжирование ответов для обучения языковой модели

Компактная модель на основе BERT-tiny для недорогой оценки качества текстовой генерации с приближением метрики BERTScore.

Подходит для: оценка качества ответов генеративной модели · сравнение вариантов сгенерированного текста · приближённая замена BERTScore при массовой оценке текстов

Модель вознаграждения на базе Gemma 2, которая оценивает и сравнивает ответы языковых моделей по предпочтительности.

Подходит для: сравнение двух ответов чат-бота по качеству · ранжирование вариантов ответа для выбора предпочтительного · оценка диалогов при проверке качества языковой модели

Компактная дообученная модель вознаграждения на базе Qwen3-1.7B для оценки и сравнения качества текстовых ответов.

Подходит для: оценка качества ответов чат-бота · сравнение двух ответов и выбор предпочтительного · ранжирование ответов языковой модели