NEPA-DiT-XL генерирует изображения 256×256 по классам ImageNet-1K с помощью латентной модели flow matching.

Подходит для: генерация изображений по классу ImageNet · создание синтетических изображений размером 256×256 · эксперименты с латентными моделями flow matching

Дообученная модель ViT-NEPA для классификации изображений, в том числе на ImageNet-1k.

Подходит для: Классификация изображений по категориям ImageNet-1k · Распознавание объектов на изображениях · Оценка качества классификатора на валидационном наборе ImageNet-1k

BERT-модель SinaLab для выделения именованных сущностей в арабских текстах с плоской разметкой.

Подходит для: распознавание именованных сущностей в арабском тексте · разметка сущностей без вложенных упоминаний · анализ текстов на современном стандартном арабском

Модель BERT классифицирует текстовые банковские запросы на арабском языке по 77 намерениям, включая запросы на литературном языке и нескольких диалектах.

Подходит для: определение намерения клиента в банковском чате · маршрутизация запроса о доставке или привязке карты · классификация вопросов об обменном курсе