TOD-BERT-JNT-V1 — BERT-модель для понимания и анализа многоходовых диалогов, ориентированных на выполнение задач.

Подходит для: распознавание намерений в диалогах · отслеживание состояния диалога · классификация диалоговых актов

Компактная дистиллированная модель BERT для понимания естественного языка и дообучения под конкретные задачи.

Подходит для: дообучение для классификации текстов · дообучение для анализа тональности · дообучение для распознавания сущностей

Компактный англоязычный энкодер BERT для понимания текста и дообучения под задачи NLP на устройствах с ограниченными ресурсами.

Подходит для: классификация английских текстов после дообучения · анализ тональности английских отзывов · определение семантического сходства предложений

Англоязычная модель RoBERTa, предварительно обученная на твитах и предназначенная для предсказания замаскированных слов в коротких сообщениях.

Подходит для: восстановление пропущенных слов в англоязычных твитах · анализ языка коротких сообщений в Twitter · подготовка англоязычных твитов для языковых исследований

BERT-модель Unitary для классификации токсичных комментариев и выявления вредной речи при модерации онлайн-контента.

Подходит для: выявление токсичных комментариев в обсуждениях · поиск угроз, оскорблений и непристойной речи · выявление атак на идентичность в пользовательских сообщениях

Дообученная BERT-модель для определения токсичных комментариев на английском языке.

Подходит для: выявление токсичных комментариев на английском языке · фильтрация пользовательских сообщений перед публикацией · первичная модерация комментариев в сообществах

Компактная англоязычная модель BERT для понимания текста и дообучения на NLP-задачи в условиях ограниченных вычислительных ресурсов.

Подходит для: классификация английских текстов после дообучения · анализ тональности англоязычных отзывов · определение смыслового сходства предложений

OpenJev (Verdict) — дообученная модель на базе ModernBERT для быстрого выбора и калиброванной оценки вероятностей среди заданных текстовых кандидатов.

Подходит для: выбор наиболее подходящего варианта из списка текстовых кандидатов · классификация текста по заданным меткам · оценка вероятности и уверенности в семантическом решении

NeoBERT — англоязычная encoder-модель на 287,7 млн параметров для извлечения представлений текста и решения задач классификации и заполнения пропусков.

Подходит для: извлечение векторных представлений английских текстов · поиск семантически похожих английских документов · классификация английских текстов после дообучения

Компактный англоязычный BERT с четырьмя слоями и 32,4 млн параметров для понимания текста и дообучения на NLP-задачи.

Подходит для: классификация английских текстов после дообучения · анализ тональности отзывов на английском языке · оценка семантического сходства предложений

SiEBERT — англоязычная модель RoBERTa-large для бинарной классификации тональности текстов на положительные и отрицательные.

Подходит для: Определение тональности отзывов покупателей · Анализ тональности сообщений в социальных сетях · Автоматическая сортировка англоязычных текстов на позитивные и негативные

Многоязычная модель BERT от Twitter для представления твитов, языкового анализа и задач социальных рекомендаций.

Подходит для: предсказание вовлечённости пользователей в твиты · классификация твитов · заполнение пропусков в тексте

Компактная англоязычная модель BERT для понимания текста и дообучения на задачах NLP в условиях ограниченных вычислительных ресурсов.

Подходит для: классификация английских текстов · анализ тональности англоязычных отзывов · оценка семантического сходства предложений

TabiBERT — турецко-английская энкодерная модель для заполнения пропусков и дообучения под задачи понимания текста, поиска и представления кода.

Подходит для: заполнение пропусков в турецких текстах · дообучение классификатора турецких документов · извлечение ответов на вопросы из турецкого текста

Компактная дистиллированная англоязычная модель BERT для понимания текста и дальнейшего дообучения под конкретные NLP-задачи.

Подходит для: дообучение для классификации текстов · дообучение для распознавания именованных сущностей · дообучение для ответа на вопросы по тексту

Компактная англоязычная BERT-модель для классификации тональности текстов SST-2.

Подходит для: определение тональности короткого отзыва · классификация англоязычных предложений по тональности · оценка тональности текста в демонстрационных NLP-приложениях

Компактная BERT-модель Moritz Laurer для быстрой классификации текста по пользовательским меткам без специального обучения под каждый набор классов.

Подходит для: распределение обращений по заданным категориям · классификация отзывов по темам или тональности · проверка текстов на токсичность или спам

Модель вознаграждения на базе DeBERTa-v3-large оценивает и ранжирует ответы на вопросы по предпочтениям людей.

Подходит для: оценка качества ответов системы вопросов и ответов · ранжирование двух ответов по человеческим предпочтениям · вычисление сигнала вознаграждения для RLHF

Компактный англоязычный энкодер BERT для тонкой настройки на задачах понимания текста при ограниченных вычислительных ресурсах.

Подходит для: классификация английских текстов после тонкой настройки · анализ тональности английских отзывов · определение семантического сходства предложений

Компактная англоязычная модель BERT для понимания текста и дообучения на прикладные задачи при ограниченных вычислительных ресурсах.

Подходит для: классификация английских текстов после дообучения · анализ тональности английских отзывов · определение семантического сходства предложений

BERT-модель для извлечения признаков из текста.

Подходит для: извлечение векторных представлений текста · получение признаков для последующей классификации

BERTweet-large — модель RoBERTa для заполнения пропусков и анализа коротких англоязычных сообщений, предобученная на корпусе твитов.

Подходит для: заполнение пропусков в англоязычных твитах · оценка контекста и лексики коротких сообщений · подготовка языковой основы для классификации твитов

Классификатор ModernBERT выбирает, направить ли запрос к текстовой модели, генератору изображений или обоим.

Подходит для: выбор текстового бэкенда для пользовательского запроса · направление промпта генерации изображения в диффузионную модель · выбор комбинированного ответа с текстом и изображением

Компактная модель Google семейства T5, дополнительно обученная на языковом моделировании для адаптации к текстовым задачам и prompt tuning.

Подходит для: адаптация к генерации текста с помощью prompt tuning · дообучение для суммаризации документов · дообучение для ответов на вопросы по тексту