JEV-27B — дообученная модель AutoTrust для классификации, выбора вариантов и генерации ответов с режимом калиброванных вероятностей.

Подходит для: классификация текста по заданным категориям · выбор наиболее подходящего варианта из списка · ранжирование результатов поиска по релевантности

Дообученная англоязычная модель Qwen для классификации и выбора из заданных вариантов с оценкой вероятностей за один проход.

Подходит для: классификация обращений по заданным категориям · маршрутизация запросов пользователей в службу поддержки · выбор следующего действия агента по описанию состояния

Von — англоязычная модель классификации и оценки, которая за один проход выбирает или ранжирует заданные варианты без генерации текста.

Подходит для: маршрутизация обращений в службу поддержки · классификация намерений клиента · проверка запросов на соответствие политике или критериям

OpenJev — модель на базе Qwen3.5 для классификации, оценки вариантов и выбора действий браузерных агентов по тексту, веб-страницам и скриншотам.

Подходит для: маршрутизация обращений в службу поддержки по теме и команде · определение приоритета и намерения в сообщениях · выявление спама, токсичности и нарушений политики

Классификатор RouteLLM на базе XLM-RoBERTa выбирает, передать ли текстовый запрос более сильной или более дешёвой LLM.

Подходит для: маршрутизация запросов между сильной и дешёвой языковыми моделями · снижение затрат на ответы LLM за счёт направления простых запросов дешёвой модели · автоматический выбор модели для обработки пользовательского запроса

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

Мультиязычная модель на базе XLM-RoBERTa large автоматически относит новостные тексты к верхнеуровневым темам IPTC.

Подходит для: автоматическая тематическая разметка новостных статей · категоризация новостей по темам IPTC · аннотирование больших новостных корпусов

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

Многоязычная модель XLM-RoBERTa для классификации текста без обучающих примеров через проверку гипотез в формате NLI.

Подходит для: классификация отзывов по тональности без размеченных примеров · распределение текстов по пользовательским темам · определение намерений в сообщениях поддержки

Англоязычная модель DeBERTa для классификации текстов без размечающих примеров через проверку гипотез в формате NLI.

Подходит для: классификация отзывов по заданным категориям · определение тональности текста без обучающей выборки · маршрутизация обращений по темам

Текстовая модель Qwen2 для классификации последовательностей, опубликованная на Hugging Face.

Подходит для: классификация текста по категориям · присвоение меток текстовым последовательностям · запуск текстовой классификации через Transformers

Многоязычная модель DeBERTa для NLI и классификации текстов по заданным категориям без дополнительного обучения.

Подходит для: классификация отзывов по заданным темам · распределение обращений по пользовательским категориям · определение тональности через гипотезы NLI

Компактная англоязычная модель GLiClass на 144 млн параметров для zero-shot-классификации текста, анализа тональности и переоценки релевантности в RAG.

Подходит для: распределение обращений по заданным темам · определение тональности отзывов · классификация новостей по заданным категориям

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

Julia 1 — мультиязычная модель классификации и маршрутизации, выбирающая подходящий вариант ответа по заданному контексту.

Подходит для: Классификация новостных текстов по заданным категориям · Определение эмоции в тексте по списку меток · Маршрутизация запросов по сценариям и локалям

Компактная мультиязычная GLiClass-модель для zero-shot и few-shot классификации текста по пользовательским меткам.

Подходит для: классификация документов по темам без размечающего набора · определение тональности отзывов на разных языках · распознавание намерений в сообщениях пользователей

Компактная GLiClass-модель для zero-shot-классификации текста по заданным меткам, анализа тональности и ранжирования в RAG.

Подходит для: распределение текстов по заданным темам без дообучения · определение тональности отзывов · классификация текстов по пользовательским меткам

Модель RoBERTa определяет одну или несколько из 28 эмоций в коротком англоязычном тексте.

Подходит для: определение эмоций в комментариях Reddit · анализ эмоциональной окраски коротких сообщений · разметка текстов несколькими эмоциональными категориями

Классификатор Meta на базе DeBERTa-xsmall, который выявляет вредоносные промпты и попытки обойти инструкции безопасности LLM.

Подходит для: проверка пользовательских запросов на jailbreak перед отправкой в LLM · поиск prompt injection в недоверенных документах и веб-данных · фильтрация явных атак на инструкции в агентных приложениях

Мультимодальная модель Surogate для выбора и оценки вариантов ответа по тексту, структурированным данным и изображениям.

Подходит для: выбор правильного ответа из нескольких вариантов · оценка вероятности истинности утверждения · выставление балла по порядковой шкале

Мультимодальная модель AutoTrust для выбора и оценки вариантов по тексту или изображениям с выдачей вероятностей и опциональным адаптивным рассуждением.

Подходит для: классификация текстовых запросов по категориям · ранжирование результатов поиска по релевантности · выбор наиболее важной новости для рекомендации

Компактная модель SCX и Knowledgator классифицирует запросы и помогает направлять их к подходящей языковой модели.

Подходит для: Выбор одной из восьми LLM для обработки пользовательского запроса · Определение типа задачи: например, суммаризация, перевод или программирование · Оценка сложности запроса и необходимости рассуждений

Многоязычный переранжировщик BAAI, который оценивает релевантность фрагментов запросу, чтобы улучшить порядок результатов поиска.

Подходит для: пересортировка найденных документов по релевантности запросу · улучшение выдачи многоязычного поискового движка · выбор наиболее подходящих фрагментов для ответа RAG-системы

Компактная модель GLiClass для классификации текста по заданным категориям без дообучения и оценки релевантности в RAG.

Подходит для: классификация обращений по темам · определение тональности отзывов · распределение новостей по заданным категориям