RuBERT для определения положительной, отрицательной или нейтральной тональности коротких русских текстов.

Подходит для: классификация тональности отзывов на русском языке · анализ настроений в русскоязычных новостях · определение позитивных и негативных комментариев

Компактная модель RuBERT-tiny2 классифицирует короткие русские тексты как нейтральные, положительные или отрицательные.

Подходит для: Определение тональности отзывов на товары и услуги · Разметка тональности русскоязычных новостных текстов · Подсчёт положительных и отрицательных упоминаний в сообщениях

RuBERT, дообученный для определения одной или нескольких эмоций в коротких русскоязычных текстах.

Подходит для: определение эмоций в сообщениях пользователей · анализ эмоциональной окраски отзывов · разметка русскоязычных текстов по нескольким эмоциям

Экспериментальная языковая модель Arcee.ai с гибридным вниманием KDA и NoPE для исследований эффективности внимания и математических рассуждений.

Подходит для: исследование гибридных архитектур внимания · сравнение линейного и полного внимания · оценка памяти и KV-кэша при обработке контекста

Дообученный RuBERT-tiny2 определяет шесть эмоций в коротких русскоязычных текстах.

Подходит для: определение эмоций в сообщениях пользователей · анализ эмоциональной окраски отзывов · разметка коротких русских текстов по эмоциям

SEW-D-tiny — компактная предварительно обученная модель ASRAPР Research для извлечения признаков из речи и дообучения под задачи распознавания и анализа аудио.

Подходит для: извлечение признаков из английской речи · дообучение для автоматического распознавания речи · идентификация говорящего после дообучения

Компактная модель на основе RuBERT-tiny2 для определения одной или нескольких эмоций в коротком русском тексте.

Подходит для: определение эмоций в сообщениях пользователей · анализ эмоциональной окраски отзывов · разметка русскоязычных текстов по категориям эмоций

Производная модели CollectionStudio/Trinity-Large-TrueBase. Базовая разреженная MoE-модель Arcee AI для исследований предобучения, анализа поведения и последующего дообучения.

Подходит для: исследование поведения модели после масштабного предобучения · анализ маршрутизации экспертов и балансировки нагрузки в MoE · пробинг и интерпретируемость языковой модели

Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели

BERT-модель для определения нейтральной, положительной или отрицательной тональности коротких финансовых публикаций на русском языке.

Подходит для: Определение тональности финансовых постов в Telegram · Разметка публикаций как нейтральных, положительных или отрицательных · Мониторинг настроений вокруг финансовых тем

Базовая модель Arcee AI на 6 млрд параметров с архитектурой MoE, предназначенная для дальнейшего дообучения под специализированные задачи генерации текста.

Подходит для: дообучение языковой модели под внутренние документы компании · адаптация модели для специализированного текстового ассистента · создание предметной модели генерации текста

Компактная базовая языковая модель на 49,3 млн параметров для исследований, бенчмаркинга и продолжения предобучения.

Подходит для: эксперименты с компактными причинно-языковыми моделями · продолжение предобучения на собственном корпусе · бенчмаркинг малых языковых моделей

SEW-tiny — компактная англоязычная модель ASR для транскрибирования речи, дообученная на LibriSpeech и принимающая аудио с частотой 16 кГц.

Подходит для: транскрибирование англоязычных аудиозаписей · распознавание речи в аудио с частотой 16 кГц · создание текстовых расшифровок записей LibriSpeech

Русская модель RoBERTa для многометочной классификации текста по 27 типам эмоций.

Подходит для: определение эмоций в сообщениях и отзывах · извлечение нескольких эмоций из одного текста · поиск сообщений с заданной эмоцией

Aria-UI — мультимодальная модель для понимания инструкций и взаимодействия с графическими интерфейсами в составе GUI-агентов.

Подходит для: привязка текстовой инструкции к элементам интерфейса на скриншоте · выполнение задач в приложениях Android с GUI-агентом · управление веб-интерфейсом по текстовым инструкциям

Исследовательская дистиллированная языковая модель Arcee.ai с KDA во всех слоях для изучения линейного внимания и генерации текста.

Подходит для: сравнение линейного внимания KDA с полным вниманием · исследование дистилляции внимания в языковых моделях · генерация текста на длинных последовательностях

Модель RuBERT определяет одну или несколько эмоций в коротком русском тексте.

Подходит для: определение эмоций в сообщениях пользователей · анализ эмоциональной окраски отзывов · разметка русскоязычных текстов по эмоциям

Базовый чекпойнт Aria для продолжения мультимодального предобучения и языковых и визуально-языковых задач с контекстом до 8K.

Подходит для: продолжение предобучения на документах для OCR · адаптация к многоязычным данным · продолжение обучения для агентных сценариев

Модель-агент на базе Qwen3, дообученная для многошагового выполнения задач с использованием инструментов в сценариях авиаперевозок, розничной торговли и телекоммуникаций.

Подходит для: выполнение многошаговых задач в авиасервисе с вызовом инструментов · обработка запросов покупателей в розничной торговле с использованием инструментов · решение задач поддержки абонентов телекоммуникационных сервисов

Производная модели arcee-ai/Trinity-Nano-Base-Pre-Anneal. Базовая модель Arcee AI на 6 млрд параметров с архитектурой MoE, предназначенная для дальнейшего дообучения под специализированные задачи генерации текста.

Подходит для: дообучение языковой модели под внутренние документы компании · адаптация модели для специализированного текстового ассистента · создание предметной модели генерации текста

Производная модели seara/rubert-base-cased-russian-sentiment. RuBERT для определения положительной, отрицательной или нейтральной тональности коротких русских текстов.

Подходит для: классификация тональности отзывов на русском языке · анализ настроений в русскоязычных новостях · определение позитивных и негативных комментариев

Русскоязычная модель DeBERTa для многометочной классификации текста по 27 категориям эмоций.

Подходит для: определение нескольких эмоций в сообщениях на русском языке · поиск сообщений с конкретной эмоцией · анализ эмоциональной окраски отзывов

Дообученная на SapBERT модель создаёт эмбеддинги для семантического поиска и сопоставления биомедицинских сущностей.

Подходит для: поиск биомедицинских терминов по смыслу · сопоставление вариантов названий одной сущности · поиск похожих предложений и фрагментов