I.11Классификация, ранжирование и сопоставление

Это модель Sentence Transformers, дообученная разработчиком ML5562 на научно-текстовой BERT-модели SciBERT от Allen Institute for AI. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и вычисляет их семантическую близость по косинусному сходству. Модель подходит для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации научных текстов. В основе — BERT с усреднением токенных представлений; максимальная длина входа составляет 512 токенов. Модель обучалась с TripletLoss на наборе из 19 392 примеров. В README приведена точность cosine_accuracy 0,6229 на оценке TripletEvaluator. Исходная SciBERT ориентирована на английские научные тексты; данных о лицензии в предоставленных источниках нет.

FormatClassifier-NoURL — англоязычный классификатор WebOrganizer, дообученный на базе Alibaba-NLP/gte-base-en-v1.5. Он относит текст веб-страниц к одной из 24 категорий, используя содержание страниц без информации из URL. Для обучения использовались два набора аннотаций: миллион документов, размеченных Llama-3.1-8B, и 100 тысяч документов, размеченных Llama-3.1-405B-FP8. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 8192 токенов и распространяется в формате safetensors; для работы указана библиотека Transformers. Модель предназначена для автоматической организации и классификации веб-контента по его формату. В README рекомендуется эффективная реализация gte-base-en-v1.5 с unpadding и memory efficient attention, для которой требуется xformers. Лицензия в предоставленных данных не указана.

GEFS-language-detector — модель классификации текста для определения, написан ли текст на немецком, английском, французском или испанском языке. Её разработал Muhammad Imran Zaman; модель дообучена на наборе данных papluca/language-identification на базе xlm-roberta-base. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст длиной до 514 токенов. На выходе она предсказывает код одного из четырёх поддерживаемых языков: de, en, fr или es. Автор сообщает о результате F1, близком к 100%, но не приводит подробностей методики оценки. Модель подходит для автоматической сортировки и маршрутизации текстов по языку. Распознавание ограничено четырьмя указанными языками, поэтому для других языков её предсказания могут быть ненадёжны. Лицензия — Apache-2.0.

GLAP (Generalized Language Audio Pretraining) — модель для сопоставления аудио с текстом, представленная проектом MiSpeech. Она оценивает пары аудио и текстовых описаний, что позволяет находить подходящие звуковые фрагменты по текстовому запросу или ранжировать описания по соответствию аудио. Модель предназначена для поиска по речи, музыке и другим звукам, включая сценарии retrieval и zero-shot оценки. GLAP заявлена как многоязычная модель, поддерживающая более восьми языков; среди примеров указаны японский, немецкий, испанский, китайский и нидерландский. Для музыки и звуковых событий README сообщает о сопоставимой с прежними базовыми решениями результативности на английском и о поддержке поиска на других языках. Репозиторий содержит веса в формате safetensors и использует библиотеку glap_model. Лицензия — Apache-2.0.

GreenNode разработала GreenNode-Embedding-Large-VN-V1 — модель Sentence Transformer на базе XLM-RoBERTa для получения плотных векторных представлений вьетнамских предложений и абзацев. Она кодирует входной текст в векторы размерностью 1024, нормализованные для сравнения по косинусному сходству; максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов, в том числе таблиц и документов на вьетнамском языке. Её можно применять для поиска подходящих фрагментов в коллекциях документов, сопоставления похожих формулировок, кластеризации и классификации текста. В README приведены результаты сравнений на наборах для поиска по таблицам, юридическим текстам и вопросам по вьетнамским материалам; эти показатели относятся к указанным тестовым наборам. Модель распространяется под лицензией CC BY 4.0. Она выдаёт эмбеддинги, а не готовые ответы или метки; качество на других языках и типах данных в предоставленных материалах не описано.

gte-micro-v4 — компактная модель эмбеддингов на архитектуре BERT, разработанная как дистилляция gte-tiny. Она предназначена для семантического автодополнения: преобразует английские тексты в векторные представления, которые можно использовать для поиска близких по смыслу вариантов. Модель рассчитана на Sentence-Transformers или Transformers с подходящей операцией pooling; доступны форматы Safetensors и ONNX. В ней 21,2 млн параметров, контекст ограничен 512 токенами. Модель ориентирована исключительно на английский язык; более длинные тексты обрезаются до 512 токенов. Лицензия MIT.

hc3-wiki-domain-classification-roberta — модель классификации текста на базе RoBERTa, дообученная разработчиком rajendrabaskota на наборе данных, обозначенном в карточке как None. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для отнесения текстов к классам тематических областей, связанных с HC3 и Wikipedia. В карточке приведены результаты оценки: accuracy 0,9810 и F1 0,9810 при loss 0,1821. Описание классов, состав обучающего набора и конкретные ограничения в карточке не раскрыты. Модель распространяется по лицензии MIT.

Карточка модели Atgenomix/icd_10_sentence_transformer_128_dim_model на Hugging Face совпадает с карточкой pritamdeka/BioBERT-mnli-snli-scinli-scitail-mednli-stsb, поэтому описание составлено по ней. pritamdeka/BioBERT-mnli-snli-scinli-scitail-mednli-stsb — модель эмбеддингов предложений на базе BERT, опубликованная пользователем pritamdeka. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Модель обучалась на SNLI, MNLI, SCINLI, SCITAIL, MEDNLI и STSB, включая наборы данных по биомедицинским текстам. Веса содержат 135,5 млн параметров, максимальная длина контекста составляет 512 токенов. Модель принимает текст и возвращает эмбеддинги; указанные наборы данных и название BioBERT указывают на специализацию для биомедицинского и научного текста. Для использования требуется корректная операция pooling поверх контекстных представлений либо Sentence-Transformers. Лицензия CC BY-NC 3.0 ограничивает коммерческое использование.

Это модель Sentence Transformers, разработанная ShoAnn на базе indobenchmark/indobert-base-p1 и дообученная на наборе indo_legalqa_triplets из 7 037 обучающих примеров. Она кодирует предложения и абзацы на индонезийском языке в плотные векторы размерности 768; близость текстов оценивается косинусным сходством. Архитектура включает BERT и mean pooling, максимальная длина последовательности — 512 токенов. Модель предназначена прежде всего для поиска и сопоставления текстов по индонезийским юридическим вопросам и ответам. Её можно применять для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и подготовки признаков для классификации текста. Это векторный энкодер, а не генеративная модель: она не формулирует ответы на вопросы. В метаданных указана библиотека sentence-transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

InternVL-14B-224px — модель зрения и языка OpenGVLab с 14 млрд параметров, предназначенная для извлечения признаков изображений и решения задач на изображениях и видео. Модель принимает изображения размером 224 × 224 пикселя и поддерживает классификацию без дообучения, поиск соответствий между изображениями и текстом или видео и текстом, а также создание подписей к изображениям. Модель обучена на наборах LAION-en, LAION-COCO, COYO, CC12M, CC3M, SBU, Wukong и LAION-multi. В README отмечено, что для корректной работы при использовании необходим префикс «summarize:» и значение tokenizer.pad_token_id = 0. Лицензия — MIT. Конкретные поддерживаемые языки и численные результаты оценки в предоставленных материалах не описаны.

OpenGVLab/InternVL-14B-Flickr30K-FT-364px — дообученная мультимодальная модель InternVL для поиска соответствий между изображениями и текстами. Она принимает изображения размером 364 × 364 пикселя и текстовые описания; обучение для задач retrieval выполнено на Flickr30K на основе OpenGVLab/InternVL-14B-224px. Архитектура InternVL объединяет зрительный трансформер ViT с языковой моделью; размер модели — 14 млрд параметров. Модель предназначена для извлечения признаков и поиска текста по изображению или изображения по тексту. При использовании README требует добавлять префикс «summarize:» и устанавливать tokenizer.pad_token_id в 0, иначе результаты могут быть некорректными. Репозиторий распространяется по лицензии MIT.

jev-control-core — компактная текстовая модель для выбора решений в отдельных узлах агентных систем, разработанная open-spark-Jev. Она предназначена для маршрутизации инструментов, проверки достаточности ответа и релевантности контекста, фильтрации инъекций и модерации, проверки утверждений, выбора следующего действия, сопоставления сущностей и передачи сложных случаев человеку. Модель представляет собой плотный текстовый декодер Qwen3_5ForCausalLM размером 581,4 млн параметров, полученный полным дообучением Qwen/Qwen3.5-0.8B-Base. Вопрос и состояние агента кодируются в одном запросе с перечнем допустимых вариантов; модель оценивает варианты за один проход без генерации ответа и ограничивает результат заданным списком. Заявленная длина контекста — 262 144 токена. Поддерживается английский язык. Репозиторий содержит веса Safetensors и GGUF F16; лицензия — Apache-2.0. Модель ориентирована на короткие структурированные решения внутри агентного цикла и выдаёт наилучший вариант или оценку среди заданных опций. В README сообщается о результате 0,837 на реальном тестовом контуре, но модель не оценивалась на JevBench и уступает указанной базовой системе в задачах достаточности ответа и релевантности; возможен перенос синтетического словаря, поэтому калибровку уверенности рекомендуется подстраивать на размеченном трафике. Также у модели не было этапа обучения с подкреплением.

JevK5-2B — англоязычная модель для принятия типизированных решений по документам, разработанная как открытая альтернатива Jev компанией TypeSafe; с TypeSafe AI модель не связана. Она принимает документ и вопрос с ответами «да/нет», вариантами выбора или числовой шкалой и за один проход выдаёт вероятности для каждого варианта, не генерируя текст ответа. Модель основана на плотной архитектуре Qwen3.5-2B с 1,7 млрд параметров: адаптер LoRA ранга 16 объединён с весами. Веса доступны в формате safetensors, лицензия — Apache-2.0. Базовая модель поддерживает контекст до 262 144 токенов, но JevK5-2B отказывает в обработке входов длиннее 16 384 токенов. Модель предназначена для извлечения фактов из документов, классификации и маршрутизации по заданным вариантам. В README приведены результаты на вопросах по бизнес-документам и публичном JevBench; авторы отмечают хорошее качество на простых решениях, но более низкое — на стандартных и сложных примерах по сравнению с версией на 4 млрд параметров. Слабые стороны — арифметика, многошаговые запросы, даты, суммы и общие знания; на закрытом наборе JevBench модель не оценивалась. Для применения требуется JevK5 runtime на GPU NVIDIA либо сборка GGUF и llama.cpp на других устройствах.

JevK5-Lite — экспериментальная предварительная версия CPU-классификатора проекта JevK5, дообученная на базе microsoft/deberta-v3-large. Модель за один проход кодировщика обрабатывает текст и произвольное число наборов меток: для однозначных категорий возвращает вероятности softmax, а для многометочной классификации — отдельные вероятности sigmoid. Архитектура использует метки, встроенные в последовательность, и оценивает их с учётом представления текста; размер по метаданным — 533,7 млн параметров, контекст — до 512 токенов. Поддерживается английский язык. Модель предназначена для классификации текстов по заданным пользователем категориям, в том числе одновременно по нескольким наборам меток. В описанных испытаниях она показала лучшую калибровку вероятностей на шести одно меточных наборах, но среднее качество классификации уступило GLiNER2.5-Decide; результаты заметно различаются по областям. Особенно слабыми названы финансовый сентимент и тонкая многометочная классификация эмоций. Для работы на CPU предусмотрен режим bfloat16, а вход обрезается до 512 токенов, причём метки получают приоритет при усечении. Лицензия — Apache-2.0.

Jisr-Align-29M — разработанная oddadmix контрастивно дообученная с нуля модель на базе Marian для выравнивания арабских и английских предложений. Это энкодер с 29 млн параметров, шестью слоями и размерностью представлений 448; модель принимает пары предложений и выдаёт векторные представления для оценки их соответствия. Максимальная длина контекста — 1024 токена. Для выравнивания документов README рекомендует сочетать энкодер с динамическим поиском по монотонному пути, который формирует связи 1-к-1, 1-ко-многим, многие-к-1 и нулевые связи с оценкой уверенности. Модель подходит для поиска параллельных текстов, сопоставления предложений между арабскими и английскими документами и поиска переводных соответствий. В README приведены результаты на FLORES devtest и египетском диалекте арабского языка; отдельная адаптация на диалектные данные не проводилась. Ограничения поиска: он не восстанавливает перестановки предложений, а связи 2-к-2 выбираются редко из-за стоимости шага в используемом DP-поиске. Модель распространяется по лицензии Apache-2.0.

KoELECTRA-Small-v3-discriminator — компактная корейская предобученная языковая модель на архитектуре ELECTRA, разработанная Jangwon Park (monologg). Она обучена распознавать заменённые токены: дискриминатор определяет, является ли каждый токен исходным или подменённым. Модель предназначена для дообучения и использования как текстовый энкодер в корейских задачах понимания языка, включая классификацию, распознавание именованных сущностей, оценку сходства и ответы на вопросы. Модель содержит около 21,5 млн параметров, имеет 12 слоёв, скрытый размер 256, 4 головы внимания и максимальную длину последовательности 512 токенов. Обучалась на корейских текстах; вариант v3 использует корпус Everyone’s Corpus и словарь WordPiece размером 35 000 токенов. В карточке Hugging Face указано использование с Transformers и PyTorch. Ограничение — это дискриминатор для кодирования и дообучения, а не генеративный чат-бот; для решения прикладных задач обычно требуется дополнительная настройка. Лицензия не установлена по доступным источникам.

jhgan/ko-sbert-sts — модель на основе BERT для получения плотных векторных представлений предложений и абзацев на корейском языке. Она обучена на данных KorSTS для оценки семантического сходства; размер модели — 137,8 млн параметров, размерность эмбеддингов — 768, максимальная длина контекста — 512 токенов. Модель подходит для сравнения смысла двух текстов, семантического поиска и кластеризации. В README приведены результаты оценки на KorSTS: корреляция Пирсона 81,55 и Спирмена 81,23 при косинусном сходстве. Для работы доступны веса PyTorch и TensorFlow; модель можно применять через Sentence-Transformers или Transformers с соответствующей операцией pooling. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Модель ориентирована на корейский язык и обучена на KorSTS; качество на других языках и задачах не подтверждено приведёнными результатами.

Alamin2230/labse-base-part1 — дообученная модель на базе многоязычной BERT-модели sentence-transformers/LaBSE. По метаданным, она предназначена для классификации текста; архитектура — BertForSequenceClassification, веса представлены в формате safetensors. Контекстное окно составляет 512 токенов, размер модели — 498,1 млн параметров. Базовая LaBSE строит эмбеддинги предложений на 109 языках, однако целевые языки и область классификации этой версии не описаны. В README приведены результаты оценки: F1 0,9778, точность 0,9744, полнота 0,9813, а также FPR 0,0275 и FNR 0,0187. Набор данных указан как None, поэтому неизвестно, на каких примерах получены эти показатели и насколько они применимы к другим данным. Модель распространяется по лицензии Apache-2.0.

lingtrain/labse-buryat — модель Lingtrain для получения плотных векторных представлений предложений и абзацев. Она основана на архитектуре BERT и выдаёт эмбеддинги размерности 768; в метаданных указано 498,1 млн параметров. Модель предназначена для семантического поиска, сравнения текстов, кластеризации и других задач, где нужно сопоставлять смысловые представления фрагментов текста. Модель обучалась с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch. Контекст ограничен 512 токенами. Название указывает на ориентацию на бурятский язык, однако README и метаданные не приводят перечень поддерживаемых языков или результаты оценки качества. Лицензия в предоставленных данных не указана.

lingtrain/labse-sanskrit — модель встраивания предложений на базе LaBSE, дообученная на параллельном корпусе санскритско-русских текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768; архитектура относится к семейству BERT. Контекст ограничен 512 токенами. Модель предназначена для сопоставления смыслово близких фрагментов на санскрите и русском, семантического поиска и кластеризации. Обучение с MultipleNegativesRankingLoss и косинусным сходством нацелено на сближение переводных пар в общем векторном пространстве. Лицензия в предоставленных данных не указана.

LanguageBind/LanguageBind_Audio_FT — аудиокодировщик из семейства LanguageBind, разработанный авторами проекта LanguageBind. Это полностью дообученная версия, которая сопоставляет аудио с текстом в общем семантическом пространстве и предназначена для оценки сходства аудиозаписи с текстовыми описаниями и классификации аудио по текстовым меткам без отдельного обучения на каждом наборе классов. В основе подхода — выравнивание модальностей через язык; README сообщает о высоких результатах LanguageBind-Audio на пяти датасетах. Модель принимает аудио и текстовые описания и выдаёт их представления для вычисления сходства. Метаданные указывают архитектуру CLIPModel и формат PyTorch; заявлена лицензия MIT. Карточка описывает семейство и способ применения, но не приводит для этого чекпойнта конкретные размер, контекст и список поддерживаемых языков. Качество может зависеть от предметной области, формулировок текстовых меток и используемого аудио; результаты на перечисленных в README тестах не гарантируют качество на любых данных.

eleldar/language-detection — модель классификации текста, разработанная на базе XLM-RoBERTa и дообученная на датасете Language Identification. Она определяет язык текстовой последовательности, выбирая один из 20 классов: арабский, болгарский, немецкий, греческий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, польский, португальский, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский. Модель использует XLM-RoBERTa с классификационной головой, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. В тестировании на сбалансированном наборе из 20 языков автор сообщает среднюю точность 99,6%; это значение относится к указанному набору и не гарантирует такую же точность на коротких, смешанных или нестандартных текстах. Модель распространяется по лицензии MIT.

jfrost10/legal-ft-7f9f08e4-892d-410a-9df4-7dc4e3b6505f — дообученная модель Sentence Transformers на основе Snowflake/snowflake-arctic-embed-l, предназначенная для сопоставления текстовых запросов и документов. Она кодирует предложения и абзацы в нормализованные плотные векторы размерности 1024; сходство оценивается косинусной мерой. Архитектура включает BERT, пулинг по CLS-токену и нормализацию, максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов, в том числе в сценариях работы с юридическими материалами, что предполагает название репозитория. README сообщает о дообучении на 156 парах предложений и приводит результаты оценки поиска, однако этих данных недостаточно, чтобы считать качество подтверждённым для широкого применения в юридической сфере. Лицензия в предоставленных данных не указана.

mesolitica выпустила текстовую embedding-модель на базе Llama 2 для получения векторных представлений текста. Модель содержит 1,7 млрд параметров и распространяется в формате safetensors. Обучение проводилось на малайскоязычных текстах с контрастивной функцией потерь и последовательностями до 8 тысяч токенов; при инференсе заявлена возможность работы с контекстом до 32 768 токенов. Модель предназначена для извлечения признаков и построения эмбеддингов, например для поиска и сравнения текстов на малайском языке. В README приведён пример результата размером 12 × 1536. Лицензия в предоставленных данных не указана.

lod-lille-0.6B — плотная модель оценки вариантов на 0,6 млрд параметров, разработанная MRN-DK на базе Qwen3-0.6B-Base. Она принимает текстовое описание состояния и один или несколько вопросов с вариантами и критериями, после чего выдаёт вероятности для предложенных вариантов и отдельную оценку уверенности, что правильный ответ вообще есть среди них. Поддерживаются форматы вопросов choice, noul (оценка истинности утверждения) и score (позиция по шкале от 2 до 10); генерации токенов нет. Модель использует интерфейс оценивания вариантов, а не обычную генерацию текста. Модель предназначена для классификации и ранжирования заданных вариантов, проверки утверждений по предоставленному контексту и сценариев с отказом от ответа при недостатке свидетельств. Она работает на CPU и принимает до 32 768 токенов суммарно за проход; состояние может занимать до 30 720 токенов. Обучение выполнено с LoRA и последующим слиянием адаптера, а также с дистилляцией от lod-stor-4B. Карточка сообщает английский как единственный язык. Лицензия — Apache-2.0. Сильные стороны — явная оценка уверенности, вероятности вариантов и устойчивость к порядку вариантов в fp32; на тесте указаны ECE 0,026 в среднем и точность 0,709. Качество существенно зависит от задачи, вероятности могут быть неточными на отдельных задачах, модель не может выбрать ответ вне списка, а наибольшее число вариантов и длинный контекст проверялись ограниченно. Особенно слабы результаты на многошаговых задачах и ранжировании, структуре документов, планировании и головоломках.

Модель llm-semantic-router/lora_intent_classifier_bert-base-uncased_model — адаптер LoRA для классификации намерений, созданный на основе bert-base-uncased и входящий в проект semantic-router. Она относит текст к категориям вроде бизнеса, технологий и науки и предназначена для маршрутизации запросов в приложениях на базе semantic-router или для использования через Candle на Rust. В основе лежит архитектура BERT для классификации последовательностей; репозиторий содержит веса адаптера в формате safetensors. Общий размер модели составляет 136,7 млн параметров, длина контекста — до 512 токенов. Карточка указывает английский язык. Лицензия — Apache-2.0. Модель подходит для определения тематики и намерения коротких текстовых запросов. Карточка не приводит метрики качества и подробности набора меток, поэтому точность для конкретной схемы категорий следует оценивать отдельно; как адаптер LoRA, модель предназначена для работы с базовой моделью.

Модель vllm-sr/lora_intent_classifier_bert-base-uncased_model — адаптер LoRA для классификации намерений, созданный на основе bert-base-uncased в рамках проекта semantic-router. Она относит текст к категориям вроде бизнеса, технологий и науки и предназначена для маршрутизации запросов по их смыслу. Модель построена на архитектуре BERT для классификации последовательностей, содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Карточка рекомендует использовать её с semantic-router; также доступны веса адаптера в формате safetensors для фреймворка Candle на Rust. Основной язык карточки — английский. Лицензия — Apache-2.0. Карточка не приводит метрик качества и не уточняет полный набор меток, поэтому пригодность классификатора для конкретной таксономии следует проверять на своих примерах.

Это LoRA-адаптер для классификации текста на базе bert-base-uncased, опубликованный как часть проекта semantic-router. Модель дообучена для многозадачной классификации и рассчитана на применение в маршрутизации текстовых запросов; в README приведён пример пакетной классификации через semantic-router. Адаптер использует ранг 16 и alpha 16, а архитектура — BERT для классификации последовательностей. Репозиторий оптимизирован для работы с библиотекой Candle на Rust и содержит веса в формате safetensors. Общее число параметров базовой модели — 136,7 млн, контекст ограничен 512 токенами; основным языком карточки указан английский. Лицензия — Apache-2.0.

Jeevesh8/lp1e-3_ft_corr_init_shuff_clipped_warmed_wd0_pnt_01_seq_len_128_bert-base-uncased_mnli_ft_35 — модель классификации текста, опубликованная пользователем Jeevesh8 на Hugging Face. Она основана на архитектуре BERT и связана с bert-base-uncased и задачей MultiNLI, а также предназначена для использования с библиотекой Transformers и JAX. Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Её назначение — классификация текстовых входов по классам, определённым при дообучении; по имени модели можно заключить, что при обучении использовались последовательности длиной 128 токенов и набор MultiNLI. Сильной стороной является компактность по сравнению с крупными языковыми моделями и совместимость с экосистемой BERT/Transformers. Модель не предназначена для генерации текста, обработки изображений или универсального диалога. Точные метки классов, качество на отдельных наборах данных, поддерживаемые естественные языки и лицензия по доступным данным не установлены.

mailguard-jev-style-1.5b — плотная авторегрессионная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком JackKozmo29 для сортировки корпоративной электронной почты. Она принимает текст письма и генерирует один структурированный JSON-ответ с категорией, кратким резюме и адресатом для пересылки; категории включают финансы, право, кадры, безопасность, расписание, общую переписку и рассылки. Модель предназначена для автоматической маршрутизации писем, архивации и первичного разбора обращений, в том числе в локальных и изолированных от сети средах. Карточка описывает обучение с LoRA на корпусе корпоративной почты и приводит результаты тестирования на наборах TREC 2007 и Enron. Модель имеет 1,5 млрд параметров, работает через Transformers, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель обучена преимущественно на английской почте, поэтому точность на других языках снижается. Набор категорий фиксирован, а модель не предназначена для выявления фишинга или вредоносных программ. Лицензия — Apache-2.0.