I.11Классификация, ранжирование и сопоставление

Habiba9/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная на 6 300 парных примерах из набора json для сопоставления финансовых вопросов с фрагментами текста. Она основана на BAAI/bge-base-en-v1.5 с архитектурой BERT и формирует нормализованные плотные эмбеддинги размерностью 768; сходство текстов оценивается косинусной мерой. Обучение с MatryoshkaLoss позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, в частности для поиска ответов в финансовых документах и подбора релевантных фрагментов по вопросу. Эмбеддинги также подходят для поиска перефразировок, кластеризации и классификации текста. В README приведены метрики поиска на нескольких размерностях, однако нет описания независимой оценки на широком наборе финансовых задач. Лицензия — Apache-2.0.

raushanta/bge-base-financial-matryoshka — англоязычная модель Sentence Transformers, дообученная автором на 6 300 парах текстов из набора json для финансовой тематики. Она основана на BAAI/bge-base-en-v1.5 и использует архитектуру BERT с пулингом CLS-токена и нормализацией; преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Контекст ограничен 512 токенами. Модель подходит для семантического поиска и ранжирования финансовых текстов, поиска похожих фрагментов и кластеризации. Обучение с MatryoshkaLoss позволяет использовать укороченные представления размерностью 512, 256, 128 или 64, с небольшим снижением показателей поиска по сравнению с полной размерностью. README приводит результаты InformationRetrievalEvaluator на нескольких размерностях, но они не гарантируют качество на других данных. Лицензия — Apache-2.0.

l-yohai опубликовал модель классификации текста на базе Google BigBird-RoBERTa-base, дообученную для классификации последовательностей. Она подходит для задач вывода по тексту, включая определение отношений между посылкой и гипотезой в стиле MNLI. Архитектура BigBird использует разреженное внимание; модель содержит около 151,9 млн параметров и поддерживает контекст до 4096 токенов. Модель принимает текст и выдаёт метки классов. Карточка не описывает поддерживаемые языки и условия лицензии, поэтому они не уточняются здесь. Она доступна в форматах PyTorch и Safetensors.

Bobcat Flash 1.1 — быстрая версия семейства Bobcat, разработанная Foxl AI как модель типизированных решений на базе дообученной Gemma 4 26B A4B IT. Она принимает текстовое состояние или JSON и вопросы с заданным приложением набором допустимых ответов, после чего оценивает вероятности вариантов. Модель не генерирует текст: приложение формирует закрытый JSON-ответ на основе результатов классификации. Репозиторий содержит веса Safetensors; в карточке указана лицензия Apache-2.0. Модель предназначена для быстрых повторяющихся проверок с ограниченным набором ответов: маршрутизации запросов, классификации, проверки цитат и предварительного анализа вызовов инструментов. README приводит показатели производительности на одном RTX PRO 6000 Blackwell и результаты оценки на примерах рабочих процессов TypeSafe; это данные автора, а не гарантия для иных условий эксплуатации. Среди ограничений — более низкая точность при выборе фрагментов для поиска и классификации, ухудшение на длинных состояниях и нестабильность ответов с близкими оценками между запусками. Для недостаточно подтверждённых случаев полезно включать вариант «не указано»; длинные запросы и ответы с низкой уверенностью автор рекомендует направлять более крупной Bobcat 1.1. Модель не предназначена для генерации текста, открытых вопросов или единоличного принятия критически важных юридических решений.

Модель carted-nlp/categorization-finetuned-20220721-164940-pruned-20220803-123018 — классификатор текстовых последовательностей на базе RoBERTa, разработанный carted-nlp. Модель дообучена для категоризации текста; в метаданных указан размер 120,9 млн параметров и контекст до 514 токенов. На оценочной выборке модель показала accuracy 0,8558 и F1 0,8539 при loss 0,5476. README не уточняет набор категорий, назначение классификации или состав данных, поэтому применять её для конкретной предметной области без проверки соответствия меток и данных не следует. Лицензия в предоставленных данных не указана.

morit/chinese_xlm_xnli — модель классификации текста с архитектурой XLM-RoBERTa-base, дообученная для классификации без заранее заданных классов. Разработчик продолжил предварительное обучение базовой модели на многоязычных сообщениях Twitter, затем дообучил её на китайской части набора XNLI. В метаданных указано около 305,2 млн параметров и контекст до 514 токенов. Модель предназначена прежде всего для zero-shot-классификации китайского текста, в частности для выявления языка вражды: пользователь задаёт варианты меток, а модель оценивает их соответствие тексту. Авторы отмечают потенциальную применимость и к другим языкам благодаря многоязычной базе XLM-RoBERTa, но основная настройка выполнена на китайских данных. Модель доступна в формате PyTorch по лицензии MIT.

Это модель CLIP ConvNeXt-Base с широким размером эмбеддингов, разработанная Ross Wightman и обученная с помощью OpenCLIP на эстетически отфильтрованной подвыборке LAION-2B. Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, поиска изображений по тексту и поиска текстов по изображениям. Архитектура сочетает визуальную башню timm ConvNeXt-Base и текстовую башню CLIP глубиной 12 слоёв с размерностью эмбеддинга 640; вариант с «320» в названии обучен на разрешении изображений 320×320. Модель обучалась на английских парах изображений и текстов. В карточке указана точность zero-shot классификации ImageNet top-1 71,0%. Модель рассчитана на исследовательское применение; перед использованием для конкретной таксономии классов требуется проверка на целевых данных, поскольку качество зависит от формулировок и набора классов. Развёрнутое применение, распознавание лиц и наблюдение указаны как недопустимые сценарии. Модель распространяется по лицензии MIT.

CLIP-fa-text — текстовый энкодер персидской версии CLIP, созданной разработчиком Sajjad Ayoubi. Модель дообучена на 400 тысячах пар «изображение — текст»; в качестве текстового энкодера использована RoBERTa-fa Фарахани. Архитектура — RoBERTa, около 145,5 млн параметров, контекст — 514 токенов. Репозиторий содержит веса PyTorch. Модель преобразует персидский текст в векторы размерности 768, сопоставимые с векторами изображений, получаемыми парным визуальным энкодером CLIP-fa. Это позволяет искать изображения по персидскому запросу и находить текстовые описания, близкие к изображению, в системах поиска и сопоставления мультимодальных данных. В карточке показан текстовый компонент; сам он принимает текст и выдаёт векторные признаки. Разработчик отмечает, что для обучения использовано меньше пар, чем для исходного CLIP, поэтому качество зависит от задачи и набора изображений. Лицензия в предоставленных сведениях не указана.

sindsub/cybersec-mpnet-finetuned-round3 — текстовая модель Sentence Transformer, разработанная sindsub и дообученная на базе sindsub/cybersec-mpnet-finetuned-round2. Она преобразует предложения и абзацы в плотные векторы размерностью 768, нормализованные для сравнения по косинусному сходству. Модель построена на MPNet с усредняющим pooling; размер составляет 136,7 млн параметров. README указывает максимальную длину последовательности 384 токена, а метаданные — контекстное окно 514 токенов. Модель предназначена для семантического поиска и извлечения релевантных материалов по текстовым запросам, в частности в корпусах по кибербезопасности. Её можно использовать для поиска описаний угроз, методов атак и связанных документов по коротким названиям или формулировкам. Обучение проводилось на 2 775 парах anchor-positive с MultipleNegativesRankingLoss. Лицензия в предоставленных данных не указана.

Data2Vec-Text base — англоязычная предварительно обученная трансформерная модель от команды Facebook, обученная по self-supervised objective семейства data2vec. Она преобразует текст в контекстные векторные представления и предназначена прежде всего для дообучения под задачи, использующие целое предложение или его фрагменты, например классификацию последовательностей и токенов, а также ответы на вопросы. Для генерации текста карточка рекомендует использовать авторегрессионные модели. Модель содержит 151,8 млн параметров, принимает текст с учетом регистра и рассчитана на контекст до 514 токенов. В метаданных указаны английский язык и PyTorch; среди обучающих данных названы BookCorpus и Wikipedia. Лицензия — MIT. Data2Vec использует Transformer и предсказывает контекстные латентные представления замаскированного входа. Карточка указывает, что модель рассчитана на дообучение для конкретных задач, поэтому качество непосредственно в прикладных сценариях зависит от выбранного дообучения.

davanstrien/dataset-rows-task-classifier — дообученная LiquidAI/LFM2.5-Encoder-350M модель для многометочной классификации текстовых описаний задач машинного обучения. Энкодерная архитектура LFM2 с 444,6 млн параметров принимает текст и предсказывает категории из набора в 35 меток, включая классификацию, распознавание речи, генерацию текста, поиск и задачи с изображениями, аудио и другими типами данных. Контекст модели — до 128 000 токенов. Модель подходит для автоматической категоризации строк датасетов и назначения им нескольких меток. На тестовом разбиении F1 micro составляет 0,5935 при пороге 0,5 и 0,6326 при настроенных порогах; F1 macro при пороге 0,5 — 0,3879. Пороговые значения для отдельных меток сохранены в конфигурации. Для загрузки требуется trust_remote_code=True из-за пользовательской классификационной головы; README отмечает, что для vLLM нужна стандартная архитектура. Лицензия в предоставленных данных не указана.

ku-nlp/deberta-v3-base-japanese — базовая модель семейства DeBERTa V3, разработанная Nobuhiro Ueda и предварительно обученная на корпусе LLM-jp corpus v1.0.1. Она подходит для задач понимания японского текста и masked language modeling, а также может служить основой для дообучения под прикладные задачи NLU. Модель имеет плотную архитектуру DeBERTa-v2, содержит 187,7 млн параметров и использует контекст до 512 токенов. Обучение проводилось на японских и английских текстах, а также на коде; токенизатор основан на Unigram с byte fallback и словаре, преобразованном из llm-jp-tokenizer v2.2. Предварительная морфологическая сегментация токенизатору не требуется. Модель распространяется по лицензии Apache-2.0. README описывает применение для masked language modeling и приводит результаты дообучения на японских задачах JGLUE; модель сама по себе не является специализированной генеративной чат-моделью.

microsoft/deberta-v3-large — англоязычная модель понимания текста от Microsoft на архитектуре DeBERTa V3. Она использует раздельное представление содержимого и позиций в механизме внимания, улучшенный декодер маски и предобучение в стиле ELECTRA с разделением градиентов в эмбеддингах. Модель содержит 24 слоя, скрытый размер 1024 и словарь из 128 тысяч токенов; всего в репозитории указано 533,8 млн параметров. Максимальная длина контекста — 512 токенов. Основная задача модели — предсказание замаскированных токенов в английском тексте. Её также можно дообучать для задач понимания естественного языка, например классификации текста и ответов на вопросы; README приводит результаты на SQuAD 2.0 и MNLI. Доступны веса в форматах PyTorch и TensorFlow. Модель выпущена под лицензией MIT. Она предназначена для обработки текста и не генерирует свободный текст как диалоговая языковая модель; качество зависит от конкретной задачи и дообучения.

johngiorgi/declutr-sci-base — текстовая модель на архитектуре BERT, разработанная на основе allenai/scibert_scivocab_uncased. Она прошла дополнительное самоконтролируемое обучение на более чем 2 млн научных публикаций из S2ORC по стратегии DeCLUTR и предназначена для кодирования предложений в векторные представления, особенно научных текстов. Модель подходит для поиска и сравнения научных предложений по смыслу, кластеризации текстов и построения семантического поиска. Она содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и поддерживает английский язык. Доступны веса в форматах PyTorch и Flax; лицензия — Apache-2.0. Модель специализируется на научном тексте, поэтому её пригодность для других предметных областей и языков может быть ниже. Это энкодер представлений, а не генеративная модель: она выдаёт векторы, а не связные ответы.

Это дообученная испаноязычная модель DistilBERT для классификации текста. Она основана на dccuchile/distilbert-base-spanish-uncased и использует архитектуру DistilBertForSequenceClassification. Модель предназначена для задач классификации последовательностей; конкретные метки и сценарии классификации в карточке не описаны. В README указаны результаты оценки: accuracy 0,8834 и F1 0,8827 при loss 0,6945. Модель принимает текст, поддерживает контекст до 512 токенов и опубликована в формате safetensors. Указана лицензия?

Модель tjacquot/distilbert-base-uncased-finetuned — дообученная версия DistilBERT для классификации текста. В метаданных указан класс архитектуры DistilBertForSequenceClassification, библиотека Transformers и базовая модель distilbert/distilbert-base-uncased. Модель предназначена для отнесения текстовых последовательностей к классам. В карточке приведены результаты оценки: loss 0,2464 и precision 0,9070. Набор данных, метки классов и конкретная область применения не описаны. Контекст модели — до 512 токенов; модель принимает текст и выдаёт метки классификации. Модель распространяется под лицензией Apache-2.0. Поскольку данные обучения и схема классов не описаны, пригодность для конкретных задач следует оценивать отдельно.

Модель leomaurodesenv/distilbert-base-uncased-nvidia-aegis-v2-augmented — дообученная англоязычная DistilBERT для классификации текста. Она основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов. В метаданных указана библиотека Transformers и формат весов safetensors. Модель подходит для задач классификации текстов. В README приведены результаты оценки: loss 0,2818 и accuracy 0,8756; датасет и назначение классов не описаны, поэтому интерпретировать эти показатели для конкретных сценариев нельзя. Модель распространяется по лицензии Apache-2.0.

Funghang/e5-nepali-qa-ir — модель Sentence Transformers, дообученная автором репозитория на базе intfloat/multilingual-e5-base для семантического поиска по вопросам и ответам о непальских паспортах и государственных услугах. Она преобразует текстовые запросы и документы в плотные векторы размерности 768; сходство оценивается косинусной мерой. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений, максимальная длина последовательности — 514 токенов по метаданным. Модель предназначена для поиска релевантных ответов на вопросы о паспортах Непала, сопоставления запросов с документами, поиска перефразировок, кластеризации и классификации текста. Обучение описано на 3 840 парах запрос–релевантный текст, также приведён набор из 820 оценочных примеров. Основной язык примеров — непальский; базовая модель многоязычная. Для использования нужны текстовые входы; результатом служат эмбеддинги, пригодные для семантического поиска и сравнения текстов. Модель не генерирует ответы самостоятельно. Репозиторий распространяется по лицензии CC BY-NC 4.0, допускающей использование с обязательной атрибуцией и ограничением на коммерческое применение.

JumareKhaled/e5-small-v2-medichat-finetuned — текстовая Sentence Transformer-модель, дообученная на базе intfloat/e5-small-v2. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 384 и рассчитана на извлечение текстовых признаков, поиск и сопоставление по косинусному сходству. Архитектура основана на BertModel с усредняющим pooling; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и извлечения медицинских текстов. Название указывает на медицинскую настройку, однако карточка не описывает конкретную специализацию, данные обучения или оценку качества, поэтому результаты для медицинских запросов следует проверять. В метаданных указана лицензия? Нет сведений о лицензии; условия использования следует сверить на странице репозитория.

juanmcristobal/e5-small-v2-mitre — Sentence Transformers на основе intfloat/e5-small-v2, дообученная на парах текстов из набора parquet. Модель кодирует предложения и абзацы в плотные векторы размерностью 384; архитектура включает BERT-трансформер, усреднение токеновых представлений и нормализацию. Метаданные указывают 40 млн параметров и контекст до 512 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Для сравнения векторов предусмотрено косинусное сходство. Модель предназначена для семантического поиска и сопоставления текстов; её также можно применять для поиска перефразирований, кластеризации и классификации на основе эмбеддингов. Обучающие примеры содержат пары тематически близких текстов, в том числе о киберугрозах, поэтому модель ориентирована на сходство таких описаний. В README приведена оценка retrieval на cti_ir, но результатов недостаточно, чтобы судить о качестве в других областях. Лицензия в предоставленных данных не указана.

Это модель определения языка устной речи на основе ECAPA-TDNN от SpeechBrain, обученная на VoxLingua107. Репозиторий содержит неизменённые веса исходной модели speechbrain/lang-id-voxlingua107-ecapa, упакованные в формат GGUF для запуска через loom.cpp и loom-py-rt. На вход модель принимает аудиоклип и выдаёт распределение вероятностей по 107 языкам. Модель предназначена для автоматического определения языка речи в аудиозаписи, например для предварительной сортировки клипов или выбора последующей языковой обработки. Аудио должно быть монофоническим с частотой 16 кГц; каждый клип нужно подавать отдельным вызовом, поскольку пакет с дополненными тишиной клипами не поддерживается. Модель обучена на речи из YouTube, поэтому чистых фрагментов в несколько секунд обычно достаточно, но близкие языки могут путаться — рекомендуется учитывать несколько верхних результатов. Лицензия репозитория — Apache-2.0.

Echo-DSRN-v0.1.3-Embed-Exp — экспериментальная модель эмбеддингов предложений от ethicalabs на архитектуре Echo-DSRN Recurrent-Hybrid. Она предназначена для вычисления векторных представлений и оценки семантического сходства текстов; в карточке приведены результаты на задачах STS из набора MTEB. Модель содержит 98,26 млн параметров по README и 49,9 млн по метаданным, имеет 8 слоёв, скрытую размерность 512, размер эмбеддинга 2048 и контекст до 2048 токенов. Указана линейная сложность по длине последовательности. Модель обучалась на AllNLI и MTEB STS-B, поддерживаемый язык по карточке — английский. В README отмечено, что результаты бенчмарков воспроизводятся при левом заполнении последовательностей; при пакетной обработке это может влиять на согласованность эмбеддингов. Разработчик обозначает модель как экспериментальную и ограничивает её академической оценкой и исследованиями, без гарантий качества и ответственности за результаты применения. Лицензия в предоставленных данных не указана.

ktcapraz/embeddinggemma-german_qna-checkpoint-500 — модель Sentence Transformers, дообученная на наборе german-qna-full на основе google/embeddinggemma-300m. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения немецких вопросов и ответов. Модель имеет архитектуру Gemma3TextModel, содержит 302,8 млн параметров и принимает последовательности длиной до 2048 токенов; сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического поиска, оценки текстового сходства, поиска перефразировок, классификации и кластеризации. В README приведены результаты оценки поиска на germanqna-eval, включая cosine_accuracy@1 0,7827 и @5 0,9312. Обучающая выборка состоит из немецких пар «вопрос—ответ», поэтому наиболее обоснованное применение — поиск по немецким вопросам и ответам; общие возможности базовой многоязычной модели не гарантируют такую же эффективность на других языках. Лицензия в предоставленных данных не указана.

Enbeddrus v0.1 D+PC — модель эмбеддингов предложений на основе BERT, опубликованная evilfreelancer. Она кодирует предложения и абзацы на русском и английском языках в плотные векторы размерности 768 для сопоставления семантически близких фраз между языками. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Модель использует архитектуру BERT без учёта регистра, содержит 194,6 млн параметров по метаданным, а её максимальная длина контекста составляет 512 токенов. По README, её дообучали в течение 20 эпох на параллельных англо-русских данных, включая наборы OPUS с PHP-текстами и книгами. Доступны веса в формате Safetensors. Модель может быть полезна для поиска соответствий между русскими и английскими формулировками, однако заявленная оценка основана на небольшом наборе из 100 пар предложений по теме PHP. Поэтому качество на других темах и типах текстов по карточке не установлено. Условия лицензии в предоставленных данных не приведены.

nghuyong/ernie-3.0-mini-zh — версия ERNIE 3.0 на PyTorch, преобразованная из официальной модели PaddlePaddle и проверенная экспериментами на корректность конверсии. Это плотная модель архитектуры ERNIE с 29,5 млн параметров и контекстом до 2048 токенов. Модель предназначена для извлечения признаковых представлений текста на китайском языке. Её можно использовать как основу для получения векторных представлений, которые затем применяются в поиске, сравнении текстов и других NLP-сценариях. Для загрузки README указывает Transformers и классы BertTokenizer и ErnieModel. Репозиторий содержит формат PyTorch. Сведения о лицензии в предоставленных источниках отсутствуют.

jhu-clsp/ettin-encoder-68m — англоязычная модель семейства Ettin, разработанная Johns Hopkins University Center for Language and Speech Processing (JHU CLSP). Это плотный энкодер ModernBERT с 68,1 млн параметров, обученный для masked language modeling и заполнения пропусков в тексте. Контекст составляет до 7 999 токенов; модель работает с текстом и доступна в формате PyTorch через Transformers. Модель входит в открытый набор Ettin, созданный для сопоставления энкодерных и декодерных архитектур при одинаковых данных и рецептах обучения. Энкодеры предназначены для задач классификации и получения эмбеддингов; в карточке семейства сообщается о результатах на GLUE, англоязычном поиске MTEB, CodeSearchNet и MLDR. Чекпойнт можно использовать для заполнения масок, а также дообучать под классификацию и поиск. Модель ориентирована на английский язык. Лицензия MIT разрешает свободное использование в соответствии с её условиями. Показатели семейства Ettin в README не являются отдельной оценкой именно этого чекпойнта; качество на иных языках и задачах карточка не подтверждает.

EuroFilter-v1 — многоязычный классификатор текста, созданный в рамках европейского проекта UTTER. Модель основана на mDeBERTa и обучена классифицировать тексты по аннотациям FineWeb-Edu, переведённым с помощью TowerLLM 70B. В репозитории указана архитектура DeBERTa-v2 для классификации последовательностей, 306 млн параметров и контекст до 512 токенов. Модель предназначена для классификации и оценки образовательной ценности текстов. Она обучена на английском, немецком, испанском, японском, китайском, русском, хинди, чешском, украинском, исландском, португальском, французском, нидерландском, итальянском и корейском языках; авторы также ожидают обобщение на другие языки. В README сообщается о результатах на английских и переведённых многоязычных выборках, сопоставимых с исходным FineEdu-классификатором. Модель распространяется под лицензией Apache-2.0. README описывает регрессионную и бинарную классификационные головы. Контекст ограничен 512 токенами; заявленное обобщение на языки вне обучающего набора следует считать ожиданием авторов, а не подтверждённой характеристикой.

FaMiniLM — компактный энкодер предложений на базе Sentence Transformers, разработанный в рамках исследования MetaRAG и WikiFaQA. Модель дообучена авторами на наборе PersianSimilarSentences, чтобы сформировать способность представлять персидские тексты в семантическом пространстве; базовая all-MiniLM-L6-v2 изначально не знала персидского языка. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и использует mean pooling, нормализацию и косинусное сходство. Она предназначена для семантического поиска, сравнения предложений, поиска парафразов, кластеризации и классификации текста. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Веса опубликованы в формате safetensors, библиотека — sentence-transformers. FaMiniLM ориентирована прежде всего на персидский язык и может быть полезна для семантического поиска и RAG по персидским текстам. Лицензия — MIT. Как и другие энкодеры предложений, модель выдаёт векторы, а не готовые ответы; качество на языках, отличных от персидского, и на текстах за пределами обучающего домена может быть ограниченным.

FelaTab — модель для классификации и регрессии по табличным данным, разработанная lowdown-labs. Она получает строки с известными метками и строки-запросы, для которых нужно предсказать метку или значение, и делает прогноз за один проход без обучения на конкретной таблице. Модель обучена на синтетических таблицах и рассчитана на перенос этих закономерностей на ранее не встречавшиеся реальные данные. Архитектура — prior-fitted network с delta-rule линейным вниманием и landmark-вниманием по опорным строкам. Доступны вложенные варианты размером 51,6 млн и 411,9 млн параметров; веса опубликованы в формате safetensors, README также описывает рекомендуемые варианты int8. Модель принимает числовые признаки: до 100 столбцов-признаков и до 10 классов для классификации. Для классификации возвращает вероятности классов, для регрессии — прогноз и стандартное отклонение. FelaTab предназначена для быстрого прогнозирования и автозаполнения небольших и средних таблиц, включая сценарии работы с электронными таблицами и базами данных; заявлена работа на CPU без GPU. На приведённых в README тестах она служит сильной базовой моделью без настройки, но для максимальной точности, особенно в регрессии, авторы рекомендуют сравнивать её с настроенными градиентно-бустинговыми деревьями. Качество на существенно отличающихся распределениях следует проверять на отложенных данных; модель не следует использовать как единственное основание для важных решений. Лицензия — Apache-2.0; README обозначает выпуск как предварительную исследовательскую версию для оценки и развития открытой науки.

olgapoletkina/fine-tuned-nuf-room-classifier — дообученная модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2, разработанная для сравнения текстов о помещениях. XLM-RoBERTa преобразует предложения и абзацы в плотные векторы размерностью 768; сходство между ними оценивается косинусной мерой. В README указаны максимальная длина последовательности 128 токенов и обучающая выборка из 528 906 пар предложений с метками сходства. Модель подходит для семантического поиска по описаниям помещений, сопоставления похожих формулировок, поиска перефразирований, кластеризации и классификации текстов. Она принимает текст и возвращает эмбеддинги; метаданные также указывают поддержку извлечения признаков и вычисления сходства предложений. Лицензия в предоставленных данных не указана.