I.11Классификация, ранжирование и сопоставление

NeuML разработала BiomedBERT Small Embeddings — компактную модель на архитектуре BERT, дообученную с помощью Sentence Transformers для получения эмбеддингов биомедицинских текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и подходит для семантического поиска, кластеризации и формирования контекста для RAG по научным и медицинским публикациям. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для обучения использовались пары заголовков и аннотаций из PubMed; обучение включало дистилляцию эмбеддингов и дальнейшую настройку на оценках модели-реранкера. В README сообщается о результатах на наборах PubMed QA, PubMed Subset и PubMed Summary и о возможности работы на CPU. Модель ориентирована на англоязычные биомедицинские тексты. Она выдаёт векторные представления, а не готовые ответы на вопросы; качество следует проверять на целевых данных и сценариях. Лицензия — Apache-2.0.

Bulbasaur — компактная модель эмбеддингов, созданная автором Mihaiii дистилляцией gte-tiny на датасете qa-assistant. Она предназначена для семантического автодополнения: преобразует английский текст в векторы, которые можно использовать для сравнения смысловой близости запросов и вариантов продолжения. Модель построена на архитектуре BERT, содержит 18,8 млн параметров и принимает текст длиной до 512 токенов; доступны форматы Safetensors и ONNX. Модель подходит для семантического поиска и подбора релевантных подсказок в интерфейсах автодополнения. Лицензия MIT разрешает широкое использование. Она рассчитана исключительно на английский язык, а входные тексты длиннее 512 токенов обрезаются.

CamemBERTa — франкоязычная языковая модель с архитектурой DeBERTa V3 на базе DeBERTa V2, представленная авторами этого чекпойнта. Это плотная модель на 137,8 млн параметров, обученная на французской части корпуса CCNet с целью Replaced Token Detection (RTD); при предобучении использовались последовательности длиной до 512 токенов. Метаданные указывают поддержку извлечения признаков, а README приводит результаты дообучения для разметки частей речи, синтаксического анализа, распознавания именованных сущностей, классификации, определения семантического сходства, межъязыкового вывода и ответов на вопросы.

CamemBERTa-L6 — облегчённая версия предварительно обученной модели CamemBERTa, созданная удалением верхних слоёв исходного чекпойнта. Она содержит 81,2 млн параметров, построена на архитектуре DeBERTa-v2 и принимает текст с контекстом до 512 токенов. Модель предназначена прежде всего для дообучения под задачи, где решение зависит от предложения целиком: классификации текста, извлечения ответа на вопрос и семантического поиска. Её также можно использовать как основу для извлечения признаков и для masked language modeling; для генерации текста карточка рекомендует авторегрессионные модели. Модель рассчитана на французский язык. Удаление слоёв уменьшает размер модели относительно базовой CamemBERTa, но сама по себе она не является готовым специализированным классификатором или генератором. Распространяется по лицензии MIT.

maastrichtlawtech/camembert-base-lleqa — модель эмбеддингов на базе CamemBERT, разработанная Maastricht Law and Tech Lab. Она кодирует предложения и абзацы на французском языке в плотные векторы размерностью 768 и предназначена для поиска релевантных документов по юридическим вопросам, семантического поиска и кластеризации. Модель дообучена контрастивным методом на 9,3 тыс. пар вопросов и статей из датасета LLeQA; корпус включает законодательные статьи Бельгии и вопросы граждан, размеченные юристами. Архитектура содержит 137,8 млн параметров, работает с контекстом до 514 токенов и распространяется в формате PyTorch. На тестовой выборке LLeQA из 195 вопросов и корпуса из 27,9 тыс. статей модель показала MRR@10 36,55 и Recall@10 58,27. Она формирует эмбеддинги для ранжирования и поиска, но сама не генерирует юридические ответы и не заменяет проверку источников специалистом. Лицензия — Apache-2.0.

PeytonT/candidate-row-reranker — дообученная модель-классификатор на базе sentence-transformers/all-MiniLM-L6-v2, разработанная как компонент поискового стека Repository Library. Она оценивает строки-кандидаты с доказательствами, помогая принять или отклонить их при поиске и ранжировании материалов научных статей и репозиториев. Модель построена на энкодере BERT и имеет около 25,9 млн параметров; принимает текстовые данные и выдаёт оценку классификации. Контекст ограничен 512 токенами. Модель рассчитана на применение внутри целевого поискового конвейера, в частности для фильтрации и ранжирования найденных свидетельств. В карточке заявлена метрика accuracy, но отдельный отчёт с результатами бенчмарка не приведён. Обучающие данные включают выгрузки графа репозиториев и фрагментов кода из конвейера Repository Library. Перед внедрением в другой процесс результаты следует проверить на его данных. Лицензия в предоставленных источниках не указана.

CareerBERT-G — немецкоязычная модель Sentence Transformers, разработанная Lukas Wolfrum и соавторами. Она дообучена на таксономии ESCO для сопоставления резюме с профессиями и рекомендаций подходящих карьерных направлений. Модель построена на deepset/gbert-base, содержит 137,1 млн параметров и принимает текстовые фрагменты длиной до 512 токенов. Она преобразует тексты в эмбеддинги, пригодные для оценки сходства и ранжирования профессий по соответствию резюме. В исследовании CareerBERT показала эффективность для рекомендаций вакансий и карьерных консультаций. Модель предназначена для немецкоязычного сопоставления профилей кандидатов с профессиями ESCO; другие языки и сценарии в карточке не заявлены. Лицензия в предоставленных данных не указана.

Amdestya/ce-bm25cat-distilbert — кросс-энкодерный переранжировщик на основе DistilBERT, созданный для оценки релевантности пары «запрос — фрагмент текста» с учётом оценки BM25. Вход строится в порядке «запрос, оценка BM25, фрагмент»; оценка нормализуется глобально по диапазону 0–50 и подаётся как текст. Модель выдаёт логит: более высокое значение означает более релевантный фрагмент. Модель обучена с бинарной разметкой релевантности и функцией потерь cross-entropy; для ранней остановки использовалась nDCG@10 на валидации. Она предназначена для переранжирования результатов информационного поиска, когда к запросу и фрагменту доступна оценка BM25. Для корректного применения важны порядок входных частей и совпадение распределения оценок с обучающим: README указывает на BM25 из Anserini/Lucene с параметрами k1=0.82 и b=0.68. Репозиторий оформлен как эталонный артефакт исследования по воспроизведению работ в области информационного поиска. Модель основана на DistilBERT, использует архитектуру классификации последовательностей и формат safetensors; библиотека — sentence-transformers. Контекст ограничен 512 токенами. Лицензия — Apache-2.0. В README также заявлено, что это MiniLM-L12, однако метаданные указывают DistilBERT, поэтому точная архитектура чекпойнта описана неоднозначно.

Xenova/clap-htsat-unfused — версия модели LAION CLAP HTSAT без объединения компонентов, преобразованная в формат ONNX для совместимости с библиотекой Transformers.js. Разработчик исходной модели — LAION; репозиторий Xenova предоставляет ONNX-веса, ориентированные на использование в JavaScript и веб-средах. Модель предназначена прежде всего для классификации аудио без дополнительного обучения по заданным текстовым меткам. Она сопоставляет аудиосигнал и текстовые описания в общем пространстве признаков, что позволяет оценивать, насколько звук соответствует вариантам вроде «звук кошки» или «лай собаки». Также доступны отдельные компоненты для получения текстовых и аудиоэмбеддингов. Архитектура основана на CLAP с аудиокодировщиком HTSAT. Для текста и аудио модель формирует эмбеддинги размерности 512. Поддерживаются аудио- и текстовые входы; конкретные языки, максимальная длина контекста, размер параметров и другие аппаратные характеристики в README не указаны. ONNX-формат делает модель пригодной для запуска через Transformers.js, в том числе в сценариях, где важна веб-совместимость. Сильной стороной модели является возможность zero-shot классификации звуков и универсальное сопоставление аудио с текстом без обучения под каждый новый набор классов. Ограничения включают зависимость качества от формулировок текстовых меток и отсутствие в предоставленных данных сведений о точности, языковой поддержке, производительности и рекомендуемых ресурсах. Лицензия в README не указана; условия использования следует уточнять в исходном репозитории laion/clap-htsat-unfused и репозитории Xenova.

Searchium обучила эту модель CLIP4Clip на первых 150 000 парах видео и текстовых описаний из WebVid. Она основана на CLIP ViT-B/32 и реализует подход из работы «CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval». Модель предназначена для поиска видео по текстовому запросу в больших коллекциях: она сопоставляет текст и видеоклипы, чтобы находить наиболее релевантные результаты. Для подготовки эмбеддингов видео README указывает на отдельную процедуру предобработки и ноутбук; веса доступны в форматах PyTorch и safetensors. В описанной авторами оценке на отложенных примерах WebVid модель показала Recall@1 50,74, Recall@5 77,30 и Recall@10 85,05. Эти результаты относятся к конкретному набору данных и протоколу оценки и не гарантируют аналогичного качества на других коллекциях. Лицензия в предоставленных данных не указана.

Карточка модели SajjadAyoubi/clip-fa-vision на Hugging Face совпадает с карточкой SajjadAyoubi/clip-fa-text, поэтому описание составлено по ней. 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.

clip-japanese-base — японская модель CLIP, разработанная LY Corporation для сопоставления изображений и текста. Она обучена на примерно 1 млрд собранных из веба пар «изображение — текст» и подходит для классификации изображений без дополнительного обучения, а также поиска изображений по тексту и текстовых описаний по изображению. Архитектура включает визуальный энкодер Eva02-B с Transformer и 86 млн параметров и текстовый энкодер BERT из 12 слоёв со 100 млн параметров. Текстовый энкодер инициализирован весами rinna/japanese-clip-vit-b-16. Модель ориентирована на японский язык; среди форматов репозитория указаны ONNX и safetensors. В приведённых в карточке сравнениях модель показывает высокие результаты на STAIR Captions и Recruit Datasets, но её точность на ImageNet-1K ниже, чем у Stable-ja-clip. Для применения в задачах на других языках карточка подтверждений не приводит. Модель распространяется по лицензии Apache-2.0.

AbstractPhil разработал компактный визуальный энкодер CLIP, полученный дистилляцией модели ViT. Он формирует эмбеддинги изображений размерности 512, совместимые с текстовым энкодером CLIP-B/16 LAION-2B, и предназначен для извлечения признаков и сопоставления изображений с текстом. Архитектура включает 12 слоёв, скрытый размер 240, 4 головы внимания, CLS-токен и линейную проекционную голову; размер входа — 160×160 пикселей, патч — 16×16. В README указано 8,66 млн параметров, метаданные каталога сообщают 11,1 млн. Модель обучена дистилляцией на CC12M по консенсусу пяти CLIP-учителей; её выходы преобразуются фиксированным вращением в пространство целевого текстового энкодера. Это позволяет использовать её для получения признаков и zero-shot сопоставления, при существенно меньшем размере визуального энкодера, чем у CLIP-B/16. В опубликованных оценках качество zero-shot на CIFAR-10/100 составляет около 45–48% от учителя; результаты поиска по COCO ограничены оценкой на отложенной половине набора. Это исследовательский чекпойнт с ограниченной проверкой: в README отмечены два seed на целевую функцию, один размер модели и один набор условий обучения; требуемый авторами порог жизнеспособности не достигнут. Лицензия — Apache-2.0. Загрузка через Transformers требует `trust_remote_code=True`.

Это модель CLIP ViT-g/14, разработанная Jenia Jitsev с использованием OpenCLIP и обученная на англоязычной подвыборке LAION-5B объёмом 2 млрд пар изображений и текстов. Модель сопоставляет изображения с текстовыми описаниями и предназначена прежде всего для классификации изображений без дообучения по заданным текстовым меткам, а также для поиска по изображениям и текстам. В README указана точность zero-shot классификации ImageNet-1k 78,4% top-1. Модель подходит для исследовательских экспериментов, оценки zero-shot классификации, извлечения изображений по текстовому запросу и последующей адаптации для задач компьютерного зрения. Обучение и оценка ориентированы на английский язык; качество может зависеть от формулировок меток и предметной области, поэтому перед использованием необходимы проверки на целевых данных. README не рекомендует развёртывание модели в прикладных системах и исключает применение для наблюдения и распознавания лиц. Обучающий набор не курировался и может содержать вредоносный или дискомфортный контент. Лицензия модели — MIT.

sindsub/cybersec-mpnet-finetuned-round2 — дообученная модель Sentence Transformers на базе sindsub/cybersec-mpnet-finetuned, разработанная для получения эмбеддингов текстов по тематике кибербезопасности. Архитектура MPNet с усреднением токенных представлений и нормализацией формирует плотные векторы размерностью 768; сходство текстов можно оценивать косинусной мерой. Модель принимает текст и подходит для поиска и извлечения релевантных предложений и абзацев. В README указаны 2 775 обучающих пар и максимальная длина последовательности 384 токена; метаданные каталога указывают контекст до 514 токенов. Обучение использует MultipleNegativesRankingLoss. Модель ориентирована на англоязычные тексты в области кибербезопасности. Лицензия в предоставленных данных не указана.

microsoft/deberta-v2-xxlarge-mnli — англоязычная модель Microsoft на архитектуре DeBERTa V2, дообученная на задаче MNLI. Вариант XXLarge содержит 48 слоёв и скрытое представление размером 1536; в README указано 1,5 млрд параметров, а метаданные каталога указывают 2 млрд. Модель принимает текстовые последовательности длиной до 512 токенов и выполняет классификацию текста, в частности может применяться для оценки логического следования между посылкой и гипотезой и переноса на другие задачи NLU. Модель предназначена для классификации текстов и может служить отправной точкой для дообучения на задачах понимания естественного языка, включая отдельные задачи GLUE. В README отмечено, что для запуска XXLarge через Transformers рекомендуется DeepSpeed для ускорения работы и экономии памяти. Лицензия — MIT.

DeBERTa-v3-base — англоязычная модель Microsoft для заполнения пропусков и дальнейшей настройки на задачи понимания естественного языка. Она использует архитектуру DeBERTa-v2 с disentangled attention и улучшенным декодером маскирования; предобучение версии V3 основано на подходе ELECTRA и совместном использовании эмбеддингов с разделением градиентов. В модели 12 слоёв, размер скрытого представления 768, словарь из 128 тысяч токенов; метаданные указывают 211,6 млн параметров и контекст до 512 токенов. Модель подходит как основа для тонкой настройки на задачи вроде ответов на вопросы и классификации текстов. По README, предобучение выполнено на 160 ГБ данных, а результаты дообучения приведены для SQuAD и MNLI. Доступны веса PyTorch и TensorFlow. Лицензия — MIT.

Карточка модели nehayadav941244/deberta-v3-large на Hugging Face совпадает с карточкой microsoft/deberta-v3-large, поэтому описание составлено по ней. 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.

ai4data/devdata-search-minilm-l6-cmnrl — модель-биэнкодер семейства DevData Search, разработанная ai4data для поиска по структурированным статистическим метаданным. Она дообучена на базе sentence-transformers/all-MiniLM-L6-v2 с использованием DevDataBench и функции потерь cmnrl. Модель преобразует запросы и описания наборов данных в векторы для семантического поиска и сравнения. При обучении применялись перестановка порядка полей и исключение части полей, чтобы модель связывала смысл с названиями полей, а не с их порядком. Для работы используются Sentence Transformers; модель не является готовым хостинговым поисковым сервисом. Это англоязычный BERT-энкодер с 25,9 млн параметров и контекстом до 512 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она предназначена для векторизации текста и сама не генерирует ответы.

DUSUNEN Rota 270M v1 — компактная плотная модель текстовых эмбеддингов, разработанная GoktugD на базе microsoft/harrier-oss-v1-270m. Она кодирует турецкие поисковые запросы и фрагменты документов в общее 640-мерное векторное пространство для первичного поиска, семантического поиска и отбора кандидатов для RAG. Модель содержит около 257 млн параметров, использует архитектуру Gemma3Text и имеет контекст до 32 768 токенов; для запросов требуется заданный инструкционный формат, документы подаются как обычный текст. Модель дообучена на 100 000 триплетах, происходящих из машинного перевода MS MARCO, и распространяется в форматах Safetensors и ONNX под лицензией MIT. В опубликованной оценке на небольшом наборе исторических вопросов и документов на турецком она немного превосходит Mursit Base TR Retrieval по нескольким метрикам, но уступает базовой Harrier и multilingual-e5-base по MRR@10. Это результат адаптации к домену, а не универсальное улучшение; оценка сходства служит сигналом ранжирования, а не вероятностью или проверкой фактов.

E5-RoPE-Base — модель эмбеддингов семейства E5-RoPE, представленная в работе LongEmbed Даwei Zhu, Liang Wang, Nan Yang, Yifan Song, Wenhao Wu, Furu Wei и Sujian Li (2024). Она предназначена для кодирования запросов и текстовых фрагментов в векторы для поиска и сравнения предложений. Модель содержит 12 слоёв, имеет размерность эмбеддинга 768 и контекст до 512 токенов. Модель подходит для экспериментов с поиском по текстам и оценки эмбеддингов на бенчмарках BEIR и MTEB. Авторы отмечают, что она не обучалась специально для достижения оптимальных показателей: её цель — сравнить эмбеддинги с абсолютными позиционными представлениями и RoPE, в частности при работе с более длинным контекстом. Доступна под лицензией MIT.

leomaurodesenv выпустил дообученную модель-классификатор на базе google/electra-base-discriminator. Она использует архитектуру ELECTRA с энкодером Transformer и предназначена для классификации текста. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors. На наборе оценки указаны loss 0,2955 и accuracy 0,9017. Датасет, конкретные классы и предполагаемые сценарии применения не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

thivy дообучил модель Sentence Transformer на базе google/embeddinggemma-300m на наборе из 565 173 триплетов с текстами на норвежском языке о здравоохранении. Модель кодирует предложения и абзацы в плотные векторы размерности 768 для семантического сравнения и поиска; близость оценивается косинусным сходством. Она подходит для поиска медицинских сведений в текстах, подбора похожих фрагментов и группировки документов. Максимальная длина входа — 2048 токенов; архитектура относится к Gemma 3 Text, веса доступны в формате safetensors. В README приведены высокие результаты на тесте TripletEvaluator и метрики поиска на dev-наборах, однако эти оценки не гарантируют качество на других данных. Для запуска предусмотрена библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

nghuyong/ernie-3.0-nano-zh — китайская языковая модель ERNIE 3.0, опубликованная как преобразованная в PyTorch версия официальной модели PaddlePaddle. В карточке указана архитектура ErnieModel и размер 18,7 млн параметров; модель принимает текст и выдаёт векторные представления токенов или текста для последующего использования в NLP-системах. Модель предназначена для извлечения признаков из китайского текста и может служить компонентом поисковых, классификационных и семантических конвейеров. Максимальная длина контекста — 2048 токенов. Карточка описывает проверку точности преобразования весов, но не приводит конкретные результаты бенчмарков. Лицензия в предоставленных данных не указана.

cea-list-ia разработала англоязычный классификатор ESG-тем для анализа текстов. Модель на архитектуре DistilBERT решает задачу классификации текста и размечает содержание по иерархии ESG: широким категориям Environmental, Social и Governance, 16 тематическим классам второго уровня и 119 детальным классам третьего уровня. Модель предназначена для категоризации корпоративных ESG-отчётов и выделения тем, связанных с климатом, загрязнением, биоразнообразием, ресурсами, правами человека, условиями труда и управлением. Она принимает текст и выдаёт метки классов. Контекст ограничен 512 токенами, поэтому длинные документы потребуется разбивать на фрагменты. Карточка указывает английский язык; лицензия MIT разрешает использование на её условиях.

NorskHelsenett разработала эту модель на базе Google EmbeddingGemma 300M, дообучив её на наборе норвежских триплетов для поиска по текстам о здоровье и медицинских услугах. Sentence Transformer преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов оценивается косинусным сходством. Модель принимает последовательности длиной до 2048 токенов и подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Модель предназначена прежде всего для норвежского языка и может применяться для поиска релевантной информации в медицинских и административных текстах, например в материалах о диагнозах, услугах и возмещении расходов. README приводит результаты оценки на тестах поиска и сходства, но они не гарантируют качество для других наборов данных и языков. Распространяется на условиях Gemma Terms of Use и Gemma Prohibited Use Policy; формат весов — Safetensors.

Avnay/Food_not_food_classificer-distilbert-base-uncased — модель Avnay для классификации текста по категориям «еда» и «не еда». Она дообучена на базе distilbert/distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification. Модель принимает текст и выдаёт метку класса; максимальная длина контекста — 512 токенов. Модель подходит для автоматической фильтрации и сортировки текстовых записей, связанных с едой. Она опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке нет сведений о составе обучающих данных и результатах оценки качества.

FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel-GPT3_BASEL_FULL-notrescaled_120000 — модель Sentence-Transformers на архитектуре BERT с 433,9 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для семантического поиска, сравнения сходства и кластеризации. В README указано обучение с MarginDistillationLoss; модель принимает текст и выдаёт эмбеддинги. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой sentence-transformers. Карточка не указывает базовую модель или лицензию, поэтому их нельзя надёжно определить. Название и описание обучения указывают на экспериментальную модель, связанную с GPL и F R Pile; качество и применимость за пределами описанных задач не подтверждены.

Это дообученная модель Google LongT5 TGlobal Base для классификации текста, опубликованная пользователем jackmedda. Она содержит 123,8 млн параметров, использует архитектуру LongT5ForSequenceClassification и принимает текстовые последовательности длиной до 4096 токенов. В метаданных указаны библиотека Transformers и формат весов safetensors. Модель подходит для отнесения текстов к классам в задачах, где важны длинные входные последовательности. На указанном в карточке наборе оценки приведены accuracy 0,7647, F1 0,8667, precision 0,7647 и recall 1,0; назначение классов и состав обучающих данных не описаны. Модель основана на англоязычной LongT5 от Google Research, поэтому английский — основной предполагаемый язык. Лицензия — Apache-2.0. Карточка не уточняет конкретные сценарии классификации и ограничения качества за пределами приведённых метрик.

IdolSankaku SwinV2 Tagger v1 — модель DeepGHS для автоматической разметки изображений тегами. Она предсказывает рейтинги, персонажей и общие теги для фотографий; обучена на наборе реальных фотографий с разметкой, проверенной людьми. Архитектура SwinV2, модель совместима с timm и доступна в форматах ONNX и safetensors. ONNX-версия поддерживает пакетную обработку изображений и требует onnxruntime версии 1.17.0 или новее. Валидация версии 1.0 дала F1 0,6161 при пороге 0,3094. Модель подходит для автоматической категоризации и тегирования фотографий; точность зависит от изображения и предсказанных тегов. Лицензия — Apache-2.0.