I.11Классификация, ранжирование и сопоставление

Raffix/routing_module_action_question_conversation_move_hack_debertav3_nli — англоязычная модель классификации текста с нулевым обучением, опубликованная Raffix. Карточка Hugging Face указывает назначение zero-shot classification, архитектуру DeBERTa-v2 с головой классификации последовательностей и размер 211,6 млн параметров. По названию модель ориентирована на маршрутизацию запросов по категориям действий, вопросов, диалогов, перемещения и взлома, однако карточка не описывает эти категории отдельно. Модель принимает текст и пригодна для присвоения входному тексту метки из заданного набора кандидатов без отдельного дообучения под эти метки. Контекст ограничен 512 токенами; заявлен английский язык. Опубликована под лицензией MIT. Карточка не приводит подробных оценок качества или ограничений помимо контекстного окна и языка.

ivanovsdesign/rubert-base-ru-huawei-sentiment-fine-up — дообученный классификатор текста на архитектуре BERT, опубликованный как результат обучения с помощью AutoTrain. Модель содержит 205,1 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель предназначена для классификации текста. Она дообучена на базе ivanovsdesign/huawei-data-classification; название репозитория предполагает анализ тональности, однако README подтверждает только задачу классификации и не описывает метки или область применения. На валидации указаны accuracy и micro-F1 около 0,635, macro-F1 около 0,480, поэтому качество может различаться между классами. Веса доступны в формате safetensors; лицензия в предоставленных данных не указана.

hotchpotch/ruri-pt-base-retromae — модель cl-nagoya, полученная дополнительным предобучением cl-nagoya/ruri-pt-base методом RetroMAE. Это японская BERT-модель с 12-слойным энкодером, предназначенная для формирования семантически содержательных представлений предложений и последующего поиска. Число параметров — 138,4 млн, максимальный контекст — 512 токенов. Модель обучалась на японских параграфах Википедии и книг, данных вопросов и ответов и примерах JSNLI. В оценке на японских поисковых задачах RetroMAE-варианты в большинстве случаев превзошли исходные модели; лучший вариант на базе ruri-pt-base показал примерно на 2% более высокий средний результат, чем bert-base-japanese-v3. В каталоге указана задача fill-mask; для поиска модель используют как основу для получения представлений текста и обучения или построения поисковых систем. Лицензия — MIT. Модель рассчитана на японский язык и текстовый ввод; сама по себе карточка не описывает готовый поисковый сервис или отдельный прикладной реранкер.

Модель pulkitchowdry/sample-agnews-classifer предназначена для классификации новостных заголовков по четырём категориям: World, Sports, Business и Science/Technology. Для токенизации используется BERT-токенизатор из bert-base-uncased, а классификацию выполняет пользовательская многослойная перцептронная сеть с линейными слоями и активацией ReLU. Модель разработана на PyTorch и опубликована в формате safetensors. По данным карточки, точность на тестовой выборке AG News составляет 91%. Модель нечувствительна к регистру и рассчитана на англоязычные новости. Она ограничена четырьмя указанными категориями, а предсказания могут быть смещёнными. Лицензия — MIT.

ScandiNLI-large — модель естественного языкового вывода (NLI), разработанная для датского, норвежского букмола и шведского языков. Это дообученная для NLI версия NbAiLab/nb-bert-large на базе архитектуры BERT; число параметров в метаданных — 453,9 млн, длина контекста — до 512 токенов. Модель поддерживает классификацию без примеров с заранее обученными метками: она оценивает связь между посылкой и гипотезой, что позволяет применять её для классификации текста по пользовательским категориям. В README приведены оценки на датских, шведских и норвежских наборах данных; авторы отмечают, что оценки для шведского и норвежского получены на машинно переведённой версии MultiNLI, а не на эталонных наборах этих языков. Модель распространяется под лицензией Apache-2.0.

Pravallika6/scibert-cross-domain-embeddings — модель Sentence Transformer, дообученная разработчиком на базе allenai/scibert_scivocab_uncased для получения векторных представлений научных текстов. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768; сходство между ними можно оценивать косинусной мерой, а сами эмбеддинги использовать для поиска и извлечения релевантных текстов. Архитектура включает BERT с пулингом по CLS-токену; модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель ориентирована на текстовый поиск и сравнение научных предложений и абзацев, в том числе в разных предметных областях. Обучение проводилось с TripletLoss на наборе из 7 446 примеров. Базовая SciBERT предназначена для англоязычных научных текстов, поэтому применимость к другим языкам не подтверждена. Лицензия в предоставленных данных не описана.

swardiantara/sentence-problem_type-embedding — модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 384. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; по названию карточки модель ориентирована на тексты о типах задач, связанных с дронами. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучалась с ContrastiveLoss на основе косинусного расстояния. В репозитории указаны веса safetensors и библиотека sentence-transformers. Язык обучающих данных и лицензия в предоставленных сведениях не указаны.

Veritone/siglip2-base-patch32-256-text — текстовая башня модели SigLIP 2 Base, основанной на архитектуре SigLIP и разработанной Google. Это сокращённая копия google/siglip2-base-patch32-256, содержащая только текстовый энкодер: она преобразует текстовые запросы в общее пространство эмбеддингов и предназначена для отдельной загрузки на этапе поиска. Парная зрительная башня находится в Veritone/siglip2-base-patch32-256-vision. Модель используют для сопоставления текстовых запросов с изображениями, поиска по изображениям и как текстовый энкодер в мультимодальных системах. В составе полной модели SigLIP 2 поддерживает классификацию изображений без примеров по заданным текстовым меткам. Указанная длина контекста — 64 токена; модель доступна в формате safetensors и предназначена для библиотеки Transformers. Лицензия — Apache-2.0. Этот репозиторий содержит только текстовую башню, поэтому сам по себе не кодирует изображения и не выполняет классификацию изображений без парной зрительной башни. README не приводит сведений о поддерживаемых естественных языках.

Veritone публикует текстовую башню модели SigLIP 2 Large на базе google/siglip2-large-patch16-384. Эта сокращённая копия содержит только текстовый энкодер: он преобразует текстовые запросы в общее пространство эмбеддингов с визуальной башней и предназначен для отдельной загрузки на этапе поиска, что сокращает расход памяти и время загрузки. Визуальная башня находится в Veritone/siglip2-large-patch16-384-vision. Модель подходит для кодирования текстовых запросов при поиске по изображениям и для классификации изображений без дополнительного обучения в паре с соответствующей визуальной башней. Семейство SigLIP 2 рассчитано на семантическое сопоставление текста и изображений; исходная модель обучалась на наборе WebLI. Лицензия репозитория — Apache-2.0. Карточка описывает только текстовую башню, поэтому сама по себе эта модель не принимает изображения и не выполняет полную классификацию изображений без визуальной башни.

ThakiCloud/SKILLRET-Embedding-8B — текстовая модель эмбеддингов на архитектуре Qwen3, разработанная ThakiCloud и дообученная на обучающей части бенчмарка SkillRet контрастивным обучением. Она предназначена для поиска подходящих навыков AI-агентов по запросу пользователя на естественном языке в большой библиотеке навыков. Модель содержит 7,6 млрд параметров, использует Sentence Transformers и принимает текст, возвращая эмбеддинги для семантического сопоставления запросов с описаниями навыков. Длина контекста составляет 40 960 токенов. В тесте SkillRet на 4 392 запросах и 6 006 навыках указаны NDCG@10 0,8644 и Recall@10 0,9325. Модель оптимизирована для англоязычных запросов и навыков AI-агентов; качество на данных за пределами распределения SkillRet может отличаться. Она находит навыки, но не исполняет их. Лицензия — Apache-2.0.

SPECTER2 Base — базовый текстовый энкодер Allen AI для создания эмбеддингов научных статей и коротких поисковых запросов. Модель построена на BERT и содержит 137,1 млн параметров; для задач, адаптированных под конкретный формат, её используют вместе с соответствующим адаптером. Контекст — до 512 токенов. Модель предназначена для семантического поиска научных публикаций, поиска близких статей и подготовки признаков для классификации или регрессии. Базовый энкодер обучен на связях цитирования более чем 6 млн научных статей; система адаптеров обучалась на задачах SciRepEval. В карточке указана поддержка английского языка. Для прикладного использования нужна библиотека Transformers и совместимый адаптер из семейства SPECTER2; сам базовый чекпойнт не включает специализированные адаптеры. Лицензия — Apache 2.0.

SpeechBrain-ECAPA-VoxLingua107-21M-MLX — экспорт модели SpeechBrain `lang-id-voxlingua107-ecapa`, подготовленный для нативного запуска через MLX на Apple Silicon. Это модель на архитектуре ECAPA-TDNN с классификатором на 107 меток разговорных языков; содержит 21,25 млн параметров, веса в формате Safetensors с точностью FLOAT16. На вход принимает аудиофрагмент речи и ранжирует языковые метки по вероятности. Модель предназначена для автоматического определения языка устной речи, например, в аудиозаписях и голосовых приложениях. Экспорт включает нормализацию по среднему значению на уровне предложения и воспроизводимый log-mel фронтенд; README сообщает о совпадении выходов экспорта с реализацией SpeechBrain при валидации. Модель опубликована под лицензией Apache-2.0. Это классификатор с закрытым набором классов, а не детектор неизвестного языка. Указанная для исходной модели ошибка 6,7% получена на небольшом наборе разработки из 33 языков и не является полной оценкой по всем 107 классам. Качество следует проверять на целевых языках, акцентах, устройствах записи, уровнях шума и коротких репликах.

pritamdeka/S-PubMedBert-MS-MARCO — модель эмбеддингов предложений на основе BERT, созданная дообучением microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext на MS MARCO с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сопоставления запросов с документами и кластеризации медицинских текстов. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель предназначена для информационного поиска в медицинской и биомедицинской тематике. Её можно использовать с Sentence-Transformers либо через Transformers с подходящей операцией pooling. Она выдаёт текстовые эмбеддинги и оценки семантического сходства. Лицензия CC BY-NC 2.0 запрещает коммерческое использование без отдельного разрешения.

sentence-transformers/stsb-roberta-base — модель Sentence Transformers, обученная командой sentence-transformers на архитектуре RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, кластеризации и семантического поиска. Модель содержит 151,8 млн параметров, принимает текст и поддерживает контекст до 514 токенов; доступны версии в форматах PyTorch, TensorFlow, ONNX и OpenVINO. Карточка модели предупреждает, что эмбеддинги имеют низкое качество и модель устарела, поэтому для новых проектов рекомендуется выбрать более современную модель эмбеддингов. Лицензия — Apache-2.0.

StyleDistance — англоязычная модель эмбеддингов стиля текста, представленная в работе «StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples». Модель создана дообучением RoBERTa-base и распространяется в формате safetensors через библиотеку Sentence Transformers. В ней около 151,8 млн параметров, контекст — до 514 токенов; лицензия MIT. Модель кодирует тексты так, чтобы примеры со схожим стилем письма располагались близко в векторном пространстве, а тексты с разным стилем — далеко, независимо от их содержания. Её обучали контрастивно на синтетических примерах 40 стилистических признаков и на реальных данных об авторстве из Reddit. Эмбеддинги подходят для стилистического анализа и группировки текстов, установления и проверки авторства, а также автоматической оценки переноса стиля.

Amu/tao — экспериментальная модель эмбеддингов на архитектуре BERT, опубликованная автором как пробная версия. По README, автор дообучил её на небольшом наборе данных, используя метод, похожий на stella-v2; модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений. Репозиторий содержит веса PyTorch, а заявленная длина контекста составляет 1024 токена. Карточка указывает поддержку китайского языка и лицензию Apache-2.0. Автор характеризует эту версию как тестовую и сообщает о планах выпустить tao-v2 с другой структурой.

PrashantG6838 разработал SetFit-модель для классификации текстовых описаний причин, мешающих детям посещать школу. Она основана на энкодере предложений sentence-transformers/all-MiniLM-L6-v2, дообученном контрастивным обучением, и классификаторе LogisticRegression. Модель относит текст к одному из 11 тематических классов, среди которых ранние браки, проблемы доступности школ, качество преподавания, бедность и безопасность. Модель предназначена для разметки коротких англоязычных высказываний о препятствиях к образованию; её можно применять для сортировки ответов опросов и тематического анализа обратной связи. Размер составляет 25,9 млн параметров, архитектура — BERT, максимальная длина последовательности в README — 256 токенов, а в метаданных указано контекстное окно 512 токенов. Использование описано как классификация текста с SetFit; сведения о лицензии в предоставленных данных отсутствуют.

VideoPrism-LvT-L — фундаментальная модель видео- и текстовых энкодеров, разработанная Google DeepMind. Она преобразует видео и текст в компактные глобальные эмбеддинги, сходство между которыми можно измерять косинусным расстоянием. Модель предназначена для задач понимания видео, включая классификацию действий, пространственно-временную локализацию, поиск видео по текстовому запросу и open-set-классификацию. Модель построена на архитектуре ViViT с backbone ViT-L и содержит около 580 млн параметров; размер файла контрольной точки составляет примерно 2,30 ГБ. Видео подаются в формате num_frames × 288 × 288 × 3. Во время обучения использовалось 8 кадров, но модель поддерживает произвольное число кадров за счёт интерполяции временных позиционных эмбеддингов. Текст токенизируется моделью SentencePiece c4_en, поэтому заявлена поддержка английского текста. Для одной из модальностей вычисление эмбеддингов можно пропустить. Сильной стороной VideoPrism является высокая обобщающая способность: один замороженный checkpoint превзошёл предыдущие foundation-модели на 31 из 33 публичных бенчмарков понимания видео без дообучения на целевых наборах данных. Ограничения связаны с возможными смещениями и шумом обучающих данных, включая ASR-транскрипции, а также с недостаточно развитым пониманием длинных видео, геометрической информации и несемантических визуальных признаков. Модель распространяется по лицензии Apache-2.0; перед применением в чувствительных сценариях рекомендуется оценить риски безопасности и справедливости.

Это дообученная модель Sentence Transformers, созданная на основе bkai-foundation-models/vietnamese-bi-encoder. Она использует архитектуру RoBERTa с mean pooling и преобразует предложения и абзацы в плотные векторы размерностью 768; сходство между ними измеряется косинусной функцией. Обучение с MatryoshkaLoss позволяет использовать векторы меньшей размерности, вплоть до 64, с некоторым снижением качества поиска. Модель предназначена для семантического поиска и сравнения текстов, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. В README указан английский язык; контекст ограничен 258 токенами по метаданным. Модель распространяется по лицензии Apache-2.0. Оценки поиска приведены для наборов данных из карточки и не гарантируют качество на других данных.

VIT_AI_image_detector — модель классификации изображений, разработанная mmanikanta и дообученная на основе google/vit-base-patch16-224-in21k. Она использует архитектуру Vision Transformer (ViT) и содержит 113,2 млн параметров. Модель предназначена для отнесения изображений к категориям; конкретные классы и область применения не описаны. В README указаны точность 0,9924 и значение loss 0,0295 на оценочном наборе, однако состав набора и методика оценки не приведены. Модель принимает изображения и выдаёт предсказанные классы. Лицензия — Apache-2.0.

Bingsu разработал двуязычную CLIP-модель на основе архитектуры VisionTextDualEncoder: визуальная часть использует openai/clip-vit-base-patch32, а текстовая — lassl/bert-ko-small. По карточке, веса текстовой части CLIP перенесли на корейский энкодер методом, вдохновлённым дистилляцией знаний для многоязычных эмбеддингов; при обучении использовался параллельный корейско-английский корпус переводов AIHub, а pooling оставлен стандартным для модели Hugging Face. Модель предназначена для извлечения признаков и сопоставления изображений с текстом на корейском и английском языках, например для поиска изображений по запросу. Доступны веса PyTorch и safetensors. Модель распространяется по лицензии MIT. Карточка не приводит размер модели, длину контекста или оценки качества. Описанный способ переноса весов и использование переводного корпуса могут ограничивать качество за пределами корейского и английского языков и сценариев сопоставления изображения с текстом.

X-CLIP — видеоязыковая модель семейства CLIP от Microsoft, представленная в работе Ni et al. Она расширяет контрастное обучение на парах «видео—текст» для понимания видео. Эта базовая модель обучена в режиме few-shot с 16 примерами на класс на наборе UCF101. Модель предназначена для классификации видео в режимах zero-shot, few-shot и supervised, а также для поиска соответствий между видео и текстом. При обучении использовались 32 кадра на видео с разрешением 224×224; модель принимает видео и текстовые описания и оценивает их соответствие. Для версии указана точность top-1 91,4%. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Модель обучена на UCF101, поэтому её качество на других предметных областях и типах видео может отличаться; перед применением требуется обработка кадров согласно выбранному процессору.

xDecision — многоязычная модель структурированной оценки решений примерно на 322 млн параметров, разработанная автором репозитория mccoysc. Она дообучена на основе Laya Multilingual с энкодером mmBERT-base и объединяет компоненты этих моделей. Предназначена для классификации запросов с контекстом и кандидатами: выбора варианта, оценки истинности утверждения и выставления балла по упорядоченной шкале. Возвращает вероятности кандидатов и рекомендацию действовать или передать решение на эскалацию. Поддерживает многоязычный ввод; доступны веса Safetensors и GGUF F16/Q8_0, а для Apple Silicon — backend MLX. Лицензия Apache-2.0. Модель подходит для маршрутизации рабочих процессов, оценки утверждений и структурированной поддержки решений. В диагностической оценке точность составила 58,75% на типизированных задачах выбора и 34,40% на невиданных сценариях рабочего процесса; эти результаты относятся к указанным наборам и настройкам. Есть ошибки в оценке относительной пригодности вариантов, чувствительность к порядку фактов и расхождения между форматами вопросов. Требуется проверка на целевой области; высокорисковые решения должны проходить независимую проверку и рассмотрение человеком. GGUF сейчас не поддерживается llama.cpp и Ollama.

Funnel Transformer xlarge-base — предварительно обученная модель Funnel Transformer, выпущенная командой, представившей это семейство. Это англоязычная бескодерная базовая модель архитектуры Funnel с размером контекста 512 токенов. Она обучалась на английских текстах BookCorpus, Wikipedia, ClueWeb, GigaWord и Common Crawl с самоконтролируемой задачей обнаружения заменённых токенов; доступны реализации PyTorch, TensorFlow и веса Safetensors. Модель извлекает скрытые представления текста для последующего обучения или настройки классификаторов и других моделей для задач по целому предложению, включая классификацию последовательностей, классификацию токенов и ответы на вопросы. Выходная последовательность в четыре раза короче входной, поэтому модель подходит для получения сводного представления предложения, но не для задач, которым требуется отдельное представление каждого исходного токена. Она не предназначена для генерации текста. Лицензия — Apache-2.0.

sentence-transformers/xlm-r-bert-base-nli-mean-tokens — модель Sentence-Transformers, обученная командой sentence-transformers на основе XLM-RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 305,2 млн параметров и принимает текстовые последовательности длиной до 514 токенов; поддерживаемые форматы включают PyTorch, TensorFlow, ONNX и OpenVINO. В README модель помечена как устаревшая: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать более новые модели для получения векторов предложений. Лицензия — Apache-2.0.

Модель poltextlab/xlm-roberta-large-pooled-cap-v4 — многоязычный классификатор текстов на основе xlm-roberta-large, дообученный на данных из разных предметных областей с разметкой по тематическим кодам Comparative Agendas Project (CAP). Она предназначена для автоматического определения тематики текста в исследовательских проектах, включая сравнительный анализ политических повесток. Модель используется в CAP Babel Machine — бесплатном инструменте для обработки естественного языка.

ACGVoc2vec — модель эмбеддингов OysterQAQ для поиска сходства между предложениями и текстами об аниме. Она построена на Sentence Transformers и дообучена на предварительно обученных весах distiluse-base-multilingual-cased-v2 с функцией потерь MultipleNegativesRankingLoss. Для обучения использованы пары текстов из Bangumi, pixiv, AnimeList, Википедии и moegirl: названия произведений на японском, китайском и английском, описания, теги, персонажи и сведения о сэйю. Модель предназначена для преобразования связанных текстов об аниме в близкие векторные представления. Её можно применять для поиска произведений по альтернативным названиям, тегам, описаниям или персонажам, а также для поиска связанных сведений о произведении. Контекст ограничен 512 токенами; модель выдаёт эмбеддинги, а не готовые ответы или сгенерированный текст. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных не описаны.

Analyst 0.6B — компактная языковая модель, разработанная AXe Technologies на базе Qwen3-0.6B и дообученная для рабочих процессов в консалтинге и профессиональных услугах. Она содержит около 507,9 млн параметров, использует плотную архитектуру Qwen3 и рассчитана на контекст до 40 960 токенов. В репозитории представлены веса safetensors для MLX; модель предназначена для локального запуска, в том числе на Apple Silicon. Модель выполняет маршрутизацию запросов и классификацию намерений, преобразует естественный язык в структурированные вызовы функций, составляет ответы в профессиональном стиле и генерирует базовые SQL-запросы для бизнес-аналитики. Её предполагаемая роль — быстрый первый этап конвейера из нескольких моделей; сложные рассуждения рекомендуется передавать более крупным моделям. Карточка заявляет поддержку только английского языка. Лицензия — Apache-2.0.

rss9051/autotrein-BERT-iiLEX-dgs-0004 — дообученная модель классификации текстовых последовательностей, созданная с помощью AutoTrain на основе rss9051/autotrein-BERT-iiLEX-dgs-0003. Она использует архитектуру BERT и содержит 136,1 млн параметров; максимальная длина входной последовательности — 512 токенов. Модель предназначена для отнесения текста к меткам классов. В карточке приведены метрики валидации: точность 0,661 и макроусреднённая F1-мера 0,576. Названия классов, обучающий набор данных и конкретная предметная область не указаны, поэтому пригодность для отдельного сценария следует проверять на собственных данных. Файлы модели представлены в формате safetensors; лицензия в предоставленных данных не указана.

Это модель классификации последовательностей на базе BERT base cased, дообученная автором на наборе GLUE QNLI. Она оценивает пары текстов в задаче определения, следует ли ответ на вопрос из данного фрагмента текста. В карточке указано, что модель использовалась для сравнения google/fnet-base с bert-base-cased; на оценочной выборке QNLI приведены accuracy 0,9099 и loss 0,3986. Модель содержит 135,5 млн параметров, принимает текстовые входы и рассчитана на контекст до 512 токенов. Она подходит для классификации пар «вопрос — фрагмент» и экспериментов с оценкой ответа по контексту. Поддерживаемый язык — английский. Доступна под лицензией Apache-2.0; карточка не приводит подробностей о разбиении классов, обучении или ограничениях применения.