I.11Классификация, ранжирование и сопоставление

Alamin2230/xlm-roberta-hard-part2 — дообученная модель классификации последовательностей на базе XLM-RoBERTa Base, опубликованная под лицензией MIT. Она предназначена для присвоения меток тексту; конкретная предметная область, набор меток и обучающие данные в карточке не раскрыты. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. В README приведены результаты оценки: F1 0,9872, точность 1,0, полнота 0,9747, FPR 0 и FNR 0,0253. Эти показатели относятся к указанному автором набору оценки, но его состав и методика не описаны, поэтому их нельзя считать гарантией качества на других данных. Базовая модель XLM-RoBERTa поддерживает многоязычный текст; языковая применимость именно этой настройки зависит от неизвестного набора дообучения.

ALBERT Base v2 — англоязычная предварительно обученная модель семейства ALBERT, разработанная командой ALBERT и опубликованная на Hugging Face. Она обучена на BookCorpus и английской Википедии с помощью masked language modeling и предсказания порядка сегментов текста. Модель предназначена для заполнения пропущенных слов и получения языковых представлений, которые можно использовать как основу для дообучения на задачах классификации, разметки токенов и ответов на вопросы. Архитектура — плотный Transformer с 12 повторно используемыми слоями, 12 головами внимания, размерностью скрытого состояния 768 и контекстом до 512 токенов. Общие веса слоёв уменьшают объём памяти, при этом вычислительная стоимость остаётся сопоставимой с аналогичной BERT-подобной сетью. Модель без учёта регистра и использует токенизацию SentencePiece с словарём из 30 000 токенов. Метаданные указывают 136,3 млн параметров; значение в README отличается. ALBERT Base v2 подходит для восстановления замаскированных слов и как основа для задач понимания текста. Она не предназначена для свободной генерации текста. Предсказания могут отражать смещения обучающих данных. Лицензия — Apache 2.0.

Gaykar/all-MiniLM-L6-medical-rag — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2, созданная для семантического поиска по медицинским текстам и формирования контекста для RAG. Модель кодирует предложения и абзацы в плотные векторы размерностью 384; для сравнения используется косинусное сходство. Архитектура включает BERT-энкодер, mean pooling и нормализацию. В README указана максимальная длина последовательности 256 токенов, а метаданные каталога — контекст до 512 токенов. Модель предназначена для поиска релевантных медицинских фрагментов по вопросам, сравнения текстов, поиска перефразировок и кластеризации. Обучающий набор содержит 6 460 пар «вопрос—ответ», связанных с медицинской тематикой, включая опухоли мозга и здоровье человека; заявленные оценки retrieval на отдельном наборе включают cosine accuracy@1 0,823 и @5 0,9171. Язык модели в карточке явно не указан; базовая модель описана каталогом как англоязычная. Лицензия в предоставленных данных не приведена. Модель не предназначена для клинической диагностики и коммерческого распространения согласно README.

Модель tsAspire разработана Sheshera Mysore, Arman Cohan и Tom Hope для сопоставления научных документов по информатике. Это модель на основе BERT с 137,1 млн параметров, которая кодирует заголовок и аннотацию статьи совместно, а затем формирует контекстуальные векторы предложений. Она обучена на 1,2 млн пар совместно цитируемых статей по информатике: контексты цитирования использовались для выравнивания похожих предложений, а обучение проводилось с контрастивной функцией потерь. Модель предназначена для поиска и ранжирования статей по сходству на уровне предложений, в том числе когда запрос задаёт конкретный аспект статьи. Документы ранжируются по минимальному L2-расстоянию между векторами предложений запроса и кандидата. README описывает оценку на англоязычном наборе CSFCube и возможность дообучения для классификации документов или предложений. Модель принимает текст заголовка и аннотации, поддерживает контекст до 512 токенов и выдаёт векторы предложений. Распространяется по лицензии Apache-2.0.

allenai/aspire-sentence-embedder — модель Allen Institute for AI для оценки сходства предложений и поиска научных документов. Она основана на SciBERT и кодирует предложение одним вектором, извлечённым из токена CLS. Модель содержит 137,1 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов. Модель обучена на 4,3 млн пар контекстных предложений, ссылающихся на одни и те же научные работы, с контрастивным обучением. Она предназначена прежде всего для поиска семантически близких предложений и информационного поиска по научным аннотациям; для ранжирования документов можно сравнивать предложения запросов и кандидатов. Около половины обучающих данных относятся к биомедицине, поэтому модель может лучше работать в этой области. Обучающие данные — на английском языке. Модель распространяется в формате PyTorch и доступна по лицензии Apache-2.0. Дообучение может потребоваться для классификации или переноса на задачи и области за пределами научного текста.

SarvaniM/autotrain-trfqp-i9mjp — модель классификации текста, обученная с помощью AutoTrain на основе google-bert/bert-base-uncased. Она предназначена для присвоения текстам меток в задаче, на которой выполнялось обучение. Модель использует архитектуру BertForSequenceClassification, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены метрики на валидационной выборке: accuracy 0,74, а также macro F1 0,738. Эти результаты характеризуют только указанную выборку; область применения и набор классов в карточке не описаны. Базовая модель англоязычная, поэтому применение к другим языкам не подтверждено. В метаданных лицензия не приведена.

TurkuNLP/bert-base-finnish-uncased-v1 — финская версия BERT Base с архитектурой BertForMaskedLM, разработанная TurkuNLP и обученная с нуля на финских текстах. Модель содержит 151,7 млн параметров, использует словарь из 50 000 WordPiece-токенов с улучшенным покрытием финской лексики и принимает последовательности длиной до 512 токенов. Предварительное обучение выполнено в течение 1 млн шагов на более чем 3 млрд токенов финских новостей, интернет-обсуждений и веб-данных. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения под классификацию документов, распознавание именованных сущностей, разметку частей речи и другие задачи обработки финского языка. В README приведены результаты, превосходящие multilingual BERT на нескольких финских наборах данных. Для запуска доступны веса в PyTorch, TensorFlow и Flax, включая формат safetensors. Лицензия в предоставленных данных не указана.

Модель leomaurodesenv/bert-base-uncased-jailbreakv-28k-augmented — дообученная англоязычная BERT-base для классификации текста. Она основана на google-bert/bert-base-uncased, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: accuracy 0,9981 и loss 0,0063. Модель можно применять для классификации текстовых последовательностей; конкретные классы и целевые сценарии в карточке не описаны. Датасет обучения также не раскрыт. Веса доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

google-bert/bert-large-uncased-whole-word-masking — англоязычная предварительно обученная модель BERT от Google для восстановления замаскированных слов и получения контекстных представлений текста. Она использует архитектуру BERT с 24 слоями, размерностью скрытого состояния 1024 и 16 головами внимания; в метаданных указано 433,9 млн параметров и контекст до 512 токенов. Модель обучена на BookCorpus и английской Википедии с целями masked language modeling и предсказания следующего предложения. При Whole Word Masking одновременно маскируются все WordPiece-токены одного слова; модель uncased и не различает регистр. Основной сценарий — заполнение пропусков в английском тексте. Векторные представления модели также можно использовать как основу для дообучения классификаторов, разметки токенов и ответов на вопросы. Для таких задач, как генерация связного текста, модель не предназначена. Она доступна под лицензией Apache-2.0. Предсказания могут отражать смещения обучающих данных.

boltuix/bert-small — компактная англоязычная модель BoltUIX на архитектуре BERT, дообученная на основе google/bert-base-uncased. Модель с 12 млн параметров использует двунаправленный трансформер и подходит для заполнения пропусков в тексте; её также можно дообучать для классификации последовательностей и токенов, ответов на вопросы и распознавания текстовых отношений. Максимальная длина контекста — 512 токенов. Модель обучалась на английских текстах из BookCorpus и Wikipedia с задачами masked language modeling и next sentence prediction. В README заявлены оценки на GLUE, включая SST-2 и QNLI, а также компактный размер около 45 МБ. Она предназначена для англоязычных NLP-сценариев и не рассчитана на генерацию связного текста или работу с другими языками без существенного дообучения. Лицензия — MIT.

hkizilhan/checkpoints_berturk — дообученная на базе dbmdz/bert-base-turkish-cased модель BERTurk для классификации текста. Она содержит 137,8 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В README приведены результаты на наборе оценки: accuracy 0,9633 и Macro F1 0,9595; сведения о назначении классов и обучающих данных отсутствуют. Модель предназначена для классификации турецкоязычного текста. Репозиторий распространяет веса в формате safetensors по лицензии MIT. Показатели оценки не позволяют судить о качестве на других данных и задачах.

KonradBRG/deberta-v3-base-figurative — дообученная модель Microsoft DeBERTa-v3-base для классификации образных выражений в тексте. Она относит текстовые примеры к категориям буквального выражения, идиомы, метафоры и сравнения; набор меток следует из приведённых в карточке отдельных оценок для этих категорий. Модель построена на архитектуре DeBERTa-v2 и содержит 211,6 млн параметров. Она принимает текст, поддерживает контекст до 512 токенов и выдаёт метки классификации. В README на оценочном наборе указаны Macro F1 0,8727, F1 для буквальных выражений 0,8941, идиом 0,9697, метафор 0,7290 и сравнений 0,8980; данные обучения в карточке не раскрыты. Лицензия — MIT.

Rocketknight1 разработал эту модель, дообучив DistilBERT base uncased для классификации текста. Архитектура — DistilBertForSequenceClassification; модель доступна в формате TensorFlow и принимает последовательности длиной до 512 токенов. README сообщает результаты оценки: Matthews correlation 0,5056 и validation loss 0,4914 после одной эпохи обучения. Модель подходит для классификации текстовых последовательностей, однако задача и набор данных дообучения не раскрыты, поэтому нельзя надёжно определить конкретные категории или целевой сценарий. Лицензия — Apache-2.0.

Это англоязычная модель классификации текста на базе distilbert/distilbert-base-uncased, дообученная leomaurodesenv. Архитектура — DistilBertForSequenceClassification; веса сохранены в формате safetensors. Модель предназначена для классификации последовательностей текста. В README указаны результаты на наборе оценки: accuracy 0,8682 и loss 0,3323. Датасет и конкретные классы не описаны, поэтому эти оценки не позволяют определить, на каких именно категориях модель обучалась и насколько хорошо она подойдёт для другой задачи. Контекст — до 512 токенов. Лицензия — Apache-2.0.

EMBO/dot_only — модель векторных представлений из проекта SODA-VEC, разработанная для научных текстов в биомедицине и науках о жизни. Она дообучена на базе answerdotai/ModernBERT-base с контрастивным обучением и функцией потерь на основе скалярного произведения; архитектура ModernBERT-base включает 12 слоёв и 149 млн параметров. Модель принимает текст и формирует 768-мерные L2-нормализованные эмбеддинги с mean pooling. Её можно применять для семантического поиска научных публикаций и сравнения смысловой близости текстов. Обучение проводилось на 26,473,900 парах заголовков и аннотаций из PubMed Central, поэтому модель лучше подходит для английских биомедицинских заголовков и аннотаций, чем для текстов общей тематики. Контекст модели — до 8192 токенов, однако для длинных документов может потребоваться разбиение на фрагменты. Модель распространяется по лицензии Apache-2.0.

Echo-DSRN-v0.1.3-Research-Intent-CLF — модель классификации научных публикаций, разработанная ethicalabs.ai для проекта OpenAIRE AI Hackathon 2026. Она анализирует название и аннотацию статьи и относит её к одной из пяти категорий исследовательского намерения: методология, набор данных, обзор и другие категории, приведённые в карточке. Модель используется в приложении для потоковой классификации публикаций и, согласно README, выполняет инференс на CPU. Модель основана на рекуррентной архитектуре Echo-DSRN и дообучена от ethicalabs/Echo-DSRN-114M-v0.1.2. В метаданных указаны 49,9 млн параметров и контекст 2048 токенов; README приводит иные размеры — около 98 млн параметров. Модель работает с текстом на английском языке и распространяется в формате safetensors для Transformers. Классификатор предназначен для исследовательских публикаций, а качество предсказаний может быть ниже на статьях из других областей или при неполных и неоднозначных аннотациях. Лицензия — Apache-2.0.

nghuyong/ernie-3.0-micro-zh — китайская языковая модель ERNIE 3.0, созданная на основе подхода крупномасштабного предобучения с использованием знаний для понимания и генерации языка. Репозиторий содержит вариант для PyTorch, конвертированный из официальной модели PaddlePaddle; в README сообщается о проверке точности конвертации. Для загрузки используются BertTokenizer и ErnieModel из Transformers. Модель предназначена для извлечения признаковых представлений текста и может служить основой для задач понимания китайского языка. Она имеет плотную архитектуру ErnieModel, 24,8 млн параметров и контекст до 2048 токенов. Карточка указывает китайский язык и формат PyTorch. Лицензия в предоставленных данных не указана.

Карточка модели jhu-clsp/ettin-enc-from-dec-400m на Hugging Face совпадает с карточкой jhu-clsp/ettin-encoder-17m, поэтому описание составлено по ней. jhu-clsp/ettin-encoder-17m — англоязычная модель-энкодер из набора Ettin, разработанного исследователями Johns Hopkins University. Это компактная модель с 16,8 млн параметров на архитектуре ModernBERT, обученная методом masked language modeling; она предсказывает замаскированные токены в тексте. По описанию набора, модели Ettin обучались на общей открытой смеси данных и предназначены для сопоставления энкодерных и декодерных архитектур. Для этой версии README указывает размер XXS и сценарии мобильных и периферийных устройств. Модель подходит для заполнения пропусков в английском тексте и как основа для задач классификации и получения эмбеддингов после соответствующей настройки. В метаданных указаны контекст до 7 999 токенов, форматы PyTorch и ONNX и лицензия MIT. В README заявлены сильные результаты семейства Ettin в классификации и поиске, однако конкретные метрики для версии 17M не приведены. Это энкодер для понимания текста, а не генеративная модель для свободного продолжения текста; также она не предназначена для обработки языков, кроме английского, согласно доступным языковым тегам.

principled-intelligence выпустила текстовый вариант Gemma 4 E2B-it: из исходного мультимодального чекпойнта удалены веса энкодеров изображений и аудио, а языковая модель сохранена. Это плотная модель семейства Gemma 4 с 1,6 млрд параметров по метаданным и контекстом до 131 072 токенов. Модель предназначена для извлечения признаков из текста и может использоваться как текстовая часть исходной модели для генерации. По README, удаление энкодеров уменьшает размер чекпойнта и пиковое потребление видеопамяти примерно на 9% по сравнению с исходным Gemma 4 E2B-it; сохранены исходные токенизатор и шаблон чата. Для загрузки автор проверял Transformers, а другие движки инференса пока не поддерживаются. Лицензия — Apache-2.0.

ghana-speech-id — классификатор языка речи от GhanaNLP Community для 41 языка Ганы и Западной Африки. Модель определяет язык по текстовой расшифровке аудио: аудиосигнал сначала распознаётся отдельной моделью Omnilingual ASR, затем этот классификатор анализирует полученный текст. Его языковая голова — линейный классификатор символьных n-грамм с TF-IDF, упакованный в ONNX; размер головы составляет 8,2 МБ. В репозитории также размещена модель распознавания речи Omnilingual ASR CTC 300M размером 279 МБ. Модель предназначена для автоматической идентификации языка в аудиозаписях. Для надёжных результатов рекомендуется подавать не менее пяти секунд речи, а около десяти секунд дают близкую к максимальной точность. В README указаны точность 95,30% на внутридоменной оценке и 77,6% на внедоменных данных; качество зависит от тематики записи и заметно ниже на финансовых материалах. Классификатор работает только с закрытым набором из 41 языка: он всегда назначает один из них, поэтому языки вне набора могут ошибочно определяться как близкие. Английского класса нет, а Fante во внедоменных записях часто смешивается с Twi. Лицензия репозитория — CC-BY-NC-4.0; вложенная модель ASR Meta распространяется отдельно по Apache 2.0.

graderclassifier — модель классификации текста, созданная дообучением distilbert/distilbert-base-multilingual-cased. Она предназначена для присвоения тексту метки класса; конкретные классы и сценарий классификации в карточке не описаны. Модель построена на DistilBERT и принимает текстовые последовательности длиной до 512 токенов. Базовая модель многоязычная, однако языки, на которых проверялась именно эта классификация, не уточнены. В карточке приведены результаты оценки: loss 0,0109 и accuracy 0,9980; без описания набора данных и схемы классов эти показатели нельзя переносить на другие данные. Модель распространяется под лицензией Apache-2.0.

kikori — модель классификации тональности относительно указанного человека в португалоязычном тексте. Она принимает пару «имя человека и текст» и предсказывает, относится ли текст к этому человеку негативно, нейтрально или позитивно. Модель разработана для проекта rashomon; дообучена на BERTimbau Base, бразильской португальской версии BERT, с помощью 13 778 примеров, размеченных LLM-учителем. Архитектура — BertForSequenceClassification, размер — 136,1 млн параметров, контекст — до 512 токенов по метаданным; описанный в README контракт задаёт max_length 256. Модель рассчитана на анализ упоминаний людей и сопоставление тональности публикаций из разных источников, например новостных лент и социальных сетей. Выход содержит оценки для классов neg, neu и pos, а итоговый балл находится в диапазоне от −10 до 10. Доступны веса safetensors и ONNX, включая динамическую квантованную версию int8. По holdout-набору из 578 пар точность fp32 и int8 составляет 0,78; на отдельном наборе отзыв положительной тональности составляет 0,73 для fp32 и 0,71 для int8. Модель имеет известное смещение по имени человека: обучающие метки неодинаково распределены для разных персон, поэтому она может учитывать имя как априорный сигнал. Авторы рекомендуют сравнивать источники на текстах об одном и том же человеке, а не сравнивать людей между собой. Лицензия — MIT.

KomdigiITS-8B-DFKClassification-Merged — модель с архитектурой Mistral3ForConditionalGeneration, разработанная организацией aitf-komdigi на базе aitf-komdigi/KomdigiITS-8B-DFK-CPT. Она дообучена с помощью LoRA и объединена в модель для мультимодальной классификации контента по категориям дезинформации, клеветы, разжигания ненависти и нейтрального содержания. В обучающем наборе также использовались задачи текстовой классификации и извлечения ключевых слов. Модель принимает текст и изображения и предназначена для анализа материалов на индонезийском языке. В README указана максимальная длина последовательности 4096 токенов; метаданные подтверждают поддержку изображений и архитектуру Mistral3. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Krasovskiy/kwtopic-pairs — дообученный кросс-энкодер на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для определения, следует ли размещать два поисковых запроса на одной странице сайта. Модель сравнивает пару запросов и выдаёт оценку от 0 до 1, где высокое значение означает, что запросы относятся к одной странице. Это специализированный компонент пайплайна кластеризации ключевых слов, а не универсальный реранкер. Модель разработана для SEO-задач: проверки запросов внутри групп и на границах соседних групп. Обучена на 25 797 размеченных человеком парах из шести ниш, преимущественно на русском и украинском, с частью запросов на английском. Архитектура — BERT-кросс-энкодер для классификации последовательностей; в метаданных указано 124,3 млн параметров и контекст до 512 токенов, а в README описан режим обучения с обрезкой входа до 64 токенов. В тесте автор сообщает F1 83,4% против 77,4% у базовых эмбеддингов с подобранным порогом. Модель лучше всего подходит для разделения запросов с общей лексикой, но разным поисковым намерением. Она может ошибочно объединять запросы, различающиеся только числом, географией или брендом, и хуже работает с вложенными названиями. Перед применением такие переменные следует обрабатывать отдельно; для ниш, не представленных в обучении, качество нужно проверять на собственной разметке. Лицензия — Apache-2.0.

maticzav/legal-bert-embedding — модель Sentence Transformers, дообученная на базе nlpaueb/legal-bert-base-uncased для представления юридических предложений и абзацев в виде плотных векторов. Архитектура основана на BERT с усреднением токенных эмбеддингов; модель содержит 136,7 млн параметров, выдаёт векторы размерности 768 и использует косинусное сходство. Максимальная длина входа — 512 токенов. Модель предназначена для сравнения юридических текстов по смыслу, семантического поиска, поиска перефразировок, кластеризации и классификации текстов. README приводит результаты оценки сходства на наборе contradiction-eval: корреляция Спирмена для косинусного сходства составила 0,6328. Обучение описано на 4 371 парах из датасета json, но его происхождение и репрезентативность не раскрыты. Базовая модель и обучающий контекст ориентированы на английские юридические тексты, поэтому применимость к другим языкам не подтверждена. Лицензия в предоставленных данных не указана.

Lemone-Embed Pro — модель эмбеддингов, разработанная Louis Brulé Naudet для семантического поиска по французским налоговым и юридическим материалам. Это Sentence Transformer, дообученный на базе Alibaba-NLP/gte-multilingual-base на корпусе из 303 863 примеров, связанных с французским налоговым законодательством и административными документами. Обучающие данные включают синтетические и полусинтетические примеры, созданные с помощью GPT-4 Turbo и Llama 3.1 70B и прошедшие дополнительную обработку и проверку. Модель преобразует текст в плотные векторы размерности 768 и поддерживает сравнение сходства по косинусной мере. Максимальная длина последовательности — 8192 токена. Она предназначена прежде всего для поиска релевантных фрагментов в крупных налоговых корпусах и построения RAG-систем, а также подходит для семантического сравнения, поиска перефразировок и кластеризации. В README приведены высокие значения точности поиска на наборе Lemone, однако они не гарантируют аналогичных результатов на других корпусах. Модель ориентирована на французский язык и налогово-правовую тематику. Доступна по лицензии Apache 2.0; в репозитории представлены форматы Safetensors и ONNX.

Jeevesh8/long_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_mnli_ft_53 — модель из репозитория пользователя Jeevesh8 на Hugging Face, предназначенная для классификации текста. По идентификатору и карточке каталога она основана на BERT base uncased и дообучена на задаче Multi-Genre Natural Language Inference (MNLI), поэтому может применяться для классификации текстовых пар и оценки отношений между утверждениями, включая entailment, contradiction и neutral. Из доступных данных надёжно известны текстовая модальность, архитектурное семейство BERT, нижний регистр входного текста и максимальная длина последовательности 128 токенов. Название указывает на специальную процедуру обучения с перемешиванием, clipping и warmup, но её точные параметры и влияние на качество не опубликованы в найденных данных. Модель ограничена английским языком, унаследованным от bert-base-uncased, и не предназначена для генерации текста или обработки изображений. Лицензия и количественные результаты оценки для этой конкретной версии не указаны.

Jeevesh8/long_feather_bert_ft_mnli-0 — модель, опубликованная пользователем или организацией Jeevesh8 на Hugging Face. В каталоге Hugging Face она обозначена как модель для классификации текста и была обновлена 8 августа 2022 года. Идентификатор указывает на вариант BERT, дообученный для задачи Multi-Genre Natural Language Inference (MNLI), то есть классификации отношений между парами текстов. Модель может применяться в сценариях текстовой классификации и анализа семантической связи между высказываниями. Внешние данные указывают размер примерно 109 млн параметров, но точные сведения об архитектуре, числе слоёв, контекстном окне, языках, модальностях и метках классов для этой конкретной версии надёжно не подтверждены. Сильной стороной является специализированное дообучение под задачу MNLI и доступность через экосистему Hugging Face. Ограничения включают узкую направленность на классификацию текста, возможную зависимость качества от домена и отсутствие подтверждённых сведений о показателях качества, лицензии и рекомендованных условиях использования. Для этой модели не удалось надёжно установить дополнительные характеристики и официальные условия лицензирования.

amin/medical_embedding_1 — англоязычная модель эмбеддингов на базе Sentence Transformers, дообученная разработчиком на abhinand/MedEmbed-small-v0.1 для работы с медицинскими текстами. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними можно оценивать по косинусной близости. Архитектура включает BERT, пулинг CLS-токена и нормализацию. Максимальная длина входа — 512 токенов, библиотека — sentence-transformers. Модель предназначена для семантического поиска медицинских текстов и сравнения их по смыслу. Её также можно применять для поиска перефразировок, кластеризации и классификации текстов с использованием полученных эмбеддингов. В README приведена оценка сходства на неназванном наборе данных, однако этих результатов недостаточно, чтобы судить о качестве в конкретных прикладных сценариях. Лицензия в предоставленных данных не указана.

Anwaarma/Merged-Server-praj — модель классификации последовательностей на архитектуре BERT, дообученная на основе Anwaarma/BP-server02andinteger03. Она предназначена для присвоения меток текстовым последовательностям; размер модели — 4,4 млн параметров, длина контекста — до 512 токенов. Модель создана 24 декабря 2023 года и распространяется в формате safetensors. В README приведены результаты оценки: loss 0,6453, accuracy 0,619 и F1 0,7647. Данные обучения и конкретные классы не описаны, поэтому применимость к определённой предметной области оценить нельзя. Лицензия в предоставленных данных не указана.