I.11Классификация, ранжирование и сопоставление

jhu-clsp/ettin-encoder-400m — англоязычная модель-энкодер семейства Ettin, разработанная исследователями Johns Hopkins University Center for Language and Speech Processing. Это плотная архитектура ModernBERT с примерно 394,7 млн параметров, обученная для masked language modeling; она принимает текст и предсказывает замаскированные токены. Максимальная длина контекста — 7 999 токенов. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения на задачах классификации и извлечения представлений. В описании семейства Ettin сообщается о результатах энкодеров на GLUE, поиске по английским текстам и коде; эти показатели относятся к семейству и не гарантируют такого же качества именно у этого чекпойнта. Веса доступны в формате PyTorch. Лицензия MIT разрешает использование, изменение и распространение с соблюдением её условий. Модель обучена преимущественно на английском языке, поэтому её применимость к другим языкам не подтверждена. Как энкодер для masked language modeling она не предназначена для свободной генерации длинных текстов.

EUUkraine — дообученный бинарный классификатор на базе jhu-clsp/mmBERT-base, разработанный для определения, посвящено ли предложение из парламентской речи Европейскому союзу. Модель обучена на вручную размеченных парламентских выступлениях, включая данные Верховной рады Украины и других европейских парламентов; она относит предложения к классам «о ЕС» и «не о ЕС». Архитектура — ModernBERT для классификации последовательностей, размер — 306,9 млн параметров, максимальный контекст по метаданным — 8192 токена. В обучении использовалась длина последовательности 320 токенов. Модель предназначена для исследований парламентской риторики и анализа упоминаний ЕС в корпусах выступлений. Многоязычная база позволяет работать с речами разных европейских парламентов, однако качество для конкретного языка или парламента зависит от охвата обучающих данных и схемы разметки. Предварительные оценки распространённости тем желательно калибровать на выборке, отражающей реальные базовые частоты. Лицензия — MIT.

MahmoodAnaam/flaird-modernbert-large-attention-single-task — дообученная модель классификации последовательностей на базе архитектуры FlairD. Она предназначена для отнесения текста к одному из классов; конкретная предметная область, набор меток и обучающие данные в карточке не раскрыты. Модель опубликована в формате safetensors и использует библиотеку Transformers. В README приведены результаты оценки: loss 0,0018, ROC-AUC 0,999, C@1 0,987, F1 0,993, F0.5u 0,997 и средняя метрика 0,994. По этим значениям нельзя определить качество на других данных или понять, что означают все использованные метрики. Лицензия и подробные сведения о базовой модели не приведены.

ChangeIsKey/graded-wsd — англоязычная модель RoBERTa-Large, дообученная для градуированной семантической дизамбигуации слов. Она оценивает по шкале от 1 до 4, насколько заданное словарное значение подходит целевому слову в контексте. На вход подаются контекстное предложение, целевое слово и определение; модель выдаёт непрерывную оценку соответствия. Для обучения использован размеченный корпус значений Oxford English Dictionary, а целевое слово отмечается специальными токенами. Модель подходит для лексикографии, компьютерной лингвистики и анализа исторических текстов. В основе — RoBERTa-Large с 454,1 млн параметров и контекстом до 514 токенов; веса представлены в формате safetensors. Карточка описывает дообучение на одном корпусе и оценку по RMSE, поэтому качество на других словарях и жанрах может отличаться. Лицензия в предоставленных данных не указана.

IMSyPP/hate_speech_nl — одноязычная модель классификации публикаций в социальных сетях на нидерландском языке. Она разработана на основе предварительно обученной языковой модели BERTje и дообучена для отнесения текста к одному из четырёх классов: приемлемый, неподобающий, оскорбительный или содержащий насилие. Модель обучали на 20 000 публикациях YouTube, Twitter и Facebook и проверяли на отдельной выборке из 2 000 публикаций. Модель использует архитектуру BERT для классификации последовательностей, принимает текст и выдаёт метку класса. Размер модели — 136,3 млн параметров, контекст — до 512 токенов. Для обработки текста рекомендуется токенизатор BERTje. Модель подходит для модерации нидерландоязычного контента в социальных сетях. Лицензия — MIT.

Hierarchical Attention Transformer (HAT) — модель семейства иерархических трансформеров, представленная Ильясом Халкидиcом и соавторами в работе об эффективной классификации длинных документов. Чекпойнт на 151,8 млн параметров инициализирован весами roberta-base и дополнительно обучен на задаче masked language modeling на длинных последовательностях из C4. В репозитории доступны веса PyTorch; лицензия — CC BY-SA 4.0. Модель принимает текст и предназначена для восстановления замаскированных токенов, а также для дообучения на задачах, где решение зависит от всего документа: классификации документов, классификации предложений и ответов на вопросы. HAT сочетает внимание внутри сегментов с межсегментным вниманием; README указывает поддержку последовательностей до 4096 токенов. Метаданные сообщают native context в 130 токенов, поэтому заявленный предел длины последовательности и значение контекста в метаданных расходятся. Модель обучалась на англоязычном C4 и рассчитана прежде всего на английский текст. Интернет-корпус содержит неотфильтрованный материал, поэтому предсказания могут быть смещёнными. Для прикладных задач модель обычно требуется дообучить.

HPLT/hplt_bert_base_ka — одноязычная модель-кодировщик для грузинского языка, выпущенная проектом HPLT. Это masked language model на архитектуре LTG-BERT, модификации классического BERT. Модель обучена на грузинском корпусе HPLT 1.2 и использует собственный токенизатор, подготовленный для этого языка. Архитектура примерно соответствует BERT-base: 12 слоёв, 12 голов внимания, скрытый размер 768 и словарь из 32 768 токенов; число параметров — 124,3 млн, контекст — до 512 токенов. Основная задача — предсказание замаскированных токенов; модель также подходит для классификации текста и токенов, ответов на вопросы и задач с выбором ответа. Для загрузки через Transformers требуется пользовательский код модели с параметром trust_remote_code=True. Промежуточные версии обучения доступны в отдельных ревизиях. Лицензия — Apache-2.0.

Imagination_continuous — дообученная модель классификации последовательностей на базе microsoft/deberta-v3-base, разработчик — ajrayman. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 и принимает текст; длина контекста — до 512 токенов. В карточке приведены результаты оценки: loss 0,0468, RMSE 0,2163, MAE 0,1724 и корреляция 0,2257. Модель предназначена для задачи text-classification. Описание не сообщает, какие именно классы или предметную область она охватывает, а обучающий набор данных обозначен как None, поэтому конкретные сценарии применения определить нельзя. Опубликована в формате safetensors и распространяется по лицензии MIT.

Intellect_binary — модель классификации текста, созданная ajrayman тонкой настройкой microsoft/deberta-v3-base. Она использует архитектуру DeBERTa V2 и содержит 211,6 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов и выдаёт результат классификации. Карточка не раскрывает названия классов и предметную область, поэтому назначение меток нельзя уточнить. В README приведены результаты оценки: accuracy 0,6488, precision 0,6455, recall 0,6584, F1 0,6519 и AUC 0,6932. Модель распространяется по лицензии MIT. Карточка не описывает обучающие данные и ограничения применения.

KUCIecareBertBasedUncasedFinetuned — модель на архитектуре BERT, дообученная Ariffiq99 на неизвестном наборе данных. Она предназначена для выбора ответа из нескольких вариантов по текстовому вопросу и вариантам ответа. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors. В карточке приведены результаты оценки: loss 1,1213 и F1 0,5413. Эти показатели относятся к указанному оценочному набору и сами по себе не позволяют судить о качестве на других данных. Модель опубликована по лицензии Apache-2.0.

xshubhamx выпустил дообученную модель xshubhamx/legal-bert-base-uncased на основе nlpaueb/legal-bert-base-uncased. Это BERT для классификации последовательностей с 136,7 млн параметров и контекстом до 512 токенов. Модель предназначена для классификации текстов; юридическая специализация унаследована от базовой модели, однако целевая задача и набор классов в карточке не раскрыты. В README приведены результаты оценки: accuracy 0,8203, F1 micro 0,8242 и F1 macro 0,7566. Датасет для дообучения обозначен как неизвестный, поэтому метрики нельзя уверенно переносить на конкретную юридическую задачу или набор данных. Модель опубликована в формате safetensors по лицензии CC BY-SA 4.0.

Lemone-Embed-M-Boost — модель векторных представлений текста, разработанная Louis Brulé Naudet для поиска по французским налоговым и правовым документам. Это дообученная версия intfloat/multilingual-e5-base на корпусе французских налоговых материалов, включая налоговый кодекс, процедуры налогообложения и документы BOFiP. Модель предназначена для семантического поиска и извлечения релевантных фрагментов в крупных корпусах, в том числе как компонент RAG-систем для налоговых и юридических процессов. Архитектура основана на XLM-RoBERTa и Sentence Transformers: среднее объединение токенных представлений с последующей нормализацией. Модель принимает текст и выдаёт плотные эмбеддинги размерностью 768; максимальная длина последовательности — 512 токенов. Для сравнения векторов используется косинусное сходство. Основной язык — французский. В README приведены результаты оценки поиска, однако они относятся к указанному тестовому набору и не гарантируют аналогичного качества на других корпусах. Модель распространяется по лицензии Apache-2.0. Она специализирована на французском налоговом домене, поэтому её пригодность для других тематик и языков не подтверждена представленными данными; при обработке длинных документов их потребуется разбивать на фрагменты с учётом ограничения длины контекста.

skeskinen/llama-lite-134m — компактная плотная авторегрессионная модель семейства Llama, разработанная skeskinen. В README указано, что версия с шириной 768 и примерно 134 млн параметров предназначена для создания эмбеддингов предложений; в метаданных указано 109,5 млн параметров и контекст 2048 токенов. Модель обучена на датасете Alpaca. Модель можно применять для получения векторных представлений предложений в задачах поиска и сравнения текстов. При этом в метаданных Hugging Face основная задача обозначена как генерация текста, а README не приводит способ извлечения эмбеддингов или результаты оценки качества. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Jeevesh8/long_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_6 — текстовая модель, опубликованная пользователем или организацией Jeevesh8 на Hugging Face. По идентификатору и данным для близких версий это BERT-base-uncased, дообученная для задачи QQP (Quora Question Pairs), то есть для классификации пар английских вопросов, в частности оценки их семантической эквивалентности. Модель предназначена для задач классификации текста и не является универсальной генеративной или мультимодальной моделью. Архитектура — BERT с двунаправленным Transformer-энкодером: 12 слоёв, 12 attention heads, hidden size 768, intermediate size 3072 и словарь размером 30522 токена. Указанная в имени длина последовательности — 128 токенов; базовая конфигурация BERT допускает до 512 позиций. Модель рассчитана на англоязычный текст без учёта регистра. Данные поиска не содержат надёжных сведений о точных метриках, параметрах обучения, дополнительных модальностях или сравнительных преимуществах именно версии ft_6. Сильная сторона модели — использование проверенной BERT-архитектуры и специализация на классификации пар вопросов. Ограничения включают узкую задачу, английскую языковую специализацию и ограничение длины входа, а также отсутствие подтверждённых сведений о качестве на конкретных наборах данных. Для этого производного репозитория лицензия явно не установлена; лицензию базовой модели нельзя автоматически считать лицензией данного чекпойнта.

Manifestoberta — модель на базе xlm-roberta-large, дообученная проектом Manifesto на примерно 1,6 млн размеченных высказываний из Manifesto Corpus версии 2023a. Она классифицирует текст по 56 политическим темам согласно схеме кодирования Manifesto Project, Handbook 4. Модель предназначена для анализа политических программ и других текстов: она присваивает текстовым фрагментам тематические категории. Архитектура — XLM-RoBERTa для классификации последовательностей; размер составляет 658,7 млн параметров, контекст — до 514 токенов. Модель поддерживает языки предварительно обученной XLM-RoBERTa и лучше всего работает на языках, представленных в Manifesto Corpus; карточка называет 38 таких языков. В README приведены результаты тестирования: точность sentence-модели — 0,57, а context-модели — 0,64. Модель полезна для количественного анализа политической повестки, но качество зависит от языка и контекста, а показатели тестирования показывают, что предсказания не всегда точны. Распространяется по лицензии BigScience OpenRAIL-M.

Это модель классификации текста на основе MARBERTv2, дообученная Ibrahim Amin, Mostafa Abbas, Rany Hatem, Andrew Ihab и Mohamed Waleed Fahkr для анализа египетского диалекта арабского языка. Она относит текст к одной из пяти категорий: нейтральный, оскорбительный, сексистский, расистский или содержащий религиозную дискриминацию. Модель предназначена для модерации контента, анализа языка в социальных сетях и исследований арабского языка в диалектном контексте. Модель использует архитектуру BERT и содержит 190 млн параметров; максимальная длина контекста — 512 токенов. Она принимает текст и выдаёт класс категории. Обучена на вручную размеченных текстах египетских социальных сетей. Распространяется по лицензии Apache-2.0.

MathLeap-Octen-8B — модель эмбеддингов объёмом около 8 млрд параметров, разработанная для поиска и сравнения математических текстов. Она дообучена командой uw-math-ai на Octen/Octen-Embedding-8B, которая, в свою очередь, основана на Qwen3-Embedding-8B. Модель использует архитектуру Qwen3 и выдаёт векторы размерности 4096; максимальная длина контекста — 40 960 токенов. Лицензия — Apache-2.0. Модель сопоставляет неформальные описания математических понятий, типы Lean 4 и полные объявления Lean 4, сближая эмбеддинги математически эквивалентных утверждений с разными формулировками. Она предназначена для семантического поиска по mathlib4, оценки сходства и извлечения признаков для математических NLP-сценариев, в том числе для поиска в системах RAG. В тестах на данных, близких к обучающим, дообучение улучшило поиск по mathlib; при этом результаты на задачах с разговорной математикой и Lean proof states оказались хуже базовой модели. Модель рассчитана на английский язык и специализированные математические тексты. Она не предназначена для генерации доказательств или ответов на открытые математические вопросы, не обучалась на тактических состояниях Lean и может хуже работать с текстами, существенно отличающимися от стиля обучающих данных. Результаты опубликованных оценок получены в одном запуске обучения, поэтому вариативность качества не изучена.

CalebMaresca/matrix-game-embeddings-ft-v1 — дообученная Caleb Maresca модель Sentence Transformers на базе Snowflake/snowflake-arctic-embed-l. Она кодирует предложения и абзацы в плотные векторы размерности 1024, нормализует их и сравнивает с помощью косинусного сходства. Архитектура основана на BERT с объединением CLS-токена; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов о настольной ролевой игре Matrix Game: в обучающей выборке запросы сопоставлялись с развёрнутыми фрагментами игровых материалов. Её также можно применять для поиска парафразов, кластеризации и классификации текстов, а эмбеддинги использовать в retrieval-системах. README приводит результаты оценки поиска, однако выборка мала — 370 пар, поэтому качество на других темах и типах текстов не подтверждено. Модель работает с текстом и выдаёт векторы; язык данных явно не указан. Репозиторий использует Sentence Transformers и формат safetensors. Лицензия в предоставленных данных отсутствует.

MiniLM-evidence-types — модель классификации текста, разработанная Marieke93 путём дообучения microsoft/MiniLM-L12-H384-uncased на наборе данных evidence types. Она определяет тип свидетельства в тексте и подходит для разметки фрагментов по категориям свидетельств в исследовательских и аналитических задачах. Модель построена на архитектуре BERT и содержит около 40 млн параметров. Она принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса. На тестовой выборке указаны accuracy 0,7161, macro F1 0,3726 и balanced accuracy 0,3616, поэтому качество заметно различается между классами. Лицензия — MIT.

InkeeJung/mistral-7b-arc-qlora-mc — это специализированная модель генерации текста на основе Mistral-7B-v0.1 от Mistral AI, дообученная InkeeJung для задач с вариантами ответа из набора ARC. Это не чат-ассистент: модель предназначена для сопоставления вариантов ответа с вопросом, а не для ведения диалога. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Для обучения применялась QLoRA с NF4 и адаптерами LoRA; опубликованные FP16-веса получены слиянием выбранного адаптера с исходной базовой моделью. В описанной оценке на ARC-Challenge модель показала 81,31% нормализованной точности на тесте из 1 172 вопросов. Основной сценарий — оценка ответов на вопросы с несколькими вариантами, в частности научных вопросов ARC-Challenge и ARC-Easy. Оценки вариантов задают относительное распределение и не являются калиброванной уверенностью. Обучение проверяло заданное правило текстового исключения пересечений, но не исключает семантическое сходство и загрязнение предобучающих данных. Лицензия — Apache-2.0.

Modesty_continuous — дообученная модель классификации последовательностей на базе microsoft/deberta-v3-base, опубликованная ajrayman. Она предназначена для оценки текста по непрерывной шкале: в карточке приведены метрики RMSE, MAE и корреляции, что указывает на регрессионную оценку, представленную через задачу text-classification в Hugging Face. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa V2 и принимает текст с контекстом до 512 токенов. На тестовом наборе указаны loss 0,0588, RMSE 0,2424, MAE 0,1959 и корреляция 0,3927. Назначение оценки, свойства обучающих данных и целевая область в карточке не раскрыты, поэтому пригодность модели для конкретного показателя или домена требует проверки. Лицензия — MIT.

vjosap/moralBERT-predict-fairness-in-text — модель классификации текста, опубликованная исследовательницей Вьосой Преники. Это один из отдельных чекпойнтов MoralBERT, предназначенных для выявления моральных ценностей в социальном дискурсе по теории моральных оснований: модель оценивает наличие измерения Fairness/Cheating (справедливость/обман) в тексте. Семейство MoralBERT основано на BERT и дообучено на размеченных текстах из социальных сетей; для этой модели доступна обработка текстового ввода и классификационные метки. Токенизатор BERT настроен на последовательности длиной до 512 токенов. Модель подходит для автоматической разметки высказываний и анализа моральной тематики в социальных дискуссиях. Исследовательские результаты MoralBERT показывают преимущество над лексиконными и рядом других базовых подходов на внутридоменных данных, однако перенос на иные домены может быть менее надёжным. Репозиторий распространяется по лицензии MIT. Карточка Hugging Face содержит минимум технической документации; подробности о точной конфигурации чекпойнта в ней не приведены.

MosaicBERT-Base — предобученная языковая модель семейства BERT, разработанная MosaicML. Это вариант с 136,7 млн параметров, обученный на последовательностях длиной 2048 токенов; в архитектуре используются ALiBi, FlashAttention и GeGLU, а токенизатор совместим с bert-base-uncased. Метаданные указывают максимальный родной контекст 512 токенов, поэтому заявленную в README длину обучения 2048 токенов следует отличать от этого значения конфигурации. Модель предназначена для дообучения на прикладных NLP-задачах и для исследований эффективного предобучения и длинноконтекстных текстовых представлений. В текущем виде поддерживает заполнение пропусков в тексте: по контексту предсказывает замаскированные токены. README сообщает, что ALiBi позволяет исследовать работу с последовательностями длиннее обучающих, но это требует подходящей настройки и не гарантирует качество на произвольной длине. Для загрузки с пользовательским кодом README требует параметр trust_remote_code=True и рекомендует фиксировать ревизию; реализация FlashAttention зависит от Triton и пользовательского кода PyTorch. Модель распространяется по лицензии Apache-2.0. Она рассчитана на дальнейшее дообучение, поэтому без настройки на конкретную задачу не следует считать её универсальным чат-ботом или готовой прикладной системой.

matmei/MulticlassReaction — модель классификации последовательностей на базе DistilBERT, дообученная на наборе данных, название которого в карточке указано как None. Она предназначена для отнесения текста к одному из классов; название задачи MulticlassReaction указывает на многоклассовую классификацию реакций, однако карточка не уточняет тип входного текста и значения классов. Модель использует архитектуру DistilBertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов. В README приведено значение loss 0,5756 на оценочном наборе, но не описаны состав классов, обучающие данные или практическая точность. Распространяется по лицензии Apache-2.0.

В репозитории ToddBB/MyAwesomeModel-TestRepo заявлена модель MyAwesomeModel, однако карточка не позволяет надёжно установить реальные возможности и характеристики именно этой модели. В ней приведены общие утверждения о рассуждениях, генерации кода и вызове функций, но они не подтверждены описанием архитектуры или доступными результатами для этого репозитория. Метаданные указывают на задачу извлечения признаков, архитектуру BERT и библиотеку Transformers; лицензия — MIT. Поэтому назначение модели описывается только как извлечение признаков, без переноса на неё неподтверждённых заявлений карточки.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-qlora на Hugging Face совпадает с карточкой nityaak/phi4-14b-stance-matrix-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak/phi4-14b-stance-matrix-ezstance-qlora — дообученная nityaak версия unsloth/phi-4-unsloth-bnb-4bit. Это плотная языковая модель архитектуры Llama с 14,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; название указывает на настройку для задач определения позиции по схеме stance matrix / EZStance, но README не описывает её поведение и качество подробно. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в формате safetensors. Лицензия — Apache-2.0.

PuritySanctity_binary — англоязычная модель классификации текста, созданная дообучением microsoft/deberta-v3-base. Она использует архитектуру DeBERTa v2 с головой классификации последовательностей и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для бинарной классификации текстов, однако конкретные классы и область применения в карточке не раскрыты. В README приведены результаты оценки: accuracy 0,6327, precision 0,7235, recall 0,4278, F1 0,5377 и AUC 0,7233. Модель распространяется в формате Safetensors по лицензии MIT. Данных о составе обучающего набора и конкретных ограничениях применения карточка не сообщает.

RaceBench-MiniCPM5 — языковая модель, разработанная Sai Dutta, представляет собой полноразмерную дообученную версию openbmb/MiniCPM5-1B на датасете RaceBench. Модель предназначена для генерации текста и задач, требующих многошагового рассуждения, включая анализ, планирование и классификацию. Она ориентирована на англоязычные сценарии и поставляется как reference checkpoint для RaceBench. Модель имеет размер 1 млрд параметров, работает в текстовой модальности и использует формат fp16; также доступны GGUF-квантизации от Q2_K до F16. Контекст модели в README не указан. По сравнению с базовой MiniCPM5-1B она показала статистически значимое улучшение на BBH на 2,74 процентного пункта, но заметное ухудшение на GSM8K на 9,93 пункта и небольшое снижение на MMLU. Поэтому она подходит для reasoning-heavy задач без существенной математической нагрузки, но может быть слабее базовой модели в арифметике, численном рассуждении, преобразовании единиц и аргументах вызова инструментов. Instruction-following и генерация кода не оценивались, поэтому делать выводы о таких сценариях нельзя. Модель распространяется по лицензии Apache-2.0; данные RaceBench имеют лицензию MIT. Для использования через Transformers требуется trust_remote_code=True.

rcme-tol-vit-base-patch16 — модель MVRL, представленная в работе Global and Local Entailment Learning for Natural World Imagery. Это vision-language-модель на основе ViT с патчами 16×16, использующая радиальные кросс-модальные эмбеддинги (RCME) для явного представления транзитивных отношений и иерархии понятий. Модель предназначена для классификации видов по изображениям и поиска по иерархии живых организмов; метаданные Hugging Face указывают задачу zero-shot image classification. В опубликованных экспериментах авторы сообщают об улучшении результатов на иерархической классификации видов и поиске по сравнению с существующими моделями. Модель принимает изображения и текстовые описания классов, а для сравнения и классификации использует совместное vision-language-представление. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия — MIT. Карточка не сообщает размер модели, длину контекста или поддерживаемые естественные языки.

SEA-CLIP-Tiny-abl-cc12m — экспериментальный вариант мультиязычной модели CLIP от автора репозитория fassabilf, представленный как одна из строк абляционного исследования SEA-CLIP-Tiny (ACCV 2026). Модель обучена только на CC12M; архитектура и гиперпараметры совпадают с основной моделью. Она предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по текстовым меткам без отдельного обучения на целевых классах. Модель использует визуальный энкодер ViT-T/16 и 12-слойный текстовый энкодер шириной 384, общий размер эмбеддинга — 512; всего 46,11 млн параметров. Контекст токенизатора CLIP BPE — 77 токенов. Поддерживаются английский и ряд языков Юго-Восточной Азии. В приведённых результатах zero-shot точность на ImageNet составляет 40,0%, а средний R@1 на трёх наборах для межъязыкового поиска — 1,1%; это указывает на ограниченную эффективность в указанных тестах. Лицензия — MIT.