I.11Классификация, ранжирование и сопоставление

Модель jkhan447/sarcasm-detection-Bert-base-uncased-CR — дообученная версия bert-base-uncased для классификации текста и выявления сарказма. Она содержит 136,7 млн параметров, построена на архитектуре BERT и принимает последовательности длиной до 512 токенов. На указанном в карточке наборе для оценки достигла точности 0,7187; подробности о данных и методике оценки не приведены. Модель можно применять для автоматической разметки саркастичных высказываний в текстах. В карточке указана лицензия Apache-2.0. Область применения и ограничения сверх приведённых результатов не описаны.

HassanB4/t1_s3_arabert_twitter_text_target — арабоязычный классификатор выявления позиции автора твита по отношению к заданной теме. Модель разработана для Track 1 (Seen Targets) соревнования StanceEval-2026 в рамках ArabicNLP 2026 и дообучена на aubmindlab/bert-base-arabertv02-twitter, модели AraBERT на архитектуре BERT, предварительно обученной на твитах и диалектной речи. На вход подаются арабский твит и целевая тема; на выходе — метка Favor, Against или None, означающая поддержку, неприятие либо нейтральную, не относящуюся к теме или неясную позицию. Обучение и оценка проводились на твитах о вакцине от COVID-19, цифровой трансформации и расширении прав женщин; README сообщает результат 81,45 Favg2 на dev-наборе. Модель имеет 162,4 млн параметров, контекст до 512 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Она рассчитана на темы, встречавшиеся при обучении, поэтому качество на новых темах не подтверждено.

cosmo3769/tiny-bart-test — небольшая модель классификации последовательностей на архитектуре BART, опубликованная пользователем cosmo3769 на Hugging Face. Метаданные указывают класс BartForSequenceClassification и около 1,6 млн параметров; модель принимает текст и выдаёт метки классов. Заявленное назначение — классификация текста. Карточка модели автоматически сгенерирована и не описывает конкретные сценарии, языки, обучение или оценку качества. Лицензия и базовая модель в доступных данных не указаны, поэтому происхождение модели и условия её использования установить нельзя.

UIClip — мультимодальная модель BigLab для оценки скриншотов пользовательских интерфейсов по текстовому описанию. Она сопоставляет изображение интерфейса с текстом, чтобы оценить визуальное соответствие описанию и качество дизайна; также может формировать текстовые рекомендации по улучшению дизайна, как описано в публикации о модели. Модель построена на архитектуре CLIP с двумя Transformer-энкодерами и дообучена на наборе интерфейсов, собранном с помощью автоматического обхода сайтов, синтетического расширения данных и оценок людей. Её применяют для оценки результатов генерации UI-кода, подсказок по дизайну и поиска примеров интерфейсов с учётом качества. Модель рассчитана на английский язык; в метаданных указана задача zero-shot image classification, поэтому для каталога она классифицируется по этому pipeline. В публикации авторы сообщают о более высоком согласии оценок модели с ранжированием 12 дизайнеров по сравнению с рассмотренными базовыми методами. Лицензия — MIT. Модель оценивает визуальное соответствие и качество по изученным данным, поэтому её баллы и рекомендации не следует считать заменой пользовательского тестирования или экспертной оценки.

Модель tiantiaf/whisper-large-v3-narrow-accent предназначена для классификации узких категорий английского акцента в аудиозаписи. Она реализует подход к классификации акцентов из бенчмарка Vox-Profile и дообучена на основе openai/whisper-large-v3; репозиторий использует Transformers и формат safetensors. Модель относит речь к одной из 16 категорий, включая региональные группы и языковые влияния: например, North America, Irish, Slavic и South Asia. Её можно применять для анализа особенностей произношения и характеристики речи говорящих. Карточка отмечает, что синтезированная речь TTS чаще распознаётся как Germanic. Указана лицензия OpenRAIL. Описание охватывает английские акценты; результаты на синтезированной речи могут смещаться в сторону категории Germanic.

xlm-r-large-en-ko-nli-ststb — модель sentence-transformers, обученная командой Sentence Transformers на архитектуре XLM-RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 658,7 млн параметров, поддерживает контекст до 514 токенов и доступна в форматах PyTorch, TensorFlow, ONNX и OpenVINO. Модель предназначена для получения текстовых эмбеддингов и поиска сходства между предложениями. В README она отмечена как устаревшая: качество эмбеддингов низкое, и авторы не рекомендуют её использовать. Лицензия — Apache-2.0.

Kuongan/xlm-roberta-base-swa-finetuned — дообученная Kuongan версия XLM-RoBERTa Base для классификации текста. Модель построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; максимальная длина контекста — 514 токенов. Доступна в формате safetensors и распространяется по лицензии MIT. Модель предназначена для задач классификации последовательностей. В карточке приведены результаты оценки: loss 0,3626, F1 0,2049, ROC AUC 0,5682 и accuracy 0,4428. Название набора данных указано как None, а описание назначения, обучающих данных и ограничений не приведено, поэтому область применения и качество для конкретных классов по этим сведениям определить нельзя.

Fer1155453/xlm-roberta-sarcasmo — модель классификации текста, дообученная автором на базе FacebookAI/xlm-roberta-large. По названию репозитория она предназначена для определения сарказма в тексте. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и рассчитана на контекст до 514 токенов. В README приведены результаты на тестовой выборке: F1 Macro 0,9288, F1 Weighted 0,9318, F1 Binary 0,9137 и accuracy 0,9319. Карточка не сообщает состав и язык датасета, поэтому эти показатели нельзя переносить на другие языки и типы текста без проверки. Модель распространяется по лицензии MIT.

CMB-ClimateModernBERT/A_CX_LRD — англоязычная encoder-only модель семейства ModernBERT, разработанная авторами проекта ClimateModernBERT посредством дополнительного предобучения ModernBERT-Base на академических текстах о климате. Модель содержит 149 млн параметров, использует архитектуру ModernBertForMaskedLM и принимает контекст до 8192 токенов. Основная задача модели — заполнение маскированных пропусков в тексте; её также можно дообучать для классификации, многометочной разметки и поиска по климатическим текстам. Модель предназначена для исследований в области обработки естественного языка о климате: научных статей, корпоративной климатической отчётности, документов по политике и новостей. В опубликованной оценке она показала средний F1 74,4 по девяти климатическим NLP-бенчмаркам. Авторы рекомендуют для общего использования объединённую модель Merge_Soup_LRD с более высоким средним F1. Это masked language model, а не диалоговая или инструкционная система; опубликованная оценка в основном охватывает предложения и фрагменты текста, поэтому возможности длинного контекста проверены ограниченно. Модель рассчитана только на английский язык. Лицензия модели в предоставленных сведениях не указана.

AniMUL-v1 — модель Джеффа Мо, созданная дообучением мультимодальной Qwen3-Omni-30B-A3B-Instruct от Alibaba. Она предназначена для классификации видов животных по аудиозаписям и общего описания звуков; генерировать звуки животных модель не умеет. В качестве основы использована архитектура Qwen3 Omni MoE, веса опубликованы в формате Safetensors. Модель принимает аудио и выдаёт текстовые описания или классификацию звуков. Для дообучения использован датасет EarthSpeciesProject/NatureLM-audio-training, описанный в карточке как набор из 26 миллионов пар «аудио—текст». Лицензия модели — Apache 2.0. Проект неофициальный и не связан с авторами базовой модели или датасета.

arabic-MARBERT-dialect-identification-city — модель классификации арабских текстов по городским диалектам, созданная дообучением MARBERT на корпусе MADAR Corpus 26. Она относит текст к одной из 26 категорий, соответствующих городам; пример применения — определение диалекта коротких фраз. Модель построена на архитектуре BERT, содержит 190 млн параметров и рассчитана на контекст до 512 токенов. Принимает арабский текст и выдаёт метку класса с оценкой уверенности. В карточке не указана лицензия.

raruidol/ArgumentMining-EN-ARI-AIF-RoBERTa_L — англоязычная модель классификации отношений между аргументами, разработанная на основе RoBERTa-large и обученная для задачи Argument Relation Identification (ARI) на корпусах US2016 и QT30. Она определяет, являются ли пары аргументов не связанными, отношением вывода, конфликтом или перефразированием. Модель предназначена для автоматического анализа аргументации в текстах и оценки связей между аргументами. В README указана macro-F1 0,70 для четырёхклассовой классификации. Архитектура — RoBERTa для классификации последовательностей, размер — 454,1 млн параметров, максимальный контекст — 514 токенов. Поддерживаемый язык — английский. Модель опубликована под лицензией CC BY-NC-SA 4.0. Качество зависит от предметной области и соответствия входных данных корпусам обучения; заявлена оценка на тестовых данных, поэтому она не гарантирует такую же точность на других типах текстов.

CMB-ClimateModernBERT/A_S_CX — англоязычная encoder-only модель семейства ModernBERT, разработанная в рамках проекта ClimateModernBERT. Это чекпойнт ModernBERT-Base на 149 млн параметров, дообученный продолжением предобучения на академических и синтетических климатических текстах. Модель использует архитектуру ModernBertForMaskedLM, работает с контекстом до 8192 токенов и предназначена для заполнения маскированных пропусков, получения представлений климатических текстов и последующего дообучения для классификации, многометочной разметки и поиска. Модель рассчитана на исследовательские и прикладные задачи климатического NLP: анализ научной литературы, новостей, корпоративных раскрытий и документов климатической политики. В описанной авторами оценке на девяти климатических бенчмарках средний F1 составил 74,8; результат зависит от задачи и настройки последующего дообучения. Это маскированная языковая модель, а не чат-бот: она не следует инструкциям и не гарантирует достоверность климатических утверждений. Данные обучения включали синтетические тексты, влияние которых различается в зависимости от задачи. Лицензия в предоставленных сведениях не указана.

Assertiveness_binary — англоязычная модель классификации текста, созданная дообучением microsoft/deberta-v3-base. Она предназначена для бинарной классификации текстов по напористости. Модель построена на архитектуре DeBERTa V2 и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. В README приведены результаты оценки: accuracy 0,6077, precision 0,6075, recall 0,6060, F1 0,6067 и AUC 0,6514. Эти показатели указывают на умеренное качество в указанной оценке; README не описывает набор данных и подробности разметки. Модель распространяется по лицензии MIT.

Модель 7k8k7/bert-base-uncased-finetuned-swag — дообученная версия BERT-base-uncased от Google для задачи multiple choice: она оценивает варианты ответа в контексте и выбирает наиболее подходящий. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает текстовые входные данные с максимальной длиной контекста 512 токенов. В README приведены результаты оценки: accuracy 0,8005 и loss 0,8480; обучающий датасет не установлен. Модель распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения и ограничения качества.

rasyosef/bert-mini-amharic — компактная модель семейства BERT для амхарского языка, обученная с нуля на подвыборках OSCAR и mC4. Она использует архитектуру BertForMaskedLM, содержит 11,5 млн параметров по метаданным и принимает последовательности длиной до 512 токенов. Токенизатор с амхарским словарём из 24 тысяч токенов обучен на том же корпусе; в предобучении использовано 137 млн токенов. Основная задача модели — предсказание замаскированных токенов, что подходит для языкового моделирования и служит основой для дообучения на классификацию тональности, распознавание именованных сущностей и классификацию новостей. В опубликованных результатах модель уступает более крупным амхарским моделям, но показывает близкое качество при существенно меньшем размере. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

YesayaAlvinK/bible-search-project — sentence-transformers-модель на базе indobenchmark/indobert-base-p1, дообученная для поиска семантически близких предложений и абзацев. Она кодирует текст в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства; архитектура включает BertModel и mean pooling. Модель рассчитана прежде всего на индонезийский текст: обучающие примеры состоят из парафраз библейских фрагментов. Максимальная длина входа — 512 токенов. Модель подходит для поиска релевантных библейских отрывков по запросу и сопоставления перефразированных фрагментов. Она принимает текст и выдаёт векторные представления, но сама не генерирует ответы. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

sowthri-industrial-ai/blending-embedder — дообученная модель Sentence Transformers на базе BAAI/bge-base-en-v1.5, разработанная sowthri-industrial-ai. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 768 и предназначена для поиска релевантных фрагментов и сравнения текстов по косинусному сходству. Архитектура состоит из BERT-энкодера, объединения представлений CLS-токена и нормализации векторов. Модель подходит для семантического поиска и извлечения фрагментов в системах RAG. Обучающий набор содержит 371 пару текстов, посвящённых биодизелю и его перевозке, поэтому её специализация на таких материалах вероятна, хотя README не описывает её как строго отраслевую модель. Метаданные указывают 512 токенов контекста, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов. Лицензия в предоставленных данных не указана.

aurantium/clip-ViT-B-32-multilingual-v1 — репозиторий с весами ONNX для использования через Transformers.js. README указывает, что ONNX-веса вынесены в отдельный репозиторий как временное решение для поддержки работы в веб-среде. Метаданные описывают архитектуру как DistilBERT и задают контекст до 512 токенов; задача модели — извлечение признаков. Данных о разработчике исходной модели, языках и прикладных сценариях в предоставленной карточке нет.

CRAB_COPA_KUCI_Albert_Base_finetuned — модель Ariffiq99, дообученная на базе Ariffiq99/COPA_KUCI_albert_base_finetuned для выбора одного ответа из нескольких вариантов. Она использует плотную архитектуру ALBERT и содержит 136,3 млн параметров; максимальная длина контекста — 512 токенов. В README приведены результаты оценки: loss 1,0723 и F1 0,7417, однако набор данных и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

yochen/distilroberta-base-finetuned-marktextepoch_200 — модель классификации текста на базе архитектуры RoBERTa, содержащая 95,2 млн параметров. Карточка сообщает, что модель обучалась с нуля на неизвестном наборе данных, но не описывает метки классов, область применения или результаты оценки. Модель принимает текст и выдаёт результат классификации. Контекст составляет до 514 токенов. В метаданных указан формат PyTorch. Лицензия и поддерживаемые естественные языки не приведены, поэтому конкретные сценарии и качество классификации оценить нельзя.

Earlybird — англоязычный классификатор для определения, написан ли текст человеком или сгенерирован ИИ. Модель разработана Noumenon Labs на базе DistilRoBERTa и дообучена на наборе Mega-WORM, объединяющем несколько открытых коллекций. В метаданных указаны 95,2 млн параметров, архитектура RoBERTa для классификации последовательностей и формат safetensors. Модель предназначена для быстрой проверки текстов в системах модерации, проверки академической добросовестности и фильтрации спама. Она принимает текст и выдаёт метку класса; контекст составляет около 512 токенов. По данным README, точность на текстах от 100 слов выше, чем на коротких фрагментах, а заявленная общая точность — 89,43%. Лицензия — MIT. Модель нестабильна на текстах короче 100 слов, а формальный академический стиль может приводить к ложной классификации человеческого текста как сгенерированного ИИ.

Модель ecareCRABxlmrobertalargefinetuned — дообученная версия Ariffiq99/CRAB_xlm_roberta_large_finetuned на базе XLM-RoBERTa Large. Она предназначена для задач с выбором одного ответа из нескольких вариантов. Размер модели — 658,7 млн параметров, максимальная длина контекста — 514 токенов; веса представлены в формате safetensors. В README приведены результаты оценки: loss 0,6088 и F1 0,7837. Область применения и состав обучающих данных в карточке не раскрыты, поэтому специфические сценарии использования определить нельзя. Репозиторий распространяется по лицензии MIT.

EstRoBERTa — модель обработки эстонского языка, разработанная tartuNLP и дообученная на базе XLM-RoBERTa base. Это плотная трансформерная модель с архитектурой XLM-RoBERTa и примерно 305,2 млн параметров; она принимает текст и может использоваться для извлечения признаков и предсказания замаскированных токенов. Контекст модели составляет до 514 токенов. Модель подходит для получения текстовых представлений и для задач, основанных на заполнении пропусков в эстонском тексте. Подробности об обучающих данных, метриках и ограничениях качества в карточке не приведены. Лицензия — CC BY 4.0.

MahmoodAnaam/flaird-modernbert-large-attention-single-task-frozen — модель классификации последовательностей на базе архитектуры FlairD, опубликованная в формате safetensors и использующая библиотеку Transformers. В README указано, что модель дообучена на неизвестном наборе данных; базовая модель и конкретные классы не названы. Модель предназначена для классификации текста. В карточке приведены результаты оценки: ROC-AUC 0,991, F1 0,966, F0.5u 0,985, C@1 0,936, среднее значение 0,967 и loss 0,0073. Описание применения, обучающих данных и ограничений в README отсутствует, поэтому область применения и переносимость метрик на другие данные неясны.

HeBERT — предварительно обученная языковая модель для иврита, разработанная авторами проекта HeBERT. Она построена на архитектуре Google BERT в конфигурации BERT-Base и содержит 136,7 млн параметров. Модель обучалась на ивритской части OSCAR, дампе Википедии на иврите и пользовательских комментариях с новостных сайтов. Доступны веса PyTorch и Flax; контекст ограничен 512 токенами. Основной режим этой версии — предсказание пропущенных токенов в тексте на иврите. HeBERT можно дообучать для прикладных задач; в карточке описаны эксперименты с анализом тональности и распознаванием эмоций, однако отмечено, что выпущена только модель для определения полярности, а распознавание эмоций пока не опубликовано. Лицензия в предоставленных данных не указана.

Это англоязычная модель классификации текста, созданная дообучением distilbert/distilbert-base-uncased. По названию репозитория она предназначена для определения, относится ли текст к еде, однако карточка не описывает метки и примеры данных. Модель построена на архитектуре DistilBERT и рассчитана на входные последовательности длиной до 512 токенов; её можно применять для классификации текстовых записей о продуктах или блюдах. В README приведены результаты оценки: loss 0,0005 и accuracy 1,0, но набор данных и методика оценки не раскрыты, поэтому эти показатели не позволяют судить о качестве на новых данных. Модель распространяется по лицензии Apache-2.0.

Многоязычная модель Will Horne, Alona O. Dolinsky и Lena Maria Huber для выявления предложений о политике, адресованных конкретным группам, в политических текстах. Это дообученная mDeBERTa-v3-base модель классификации последовательностей, использующая формат вывода естественно-языкового следования (NLI): текст политики сопоставляется с гипотезой о целевой группе. Модель содержит 306 млн параметров, принимает текстовые пары и поддерживает контекст до 512 токенов. Модель предназначена для анализа политических манифестов и политической коммуникации, включая сравнительные исследования и поиск предложений, ориентированных на определённые группы. Она выдаёт один из двух классов: наличие или отсутствие такой политики; категории вроде здравоохранения или образования она не определяет. В карточке приведены оценки на английском и немецком, а также проверка на переводных текстах на нидерландском, датском, испанском, французском, итальянском и шведском. Модель обучалась на предложениях из политических манифестов без окружающего контекста, поэтому перенос на другие типы текстов и политические условия может снизить качество. Результаты могут зависеть от языка и типа целевой группы; для чувствительных сценариев рекомендуется проверка человеком. Условия лицензии в предоставленных данных не указаны.

mitra-qwen35-embedder — плотная модель эмбеддингов для поиска в классической буддийской литературе, созданная командой Dharmamitra на базе Qwen3.5-9B. Модель прошла доменное продолжение предобучения, дообучение с учителем и контрастивное дообучение на параллельных данных; в финальном этапе использовались сложные негативные примеры из сценариев исследовательского поиска. Модель предназначена для межъязыкового поиска параллельных мест: она сопоставляет предложение на одном классическом языке с фрагментом на другом, а также поддерживает поиск по запросу на английском и извлечение фрагмента-перевода. Размер — 7,2 млрд параметров по метаданным, размерность эмбеддинга — 4096, контекст — до 262 144 токенов. Использует архитектуру Qwen3.5 Text и библиотеку Transformers. Для запросов требуется инструкция в шаблоне; документы подаются как обычный текст. Качество зависит от EOS-токена, левого дополнения и pooling по последнему токену. Тибетский поддерживается письмом и транслитерацией Уайли, санскрит и пали — романизацией IAST, китайский — китайским письмом. В карточке приведены результаты собственных оценок на бенчмарке поиска параллельных текстов, включая сложную настройку с 25 000 отвлекающих фрагментов. Модель распространяется по лицензии Apache-2.0.

ModBERTBr — дообученная модель семейства ModernBERT, подготовленная для бразильского португальского языка. Она основана на answerdotai/ModernBERT-base и дополнительно предварительно обучена на корпусе BrWac и португальской части Википедии; для неё создан собственный токенизатор на основе алгоритма Unigram. Модель предназначена для задач заполнения пропусков в тексте на португальском языке и может использоваться как encoder в прикладных решениях понимания текста. Это плотная архитектура ModernBertForMaskedLM с 135,5 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса в формате safetensors; для работы README рекомендует библиотеку Transformers версии 4.48.0 или новее. Лицензия — Apache-2.0.