I.11Классификация, ранжирование и сопоставление

Модель Danish BERT for emotion detection разработана Alexandra Institute и предназначена для бинарной классификации датского текста: определяет, является ли текст эмоциональным. Это дообученная на вручную размеченных данных из социальных сетей модель BERT, основанная на предварительно обученном датском BERT от BotXO. Она подходит для анализа коротких публикаций и сообщений на датском языке. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. Обучающие данные были подготовлены совместно с Danmarks Radio и публично не опубликованы. Лицензия — Apache-2.0.

YoichiTakenaka/deverta-v3-japanese-large-Trust — модель классификации японского текста на основе DeBERTa V2, предназначенная для определения наличия эмоции доверия (Trust). Это один из восьми отдельно дообученных классификаторов эмоций, описанных в пакете DeBERTa Emotion Predictor; модель выдаёт метку и уверенность для положительного класса. Модель принимает отдельный текст или набор текстов и рассчитана на японский язык. В карточке указаны 451,8 млн параметров, контекст до 512 токенов и формат safetensors. Пакет обрабатывает несколько эмоций отдельными моделями, загружая их по мере необходимости, чтобы снизить использование видеопамяти. Модель подходит для анализа эмоциональной окраски японских сообщений и текстов. Лицензия — CC BY-SA 4.0; для использования и распространения следует соблюдать её условия.

Distil Labs разработала эту компактную модель на основе Gemma 3 1B IT для определения, написан ли текст человеком или сгенерирован ИИ. Это дообученная плотная авторегрессионная модель Gemma3ForCausalLM с 257 млн параметров по метаданным и контекстом до 32 768 токенов; README округляет размер до 270 млн параметров. Модель принимает текст и выдаёт текстовую метку, например human_written. Она рассчитана на короткие и средние фрагменты на английском языке и может работать локально, в том числе в браузерных расширениях, чтобы анализировать текст без отправки на сервер. В карточке заявлены высокая точность на тестовых данных и результаты проверки на комментариях Reddit, ответах ChatGPT и сообщениях в соцсетях; эти показатели относятся к данным и оценке автора. Модель может ошибочно принять формальный человеческий текст, например деловые письма и академические тексты, за сгенерированный ИИ. Лицензия — Gemma; перед использованием следует учитывать условия лицензии Google Gemma.

DroidDetect-Base-Binary — модель классификации текста от project-droid, дообученная на answerdotai/ModernBERT-base для различения кода, написанного человеком, и кода, сгенерированного ИИ. Она обучена на отфильтрованной выборке DroidCollection и предсказывает один из двух классов: HUMAN_GENERATED или MACHINE_GENERATED. При обучении использовалась комбинация Cross-Entropy Loss и Batch-Hard Triplet Loss: дополнительная контрастивная составляющая помогает разделять представления двух классов. Модель предназначена для автоматической проверки фрагментов кода; базовая ModernBERT-base — англоязычный энкодер BERT-типа на 149 млн параметров. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Классификатор различает только два заданных класса и не объясняет, какие признаки повлияли на результат. Его предсказания не следует считать гарантированным доказательством авторства кода.

Модель edos-2023-baseline-roberta-base-label_sexist — дообученная версия RoBERTa-base для классификации текста. В README приведён результат оценки на тестовой выборке: F1 0,8048 и loss 0,4729. Назначение по названию модели — выявление сексистских высказываний; подробности о метках и обучающем наборе данных в карточке отсутствуют. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется под лицензией MIT.

Ember-1 — специализированная reasoning-модель от Fireworks Research на базе Kimi K3. Она предназначена для решения задач рассуждения с более короткими цепочками рассуждений; в карточке указано, что модель использует примерно на 40% меньше токенов для этих цепочек. Идентификатор модели и доступные сведения не позволяют уточнить другие характеристики или сценарии применения.

Tactus Mat — специализированная модель Eximius Labs для преобразования данных с матрицы давления тела в векторное представление, сопоставимое с текстовыми запросами. Она дообучена на базе EximiusLabs/fusion-embedding-2-2b-preview; текстовое пространство базовой модели остаётся замороженным. Модель принимает кадры датчика Vista Medical FSA размером 64×32, нормализованные в диапазон [0, 1], и выдаёт L2-нормированный вектор размерности 2048. Во время обучения использовались последовательности из восьми кадров; карточка также описывает распознавание отдельных кадров и временной поиск по сессии. Модель предназначена для распознавания поз и поиска событий на мате давления по свободно сформулированным текстовым запросам. Вместо выбора только из заранее заданных классов она ранжирует описания поз и может сопоставлять данные с фразами, не встречавшимися при обучении. В README приведены результаты на отложенных участниках PhysioNet PmatData: средняя точность top-1 для 17 позиций — 0,957, а для top-3 — 0,993 по пяти запускам. В README отмечена систематическая путаница для двух поз лёжа на спине с поднятым коленом, которые модель может ранжировать как положение на боку; интерпретация зависит от таксономии меток набора данных. Обучение и результаты описаны для конкретного датчика и профиля Vista Medical FSA, поэтому перенос на другие матрицы давления требует отдельной настройки. Лицензия репозитория — ODC-BY.

Модель michelleli99/inappropriate_text_classifier разработана на основе DistilBERT и дообучена для классификации текста по двум классам: NSFW (неподходящий или непрофессиональный текст) и SFW. Она предназначена для фильтрации публикаций и сообщений, например постов Reddit, по признаку уместности содержания. Модель обучена на 19 604 публикациях Reddit из Comprehensive Abusiveness Detection Dataset. Это текстовый классификатор на базе DistilBERT с контекстом до 512 токенов, доступный в формате PyTorch. Лицензия — CreativeML OpenRAIL-M. Классификатор может помогать модерировать текстовые публикации, однако его вывод ограничен бинарной оценкой и может не совпадать с контекстной оценкой уместности. Обучающие данные связаны с Reddit, поэтому качество на других источниках и жанрах может различаться.

jiosephlee дообучил Intern-S1-mini-lm на датасете записей исследований биодоступности, создав версию v27 L3. Это плотная причинная языковая модель семейства Qwen3 с 7,6 млрд параметров, представленная в формате safetensors и рассчитанная на контекст до 65 536 токенов. Метаданные указывают поддержку чата и генерации текста. Модель предназначена для переноса между анализами пероральной биодоступности и выбора записей, близких к запросу: контрольная точка выбрана по метрике knn_regression_mae_at_5. В описанной оценке она показала значение 0,776693 против 0,989952 у Morgan vanilla и 1,002469 у Morgan weighted. Оценка включала по 500 полных запросов с известными идентификаторами в валидационном и тестовом наборах; 25 запросов вне распределения в каждом наборе исключили из-за отсутствия обучающих примеров и требований оценщика. Для использования подходят запросы и ответы в текстовом или чат-формате, связанные с переносом результатов исследований биодоступности. Оценка не подтверждает качество на запросах вне обучающего покрытия. Лицензия указана как other; дополнительных условий в доступных данных нет.

Модель lupobricco/irony_classification_single_label_base — дообученная версия итальянской языковой модели Musixmatch/umberto-commoncrawl-cased-v1 на классификацию текста по метке иронии. Она предназначена для определения ироничных высказываний в текстовых данных. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров; длина контекста составляет 514 токенов. В README приведены результаты на оценочной выборке: accuracy 0,6227 и F1 0,5853. Данные о наборе для обучения и подробности использования в карточке не раскрыты. Репозиторий содержит веса в формате safetensors. Лицензия не указана в доступных данных.

KUCI_xlm_roberta_large_Finetuned — модель XLM-RoBERTa large, дообученная автором репозитория на датасете, который в карточке не назван. Она предназначена для выбора правильного варианта ответа в задачах multiple choice. В метаданных указаны архитектура XLMRobertaForMultipleChoice, 658,7 млн параметров, контекст до 514 токенов и формат safetensors. В оценке на тестовом наборе указаны loss 0,8479 и F1 0,8503, но описание набора и протокола оценки отсутствует. Базовая модель XLM-RoBERTa рассчитана на 100 языков; конкретные языки и специализация этой версии не уточнены. Модель распространяется по лицензии MIT.

Liberalism_binary — модель классификации последовательностей, разработанная ajrayman и дообученная на базе microsoft/deberta-v3-base. Она предназначена для бинарной классификации текста по теме либерализма; README не уточняет названия классов и состав обучающего набора. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa V2 для классификации последовательностей и принимает текст с контекстом до 512 токенов. На оценочном наборе в карточке указаны accuracy 0,6389, precision 0,7435, recall 0,4254, F1 0,5411 и AUC 0,7224. Модель распространяется по лицензии MIT. Карточка не описывает обучающие данные и ограничения применения, поэтому переносить результаты на другие тексты следует с осторожностью.

Matteo Fasulo разработал эту многоязычную модель для определения позиции комментария по отношению к заданному политическому вопросу. Она дообучена на базе microsoft/mdeberta-v3-base на датасете ZurichNLP/x_stance и использует архитектуру DeBERTa V2 для классификации пары текстов. Размер модели — 306 млн параметров, максимальная длина контекста — 512 токенов. Модель присваивает один из двух классов: FAVOR, если комментарий поддерживает вопрос, и AGAINST, если выступает против него. Она предназначена для анализа политических дебатов, включая многоязычную классификацию позиций и перенос между языками. Обучение охватывало преимущественно немецкие, французские и итальянские дебаты в Швейцарии; карточка также указывает поддержку английского языка. На валидационной выборке указаны accuracy 79,15% и macro F1 79,12%; результаты на тесте X-Stance зависят от языка и сценария оценки. Модель не определяет нейтральную позицию, фактическую достоверность, политическую принадлежность или токсичность. Сарказм и перенос за пределы политических дебатов могут ухудшать качество. Лицензия — MIT.

Модель friedrice231/MemeDetector_SG — дообученная версия Swin-Tiny от Microsoft для классификации изображений. Она принимает изображение и предсказывает класс; модель обучена на наборе данных imagefolder. В README указана точность 0,9476 и значение функции потерь 0,1349 на оценочной выборке. Модель основана на архитектуре Swin Transformer и содержит около 33 млн параметров. Репозиторий использует формат safetensors. Лицензия — Apache-2.0. В доступной карточке не описаны набор классов и конкретные сценарии применения, поэтому назначение «детектор мемов» из идентификатора репозитория подтвердить нельзя.

Merge_DARE_D07_LRD — англоязычный климатический энкодер из семейства ClimateModernBERT, разработанного для исследований обработки текстов о климате. Модель основана на ModernBERT-Base и прошла дальнейшее предобучение на корпусе из академических публикаций, синтетических текстов и веб-материалов о климате; в метаданных указано 149 млн параметров и контекст до 8192 токенов. Это masked language model для заполнения пропусков, которую также можно дообучать для классификации, многометочной разметки и поиска по климатическим текстам. В README сообщается о среднем F1 74,3 на девяти климатических NLP-бенчмарках при заданном протоколе оценки. Модель рассчитана на английский язык; это не чат-ассистент и не система для генерации ответов с проверенной фактической точностью. Авторы отмечают, что оценка в основном охватывает предложения и фрагменты текста, поэтому возможности длинного контекста проверены не полностью; эффект синтетических данных зависит от задачи. README не сообщает лицензию модели.

CMB-ClimateModernBERT/Merge_Soup_CX — англоязычная encoder-only модель ModernBERT-Base, дообученная на климатических текстах методом continued pretraining и представленная как merge-soup чекпойнт. Она предназначена для заполнения пропусков в тексте и как основа для дообучения под климатическую классификацию, многометочную разметку и поиск по научным публикациям, новостям, политическим документам и корпоративной отчётности. Модель содержит 149 млн параметров, работает с текстом и поддерживает контекст до 8192 токенов. Обучение использовало академические материалы, климатический веб-текст и синтетические данные. В описанной авторами оценке модель получила средний F1 74,2 на девяти климатических NLP-бенчмарках; результаты усреднены по трём запускам дообучения. Это masked language model, а не система, следующая инструкциям, и её выходы не дают калибрированных гарантий фактической точности. Модель ограничена английским языком, а преимущества состава обучающего корпуса проверены в климатическом NLP и не обобщаются автоматически на другие области. Лицензия в предоставленных сведениях не указана.

ayeshaa-yaar/model — дообученная для классификации текста компактная модель на базе google/bert_uncased_L-2-H-128-A-2. Она содержит 4,4 млн параметров, использует архитектуру BERT и принимает текст длиной до 512 токенов. Модель подходит для задач классификации последовательностей, однако назначение классов и предметная область не описаны. В README приведены результаты оценки: accuracy 0,44, precision 0,4430, recall 0,7447 и F1 0,5556; датасет указан как неизвестный. Это затрудняет оценку качества для конкретного применения. Модель распространяется по лицензии Apache-2.0.

Koichi Yasuoka разработал эту модель на архитектуре ModernBERT и предварительно обучил её на японской Википедии и текстах «Аодзора бунко». Это языковая модель с маскированными токенами, предназначенная для заполнения пропусков в японском тексте; её также можно дообучить для разметки частей речи, синтаксического анализа зависимостей и других задач обработки японского языка. Модель содержит 160,2 млн параметров, принимает текст и поддерживает контекст длиной до 8192 токенов. Она распространяется в формате PyTorch по лицензии Apache-2.0. Для применения через Transformers в README показана загрузка с параметром trust_remote_code=True. Качество на перечисленных задачах после дообучения зависит от обучающих данных и настройки.

julian-schelb/multilingual-e5-base-emb-lat-intertext-v1 — модель эмбеддингов, дообученная Julian Schelb на базе intfloat/multilingual-e5-base для поиска интертекстуальных связей в латинских текстах. Она построена на архитектуре XLM-RoBERTa и распространяется как Sentence Transformer с 305,2 млн параметров; для сравнения запроса и кандидатов используются эмбеддинги предложений. Модель рассчитана на латинскую классику и оценивалась на наборе Loci Similes с проверенными экспертами связями между текстами; в README также указано соотношение отрицательных и положительных примеров 10:1. Модель подходит для сопоставления фрагментов произведений классических латинских авторов и поиска возможных параллелей в корпусе. Она принимает текст и выдаёт векторные представления, пригодные для сравнения сходства. Контекст модели составляет 514 токенов. Лицензия Apache 2.0.

julian-schelb/multilingual-e5-large-emb-lat-intertext-v1 — модель эмбеддингов Sentence Transformers, дообученная Julian Schelb на базе intfloat/multilingual-e5-large для поиска интертекстуальных связей в латинских текстах. Она предназначена для сравнения фрагментов и выявления возможных перекличек между произведениями классических латинских авторов; модель участвовала в настройке бенчмарка Loci Similes с экспертно проверенными связями. Для запросов и кандидатов в примере используются префиксы «Query:» и «Candidate:». Модель содержит 658,7 млн параметров, построена на архитектуре XLM-RoBERTa и принимает текст, возвращая эмбеддинги для сравнения; длина контекста — 514 токенов. Основной язык — латинский. Репозиторий распространяется по лицензии Apache-2.0.

NB-BERT-base — базовая языковая модель семейства BERT, разработанная на основе цифровой коллекции Национальной библиотеки Норвегии. Она обучена на разнообразных норвежских текстах за последние 200 лет, включая букмол и нюношк, и использует архитектуру BERT Cased, близкую по структуре к многоязычной версии BERT. Модель содержит 205,1 млн параметров и рассчитана на контекст до 512 токенов. Основной сценарий применения — предсказание пропущенных токенов в тексте. Модель общего назначения предназначена для последующей тонкой настройки под конкретные задачи и наборы данных. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая Safetensors. Лицензия — CC BY 4.0. Обучение преимущественно на исторических и современных норвежских текстах поддерживает работу с букмолом и нюношком, но не гарантирует одинакового качества на обоих вариантах языка или на других языках. Для специализированных задач требуется дообучение.

Python-Edu Scorer — модель классификации кода, разработанная HuggingFaceTB и дообученная на базе Snowflake/snowflake-arctic-embed-m. Она оценивает образовательную ценность Python-файлов; метки для обучающего набора были созданы Llama 3. Модель использовалась при создании набора данных Python-Edu. Это BERT-классификатор последовательностей размером 136,7 млн параметров с контекстом до 512 токенов. Он принимает текст отдельного файла и выдаёт классификационную оценку. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель предназначена для отбора Python-кода, полезного начинающим учащимся. Её результаты могут ухудшаться на данных, отличающихся от обучающих, и на специализированном или продвинутом учебном материале. На оценки могут влиять смещения обучающих данных и разметки, а также обилие комментариев в коде; классификатор анализирует файлы по отдельности, без окружающего контекста.

RoBERTa-base AI Text Detector — англоязычная модель классификации текста, созданная Fakespot AI Labs дообучением FacebookAI/roberta-base. Она оценивает, вероятно ли, что входной текст написан искусственным интеллектом или человеком; оценка отражает вероятность класса для всего текста, а не долю текста, созданную ИИ. Модель построена на архитектуре RoBERTa и содержит около 151,8 млн параметров, принимает текстовые последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors для Transformers. Модель подходит для предварительной проверки англоязычных текстов в модерации, аналитике контента и исследовании происхождения текстов. Точность обычно повышается на более длинных входах, поэтому короткие фрагменты могут оцениваться менее надёжно; результат следует трактовать как оценку, а не доказательство авторства. Лицензия — Apache-2.0.

RusCxn Embedder — модель Sentence Transformers, разработанная для поиска конструкционных паттернов в русском языке. Она дообучена на базе intfloat/multilingual-e5-large-instruct и обучена на 15 298 примерах из базы данных Russian Constructicon. Модель кодирует русские примеры и описания конструкций в 1024-мерные эмбеддинги для семантического поиска, сравнения, ранжирования и извлечения подходящих паттернов. Архитектура использует XLM-RoBERTa с усреднением токенов и нормализацией; максимальная длина последовательности — 512 токенов, сходство оценивается косинусной мерой. Модель предназначена для работы с библиотекой RusCxnPipe, а также может применяться напрямую через Sentence Transformers. Качество для кластеризации и классификации конструкций систематически не оценивалось, поэтому результаты в этих сценариях не подтверждены. Лицензия в предоставленных данных не указана.

SciJudge-30B — дообученная командой OpenMOSS-Team MoE-модель семейства Qwen3 для оценки научных публикаций. По названиям, аннотациям и датам публикации двух работ она предсказывает, какая из них окажет большее влияние, оцениваемое по цитированию. Модель создана в рамках проекта AI Can Learn Scientific Taste и обучена на SciJudgeBench. Модель основана на Qwen/Qwen3-30B-A3B-Instruct-2507 и использует архитектуру Qwen3 MoE для генерации текста. В метаданных указаны 2,6 млрд параметров, контекст до 262 144 токенов, поддержка английского языка и библиотека Transformers. Доступна по лицензии Apache-2.0. Карточка рекомендует для текущих экспериментов и сравнений более новый выпуск SciJudge-30B-2605. Предсказание цитатного влияния — оценка модели, а не гарантия будущей цитируемости; оценка может зависеть от области науки, временного периода и полноты входных данных.

S_CX — англоязычный masked language model семейства ClimateModernBERT, разработанный авторами проекта ClimateModernBERT. Это продолжительно предобученная на синтетических климатических текстах версия answerdotai/ModernBERT-base с архитектурой ModernBertForMaskedLM, 149 млн параметров и контекстом до 8192 токенов. Веса опубликованы в формате Safetensors и используются через Transformers. Модель предназначена для исследований в области климатического NLP: представления климатических текстов и дообучения под классификацию, многометочную разметку и поиск по корпоративной климатической отчётности, политическим документам, научной литературе и новостям. В карточке сообщается о среднем F1 73,4 по девяти климатическим бенчмаркам; для общего применения авторы рекомендуют объединённую модель Merge_Soup_LRD. Модель принимает текст и обучена только для английского языка. Это masked language model для заполнения пропусков, а не диалоговая или инструкционная система; качество на уровне длинного контекста в приведённой оценке полноценно не проверялось. Синтетические данные улучшают некоторые задачи, основанные на таксономиях и фреймворках, но могут ухудшать задачи, требующие тонкого понимания дискурса и обязательств. Лицензия в предоставленных данных не указана.

Self_Discipline_binary — англоязычный классификатор текста, созданный дообучением microsoft/deberta-v3-base на наборе данных, обозначенном в карточке как None. Модель построена на архитектуре DeBERTa v2 и содержит около 211,6 млн параметров; она принимает текст длиной до 512 токенов и выдаёт метку бинарной классификации. Карточка не раскрывает значения классов и целевой сценарий, поэтому область применения классификатора определить нельзя. На оценочном наборе указаны accuracy 0,6301, precision 0,6012, recall 0,7706, F1 0,6754 и AUC 0,6748. Модель распространяется по лицензии MIT.

Это арабоязычный классификатор тональности по отношению к заданной теме, созданный для трека Seen Targets соревнования StanceEval-2026 в рамках ArabicNLP 2026. Модель дообучена на UBC-NLP/MARBERTv2 и принимает арабский твит вместе с целевой темой, после чего относит позицию автора к одному из трёх классов: Favor (поддерживает тему), Against (выступает против) или None (нейтральная, не относящаяся к теме или неясная позиция). Модель основана на BERT-архитектуре, имеет около 190 млн параметров и контекст длиной до 512 токенов. Она предназначена для анализа твитов по темам, встречавшимся в обучающих данных: вакцины от COVID-19, цифровая трансформация и расширение прав и возможностей женщин. На dev-наборе Mawqif-v2 авторы сообщают Favg2 82,63; оценка относится к конкретному набору и метрике соревнования. Модель распространяется под лицензией Apache-2.0. Её результаты на новых или существенно отличающихся темах не установлены: обучающая и оценочная постановка ограничена заранее встречавшимися целями.

Это модель-оценщик на базе RoBERTa, дообученная на наборе Wikidata SimpleQuestions для выбора релевантных отношений в графе знаний. Она предназначена для сценариев поиска ответа на простой вопрос по Wikidata: оценивать отношения-кандидаты, найденные при извлечении подграфа, и помогать выбрать подходящее для вопроса отношение. В репозитории указаны архитектура RoBERTa для masked language modeling, 151,8 млн параметров и контекст до 514 токенов; доступны веса PyTorch и safetensors. Модель разработана drt и распространяется по лицензии MIT. Метаданные Hugging Face помечают её задачей fill-mask, однако README описывает специализированное ранжирование отношений; отдельный pipeline-тег text-ranking не заявлен. Она обучена на конкретном наборе вопросов Wikidata, поэтому область применения ограничена выбором отношений для вопросов этого типа; сведения о языках в карточке не приведены.

PauAnd29/xlm-roberta-sarcasmo-bs16-ep10 — дообученная модель XLM-RoBERTa Large для классификации текста. По названию модель предназначена для распознавания сарказма; README сообщает о дообучении на неизвестном наборе данных. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст с контекстом до 514 токенов. На оценочном наборе указаны F1-мера Macro 0,9330, F1 Weighted 0,9361 и точность 0,9361. Датасет, поддерживаемые языки и подробности предполагаемых сценариев в карточке не описаны, поэтому эти результаты нельзя уверенно переносить на другие источники текста. Модель распространяется по лицензии MIT.