I.11Классификация, ранжирование и сопоставление

hamtaai/bge-m3-hadith — дообученная Hamta AI модель на базе BAAI/bge-m3 для поиска и сопоставления персидских и арабских религиозных текстов, включая хадисы. Она предназначена для семантического поиска, информационного поиска, подбора релевантных фрагментов для ответов на вопросы и межъязыкового поиска между персидским и арабским языками. Модель использует архитектуру XLM-RoBERTa и выдаёт текстовые эмбеддинги; размер — 658,7 млн параметров, контекст — до 8194 токенов. Для instruct-сценариев README рекомендует префиксы query: и passage:. Модель распространяется по лицензии Apache-2.0. Оптимизирована прежде всего для персидского и арабского; качество на других языках может быть ниже, а результаты зависят от нормализации текста.

Calcu_Disease_Similarity — англоязычная модель эмбеддингов на базе BERT, разработанная автором репозитория Baiming123 и дообученная на sentence-transformers/multi-qa-MiniLM-L6-cos-v1. Она кодирует названия заболеваний в векторы для оценки семантического сходства; архитектура Sentence-Transformers использует усреднение токенов и нормализацию. Размер модели — 25,9 млн параметров, максимальная длина последовательности — 512 токенов. Модель предназначена для сопоставления названий заболеваний и анализа связей в сетях регуляции miRNA и генов. В README также заявлен F1 0,88 при различении функциональных взаимодействий miRNA–мишень, подтверждённых лабораторными анализами, и взаимодействий, предсказанных по последовательности. Это значение относится к описанной задаче и не гарантирует качество на других данных. Лицензия в предоставленных сведениях не указана.

CLIP ViT-B/16 — модель OpenAI, обученная сопоставлять изображения с текстовыми описаниями. Она состоит из визуального энкодера на базе Vision Transformer ViT-B/16 и текстового Transformer-энкодера; контрастивное обучение сближает представления соответствующих пар «изображение — текст». Репозиторий содержит вариант с Vision Transformer. Модель предназначена прежде всего для исследований обобщения и устойчивости компьютерного зрения, в том числе для классификации изображений с произвольными текстовыми категориями без дополнительного обучения. Её можно применять для экспериментального сопоставления изображений с текстовыми метками и поиска изображений в ограниченной, заранее проверенной области. Основной язык использования — английский. CLIP хуже справляется с тонкими различиями между похожими классами и подсчётом объектов; результаты и смещения могут заметно зависеть от формулировки категорий. В карточке отдельно отмечены демографические перекосы и риски несправедливой классификации. Разработчик не рекомендует развёртывать модель в продуктивных сценариях без тщательного тестирования и исключает наблюдение и распознавание лиц. Сведения о лицензии в предоставленных материалах отсутствуют.

COPA_KUCI_albert_base_finetuned — модель на архитектуре ALBERT, дообученная автором Ariffiq99 на базе Ariffiq99/KUCI_albert_base_Finetuned для выбора ответа из нескольких вариантов. Она предназначена для задач multiple-choice; размер составляет 136,3 млн параметров, контекст — до 512 токенов. В README приведены результаты оценки: loss 0,8369 и F1 0,66; данные и методика оценки не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Модель leomaurodesenv/distilbert-base-uncased-jailbreakv-28k-augmented — дообученная англоязычная DistilBERT для классификации текста. Она основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification. Модель предназначена для отнесения текста к классам; конкретные классы и набор данных в карточке не раскрыты. Модель работает с текстом и имеет контекстное окно 512 токенов. В README приведены результаты на оценочной выборке: loss 0,0050 и accuracy 0,9980, но без сведений о составе выборки и методике оценки эти показатели нельзя обобщать на другие данные. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Модель унаследовала ограничения базовой англоязычной модели; область классификации и надёжность на новых данных по доступной карточке определить нельзя.

fjanes/fine_tuned_pt_sentiment_analysis_Multilingual-MiniLM-L12-H384 — модель классификации текста на основе архитектуры BERT, представленная в формате TensorFlow. В README указано, что модель обучена с нуля на неизвестном наборе данных, но сведения о её назначении и результатах отсутствуют. Название репозитория указывает на анализ тональности, однако README этого не подтверждает. Метаданные указывают задачу text-classification и контекст до 512 токенов. В репозитории отмечены теги Transformers и multilingual MiniLM, но конкретные поддерживаемые языки по имеющимся сведениям установить нельзя. Размер модели — 124,3 млн параметров. Модель может применяться для классификации текста, но качество и конкретные классы тональности не описаны. Лицензия в предоставленных данных не указана.

Granite-107m Latin Intertextuality Embedding Model v2 — модель эмбеддингов предложений, созданная Julian Schelb на базе ibm-granite/granite-embedding-107m-multilingual. Она дообучена с online contrastive loss на одном из пяти разбиений бенчмарка Loci Similes и предназначена для поиска интертекстуальных связей между произведениями классических латинских авторов. Модель рассчитана на использование с API пакета LociSimiles и обучалась с префиксами промптов: для сохранения качества поиска нужно применять соответствующие имена промптов. Модель основана на архитектуре XLM-RoBERTa, содержит 110,2 млн параметров, принимает текст и создаёт векторные представления для сравнения текстов. Максимальная длина контекста — 514 токенов. Лицензия — Apache 2.0. Версия v2 заменяет v1 и подходит как её замена в текущем интерфейсе; v1 сохранена для воспроизведения прежних результатов.

dpshade22/hf-e5-bible-100 — модель Sentence Transformer, дообученная на базе intfloat/e5-base-v2 для поиска и сравнения библейских текстов. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной близостью. Архитектура включает BERT, усреднение токенных представлений и нормализацию. Обучение выполнено на 262 023 парах запросов и фрагментов библейского текста с функцией потерь MultipleNegativesRankingLoss. Модель подходит для семантического поиска по библейским отрывкам, сопоставления запросов с фрагментами, поиска перефразировок, кластеризации и классификации текстов в библейском корпусе. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст до 512 токенов. Базовая модель E5 рассчитана на английский язык; библейские примеры и описание датасета также англоязычные. Лицензия в предоставленных данных не указана.

Модель Humor Intelligence — это RoBERTa-base, дообученная автором репозитория для оценки юмористичности шуток. На вход она принимает текст шутки и предсказывает один числовой балл по шкале 0–11, основанный на логарифмически сжатых оценках Reddit. Модель обучена на 340 тысячах англоязычных шуток из rJokes; размер по метаданным — 151,8 млн параметров, максимальная длина контекста — 514 токенов. Задача модели — регрессия оценки юмора, доступная через классификационный pipeline text-classification. Модель подходит для сортировки шуток по предполагаемой популярности и сравнительного анализа юмористических текстов. В README приведены результаты на тестовой выборке без точных дубликатов между обучающей и тестовой частями; автор также показывает, что утечка дубликатов повышает оценку качества. Лицензия — MIT. Оценки отражают предпочтения сообщества Reddit, зависят от факторов популярности и времени публикации; модель тяготеет к средним значениям и ненадёжна на краях шкалы. Это оценщик рейтинга сообщества, а не объективный арбитр смешного.

Это специализированный визуальный энкодер стиля китайского сценического текста на основе DINOv2 ViT-S/14, дообученный для представления типографики и визуального оформления, а не распознавания содержания надписи. Он принимает плотно обрезанное изображение текстового фрагмента или строки; предварительная обработка сохраняет пропорции и дополняет изображение до 112 × 448 пикселей. Модель возвращает L2-нормированные векторы общего визуального стиля, типографики и оформления заливки, обводки, тени и прозрачности, а также локальные токены для исследовательских экспериментов. Основной сценарий — извлечение признаков и сравнение стиля китайских надписей в контролируемом синтетическом домене. Английский поддерживается слабее; для двух письменностей рекомендуется двуязычный вариант. Данные синтетического поиска не подтверждают точность на реальных изображениях, а токены не проверены как условие для генератора. Репозиторий содержит полную дообученную основу; веса опубликованы в формате safetensors по лицензии Apache-2.0.

CMB-ClimateModernBERT/Merge_Soup_drop_S_LRD — англоязычная encoder-only модель семейства ModernBERT, разработанная в рамках проекта ClimateModernBERT. Это вариант слияния модели для климатической тематики, полученный продолжением предобучения ModernBERT-Base на академических текстах и материалах климатического веба; веса повторно опубликованы из sraj/Merge_Drop_SYN_FastText и идентичны исходным. Модель содержит 149 млн параметров, работает с контекстом до 8192 токенов и обучена предсказывать замаскированные фрагменты текста. Модель предназначена для получения текстовых представлений и последующего дообучения на задачах классификации, многометочной разметки и поиска по климатическим новостям, научной литературе, корпоративной отчётности и документам климатической политики. В README указано, что для общего применения предпочтительнее другой вариант семейства — CMB-ClimateModernBERT/Merge_Soup_LRD; для этой контрольной точки не приводится сводная оценка качества. Ограничения включают поддержку только английского языка, оценку преимущественно на задачах уровня предложения или фрагмента и отсутствие режима следования инструкциям. Модель предназначена для исследовательских работ по NLP в области климата. README сообщает об ограничениях на перераспространение части исходных академических текстов, но лицензия весов в предоставленных данных не указана.

moralBERT-predict-care-in-text — модель классификации текста, опубликованная Vjosa Preniqi на Hugging Face. Назначение модели — оценивать текст по категории care («забота»), как часть набора MoralBERT для прогнозирования моральных ценностей в тексте. Репозиторий содержит веса Safetensors и токенизатор; модель предназначена для классификации входного текста. Карточка указывает лицензию MIT. Подробности об архитектуре, поддерживаемых языках, контексте и точности в карточке не приведены.

Nawah-RuleCheck-500K — компактный арабоязычный классификатор правил от oddadmix. Модель принимает короткий текст и сформулированное на обычном арабском языке правило, после чего относит пару к одному из двух классов: «مطابق» (соответствует) или «مخالف» (не соответствует). Это модель классификации последовательностей на архитектуре LlamaForSequenceClassification с 518,1 тыс. параметров, двумя слоями трансформера и контекстом до 2048 токенов; веса опубликованы в формате safetensors. Модель дообучена на oddadmix/Emhotob-500K-v2 на 159 240 парах «текст — правило». Она рассчитана на проверку заданного набора простых правил, которые можно определить по самому тексту, например наличия цены, даты или телефона. По README, точность заметно снижается, когда правила сформулированы непривычно; для самостоятельно написанных формулировок этот вариант уступает даже базовой частотной линии. Правила, требующие знаний о мире, оценочных суждений или многошагового вывода, не проверялись. Обучение охватывало короткие арабские деловые тексты, поэтому длинные тексты и другие жанры не подтверждены. Модель предназначена для оценки одной пары «текст — правило» за раз, а не для генерации ответов. Лицензия — Apache-2.0.

Nawah-RuleCheck-5M — арабская модель классификации текста, разработанная oddadmix для проверки, соответствует ли текст правилу, сформулированному на обычном арабском языке. Она принимает текст и правило в формате «النص: {text}\nالقاعدة: {rule}» и относит пару к одному из двух классов: «مطابق» (соответствует) или «مخالف» (не соответствует). Модель построена на плотной архитектуре LlamaForSequenceClassification: 5,1 млн параметров, 5 слоёв трансформера, размер скрытого состояния 128, словарь 32 000 токенов и контекст до 2048 токенов. Это дообучение oddadmix/Emhotob-5M-v2 на 159 240 парах «текст — правило». Модель рассчитана на короткие арабские деловые тексты и правила, проверяемые по самому тексту; README сообщает о тестировании на объявлениях, обращениях в поддержку, вакансиях, жалобах и объявлениях об аренде из девяти регионов. В тестах на формулировках, близких к обучающим, точность высока, но на самостоятельно написанных разговорных формулировках правил она заметно ниже; автор отдельно указывает, что ни одна модель из линейки не готова к надёжному применению без дополнительной проверки. Проверка правил, требующих знаний о мире, субъективных суждений или многошагового вывода, выходит за пределы обучения; подсчёт слов также относится к слабым сценариям. Лицензия модели — Apache-2.0.

Карточка модели nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

Raya Decision v1 — мультимодальная модель принятия решений, разработанная автором репозитория на базе Qwen3.5-2B. Она принимает контекст и вопрос вместе с набором вариантов ответа и за один проход вычисляет вероятности вариантов; модель не предназначена для диалога и не генерирует свободный текст. Для выбора ответа варианты передаются с метками A/B/C и далее, а вероятности вычисляются только по соответствующим меткам. Модель рассчитана на задачи visual question answering с текстом и изображениями; в README также описана обработка видео с выборкой восьми кадров. Архитектура — Qwen3.5 с 2,2 млрд параметров; заявлено контекстное окно 262 тыс. токенов. Обучение включало SFT с LoRA, полное дообучение и калибровочную дистилляцию с GRPO. В ограниченной тестовой оценке автор сообщает точность 86,67% на RACE, 95% на KonIQ и GQA и 90% на NExT-QA; эти результаты получены на 90 отложенных примерах и не гарантируют качество на других данных. Для видео требуется фиксированная выборка из восьми кадров; длинные ролики и детали между кадрами могут обрабатываться недостаточно полно. Калибровочная ошибка ECE после RLCD составляет 0,0855, немного выше указанной цели 0,08. Модель опубликована под лицензией Apache-2.0, однако README отмечает исследовательские ограничения лицензий обучающих наборов и рекомендует переобучение на коммерчески лицензированных данных для коммерческого применения.

Regulatory Alert Triage — Qwen3-4B v1 — это экспериментальная модель Comply2Reg для первичной сортировки публикаций британских регуляторов. Она дообучена методом LoRA на базе mlx-community/Qwen3-4B-Instruct-2507-4bit; веса адаптера объединены с базовой моделью и выпущены в 4-битном формате safetensors. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и контекст до 262 144 токенов. Для работы на Apple Silicon применяется библиотека MLX. На вход подаётся текст публикации, на выходе модель формирует JSON-запись с классом документа, приоритетом, предполагаемыми ответственными функциями и сведениями об обязательствах и сроках. Она предназначена для предварительной сортировки входящего потока и передачи материалов командам по регуляторным изменениям; результат рассчитан на проверку специалистом, а не на автоматическое исполнение. Обучение охватывает открытые источники Великобритании, но это первый рабочий выпуск, а не готовый продукт. Качество ограничено: macro-F1 составляет 0,244, многие классы почти не распознаются, а оценка основана на метках, созданных другой моделью. Уверенность не калибрована; за пределами обучающего распределения модель может выдавать правдоподобный JSON с ошибочными полями. Она не предназначена для юридических или комплаенс-решений, не проверена для нерегуляторов Великобритании и публикаций до 2022 года; материалы FCA и PRA исключены из обучения. Дообучение также снизило результаты на общем тесте понимания договоров. Лицензия — Apache-2.0.

varun-v-rao/roberta-base-fp-sick — модель классификации последовательностей на базе RoBERTa-base, дообученная на датасете SICK. Она предназначена для классификации текстовых примеров; на оценочной выборке автор сообщает accuracy 0,8788 и loss 0,3257. Модель содержит 151,8 млн параметров, имеет контекст до 514 токенов и распространяется в формате safetensors. Модель подойдёт для экспериментов и прикладных задач классификации текста, связанных с данными SICK. Карточка не уточняет набор меток и конкретную схему классификации, поэтому переносить показатели на другие данные без собственной оценки не следует. Лицензия — MIT.

zeyadusf/roberta-DAIGT-kaggle — англоязычная модель классификации текста, созданная дообучением FacebookAI/roberta-base на датасете zeyadusf/daigt. Она предназначена для бинарного распознавания текстов двух классов; по названию датасета и модели её предполагаемое применение — определение текстов, связанных с задачей DAIGT в соревновании Kaggle, включая различение текстов, созданных ИИ, и написанных человеком. Модель построена на архитектуре RoBERTa для классификации последовательностей, содержит 151,8 млн параметров и принимает контекст длиной до 514 токенов. В README приведены метрики оценки на наборе из 2730 примеров: accuracy и F1 около 0,994. Это результаты указанного тестирования, они не гарантируют аналогичного качества на других данных. Лицензия — Apache-2.0.

mrm8488/roberta-large-finetuned-wsc — дообученная модель RoBERTa Large для задачи Winograd Schema Challenge, опубликованная как шаг из исходного репозитория. Она предназначена для разрешения местоименной отсылки: модель оценивает, к какому из упомянутых в предложении кандидатов относится местоимение. В README описан вариант обучения с функцией потерь cross entropy; авторы сообщают о точности 92,3% на dev-наборе, достигнутой лучшей моделью среди примерно ста запусков. В README также описан вариант обучения для задач формата WinoGrande с двумя кандидатами. Модель имеет архитектуру RoBERTa Large с 454,1 млн параметров и принимает текст с маскированным токеном; максимальная длина контекста составляет 514 токенов. В метаданных указан pipeline fill-mask. Описание не подтверждает поддержку конкретных естественных языков, поэтому язык не уточняется. README предупреждает о высокой вариативности результатов обучения. Лицензия в предоставленных данных не указана.

Rukun Ready AI (Rukun-32B-v1.5) — языковая модель EntermindAI на базе Qwen2.5-32B-Instruct, дообученная методом LoRA для проверки текстов по принципам Rukun Negara, национальной идеологии Малайзии. Модель предназначена для структурированной оценки соответствия этим принципам: она выдаёт JSON с оценками по каждому принципу, общей степенью серьёзности, объяснением и при необходимости рекомендацией по переформулировке текста. Поддерживает Bahasa Malaysia, английский и смешанный ввод; размер — 32 млрд параметров, контекст — до 32 768 токенов. Модель подходит для автоматизированной предварительной модерации и интеграции проверок в приложения, которым нужны машиночитаемые результаты. Внутренний тест на 50 примерах показал точность 88%, однако этого небольшого бенчмарка недостаточно для оценки качества в широком применении. Качество может снижаться на сарказме, сленге, новых завуалированных выражениях и за пределами целевого формата. Оценки модели не являются юридическими выводами, а обучающие данные могут отражать заложенные в них ценностные и политические предположения. Лицензия указана как other; конкретные условия следует сверить с карточкой репозитория.

Skintelligent Acne — модель классификации изображений на базе Vision Transformer (ViT), предназначенная для оценки выраженности акне по изображению кожи. Она относит изображение к одному из шести уровней: от чистой кожи и единичных высыпаний до очень тяжёлого акне. Модель содержит 113,2 млн параметров и распространяется в формате safetensors для библиотеки Transformers. Модель может использоваться для автоматизированной предварительной оценки состояния кожи и сортировки изображений по степени выраженности акне. Она классифицирует изображения и не ставит диагноз и не заменяет оценку специалиста. В карточке не приведены сведения о составе обучающих данных, точности или проверке на разных группах пользователей, поэтому надёжность оценки в этих условиях не установлена. Лицензия — MIT.

HuggingFaceTB разработала эту модель для оценки образовательной ценности файлов с кодом на Go в наборе данных The Stack v2. Это дообученная на bigcode/starencoder модель архитектуры BERT с классификационной головой; её обучали на коде, размеченном Llama 3.1 70B Instruct, и использовали при создании набора Stack-Edu для обучения SmolLM2. Модель рассчитана на классификацию отдельных файлов кода на Go и принимает до 1024 токенов. В репозитории веса представлены в формате Safetensors; размер модели — 151 млн параметров. Лицензия в предоставленных данных не указана.

TiRoBERTa-GeezSwitch — модель классификации текста, разработанная дообучением fgaim/tiroberta-base на наборе данных GeezSwitch. Она предназначена для классификации текстов в рамках задачи, представленной этим датасетом. Модель построена на архитектуре RoBERTa, содержит 151,8 млн параметров и обрабатывает последовательности длиной до 514 токенов. В README указаны результаты на тестовой выборке GeezSwitch: F1, полнота, точность и accuracy составляют 0,9948, loss — 0,0222. Модель опубликована в формате PyTorch под лицензией CC BY 4.0. Карточка не поясняет набор меток и конкретную семантику классификации, поэтому результаты относятся только к указанной тестовой выборке.

Модель Somos NLP Hackathon 2022, созданная medardodt, MariaIsabel, ManRo, lucel172 и robertou2. Это дообученная для классификации текста модель pysentimiento/robertuito-base-uncased на наборе EXIST; она выявляет сексизм в испаноязычных сообщениях Twitter. Модель основана на RoBERTa и содержит 136,3 млн параметров. Её нативная длина контекста — 130 токенов. Модель предназначена для выявления сексистских высказываний в испаноязычных сообщениях и может использоваться для анализа публикаций в социальных сетях или как отправная точка для исследовательских и учебных проектов по распознаванию сексизма. На тестовом наборе авторы сообщают accuracy 0,80, F1 0,83 и F2 0,89. Обучение опиралось на испаноязычные твиты из EXIST и данные MeTwo. Авторы отмечают ограничения наборов данных, в том числе связанные с лицензиями и политиками распространения, а также намерение расширить данные и улучшить модель. Репозиторий распространяется по лицензии Apache-2.0.

Voxlect English Dialect Whisper Large v3 — модель классификации английских диалектов на основе Whisper large-v3, дообученная Tiantian Feng. Она анализирует аудио речи и относит его к одной из 16 категорий, включая региональные группы East Asia, North America, Irish, Scottish, Welsh, South African и другие. Модель предназначена для анализа диалектных различий и исследовательской работы с речью; в README указано, что обучение дополнено данными TIMIT и ParaSpeechCaps. Модель принимает аудио и выдаёт метку класса диалекта. Она не предназначена для клинической диагностики, наблюдения или вторжения в частную жизнь. README запрещает коммерческое использование и требует соблюдать конфиденциальность, получать согласие субъектов данных и учитывать применимые законы. Лицензия в метаданных указана как OpenRAIL.

XLMRoberta-Sarcasmo-2026-10e-32bs — модель классификации текста на базе XLM-RoBERTa-large, дообученная JDAlvarez на неизвестном наборе данных. По названию модель предназначена для выявления сарказма, однако README не уточняет набор меток и данные обучения. В карточке приведены результаты оценки: macro F1 0,9335, weighted F1 0,9370 и accuracy 0,9372. Модель содержит 658,7 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и принимает текстовые последовательности длиной до 514 токенов. Базовая модель ранее дообучалась для испанской разметки CoNLL-2002; сама эта карточка не подтверждает языки или качество модели для выявления сарказма. Распространяется в формате Safetensors; лицензия в предоставленных данных не указана.

XNajoan/xna-ai-text-detector — англоязычная модель классификации текста, созданная дообучением BERT-base uncased на корпусе HC3 (Human–ChatGPT Comparison). Она относит текст к одному из двух классов: написан человеком или сгенерирован ИИ. Модель предназначена для исследований, сравнительного тестирования и анализа обнаружения ИИ-текстов, в том числе в контексте академической добросовестности. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает текст длиной до 512 токенов по метаданным; в примере и описании обучения README используется ограничение 256 токенов. Для обучения применялся английский корпус HC3 с парами ответов людей и ChatGPT. На тестовой выборке HC3 в README указаны accuracy 0,9917, precision 0,9752 и recall 0,9993. Лицензия — MIT. Результаты зависят от данных обучения: качество обнаружения может снижаться на текстах от других генеративных моделей, текстах авторов, для которых английский не родной, и формальном академическом письме. Возможны ложные срабатывания на человеческом тексте; классификатор не доказывает авторство текста.

PirateXX/AI-Content-Detector — модель классификации текста на базе RoBERTa, разработанная для выявления текста, сгенерированного ИИ. Она относит входной текст к одному из двух классов: Label_0 означает «Fake» (сгенерированный ИИ), Label_1 — «Real» (написанный человеком). Модель содержит 151,8 млн параметров, использует PyTorch и рассчитана на контекст до 514 токенов. Модель подходит для первичной проверки текстов, например при модерации пользовательских публикаций или анализе письменных работ. Результат следует трактовать как оценку классификатора, а не как доказательство происхождения текста: README не приводит метрик качества, описания обучающих данных или сведений о языках. Лицензия — Artistic-2.0.

Модель dorrito-dev/all-MiniLM-L6-v2-dog-breed-retriever — текстовый энкодер Sentence Transformer, дообученный разработчиком dorrito-dev на наборе dog-breed-ntuple-retrieval для поиска по текстам о породах собак. Архитектура основана на BERT и sentence-transformers/all-MiniLM-L6-v2; модель содержит 25,9 млн параметров и преобразует предложения и абзацы в плотные векторы размерностью 384. Для сравнения векторов предусмотрена косинусная близость. Модель подходит для поиска релевантных описаний пород по запросу, ранжирования текстовых фрагментов и подбора похожих описаний. В README приведена оценка на dog-breed-ir: точность cosine_accuracy@5 и @10 составляет 1,0, а @1 — 0,6875. Метаданные указывают контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов; при практическом использовании следует ориентироваться на ограничение карточки. Модель принимает текст и выдаёт векторы. Данные указывают на англоязычную базовую модель и специализированный англоязычный набор; подтверждений поддержки русского языка нет. Лицензия в предоставленных сведениях не указана.