I.11Классификация, ранжирование и сопоставление

EmbeddingGemma 300M Q8_0 GGUF — квантованная модель для создания эмбеддингов, основанная на google/embeddinggemma-300m. Репозиторий поддерживается Ente и представляет собой побитовую копию одного GGUF-артефакта, опубликованного ggml-org; Ente не изменяла, не переквантизировала и не перепаковывала файл. Модель предназначена для задач получения векторных представлений текста, в частности для локального поиска и retrieval-сценариев на устройствах. Она используется функцией on-device retrieval в Ensu и сохраняет совместимость с опубликованными Ensu knowledge packs. Из известных характеристик: размер базовой модели — 300M параметров, формат — GGUF, тип квантования — Q8_0, назначение — feature extraction и embeddings. Данные о поддерживаемых языках, длине контекста, точной архитектуре и модальностях в README не указаны. К сильным сторонам относятся локальное выполнение, формат GGUF и совместимость с экосистемой Ensu. Ограничения связаны с квантованием и узкой специализацией на получении эмбеддингов; конкретные показатели качества и требования к ресурсам не приведены. Модель распространяется на условиях Gemma Terms of Use и связанной с ними Gemma Prohibited Use Policy.

Eurus-RM-7B — модель вознаграждения на 7,1 млрд параметров, разработанная авторами семейства Eurus. Она основана на архитектуре Mistral и обучена на смеси UltraInteract, UltraFeedback и UltraSafety со специально разработанной целью reward modeling, ориентированной на рассуждения. Модель предназначена для оценки ответов языковых моделей и их ранжирования, в том числе для выбора более сильного ответа в задачах со сложными рассуждениями. Eurus-RM-7B можно применять для reranking нескольких ответов LLM, чтобы улучшать качество рассуждений, а также для оценки качества и безопасности ответов. Контекст модели — до 32 768 токенов; веса доступны в формате safetensors. По карточке авторов, модель показывает сильные результаты среди reward-моделей размера 7B и в отдельных задачах сопоставима с более крупными системами. Лицензия — Apache-2.0.

FastViT-SA12 Apple ImageNet-1k — модель классификации изображений и извлечения визуальных признаков из семейства FastViT, разработанного авторами соответствующей научной работы. Модель обучена на ImageNet-1k и содержит 11,6 млн параметров; указанное разрешение входного изображения — 256 × 256 пикселей. Архитектура FastViT сочетает свёрточные операции и Vision Transformer и использует структурную репараметризацию. Модель предназначена для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу для компьютерного зрения; README приводит вычислительные характеристики в 2,0 GMACs и 13,8 млн активаций. Лицензия указана как other в метаданных; README просит соблюдать оригинальную лицензию, поэтому перед использованием следует проверить её условия.

Карточка модели sumannath/FoodExtract-gemma-3-270m-fine-tune-v1 на Hugging Face совпадает с карточкой adodabele/FoodExtract-gemma-3-270m-fine-tune-v1, поэтому описание составлено по ней. FoodExtract-v1 — компактная текстовая модель для извлечения сведений о еде и напитках из произвольного текста. Её разработчик дообучил Gemma 3 270M Instruct (257 млн параметров) на 1400 примерах набора FoodExtract-1k; примеры включают текст и структурированные результаты, подготовленные с помощью gpt-oss-120b. Модель классифицирует текст как связанный или не связанный с едой и напитками, назначает тематические теги и извлекает съедобные продукты и напитки в виде списков. Её можно применять для фильтрации больших коллекций подписей к изображениям и другого текста, а также для подготовки данных о продуктах и ингредиентах. Это текстовая модель на базе Gemma 3, доступная в формате safetensors, с контекстом до 32 768 токенов. Модель предназначена для специализированного извлечения, а не для общей генерации ответов. Её обучение опирается на небольшой набор из 1400 примеров, поэтому полноту и точность извлечения на иных типах текста следует проверять. Лицензия — Gemma; использование регулируется её условиями.

GVE-7B (General Video Embedder) — мультимодальная модель эмбеддингов Alibaba-NLP на базе Qwen2.5-VL-7B-Instruct, дообученная с помощью LoRA на 13 млн собранных и синтезированных мультимодальных данных. Она предназначена для поиска видео по тексту, изображению, другому видео или их комбинациям, включая запросы о пространственных и временных деталях и поиск по длинным видеоконтекстам. Модель принимает текст, изображения и видео, преобразует их в представления для поиска и поддерживает zero-shot-сценарии без обучения на данных конкретного домена. В карточке заявлена оценка по девяти возможностям, охватывающим три типа поиска и шесть предметных сценариев; также приведены результаты бенчмарка UVRB. Модель содержит 7,1 млрд параметров, поддерживает контекст до 128 000 токенов и использует архитектуру Qwen2.5-VL; для работы указан Transformers. Лицензия — Apache-2.0. Оценки качества в README относятся к UVRB, поэтому сами по себе не гарантируют аналогичных результатов на других наборах видео и запросов.

Это модель Sentence Transformers, разработанная авторами репозитория ipsnan/keywordsextraction для извлечения ключевых слов из украинских научных и деловых документов. Она дообучена на базе intfloat/multilingual-e5-base и использует энкодер XLM-RoBERTa с усреднением токеновых представлений и L2-нормализацией. Модель содержит около 305,2 млн параметров, выдаёт эмбеддинги размерности 768 и обрабатывает последовательности длиной до 514 токенов по метаданным; в README указан предел 512 токенов. Модель кодирует документ и сопоставляет его с заранее подготовленными эмбеддингами ключевых слов, ранжируя совпадения по косинусному сходству. Она предназначена для поиска ключевых слов в научных текстах, академических материалах и деловых документах, а также для использования в семантическом поиске и сопоставлении предложений. В комплекте репозитория есть индекс ключевых слов и скрипт обработки PDF. Модель лучше всего работает с текстами на украинском языке и возвращает только слова из имеющегося индекса; для нового набора ключевых слов индекс нужно подготовить заново. Качество зависит от того, насколько первые примерно 3000 символов документа отражают его тему. Модель распространяется по лицензии MIT.

KoBERT — предварительно обученная языковая модель на архитектуре BERT, разработанная SK Telecom и предназначенная для работы с корейским языком. Репозиторий содержит модель примерно с 119,4 млн параметров и контекстом до 512 токенов; в метаданных указаны реализации PyTorch, Safetensors и ONNX. Модель формирует контекстные векторные представления текста и может служить основой для прикладных задач NLP, например классификации или анализа тональности после соответствующей настройки. Она принимает текст и сама по себе не является генеративной чат-моделью. Лицензия в доступных сведениях не установлена.

SpeechBrain lang-id-voxlingua107-ecapa — модель распознавания языка устной речи, обученная на наборе VoxLingua107. Она использует архитектуру ECAPA-TDNN, первоначально применявшуюся для распознавания говорящего; дополнительные полносвязные слои после слоя эмбеддингов и обучение с функцией потерь cross-entropy адаптируют её к классификации языка. Модель принимает аудио и относит речевой фрагмент к одному из 107 языков. Также её можно применять для извлечения эмбеддингов высказываний и обучения собственного классификатора языка. Модель обучалась на одноканальных записях с частотой 16 кГц; при вызове classify_file аудио автоматически приводится к нужному формату. Обучающие данные — короткие сегменты из YouTube, автоматически размеченные по языку видео; средняя продолжительность данных на язык составляет около 62 часов, но объём сильно различается. Ошибка на проверочном наборе VoxLingua107 составляет 6,7%. Модель распространяется по лицензии Apache-2.0. Качество может быть ниже для языков с малым объёмом обучающих данных, женской и детской речи, речи с иностранным акцентом, а также речи людей с нарушениями речи. Разметка обучающих сегментов получена автоматически, поэтому возможны ошибки в данных.

NVIDIA Llama NemoRetriever ColEmbed 1B v1 — мультимодальная модель эмбеддингов с поздним взаимодействием, дообученная для поиска документов по запросу. Она принимает текстовые запросы и текстовые либо визуальные страницы документов, включая страницы с диаграммами, таблицами и инфографикой, и формирует ColBERT-подобные многовекторные представления для ранжирования релевантных документов. Модель построена на трансформерной архитектуре с компонентами SigLIP 2 Giant и Llama 3.2 1B. NVIDIA позиционирует её для мультимодального RAG, поиска по визуальным документам и кросс-модального поиска; в README сообщается о втором месте на бенчмарках ViDoRe V1, ViDoRe V2 и MTEB VisualDocumentRetrieval на дату 27 июня 2025 года. Для запуска указаны Transformers 4.49.0 и Flash Attention; README приводит интеграцию с TensorRT и Triton и поддержку GPU A100 и H100 под Linux. Модель предназначена только для некоммерческого использования и исследований. Она возвращает числовые векторы, а не готовые текстовые ответы; качество и скорость зависят от инфраструктуры и не гарантированы за пределами описанных бенчмарков и сценариев поиска.

MedCPT Query Encoder — текстовый энкодер, разработанный Computational Biology Branch подразделения NCBI/NLM для представления медицинских и биомедицинских запросов в виде эмбеддингов. Это часть пары энкодеров MedCPT: данный репозиторий содержит энкодер запросов, а отдельный Article Encoder кодирует статьи, включая заголовки и аннотации PubMed. Модель основана на BERT и насчитывает 136,7 млн параметров. Она принимает короткие тексты — вопросы, поисковые запросы и предложения — и выдаёт векторы размерности 768; длина контекста составляет 512 токенов. Энкодер обучен на 255 млн пар «запрос—статья» из журналов поиска PubMed и предназначен для семантического поиска, кластеризации запросов и поиска похожих запросов. Его эмбеддинги совместимы с пространством эмбеддингов MedCPT Article Encoder, что позволяет выполнять поиск запросов по статьям. Модель показывает высокие результаты в нескольких задачах биомедицинского поиска без дообучения, однако предназначена для поиска и представления текстов, а не для постановки диагнозов или принятия медицинских решений. Результаты требуют клинической проверки. Лицензия указана как other, поэтому перед использованием следует проверить условия лицензирования репозитория.

JesusScott/mi-modelo-peliculastest — модель Sentence Transformers, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT с усредняющим pooling и преобразует текстовые предложения и абзацы в плотные векторы размерностью 384 для поиска и сравнения по косинусному сходству. Модель рассчитана на задачи извлечения признаков и семантического поиска; в README описана настройка на 200 парах предложений о фильмах. Максимальная длина последовательности в README — 128 токенов, контекст базовой модели в метаданных — до 512 токенов. Модель принимает и выдаёт текстовые представления в виде эмбеддингов. Базовая модель многоязычная, однако язык обучающих примеров в карточке — испанский, поэтому данные не подтверждают отдельную специализацию модели на конкретном языке. Указанный размер — 124,3 млн параметров. Лицензия в предоставленных данных не указана.

JJhooww/Mistral-7B-v0.2-Base_ptbr — базовая предобученная языковая модель семейства Mistral, созданная на основе официальных весов Mistral и дополнительно обученная примерно на 1 млрд токенов португальского языка. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста на португальском языке и может служить основой для дальнейшей тонкой настройки под диалоговые и другие прикладные задачи. В README приведены результаты на наборах ASSIN2 RTE, ASSIN2 STS и BlueX, где модель превосходит базовую версию Mistral по указанным метрикам. Это базовая модель, следующая инструкциям она не обучена, поэтому для инструкционного диалога требуется дообучение. Распространяется по лицензии Apache-2.0.

stefra/modernbert-large-unical — модель архитектуры UNICAL на базе дообученного двунаправленного энкодера answerdotai/ModernBERT-large. Она принимает текстовое состояние и один или несколько утверждений и оценивает вероятность истинности каждого из них. Модель предназначена для быстрой проверки семантических условий и может служить заменой sem_filter; это классификатор, а не генеративная модель. Утверждения обрабатываются в одной последовательности с общим текстом состояния, а блочная двунаправленная маска внимания позволяет оценивать их независимо: оценка утверждения совпадает с оценкой при отдельной обработке. Для использования предусмотрены Transformers и пакет unical. В README приведены результаты проверок на нескольких наборах данных, включая задачи, не встречавшиеся при обучении; метрики различаются между наборами, поэтому качество следует проверять на целевых данных. Модель распространяется в формате safetensors; для загрузки пользовательского кода архитектуры в Transformers требуется trust_remote_code=True. Лицензия в предоставленных данных не указана.

cservan/multilingual-albert-base-cased-128k — предварительно обученная многоязычная модель ALBERT с архитектурой AlbertForMaskedLM, предназначенная для восстановления замаскированных токенов и получения контекстных представлений текста. Разработчик карточки описывает её как вторую версию базовой модели mALBERT; обучение проводилось на многоязычной Википедии с задачами masked language modeling и предсказания порядка предложений. Модель различает регистр букв и имеет словарь SentencePiece размером 128 тысяч токенов. В метаданных указаны 211,6 млн параметров и контекст до 512 токенов. Модель рассчитана прежде всего на дообучение для классификации последовательностей и токенов, заполнения пропусков и ответов на вопросы, а также на извлечение признаков для таких задач. Метаданные перечисляют поддержку множества языков, включая русский, английский, французский, немецкий, испанский и китайский; карточка подчёркивает многоязычную предобученность. ALBERT использует общие веса повторяющихся слоёв, что снижает объём параметров относительно обычного BERT-подобного стека, хотя вычислительная нагрузка остаётся сопоставимой. Модель распространяется по лицензии Apache-2.0. Она не предназначена для свободной генерации связного текста; для прикладных задач обычно требуется дообучение.

isy-thl/multilingual-e5-base-course-skill-tuned — модель эмбеддингов на базе XLM-RoBERTa, дообученная Institut für Interaktive Systeme при Университете прикладных наук Любека и партнёрами в проекте WISY@KI на основе intfloat/multilingual-e5-base. Она предназначена для семантического поиска и сопоставления описаний курсов с релевантными профессиональными навыками на немецком языке, в том числе из таксономий ESCO и GRETA. Модель кодирует запросы и навыки в векторы размерности 768, которые сравниваются по косинусному сходству; поддерживаются входные последовательности до 514 токенов по метаданным репозитория. Модель может применяться для поиска навыков в каталоге курсов, построения образовательных рекомендательных систем и связывания учебных программ с компетенциями. В README сообщается об улучшении retrieval-метрик относительно базовой модели на задачах ESCO и GRETA; для повышения точности предлагается дополнительно использовать отдельный reranker. Лицензия — MIT. Оптимизация выполнена для немецкого языка, поэтому качество на других языках и незнакомых таксономиях навыков не подтверждено.

Mursit-Large-TR-Retrieval — модель эмбеддингов, разработанная NewMind AI для поиска и сопоставления текстов, с особым упором на юридические документы на турецком языке. Она дообучена для поиска на базе newmindai/Mursit-Large с помощью контрастивного обучения на MS MARCO-TR; в карточке также упоминается предварительное обучение базовой модели на преимущественно турецких корпусах. Модель использует архитектуру ModernBERT-large, содержит около 403,6 млн параметров, формирует векторы размерности 1024 и принимает последовательности длиной до 2048 токенов. Модель предназначена для семантического поиска, извлечения и ранжирования релевантных документов, сравнения договоров и поиска по нормативным актам и судебным решениям. Карточка сообщает о результатах на турецких бенчмарках MTEB и Legal; среди практических сценариев названы юридический поиск и системы ответов на вопросы по правовым документам. Поддерживаются турецкий и английский языки, доступны форматы safetensors и ONNX. Лицензия — Apache-2.0. Результаты бенчмарков не гарантируют качество на конкретной коллекции документов; максимальная длина входа ограничена 2048 токенами.

datalyes/patembed-base — модель Sentence Transformers для создания векторных представлений патентных текстов, разработанная в рамках проекта PatenTEB. Она предназначена для поиска и извлечения патентов, поиска предшествующего уровня техники, классификации и группировки патентов, а также анализа технологических направлений. Модель основана на архитектуре BERT: 12 слоёв, размер скрытого представления 1024 и проекция в эмбеддинги размерности 768. Контекст ограничен 512 токенами. Модель обучена для англоязычных патентных текстов и использует специальные инструкции для отдельных задач при инференсе. В метаданных указано 242,1 млн параметров; README указывает 193 млн. Это дистиллированная версия patembed-large. Модель выдаёт эмбеддинги, пригодные для сравнения семантической близости текстов и поиска. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях с ограничением некоммерческого использования.

pat_specter — модель эмбеддингов предложений, разработанная mpi-inno-comp и дообученная на патентных текстах на базе SPECTER 2.0 от Allen Institute for AI. Она построена на архитектуре BERT и преобразует текст патента в плотный вектор размерности 768 для поиска сходства и других специализированных задач с патентными документами. Модель предназначена для сравнения патентных текстов и извлечения их векторных представлений. Она принимает текст на английском языке, поддерживает контекст до 512 токенов и распространяется в формате PyTorch. PaECTER, согласно карточке, показывает более высокую производительность. Лицензия — Apache-2.0.

PIXIE-Rune-Preview — модель эмбеддингов на основе Sentence Transformer, разработанная компанией TelePIX Co., Ltd. Она построена на XLM-RoBERTa с пуллингом CLS-токена и нормализацией векторов, содержит 658,7 млн параметров и выдаёт эмбеддинги размерности 1024. Контекст составляет до 8194 токенов, а сходство между векторами рассчитывается косинусной мерой. Модель дообучена для семантического поиска на корейском и английском языках, с особым акцентом на аэрокосмическую тематику. Её можно применять для поиска релевантных документов, технических вопросов и ответов, понимания документов и построения мультиязычных систем семантического поиска. В README приведены результаты оценки на корейских и англоязычных наборах поиска, однако качество для конкретной коллекции следует проверять отдельно. Модель принимает текст и возвращает векторные представления. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

henry202/prism-performance-rm-downscaled-creativity — дообученная с помощью TRL модель на базе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для оценки текста и выдачи скалярной оценки качества или предпочтительности, например для сравнения ответов и применения в контурах обучения с наградой. Модель построена на плотной архитектуре LlamaForSequenceClassification, содержит 1,2 млрд параметров, принимает текст и возвращает оценку. Контекстная длина составляет до 131 072 токенов; базовая модель поддерживает несколько языков. Модель распространяется в формате safetensors по лицензии базовой модели Llama 3.2 — Community License от Meta, условия которой следует проверить перед использованием.

Модель philomath-1209/programming-language-identification разработана автором репозитория и дообучена на базе huggingface/CodeBERTa-small-v1 на наборе cakiki/rosetta-code. Это классификатор кода на архитектуре RoBERTa с 96,6 млн параметров и контекстом до 514 токенов. Модель определяет язык программирования по фрагменту исходного кода; в карточке перечислены 25 языков, включая Python, Java, C++, JavaScript, Rust и Fortran. Модель подходит для автоматической маркировки файлов и фрагментов кода, сортировки коллекций исходников и предварительного определения языка перед запуском специализированных инструментов. Репозиторий содержит веса Safetensors и формат ONNX для инференса через Transformers или Optimum. Лицензия — WTFPL.

Карточка модели unicamp-dl/ptt5-large-t5-vocab на Hugging Face совпадает с карточкой unicamp-dl/ptt5-base-portuguese-vocab, поэтому описание составлено по ней. PTT5-base-portuguese-vocab — модель семейства T5, разработанная командой Unicamp-DL и предварительно обученная на большом корпусе португалоязычных веб-страниц BrWac. Это базовая версия размера base с португальским словарём, обученным на португалоязычной Википедии; в метаданных указано 123,8 млн параметров, архитектура T5WithLMHeadModel и контекст до 512 токенов. Модель предназначена для генерации текста и может служить основой для задач на португальском языке, включая сходство предложений и определение логического следования, для которых авторы отмечают улучшение по сравнению с исходным T5. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — MIT. Карточка не описывает конкретные ограничения качества или дополнительные настройки применения.

PubMedBERT Embeddings 8M — англоязычная модель статических текстовых эмбеддингов, созданная NeuML как дистиллированная версия NeuML/pubmedbert-base-embeddings с библиотекой Model2Vec. Она преобразует тексты в векторы для семантического поиска, сравнения предложений и построения баз знаний для RAG; подходит для сценариев с ограниченными вычислительными ресурсами и требованиями к низкой задержке на CPU или GPU. Модель оценивалась на наборах PubMed QA, PubMed Subset и PubMed Summary: результаты конкурентоспособны, но не всегда превосходят другие модели из сравнения. Размер контекста в метаданных указан как 1 000 000 токенов. Распространяется по лицензии Apache-2.0.

Reason-mxbai-colbert-v0.1-32m — англоязычная модель поиска документов, разработанная на основе mixedbread-ai/mxbai-edge-colbert-v0-32m и дообученная командой DataScience-UIBK. Это компактная ColBERT-модель с архитектурой ModernBERT и поздним взаимодействием: она строит многовекторные представления запросов и документов и сопоставляет их с помощью MaxSim. Размер составляет около 31,9 млн параметров, размерность вектора на токен — 128, а длина контекста по метаданным — 7999 токенов. Модель предназначена для семантического поиска и ранжирования документов, в том числе по сложным естественно-языковым и формальным математическим запросам. В версии v0.1 исправлена конфигурация остаточной связи проекционного слоя и расширена выходная проекция с 64 до 128 измерений; автор сообщает улучшение среднего BRIGHT nDCG@10 с 19,00 до 19,61 относительно v0. Лицензия — Apache-2.0. Модель специализируется на retrieval, а не на генерации ответов. Для сравнения длинных документов вычисления MaxSim могут быть затратными; результаты зависят от параметров обработки запросов и документов, а README приводит оценку с конкретными ограничениями длины и способом поиска.

sapienzanlp/relik-retriever-e5-base-v2-aida-blink-encoder — веса компонента Retriever системы ReLiK, разработанной SapienzaNLP и дообученной на AIDA-CoNLL. Retriever ищет подходящие документы или сущности в коллекции и служит частью конвейера для связывания упоминаний с сущностями; для извлечения отношений в ReLiK предусмотрен отдельный компонент Reader. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает текст, формируя векторные представления. Контекст ограничен 512 токенами; в метаданных указан английский язык. Модель рассчитана на быстрый поиск для связывания сущностей и использования в задачах извлечения информации. В README приведено сравнение ReLiK Base с другими системами на AIDA и нескольких тестовых наборах, включая оценку скорости, однако результаты зависят от теста и оборудования. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

RepViT M1.5 — модель классификации изображений и извлечения признаков, опубликованная авторами статьи RepViT. Она обучена на ImageNet-1k с дистилляцией и рассчитана на обработку изображений размером 224 × 224 пикселя. Модель содержит около 14,6 млн параметров и требует примерно 2,3 GMAC на изображение. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Архитектура RepViT разработана как мобильная свёрточная сеть с учётом подходов из Vision Transformer; репозиторий содержит веса PyTorch и SafeTensors для библиотеки timm. Лицензия Apache-2.0 допускает использование модели на её условиях. Обучение описано для ImageNet-1k, поэтому качество на других наборах данных и предметных областях может отличаться; модель принимает изображения фиксированного размера, указанного в карточке.

ResNetRS-270 — сверточная модель семейства ResNetRS для классификации изображений и извлечения визуальных признаков. Репозиторий timm содержит веса модели, обученной авторами статьи на ImageNet-1k в TensorFlow; версия представлена в формате PyTorch и safetensors. Модель имеет около 129,9 млн параметров, использует активации ReLU, свёртку 7×7 с пулингом и проекции 1×1 в обходных соединениях. Размер входа при обучении — 256×256 пикселей, при тестировании — 352×352. Модель подходит для определения категорий объектов на изображениях, извлечения карт признаков и получения векторных представлений изображений. Это крупная модель с вычислительной стоимостью около 27,1 GMAC на изображение; качество и скорость в конкретном приложении зависят от разрешения и оборудования. Лицензия — Apache-2.0.

RM-R1-Qwen2.5-Instruct-7B — дообученная диалоговая языковая модель на базе Qwen/Qwen2.5-7B-Instruct, представленная в рамках проекта RM-R1. Она оценивает две кандидатные версии ответа: формирует рассуждение или структурированные критерии оценки, а затем выдает предпочтение. В README описан подход Reasoning Reward Model с двухэтапным обучением: дистилляцией около 8,7 тыс. трасс рассуждений и обучением с проверяемыми вознаграждениями на примерно 64 тыс. пар предпочтений. Модель предназначена для оценки ответов в системах RLHF и RLAIF, автоматического судейства диалогов, открытых вопросов и задач на рассуждение, а также исследований интерпретируемой оценки качества. Это плотная архитектура Qwen2ForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов; метаданные указывают поддержку английского языка, чата и интерфейса вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Ее назначение — сравнение и ранжирование ответов, поэтому качество обычной генерации текста как универсального ассистента не установлено; README не приводит численные результаты отдельных бенчмарков или подробностей об ограничениях.

cointegrated/rubert-base-cased-nli-threeway — русскоязычная модель для вывода логических отношений между двумя короткими текстами. Она создана дообучением DeepPavlov/rubert-base-cased и предсказывает три класса: следование, противоречие и нейтральное отношение. Архитектура — BERT для классификации последовательностей; модель содержит 205,1 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для задач NLI и классификации текста без заранее заданного набора меток, в том числе для проверки, следует ли гипотеза из предпосылки. Обучение проводилось на наборах данных для NLI, автоматически переведённых с английского на русский, а также на нескольких русскоязычных источниках. Доступны веса PyTorch и Safetensors, а также формат ONNX. Лицензия в предоставленных данных не указана.

ruSpam_big — модель на базе RuBERT от ruSpamModels для бинарной классификации русскоязычных текстов на спам и не спам. Она обучена на наборе ruSpamModels/russian-spam-detection, содержащем почти 5 миллионов примеров, и выдаёт вероятность того, что текст является спамом. Модель предназначена для фильтрации спам-сообщений, в том числе в системах модерации и обработки входящих сообщений. Использует Transformers и PyTorch; веса опубликованы в формате safetensors. Лицензия CC BY-NC-ND 4.0 запрещает распространение производных версий и коммерческое использование без соответствующего разрешения.