I.11Классификация, ранжирование и сопоставление

CSHaitao/SAILER_en_finetune — англоязычная версия модели SAILER, разработанной Haitao Li, Qingyao Ai и коллегами для поиска и сопоставления судебных дел. Модель основана на архитектуре BERT и использует структурную информацию юридических документов, уделяя внимание ключевым правовым элементам. Веса содержат 136,7 млн параметров, а максимальный контекст составляет 512 токенов. Модель предварительно обучена на английских судебных документах и дообучена на обучающей выборке COLIEE. Она преобразует тексты в плотные векторы для извлечения признаков и позволяет ранжировать или различать дела по содержанию, в том числе без юридической разметки на целевой задаче. Лицензия — MIT.

SauerkrautLM-Multi-Reason-ModernColBERT — многоязычная модель поиска с поздним взаимодействием ColBERT, разработанная VAGOsolutions. Она преобразует запросы и документы в многовекторные представления, а затем сопоставляет их по токенам с помощью MaxSim, чтобы находить релевантные документы, в том числе для сложных запросов и задач, требующих рассуждений. Модель основана на ModernBERT и PyLate, содержит 149 млн параметров и принимает документы длиной до 8192 токенов; длина запроса оптимизирована до 256 токенов. Обучение включает дистилляцию на синтетических примерах и низкоранговое сжатие LaserRMT. Разработчики заявляют о высокой эффективности на задачах многоязычного и рассуждающего поиска, но приведённые в карточке сравнительные результаты являются заявлениями авторов. Модель ориентирована на немецкий, английский, испанский, французский, итальянский, нидерландский и португальский языки. Лицензия — Apache 2.0.

seresnet33ts.ra2_in1k — сверточная модель классификации изображений и извлечения признаков, разработанная Россом Уайтманом и реализованная в библиотеке timm. Она основана на ResNet с механизмом Squeeze-and-Excitation для внимания к каналам. Архитектура использует трёхслойный stem без pooling и активации SiLU; в реализации BYOBNet настраиваются блоки, стадии, свёрточный шаг и слои нормализации и внимания. Модель обучена на ImageNet-1k. В ней 19,8 млн параметров и 4,8 GMAC; размер изображения при обучении — 256 × 256, при тестировании — 288 × 288. Подходит для классификации изображений, извлечения карт признаков и получения эмбеддингов. Распространяется по лицензии Apache-2.0.

Skywork-Reward-V2-Qwen3-8B — модель оценки предпочтений (reward model), разработанная командой Skywork на базе Qwen3-8B. Она присваивает оценку диалогам и ответам, помогая сравнивать варианты и отбирать более предпочтительные при обучении и настройке языковых моделей. Модель относится к семейству Qwen3, использует плотную архитектуру классификации последовательностей и содержит 7,6 млрд параметров. Модель обучена в рамках серии Skywork-Reward-V2 на смеси из 26 млн тщательно отобранных пар предпочтений с использованием схемы Bradley–Terry. Серия оценивалась на бенчмарках RewardBench, PPE Preference, PPE Correctness, RMB, RM-Bench и JudgeBench. Для этой версии заявлены контекст до 40 960 токенов и поддержка нескольких языков через базовую Qwen3-8B. Веса представлены в формате safetensors; для инференса README рекомендует Transformers и SGLang. Лицензия — Apache-2.0. Это модель оценки, а не обычный генератор ответов: её оценки отражают обученные предпочтения и могут быть ошибочными или смещёнными; перед применением в автоматическом отборе ответов результаты стоит проверять на целевых данных.

st-codesearch-distilroberta-base — модель Sentence-Transformers на базе DistilRoBERTa-base, опубликованная в репозитории codecompletedeployment/st-codesearch-distilroberta-base. Она преобразует текстовые запросы и описания векторов предложений в плотные эмбеддинги размерности 768 и предназначена прежде всего для семантического поиска по программному коду на основе текстового запроса. Модель обучалась на датасете CodeSearchNet в течение 10 тысяч шагов с MultipleNegativesRankingLoss; архитектура — RoBERTa, размер — 95,2 млн параметров, максимальный контекст — 514 токенов. Её можно применять для поиска фрагментов кода по естественно-языковому описанию, ранжирования кандидатов по сходству, а также кластеризации текстовых представлений кода. README характеризует модель как предварительную: качество и обучение не были тщательно проверены, поэтому результаты следует оценивать на целевых данных. Лицензия в предоставленных данных не указана.

uncased-clf-persiannews_v2 — модель классификации текста на основе BERT, разработанная как дообученная версия HooshvareLab/bert-fa-base-uncased-clf-persiannews. Она предназначена для отнесения персидских новостных текстов к тематическим категориям. Модель содержит 190 млн параметров, использует архитектуру BertForSequenceClassification и принимает текст с контекстом до 512 токенов. На указанном в карточке наборе для оценки модель получила accuracy и F1 0,6504, precision 0,6521 и loss 0,9489. Данные обучения в README обозначены как None, поэтому состав обучающей выборки и области, в которых классификатор надёжно работает, оценить нельзя. Модель распространяется по лицензии Apache-2.0.

ARTPARK-IISc разработала Vaani-LID_v0 — модель классификации устной речи по языку для 42 языков Индии и соседних регионов. Она принимает аудио и определяет, на каком из поддерживаемых языков или вариантов языка говорят. Модель построена на энкодере whisper-large-v3-turbo с модулем pooled attention и линейным классификатором. Она дообучена целиком на наборе ARTPARK-IISc/Vaani. В оценке на тестовых выборках точность составила 0,71 на FLEURS, 0,63 на Kathbath и 0,77 на Vaani. Модель подходит для определения языка в аудиозаписях, например перед выбором последующей системы распознавания речи. Она выдаёт метку языка, а не текстовую расшифровку речи. Лицензия — MIT.

YuITC/vietnamese-embedding-vn-legal — текстовая модель Sentence Transformer, дообученная на базе AITeamVN/Vietnamese_Embedding для поиска по юридическим материалам на вьетнамском языке. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 1024 и предназначена для поиска релевантных документов и сопоставления текстовых запросов с фрагментами корпуса по косинусному сходству. Архитектура построена на XLM-RoBERTa с pooling по CLS-токену; библиотека реализации — Sentence Transformers. В метаданных указано 658,7 млн параметров и контекст до 8194 токенов, тогда как карточка описывает максимальную длину последовательности 512 токенов. В README приведены примеры юридических вопросов и соответствующих фрагментов документов, а также оценки на наборе для информационного поиска: accuracy@1 — 0,906, @3 — 0,976, @5 — 0,99. Модель подходит для поиска по правовым актам и ответов на запросы через систему retrieval-augmented generation, но сама не генерирует ответы и не выполняет юридический анализ. Лицензия в предоставленных данных не указана.

Это модель Vision Transformer (ViT) для классификации изображений и извлечения признаков. Вариант с патчами 16 × 16 и входным разрешением 384 × 384 содержит 86,9 млн параметров. Модель обучена авторами статьи на ImageNet-21k, дообучена на ImageNet-1k в JAX и перенесена в PyTorch Россом Уайтманом; репозиторий использует библиотеку timm и содержит веса PyTorch и Safetensors. Модель подходит для определения объектов и категорий на изображениях, а также для получения векторных представлений изображений. Обучение на ImageNet делает её применимой как общий классификатор изображений и backbone для компьютерного зрения. Лицензия репозитория — Apache-2.0. Качество может снижаться на изображениях и категориях, отличающихся от обучающих наборов ImageNet; входное разрешение модели — 384 × 384.

timm/vit_base_patch16_dinov3.lvd1689m — визуальный энкодер семейства DINOv3, опубликованный командой PyTorch Image Models (timm). Это ViT-Base с патчами 16×16, содержащий 85,6 млн параметров. Модель обучена на наборе LVD-1689M методом дистилляции из DINOv3 ViT-7B; стандартный размер изображения — 256×256 пикселей. Энкодер преобразует изображение в признаки и эмбеддинги для последующего использования в классификации, сегментации, поиске похожих изображений и других задачах компьютерного зрения. README приводит результаты сравнений DINOv3 на глобальных и плотных задачах, но отдельные метрики именно этой версии не указаны. Веса доступны в форматах PyTorch и safetensors. README отмечает, что реализация timm отключает нулевые смещения QKV и иначе хранит периоды RoPE, что может вызывать небольшие численные отличия от исходной реализации. Лицензия обозначена как DINOv3; её конкретные условия следует сверять с лицензией проекта DINOv3.

Модель vithugepatch14clip336.laion2bftin12kin1k разработана проектом timm и представляет собой Vision Transformer (ViT) для классификации изображений и извлечения признаков. Она предварительно обучена на парах изображений и текстов LAION-2B с помощью OpenCLIP, затем дообучена на ImageNet-12k и ImageNet-1k. Модель содержит около 632,5 млн параметров и рассчитана на входные изображения размером 336 × 336 пикселей. Её можно применять для классификации изображений и получения визуальных эмбеддингов в задачах компьютерного зрения. Репозиторий предоставляет веса в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Большой размер модели и вычислительная нагрузка (363,7 GMACs) требуют существенных ресурсов. Описание подтверждает обучение на ImageNet и LAION, но не приводит результатов на конкретных пользовательских наборах данных.

Это модель Vision Transformer (ViT) для классификации изображений и извлечения признаков, опубликованная проектом timm. Она содержит около 304,5 млн параметров и принимает изображения размером 336 × 336 пикселей. Модель предварительно обучена OpenCLIP на парах изображение–текст из LAION-2B, затем дообучена на ImageNet-12k и ImageNet-1k. Модель подходит для классификации изображений и получения эмбеддингов изображений в приложениях компьютерного зрения. В репозитории доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Высокое число параметров и вычислительная стоимость могут затруднить запуск на ограниченном оборудовании; сведения о поддержке языковых текстовых запросов в карточке не приведены.

vit_large_patch14_reg1_tipsv2.webli — визуальный энкодер на основе Vision Transformer, опубликованный в библиотеке timm. Модель извлекает признаки изображений и предназначена для получения эмбеддингов и карт признаков, а также использования в задачах классификации. Она содержит 304 млн параметров, обрабатывает изображения размером 448 × 448 и использует register-токен. Модель дистиллирована из учителя ViT-g/14 TIPSv2 с помощью выравнивания признаков патчей на отфильтрованной подвыборке WebLI из 116 млн изображений. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Энкодер принимает изображения и выдаёт векторные признаки. Описанные материалы не указывают дополнительные языковые или мультимодальные возможности.

Perception Encoder (PE) Core Large Patch14 336 — визуальный энкодер Meta, опубликованный в remapped-версии для библиотеки timm. Это image encoder only вариант исходных весов PE: модель преобразует изображения в визуальные признаки и эмбеддинги, пригодные для последующих задач понимания изображений и видео. Семейство PE обучалось с помощью контрастивного vision-language предобучения и дообучения на синтетически выровненных видео; среди заявленных сценариев — классификация и поиск по изображениям. Версия в этом репозитории предназначена для извлечения признаков, а не для генерации текста или изображений. Модель принимает изображения; карточка описывает PE как крупномасштабный энкодер, но точное число параметров и контекст изображения для этого чекпойнта в предоставленных данных не приведены. Репозиторий содержит веса PyTorch и safetensors и использует библиотеку timm. Разработчик модели — Meta; лицензия — Apache-2.0. Для этой версии доступна только модальность визуального энкодера, поэтому её признаки обычно используют как вход для отдельной downstream-модели или системы поиска.

Это модель классификации изображений на архитектуре Vision Transformer (ViT), обученная авторами исследований на ImageNet-21k и дообученная на ImageNet-1k с дополнительной аугментацией и регуляризацией. Модель перенесена из JAX в PyTorch Россом Уайтманом и доступна через библиотеку timm. Модель содержит около 22,9 млн параметров, рассчитана на изображения размером 384 × 384 пикселя и может использоваться как для классификации, так и как основа для извлечения признаков и получения эмбеддингов изображений. Основной сценарий — отнесение изображения к одному из классов ImageNet-1k. Модель принимает изображения и выдаёт метки классов либо векторные представления изображений. Она обучена на ImageNet, поэтому её применимость к узким предметным областям и изображениям, существенно отличающимся от обучающих данных, может быть ограничена. Лицензия репозитория — Apache-2.0.

timm/vit_small_plus_patch16_dinov3_qkvb.lvd1689m — визуальный энкодер семейства DINOv3 на архитектуре ViT, распространяемый разработчиками PyTorch Image Models (timm). Модель ViT-S+/16 содержит 28,7 млн параметров и обрабатывает изображения размером 256 × 256 пикселей. Её дистиллировали на датасете LVD-1689M из DINOv3 ViT-7B. Модель предназначена для извлечения признаков и эмбеддингов изображений, а также может служить визуальным представлением для задач классификации и плотного анализа изображений. В варианте qkvb смещения QKV-проекций включены, но их значения равны нулю. Реализация timm использует float32 для периодов RoPE, тогда как исходные веса хранят их в bfloat16; из-за этого возможны небольшие численные расхождения с оригиналом. Лицензия указана как DINOv3 в карточке модели, а метаданные Hugging Face обозначают её как other. Языковая поддержка не относится к основной функции модели: на вход она принимает изображения, на выходе формирует признаки и эмбеддинги.

VOLO-D5 — модель классификации изображений семейства Vision Outlooker, опубликованная авторами статьи VOLO и доступная в репозитории timm. Она обучена на ImageNet-1k с разметкой токенов и подходит для классификации изображений и использования в качестве визуальной основы для извлечения признаков. Модель содержит около 296,1 млн параметров, рассчитана на изображения размером 512 × 512 и требует значительных вычислительных ресурсов. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0. Карточка также описывает получение эмбеддингов изображений, но основная задача модели в каталоге — классификация.

facebook/webssl-dino2b-full2b-224 — визуальный энкодер Meta на архитектуре DINOv2: ViT шириной 2688, глубиной 24 слоя и с 21 головой внимания, содержащий 2,8 млрд параметров по метаданным. Модель обучена методом самообучения на 2 млрд веб-изображений из данных MetaCLIP без языковой супервизии; входное разрешение — 224×224 пикселя. Модель предназначена для извлечения визуальных признаков и построения представлений изображений для задач компьютерного зрения. README сообщает о результатах на стандартных визуальных бенчмарках, а также о возможностях в мультимодальных задачах, включая визуальные вопросы и распознавание текста и диаграмм; основная задача в метаданных — image-feature-extraction. Это исследовательская модель, представленная в 2025 году в работе «Scaling Language-Free Visual Representation Learning». Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

facebook/webssl-dino3b-light2b-224 — визуальная модель Meta AI на архитектуре Vision Transformer, обученная методом самообучения DINOv2 на веб-изображениях без языковой супервизии. Вариант light2b обучен на подмножестве данных MetaCLIP, включающем изображения с текстовым содержимым; размер модели в метаданных — 3,9 млрд параметров, разрешение обучения — 224×224 пикселя. Модель предназначена для извлечения визуальных признаков и представлений изображений, которые можно использовать в задачах компьютерного зрения. Разработчики отмечают сильные результаты в распознавании текста и понимании диаграмм, сохраняя широкую применимость к визуальным задачам. Это не языковая модель: она обучена без языковой супервизии. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

keremberke/yolov8m-painting-classification — модель классификации изображений на базе YOLOv8m, опубликованная пользователем keremberke и предназначенная для определения художественного стиля живописи. Она присваивает изображению одну из 27 меток, включая импрессионизм, кубизм, барокко, поп-арт и сюрреалистичные направления; модель относится к семейству Ultralytics YOLOv8 и распространяется в формате PyTorch. Модель подходит для автоматической категоризации изображений картин, поиска произведений по стилю и создания тематических коллекций. Карточка указывает набор меток и использование библиотеки ultralyticsplus. Сведения о лицензии и числовом размере модели в предоставленных данных отсутствуют.

afk-setfit-camembert-base-v1 — модель классификации французских новостных заголовков, разработанная для проекта AFK.live. Она дообучена с помощью SetFit на базе almanach/camembert-base и присваивает заголовкам одну из 12 тематических меток, включая франкоязычную политику, мировую геополитику, экономику, рынки и бизнес-технологии. Модель предназначена для тематической сортировки новостей и построения трендов в агрегаторе AFK.live. Модель имеет архитектуру CamemBERT, содержит 137,8 млн параметров и принимает текст с контекстом до 514 токенов. В карточке указаны accuracy 80,57% и средний F1 0,7962. Она распространяется по лицензии MIT. Результаты относятся к описанной задаче классификации французских новостных заголовков; для других типов текста и категорий качество не установлено.

AIMv2-3B-patch14-224 — модель компьютерного зрения семейства AIMv2, разработанная Apple и представленная в исследовательской работе AIMv2. Это зрительный энкодер с 2,7 млрд параметров, предварительно обученный с мультимодальной авторегрессионной целью. Репозиторий содержит веса Flax и safetensors и предназначен для извлечения признаков из изображений через Transformers. Модель можно применять как визуальный энкодер для распознавания объектов и других задач понимания изображений. В карточке семейства сообщается о результатах выше CLIP и SigLIP на большинстве мультимодальных бенчмарков, превосходстве DINOv2 в детекции объектов с открытым словарём и понимании отсылочных выражений, а также о 89,5% на ImageNet для AIMv2-3B с замороженным энкодером. Эти показатели относятся к описанию семейства, а не обязательно к отдельной оценке данного чекпойнта. Лицензия — apple-amlr; ограничения лицензии следует учитывать при использовании.

AIMv2 Large Patch14 336 — модель компьютерного зрения семейства AIMv2, разработанная Apple и предварительно обученная с мультимодальной авторегрессионной целью. Репозиторий содержит вариант с архитектурой Aimv2VisionModel и примерно 308,3 млн параметров; имя модели указывает на патч 14 и входное разрешение 336 пикселей. Модель принимает изображения и извлекает визуальные признаки, которые можно использовать в системах понимания изображений и последующих задачах компьютерного зрения. В README семейство AIMv2 описано как сильное на тестах мультимодального понимания, открытого обнаружения объектов и понимания ссылочных выражений; эти результаты относятся к семейству в целом и не гарантируют такие показатели для данного варианта. Для загрузки указаны Transformers и варианты весов Flax и safetensors. Модель предназначена для извлечения признаков изображений, а не для генерации текстовых описаний или ответов. Лицензия репозитория — apple-amlr.

Это веса визуального энкодера AIM-v2 large с патчами 14×14, обученного на разрешении 448 пикселей и совместимого с библиотекой timm. Репозиторий предоставляет модель для извлечения признаков изображений, например для получения визуальных представлений, которые можно использовать в последующих задачах компьютерного зрения. Модель принимает изображения и выдаёт векторные признаки. В карточке не приведены сведения о точном числе параметров, поддерживаемых языках или конкретных сценариях применения. Лицензия — Apple ASCL.

ALIA MrBERT Spanish Legal and Administrative Reranker — модель-реранкер SINAI для поиска и ранжирования испанских юридических и административных документов. Она основана на двуязычной модели BSC-LT/MrBERT-es с архитектурой ModernBERT и дообучена методом Curriculum Learning на парах запросов и документов, включая сложные отрицательные примеры. Модель использует cross-encoder: она совместно обрабатывает запрос и каждый документ, чтобы оценить их релевантность. Размер составляет около 149,6 млн параметров, контекст — до 8192 токенов. Предназначена для повышения качества RAG и поисковых систем после первичного отбора документов, а также для сопоставления запросов с юридическими положениями. Модель специализирована на испанских юридических и административных текстах; поддержка английского унаследована от базовой двуязычной модели, но README не заявляет англоязычную специализацию реранкера. Cross-encoder требует отдельного вычисления для каждой пары и поэтому подходит для ранжирования небольшого набора кандидатов, а не для поиска по миллионам документов. Оценку релевантности нельзя считать юридическим заключением; результаты следует сверять с официальными источниками. Лицензия — Apache-2.0.

AmharicNewsNonCleanedSmall — дообученная akiseid модель классификации текста на базе FacebookAI/xlm-roberta-base. Она предназначена для классификации новостных текстов на амхарском языке. На оценочном наборе модель показала accuracy 0,9570, precision 0,9570, recall 0,9570 и F1 0,9569; размер составляет 305,2 млн параметров, максимальная длина контекста — 514 токенов. Модель опубликована в формате safetensors под лицензией MIT.

BERTić — языковая модель-трансформер семейства ELECTRA, разработанная CLASSLA для боснийского, хорватского, черногорского и сербского языков. Модель с 137,8 млн параметров предварительно обучена на более чем 8 млрд токенов текстов; формат весов — PyTorch, максимальная длина контекста — 512 токенов. Модель предназначена для построения NLP-систем на этих языках и может служить основой для дообучения под разметку частей речи, распознавание именованных сущностей, геолокацию по тексту и другие задачи понимания языка. В описанных сравнениях BERTić превосходит multilingual BERT и CroSloEngual BERT на ряде оценок для хорватского и сербского, хотя результаты зависят от задачи и набора данных. Для NER и выявления языка ненависти авторы также указывают отдельные дообученные версии. Модель распространяется по лицензии Apache-2.0. Это языковой энкодер для текстовых задач, а не готовый универсальный чат-бот; для прикладных сценариев классификации или извлечения сущностей может потребоваться дополнительное дообучение.

andeskyl/bert-base-cased-qnli — модель BERT, дообученная на наборе GLUE QNLI для классификации пар вопрос–текст и определения, содержит ли текст ответ на вопрос. Она основана на google-bert/bert-base-cased и предназначена для оценки артефакта статьи «SHAFT: Secure, Handy, Accurate, and Fast Transformer Inference». Модель имеет 135,5 млн параметров, использует архитектуру BertForSequenceClassification, принимает текст и выдаёт метку классификации. Максимальная длина контекста — 512 токенов; карточка указывает английский язык. На оценочной выборке QNLI указаны accuracy 0,9077 и loss 0,2835. Лицензия — Apache-2.0.

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по документам Верховного суда Бразилии (Supremo Tribunal de Justiça). Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и подходит для семантического поиска, кластеризации и оценки сходства текстов. Модель основана на крупной португальской версии BERTimbau с учётом юридических текстов. Обучение включало TSDAE на юридических предложениях примерно из 30 тысяч документов, а также этапы с NLI, Semantic Textual Similarity и дистилляцией знаний из метаданных. Контекст ограничен 512 токенами. Модель ориентирована на португальский язык; репозиторий содержит веса PyTorch и Safetensors. Лицензия — MIT. Модель предназначена для поиска и сопоставления юридических текстов, но карточка не сообщает количественных оценок качества или ограничений по применению за пределами описанных сценариев.

Модель flax-community/bert-swahili-news-classification — классификатор новостных текстов на основе BERT, созданный участниками JAX/Flax Community Week Hugging Face. Модель дообучена для классификации новостей на языке суахили; обучение проводилось с использованием Flax на TPUv3-8. Модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Для запуска предусмотрена интеграция с Transformers. Репозиторий включает веса в форматах Flax, PyTorch и safetensors. Подходит для автоматической тематической классификации новостных материалов на суахили. В карточке не приведены перечень классов, метрики качества или подробности ограничений применимости. Лицензия в предоставленных данных не указана.