I.11Классификация, ранжирование и сопоставление

Qwen2.5-CascadeRL-RM-72B — модель вознаграждения NVIDIA на архитектуре Qwen2, дообученная на базе Qwen2.5-72B-Instruct с целевой функцией Bradley–Terry. Она оценивает предпочтительность ответа ассистента: на вход подаётся диалог пользователя и ассистента, а модель присваивает оценку последнему ходу ассистента. Модель предназначена для этапа обучения с подкреплением на основе обратной связи от людей (RLHF), в том числе в семействе Nemotron-Cascade. Модель содержит 71,5 млрд параметров, использует архитектуру классификации последовательностей и поддерживает контекст до 32 768 токенов. Карточка приводит результаты RewardBench: 95,15 в целом, с высокими оценками для чата, безопасности и рассуждений. Репозиторий содержит веса Safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует сверять с лицензией и сопутствующими материалами репозитория.

ReMoDetect-deberta — модель классификации текста, разработанная для выявления текстов, сгенерированных большими языковыми моделями. Она использует дообученную модель вознаграждения на базе DeBERTa и оценивает признаки, связанные с выравниванием генерации по человеческим предпочтениям. Подход рассчитан на обнаружение общих характеристик текстов разных LLM, а не на распознавание конкретной модели-автора. Для повышения качества обнаружения применялись дополнительное дообучение на предпочтениях и обучение на смешанных человеческих и машинных текстах, включая перефразированные человеческие тексты. Модель содержит 533,8 млн параметров, принимает последовательности длиной до 512 токенов и предназначена для классификации текстов на английском языке. В README заявлены высокие результаты на нескольких LLM, но конкретные метрики не приведены. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

RobBERT-2022 — нидерландская языковая модель, разработанная группой DTAI-KULeuven. Это модель архитектуры RoBERTa с 146,1 млн параметров, предназначенная для заполнения пропусков в тексте и дальнейшей адаптации к задачам обработки нидерландского языка. Она продолжает предварительное обучение RobBERT v2 на версии набора OSCAR за 2022 год, поэтому лучше учитывает более новые слова и события, включая лексику, связанную с COVID-19. Модель принимает текст с маскированными токенами и предсказывает вероятные замены. Контекст составляет до 514 токенов. Её можно дообучать для классификации текста и разметки частей речи; в карточке отмечено, что на задачах без сведений новее 2019 года исходная RobBERT v2 иногда показывает лучшие результаты. Модель распространяется в форматах PyTorch и safetensors по лицензии MIT.

RobBERT-2023 Dutch Large — крупная языковая модель на архитектуре RoBERTa, разработанная KU Leuven, UGent и TU Berlin. Это выпуск 2023 года семейства RobBERT, обученный на нидерландских данных OSCAR 2023 с новым токенизатором методом Tik-to-Tok. По метаданным модель содержит 453,9 млн параметров и принимает последовательности до 514 токенов; README указывает 355 млн параметров, поэтому размер в источниках расходится. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения под классификацию и другие задачи обработки нидерландского языка. Она ориентирована на нидерландский, включая фламандский вариант, и учитывает более актуальное употребление языка по сравнению с ранними версиями RobBERT. В README сообщается о результатах выше RobBERT-v2-base, RobBERT-2022-base и BERTje на бенчмарке DUMB. Модель распространяется по лицензии MIT. Как и другие языковые модели, она может воспроизводить перекосы обучающих данных и не гарантирует точность на конкретной прикладной задаче; для пользовательских сценариев, отличных от заполнения пропусков, потребуется подходящая настройка или дообучение.

Модель dennlinger/roberta-cls-consec разработана для обнаружения тематических переходов в документах. Это дообученная RoBERTa-base с архитектурой RobertaForSequenceClassification и примерно 151,8 млн параметров. Она принимает два текстовых фрагмента, разделённых токеном [SEP], и определяет, относятся ли они к одной теме. На основе последовательных оценок пар абзацев можно сегментировать документ на тематические разделы. Модель обучалась на примерах из условий предоставления услуг; в обучающей постановке использовались целые абзацы и последовательности длиной до 512 токенов. Для новостных статей, Википедии и других общих текстов качество может быть низким. Модель не предназначена для классификации отдельного текста. Доступны веса в форматах PyTorch, Flax и safetensors; загрузка поддерживается через Transformers pipeline. Лицензия в предоставленных данных не указана.

pymlex/roberta-spanish-cefr — испаноязычный классификатор текста, дообученный автором на базе bertin-project/bertin-roberta-base-spanish для определения уровня владения испанским по шкале CEFR. Модель использует архитектуру RoBERTa с классификационной головой и содержит 151,8 млн параметров; максимальная длина контекста — 514 токенов. Модель предназначена для оценки уровня испанских текстов учащихся и автоматической классификации по шести уровням CEFR. В README приведены результаты на тестовой выборке датасета UniversalCEFR/caes_es: F1 0,9894 и accuracy 0,9882. Эти показатели относятся к указанному тестовому набору и сами по себе не гарантируют такую же точность на других текстах. Модель принимает текст и выдаёт метку класса. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — GPL-3.0.

SoM-LLaVA-v1.5-13B — мультимодальная модель на базе LLaVA-v1.5, дообученная на данных в стиле SoM с вопросами и перечислением объектов. Карточка не называет разработчика отдельно; она описывает модель как вариант LLaVA-v1.5. В метаданных указана архитектура LlavaLlamaForCausalLM, около 12,9 млрд параметров и контекст 4096 токенов. Модель предназначена для ответов на вопросы об изображениях, включая визуальные подсказки в виде тегов с идентификаторами объектов, например запросы об объекте с заданным номером. По README, улучшены результаты на визуально-языковых бенчмарках POPE, MME, SEED, MM-Vet и LLaVA-Wild, в том числе для изображений без тегов. Для обучения и оценки рекомендуется официальный репозиторий LLaVA. Вход включает текст и изображения, выход — текст. Файлы опубликованы в формате Safetensors. Лицензия в предоставленных данных не указана, поэтому условия распространения и использования по ним определить нельзя. README не приводит конкретных численных результатов бенчмарков или ограничений точности.

sonoisa разработал предварительно обученную японскую версию T5 — архитектуры Text-to-Text Transfer Transformer. Модель обучена на корпусе японских текстов объёмом около 100 ГБ, включающем японскую Википедию, OSCAR и CC-100. Для токенизатора SentencePiece использовались данные японской Википедии. Метаданные указывают 123,8 млн параметров, контекст до 512 токенов и доступность весов в форматах PyTorch, Flax и Safetensors. Модель предназначена как языковая основа для последующей настройки под конкретные задачи на японском языке. Для извлечения признаков её можно применять к текстам; после дообучения на размеченных данных описана классификация жанров новостных статей. В README также приведён результат на JSQuAD, однако модель не является готовым решением для этих задач без соответствующей настройки. Указанная лицензия — CC-BY-SA 4.0; при использовании корпусов Common Crawl следует учитывать их условия.

Многоязычный классификатор токсичности Görkem Yıldız на базе XLM-RoBERTa-base. Дообученная модель с архитектурой XLMRobertaForSequenceClassification содержит 305,2 млн параметров и предназначена для бинарной классификации текста на токсичный и нетоксичный. Модель рассчитана на тексты на турецком, арабском и английском языках. По данным карточки, F1 составляет 91,3%, точность — 91,2%, а результат стресс-теста — 97,7% на 266 примерах. Контекст модели — 514 токенов. Может применяться для первичной модерации текстов и выявления токсичных сообщений. Результаты классификации стоит проверять в контексте конкретного сервиса и языка. Распространяется по лицензии Apache-2.0.

Многоязычный бинарный классификатор токсичности Görkem Yıldız на базе XLM-RoBERTa-base. Модель относит текст к классам «токсичный» и «нетоксичный» и предназначена для фильтрации сообщений в чатах на турецком, арабском и английском языках. Она рассчитана на арабские диалекты, Arabizi (арабскую речь латиницей с цифрами), намеренно искажённое написание, скрытую токсичность и контрречь. Архитектура — XLM-RoBERTa для классификации последовательностей; в репозитории указано 305,2 млн параметров, а длина контекста — 514 токенов. В README приведены F1 0,907 и точность 0,906 на валидации, а также 88% на внутреннем сложном наборе с диалектами, Arabizi и обфускацией. Перед токенизацией необходимо применять ту же нормализацию, что и при обучении: в частности, обработку арабских диакритик и удлинённых символов. Модель может ошибаться на вежливых угрозах, сарказме, завуалированных предубеждениях и отдельных отрицаниях; также она может помечать как токсичные возвращённые в употребление оскорбления. Лицензия — Apache-2.0.

hansjio/tsektxt-mbert — модель Hans Jio Arca, созданная в рамках проекта TsekTxt и дообученная на основе bert-base-multilingual-cased. Это трансформерный кодировщик BERT с классификационной головой для двух меток: Suspicious и Not Suspicious. Модель предназначена для выявления подозрительной или потенциально вводящей в заблуждение информации в коротких и средних сообщениях на тагальском, английском и смешанном Taglish; она служит мультиязычной базовой моделью в сравнении с другими моделями проекта. Модель обучена на примерно 25 400 размеченных примерах из Fake News Filipino Dataset и Philippine Fake News Corpus. По README, на отложенной выборке из 2 540 примеров точность составила 0,97. Максимальный контекст — 512 токенов, размер — 205,1 млн параметров. Лицензия CC-BY-NC-4.0 допускает некоммерческое использование с указанием авторства. Модель рассчитана на посты в соцсетях в филиппинском языковом контексте. Данные смещены в сторону развлекательной и политической тематики; модель не оценивалась на длинных документах, формальных новостных статьях или текстах вне филиппинского контекста. Её результаты не следует использовать как окончательный фактчекинг или как единственное основание для решений с юридическими либо репутационными последствиями; в таких случаях требуется проверка человеком.

cardiffnlp/twitter-roberta-large-hate-latest — модель Cardiff NLP для многоязыковой по контексту Twitter, но обученная на англоязычных твитах классификация ненавистнических высказываний. Она основана на RoBERTa-large, предварительно обученной на 154 млн твитов до конца декабря 2022 года, и дообучена на наборе TweetHate из SuperTweetEval для многоклассовой классификации текста. Модель относит текст к одной из семи категорий ненависти — по признаку пола, расы, сексуальной ориентации, религии, происхождения, инвалидности или возраста — либо к категории «не содержит ненависти». Модель принимает текст и возвращает метку класса с оценкой уверенности. Она подходит для предварительной модерации англоязычных публикаций в социальных сетях и анализа категорий вредоносной речи. Размер модели — 454,1 млн параметров, максимальный контекст — 514 токенов; формат весов — Safetensors. Лицензия — MIT. Классификатор может ошибаться на сарказме, цитатах, неоднозначных формулировках и текстах вне домена твитов; его оценки не следует считать окончательным решением о модерации.

Fsoft-AIC разработала ViDeBERTa-base — предварительно обученную монолингвальную языковую модель для вьетнамского языка на архитектуре DeBERTaV3. Модель содержит 211,6 млн параметров, обучена на разнообразном вьетнамском тексте объёмом 138 ГБ и рассчитана на контекст до 512 токенов. Эта версия предназначена для тонкой настройки на задачах понимания вьетнамского текста, включая классификацию токенов, разметку частей речи и распознавание именованных сущностей. В карточке приведены результаты экспериментов на наборах VLSP POS, PhoNER и ViQuAD. Репозиторий содержит веса PyTorch. Информация о лицензии в предоставленных данных отсутствует.

bqbbao6/vietnamese-legal-embedding-wsgm — модель текстовых эмбеддингов, разработанная для поиска по юридическим документам на вьетнамском языке. Она дообучена на основе intfloat/multilingual-e5-base и использует архитектуру XLM-RoBERTa с 305,2 млн параметров. Модель предназначена для семантического поиска и извлечения документов в системах RAG, особенно в юридических корпусах. Перед подачей текста требуется сегментация вьетнамских слов, например PyVi; для запросов используется префикс «query: », для документов — «passage: ». Контекст составляет до 512 токенов по README и 514 токенов в метаданных. Карточка приводит результаты оценки на двух наборах для поиска юридических текстов. Модель принимает текст и выдаёт эмбеддинги для сопоставления запросов с документами. Она рассчитана на сегментированный вьетнамский текст, поэтому качество и применимость могут снижаться при подаче несегментированного текста или для задач вне юридического поиска. Лицензия в предоставленных данных не указана.

Quockhanh05/Vietnam_legal_embeddings — модель Sentence Transformer с архитектурой RoBERTa, дообученная для поиска по юридическим документам на вьетнамском языке. Она преобразует запросы и документы в векторы, чтобы находить семантически релевантные фрагменты и оценивать сходство между текстами. Модель содержит 162,4 млн параметров, работает через библиотеку sentence-transformers и имеет контекст до 258 токенов. Модель подходит для семантического поиска юридических статей по запросам на естественном языке, сопоставления запросов с документами и поиска источников для юридических чат-ботов. По README, на бенчмарке Zalo Legal Retrieval она улучшила NDCG@10 примерно на 1,7% относительно базовой модели и превосходит BM25; при этом она не генерирует текст и может уступать универсальным эмбеддинг-моделям на текстах вне юридической тематики. Дообучена на вьетнамских наборах юридических вопросов и ответов. Лицензия — Apache-2.0.

AfriBERTa small — предварительно обученная многоязычная модель языка от исследовательской группы CASTOR в Университете Ватерлоо, предназначенная для работы с африканскими языками. В репозитории опубликована версия с архитектурой XLM-RoBERTa и примерно 91,5 млн параметров; README описывает 4 слоя, 6 голов внимания, размер скрытого представления 768 и внутренний слой 3072. Модель поддерживает заполнение маскированных токенов и может служить основой для дообучения под классификацию текста и распознавание именованных сущностей. Модель предварительно обучена на 11 африканских языках, включая оромо, амхарский, киньяруанда, кирунди, хауса, игбо, нигерийский пиджин, сомали, суахили, тигринья и йоруба. Для предварительной подготовки использовались материалы BBC и Common Crawl. Контекст составляет до 514 токенов по метаданным репозитория; в примере README для токенизатора задаётся предел 512 токенов. Доступны веса PyTorch и TensorFlow. Модель может быть полезна как отправная точка для NLP-задач на африканских языках, в том числе для языков, не входивших в обучение. Небольшой объём обучающих данных и их преимущественно новостной характер могут ограничивать обобщение и понимание сложных языковых связей. Лицензия в предоставленных данных не указана.

Карточка модели rmaser/aloe-dinov3-large-in1k-lp на Hugging Face совпадает с карточкой rmaser/aloe-siglip2-base, поэтому описание составлено по ней. rmaser/aloe-siglip2-base — визуальный энкодер семейства ALOE, разработанный для преобразования представлений SigLIP2 ViT-B/16 в объяснимую B-cos-модель. На этапе выравнивания модель обучалась сопоставлять глобальные и промежуточные токенные признаки замороженного учителя на изображениях без разметки. Она предназначена для использования как визуальный backbone в классификации изображений, извлечении признаков и задачах переноса, включая zero-shot классификацию с текстовым энкодером SigLIP2. Модель содержит 113,2 млн параметров и публикуется в формате safetensors для Transformers; для загрузки требуется пользовательский код репозитория. ALOE стремится сохранить геометрию признаков и качество исходного энкодера, одновременно предоставляя встроенные B-cos-объяснения. В README отмечено, что публичные чекпойнты следует считать исследовательскими артефактами. Лицензия — CC BY-NC-SA 4.0, допускающая использование с указанием авторства и на условиях распространения производных материалов, но не коммерческое использование.

amaye15/Beit-Base-Image-Orientation-Fixer — модель классификации изображений, дообученная на базе microsoft/swinv2-base-patch4-window16-256. По названию она предназначена для определения ориентации изображения и её исправления через выбор соответствующего класса, однако README не уточняет классы и способ применения предсказания. Модель построена на архитектуре SwinV2 и содержит 119,5 млн параметров; опубликована в формате Safetensors для Transformers. В README приведены результаты на оценочной выборке: loss 0,1295 и F1 0,9391. Сведения о наборе данных, языковой поддержке и ограничениях применения не раскрыты. Лицензия — Apache-2.0.

MayankDentsu/bert-finetuned-imdb — модель классификации текста на основе BERT, дообученная от bert-base-uncased. В README указана оценка на наборе проверки: loss 0,3450; данных о составе набора и подробностях обучения нет. Модель предназначена для классификации текстовых последовательностей. По названию репозитория можно предположить применение к отзывам IMDB, однако README не подтверждает назначение меток или точные сценарии классификации. Модель содержит 136,7 млн параметров и принимает до 512 токенов. Использовать её можно по лицензии Apache-2.0.

muhtasham/bert-tiny-finetuned-glue-rte — модель классификации текстовых последовательностей, созданная дообучением google/bert_uncased_L-2_H-128_A-2 на наборе данных GLUE для задачи RTE. Она предназначена для определения того, следует ли гипотеза из данного текста. Архитектура — компактный BERT с 4,4 млн параметров и контекстом до 512 токенов; доступны веса PyTorch и Safetensors. На оценочной выборке GLUE модель показала accuracy 0,6318 и loss 0,6673. Лицензия Apache-2.0. Карточка не описывает дополнительные сценарии применения и ограничения; качество на указанной оценке может не переноситься на другие данные.

BERTurk-Legal — турецкая языковая модель на архитектуре BERT, разработанная для юридических текстов. Она предварительно обучена на корпусе турецкого права с помощью masked language modeling без разметки для поиска предыдущих судебных дел. Модель можно применять для получения представлений документов и последующего поиска похожих судебных решений; в README также описаны результаты zero-shot классификации дел Верховного кассационного суда Турции. В репозитории представлены веса PyTorch и Safetensors размером около 211,6 млн параметров. Контекст модели — до 512 токенов; основной язык — турецкий. Лицензия — MIT. Хотя карточка описывает поиск правовых прецедентов и получение эмбеддингов, тег Hugging Face указывает задачу fill-mask; эмбеддинги можно использовать в отдельном поисковом конвейере, но сам репозиторий не заявляет отдельный pipeline для поиска или ранжирования.

BumbaLM-Embedding-4B-v0.1 — плотная модель эмбеддингов на базе Qwen3-Embedding-4B, дообученная для юридического домена Бразилии. Разработана в рамках докторского исследования по адаптации нейронных эмбеддингов к бразильскому юридическому языку. Модель кодирует предложения и абзацы, включая юридические документы, судебную практику и процессуальные запросы, в векторы размерностью 2560. Предназначена для поиска правовой информации, семантического поиска по материалам судов и формирования контекста для систем RAG. Использует архитектуру Sentence Transformer с Qwen3Model и pooling по последнему токену; максимальная длина последовательности по README — 1024 токена. Метаданные указывают 3,7 млрд параметров и контекст до 40960 токенов; фактический предел входа в описанной конфигурации Sentence Transformers составляет 1024 токена. Основной язык — португальский. В тестировании на юридических парах модель показала cosine nDCG@10 0,3687. Она оптимизирована для юридических текстов Бразилии, поэтому результаты на других языках и тематиках могут быть хуже. Лицензия в README обозначена как неизвестная; перед использованием следует проверить условия репозитория.

recobo/chemical-bert-uncased-tsdae — модель на базе BERT, представленная в формате Sentence Transformers и предназначенная для получения векторных представлений химических текстов и сравнения их семантической близости. По названию модель относится к химическому домену; README показывает загрузку через SentenceTransformer. Модель содержит 137,1 млн параметров, принимает текст длиной до 512 токенов и выдаёт эмбеддинги для задач поиска сходных предложений и извлечения признаков. Модель распространяется по лицензии Apache-2.0. README и метаданные не раскрывают обучающий датасет и подробные результаты оценки качества.

NeuML/colbert-bert-tiny — компактная модель ColBERT v2, разработанная NeuML и дообученная на google/bert_uncased_L-2-H-128_A-2 на наборе msmarco-bm25. Она кодирует предложения и абзацы в последовательности плотных векторов размерности 128 и оценивает семантическое сходство с помощью оператора MaxSim. Модель предназначена прежде всего для модульных тестов в средах с ограниченными вычислительными ресурсами, например GitHub Actions, но подходит и для базового семантического поиска и сравнения текстов. Модель построена на архитектуре BERT, содержит 4,4 млн параметров и принимает текст с контекстом до 512 токенов. Это англоязычная модель многовекторных эмбеддингов, совместимая с Sentence Transformers версии 6.0.0 и выше. Лицензия — Apache-2.0. Карточка отмечает ограниченную пригодность для практических сценариев за пределами базовых задач и тестирования.

COVID-19 Misinformation Detector — модель классификации текста, созданная Spencer Gable на основе bert-base-uncased и дообученная для выявления дезинформации о COVID-19 и вакцинах в публикациях из соцсетей. Она присваивает тексту метку LABEL_0, если дезинформация не обнаружена, и LABEL_1, если публикация классифицирована как дезинформация. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает тексты длиной до 512 токенов. Дообучение проводилось на наборах ANTi-Vax и CoAID с твитами, размеченными как дезинформация или достоверная информация экспертами в области здравоохранения. В репозитории доступны форматы PyTorch и ONNX; лицензия — MIT. Модель предназначена для первичной проверки публикаций о COVID-19, а не для самостоятельной оценки медицинских утверждений. Её предсказания могут быть ошибочными и зависят от тематики, языка и стиля текста, представленных в обучающих данных; метки не заменяют проверку фактов специалистом.

deka-qwen3-emb-0.6b-weight-lay — плотная модель текстовых эмбеддингов, созданная anonymousresearch123 полным дообучением Qwen/Qwen3-Embedding-0.6B. Она предназначена для поиска дел по решениям Верховного суда Таиланда: запросы обучались на сопоставление с текстом фактических обстоятельств дела, а документы представлены в упрощённом регистре lay. Модель имеет 507,6 млн параметров, использует архитектуру Qwen3 и библиотеку Sentence Transformers; контекст — до 32 768 токенов. Эмбеддинги формируются по последнему токену, нормализуются по L2. Для запросов необходимо добавлять обучающий префикс-инструкцию, для документов префикс не нужен. Карточка приводит метрики поиска на тестовом наборе, включая R@10 от 16,19 до 31,9 в зависимости от регистра запроса. Модель принимает текст и выдаёт векторы для семантического поиска и сравнения предложений. Основной язык карточки — тайский. Лицензия — Apache-2.0. Результаты относятся к поиску тайских судебных дел; качество для других корпусов и языков не подтверждено.

CEA-LIST дообучила эту модель для участия в соревновании evalLLM2026. Это dense-ретривер на архитектуре XLM-RoBERTa, предназначенный для связывания географических упоминаний с подходящими записями GeoNames: модель кодирует текст в эмбеддинги, по которым можно искать ближайшие совпадения. В README также указано обучение на Wikipedia с последующим дообучением на тренировочных данных соревнования. Модель основана на BAAI/bge-m3 и содержит 658,7 млн параметров. Она принимает текст и выдаёт эмбеддинги для поиска и оценки сходства предложений; заявленная длина контекста — 8194 токена. Для запросов README рекомендует префикс “Represent this geographical sentence for retrieving relevant GeoNames terms:”. Метаданные указывают французский и английский языки; лицензия — Apache-2.0. Модель рассчитана на географический entity linking и поиск соответствующих терминов GeoNames. Данные не подтверждают качество на других языках или задачах, поэтому применять её за пределами этого сценария следует с проверкой результатов.

jy46604790 разработал модель для классификации новостных текстов на фальшивые и реальные. Она основана на roberta-base и дообучена на более чем 40 000 новостях из разных СМИ. Модель принимает текст новости и возвращает метку класса с оценкой уверенности: LABEL_0 означает фальшивую новость, LABEL_1 — реальную. Модель предназначена для автоматической предварительной проверки новостных публикаций и исследовательских экспериментов по выявлению дезинформации. Используется архитектура RoBERTa с классификационной головой; размер — около 151,8 млн параметров, максимальная длина контекста — 514 токенов. Более длинный текст автоматически обрезается. Модель распространяется под лицензией Apache-2.0. Описание не сообщает языковой состав обучающих данных и качество на независимых выборках, поэтому результаты не следует считать подтверждением истинности новости без дополнительной проверки.

Finance Sentiment ZH (fast) — модель компании bards.ai для классификации тональности китайских финансовых новостей. Она дообучена на основе sentence-transformers/distiluse-base-multilingual-cased-v1 на китайском переводе набора Financial PhraseBank за 10 эпох и относит текст к одному из трёх классов: положительному, отрицательному или нейтральному. Архитектура — DistilBERT для классификации последовательностей; модель принимает текст с контекстом до 512 токенов и выдаёт метку тональности. В README указаны macro F1 0,953, precision 0,959 и recall 0,949 на проведённой авторами оценке. Модель распространяется по лицензии Apache-2.0.

Sigma/financial-sentiment-analysis — модель классификации тональности финансовых текстов, разработанная на основе FinancialBERT и дообученная на наборе данных financial_phrasebank. Она предназначена для определения тональности финансовых фраз и новостных сообщений; в README для оценочной выборки приведены accuracy и F1 по 0,9924. Модель построена на архитектуре BERT, содержит 137 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель подойдёт для автоматической разметки тональности финансовых текстов в аналитических и исследовательских конвейерах. Результаты оценки относятся к указанной выборке и не гарантируют такое же качество на других источниках, языках или типах финансовых текстов. Лицензия в предоставленных данных не указана.