I.11Классификация, ранжирование и сопоставление

Многоязычная модель распознавания именованных сущностей в строках аффилиаций научных статей и проектов. Её разработали SIRIS Lab, LaSTUS Lab и Институт информатики Польской академии наук; модель дообучена для классификации токенов на основе SIRIS-Lab/affilgood-affilxlm, построенной на XLM-RoBERTa-base. Она выделяет названия организаций и подразделений, города, страны, адреса, почтовые индексы и регионы, а также подорганизации, например самостоятельные лаборатории внутри более крупных учреждений. Модель предназначена для структурирования неформатированных аффилиаций и последующей геолокации учреждений, связывания с реестрами, анализа организационных иерархий и построения графов знаний. В карточке описана обучающая выборка из 6 595 размеченных строк на разных языках и оценка на отложенной части набора: общий F1 со строгим совпадением границ и типов сущностей составляет 0,921. Модель основана на XLM-RoBERTa, содержит около 305 млн параметров и имеет контекст длиной 514 токенов. Модель лучше подходит для аффилиаций научных организаций, чем для произвольного текста; качество на иных типах текста не заявлено. Авторы отмечают, что смещения и токсичность отдельно не оценивались. Лицензия — Apache 2.0.

XSY/albert-base-v2-fakenews-discriminator — классификатор новостных заголовков, дообученный автором на базе albert-base-v2. Он относит заголовок к одному из двух классов: фейковая новость или настоящая. Модель предназначена для автоматической предварительной проверки заголовков и исследовательских экспериментов по выявлению дезинформации. Модель построена на архитектуре ALBERT и содержит 136,3 млн параметров. Она принимает текст, обрабатывает последовательности длиной до 512 токенов и выдаёт метку класса. В README указаны точность 0,9758 и loss 0,0910 на оценочной выборке; состав этой выборки и методика оценки не описаны, поэтому эти результаты не гарантируют качество на других источниках и темах. Датасет назван набором реальных и фейковых новостей, но его точный состав неизвестен. Лицензия — Apache-2.0.

ALBERT for Math AR — модель на архитектуре ALBERT, разработанная на базе albert-base-v2. Она дополнительно предобучена на вопросах и ответах Mathematics StackExchange, а затем дообучена для поиска ответов на математические вопросы. На вход подаются вопрос и кандидат ответа как два сегмента текста; классификационная голова выдаёт оценку релевантности, по которой можно ранжировать ответы. Модель содержит 136,3 млн параметров и рассчитана на последовательности длиной до 512 токенов. Она предназначена для поиска и ранжирования ответов в математических Q&A-системах; подтверждена поддержка английского языка. Форматы весов — PyTorch и Safetensors. Условия лицензии в предоставленных данных не указаны.

Модель tsAspire разработана исследователями Sheshera Mysore, Arman Cohan и Tom Hope для оценки детального сходства научных документов в биомедицине. Это плотная BERT-модель на 137,1 млн параметров, обученная сопоставлять контекстуализированные векторы предложений из заголовка и аннотации статьи. При кодировании предложения учитывают контекст всего заголовка и аннотации; модель обучалась на 1,2 млн пар биомедицинских статей, связанных совместным цитированием. Модель предназначена для поиска статей по заданному аспекту: например, по предложению из статьи-запроса можно ранжировать кандидатов по минимальному L2-расстоянию между их векторами предложений. Её также можно адаптировать для классификации предложений и документов. Она рассчитана на английские биомедицинские научные тексты и принимает заголовок и аннотацию; максимальный контекст — 512 токенов. Для получения векторов предложений и ранжирования требуется дополнительный код поверх библиотеки Transformers. Обучение на биомедицинских статьях может снижать качество в других областях. Репозиторий предоставляет веса PyTorch, лицензия — Apache-2.0.

BalBERT — модель Shah Bakhsh для обработки текста на белуджском языке. Это энкодер на архитектуре XLM-RoBERTa, дообученный методом Domain-Adaptive Pretraining на монолингвальном корпусе из 97 624 предложений. В метаданных указано 305,2 млн параметров, библиотека Transformers и максимальный контекст 514 токенов; README приводит иные значения размера и контекста: около 278 млн параметров и длину до 128 токенов. Основная задача модели — предсказывать скрытые токены в тексте. Её также можно дообучать для классификации текста и разметки токенов, а скрытые состояния энкодера использовать как контекстные представления предложений и токенов. Модель рассчитана на письменный белуджский; работа с устными диалектами и нестандартными вариантами орфографии может требовать дополнительного дообучения. Энкодер не предназначен для генерации длинных текстов. Лицензия — Apache-2.0.

HooshvareLab/bert-fa-zwnj-base — одноязычная модель ParsBERT v3.0, разработанная для понимания персидского языка на основе архитектуры BERT от Google. Она предварительно обучена на персидских корпусах разных жанров и тематик, включая научные тексты, романы и новости. Версия v3.0 учитывает символ неразрывного нулевой ширины (ZWNJ), используемый в персидском письме, и применяет обновлённый словарь. Модель содержит 145,5 млн параметров, принимает текст с контекстом до 512 токенов и предназначена, в частности, для заполнения пропусков в тексте. Её можно использовать как основу для задач понимания персидского языка. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

fpc/bge-micro-smiles — англоязычная модель Sentence Transformers, дообученная разработчиком репозитория на основе TaylorAI/bge-micro. Она кодирует текстовые описания и строки SMILES в плотные векторы размерности 384 для оценки семантического сходства по косинусной близости. Обучение проводилось на 3 210 255 парах «описание — положительный пример» с использованием CachedMultipleNegativesRankingLoss. Модель предназначена для сопоставления названий и описаний химических соединений с их представлениями SMILES. Её можно применять для семантического поиска, поиска похожих соединений, выявления перефразировок, кластеризации и классификации текста. Архитектура — BERT с усреднением токенных представлений; максимальная длина входа — 512 токенов. Репозиторий содержит форматы ONNX и safetensors. Лицензия — Apache-2.0.

almanach/camembertav2-base-xnli — франкоязычная модель классификации текста, разработанная Виссамом Антуном из Almanach, Inria-Paris. Она дообучена на almanach/camembertav2-base для задачи Natural Language Inference (NLI): определения логической связи между посылкой и гипотезой, например следования, противоречия или нейтрального отношения. Модель использует архитектуру DeBERTa-v2 для классификации последовательностей, содержит 138,4 млн параметров и принимает текст с контекстом до 1024 токенов. В карточке указана точность 0,85582 на FLUE-XNLI. Основной язык — французский; обучающий набор — FLUE-XNLI. Модель подходит для проверки гипотез по текстовым фрагментам на французском языке и других задач классификации, близких к обучающей. Результаты могут быть смещены особенностями обучающих данных, а качество — снижаться на других наборах данных и задачах. Лицензия — MIT.

Это плотная модель текстовых эмбеддингов anonymousresearch123, созданная полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска судебных дел Верховного суда Таиланда. Она кодирует запросы и документы в векторы для семантического поиска и ранжирования; при обучении применялась функция потерь InfoNCE, а эмбеддинги нормализуются по L2. Размер модели — 507,6 млн параметров, контекст — до 32 768 токенов. Модель обучена на наборе anonymousresearch123/deka-retrieval. В README приведены результаты поиска по полному корпусу для текстов разных типов: лучшие показатели получены для запросов и документов типа fact. Запросы необходимо подавать с использованным при обучении префиксом-инструкцией, документы — без него. Модель предназначена прежде всего для поиска по тайским судебным материалам; качество на других языках и в иных областях не подтверждено. Распространяется по лицензии Apache-2.0.

deka-qwen3-emb-0.6b-multipos-lawyer — текстовая модель эмбеддингов, разработанная anonymousresearch123 полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она сопоставляет запросы с судебными документами и предназначена для семантического поиска по корпусу дел; вариант lawyer обучен для документов с регистром lawyer, а запросы при обучении сопоставлялись с текстами fact. Модель построена на архитектуре Qwen3, содержит 507,6 млн параметров, использует pooling последнего токена и L2-нормализацию. Нативная длина контекста — 32 768 токенов; в обучении применялись максимальные длины 1 300 токенов для документов и 256 для запросов. Основной язык карточки — тайский. Для корректной работы запросы должны содержать использованный при обучении префикс-инструкцию, а документы — нет. В тестах на полном корпусе значение R@10 составило 29,52 для lawyer, 32,38 для fact и 13,33 для user. Распространяется по лицензии Apache-2.0.

Это текстовая модель эмбеддингов anonymousresearch123, созданная полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел по Верховному суду Таиланда. Она сопоставляет запросы с документами на тайском языке; модель обучалась на запросах в разговорном регистре, связанных с текстами фактической стороны дела. Для получения эмбеддингов используется представление последнего токена с левым дополнением и L2-нормализацией. В README приведены результаты поиска по полному корпусу: для запросов пользовательского регистра R@10 составляет 15,24, для юридического регистра — 23,33, для фактического — 28,1. Модель основана на Qwen3-Embedding-0.6B с 507,6 млн параметров и поддерживает контекст до 32 768 токенов. Для корректной работы запросы должны содержать префикс-инструкцию, использованную при обучении, а документы подаются без него. Репозиторий использует Sentence Transformers, веса представлены в safetensors; лицензия — Apache-2.0.

q3fer/distilbert-base-fallacy-classification — модель классификации текста, дообученная автором на базе distilbert-base-uncased на наборе Logical Fallacy Dataset. Она определяет один из 14 классов логических ошибок и связанных категорий: ad hominem, ad populum, appeal to emotion, circular reasoning, equivocation, fallacy of credibility, fallacy of extension, fallacy of logic, fallacy of relevance, false causality, false dilemma, faulty generalization, intentional и miscellaneous. Модель предназначена для автоматического выявления логических ошибок в отдельных текстовых фрагментах, например в аргументах и утверждениях. Архитектура — DistilBERT для классификации последовательностей; базовая модель uncased, поэтому регистр текста не учитывается. Максимальная длина контекста составляет 512 токенов. В карточке указана поддержка английского языка, а лицензия модели — MIT.

Модель verlonsalaysay/distilbert-base-uncased-finetuned-cola — версия DistilBERT, дообученная на наборе GLUE для классификации текстов. Архитектура — DistilBertForSequenceClassification; модель принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классов. Карточка сообщает результат оценки на тестовой выборке GLUE: Matthews Correlation 0,5530 и Loss 0,5509. Модель подходит для классификации предложений в задачах, связанных с CoLA, включая оценку грамматической приемлемости английских предложений. Она опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. README не приводит подробностей о тренировочных настройках и ограничениях; результат оценки указывает, что качество не идеально и модель не следует считать универсальным классификатором для других доменов.

Модель textattack/distilbert-base-uncased-RTE — версия DistilBERT, дообученная TextAttack для классификации последовательностей на задаче RTE из набора GLUE. Она принимает текстовые последовательности и относит их к классам задачи распознавания текстового следования. Модель основана на distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification; максимальная длина последовательности в обучении составляла 128 токенов, а контекст модели — до 512 токенов. Модель подходит для экспериментов и прототипов, где нужно определить, следует ли гипотеза из заданного текста. На валидационном наборе GLUE авторы сообщают точность 0,657 после четырёх эпох обучения. Веса опубликованы в формате PyTorch; сведений о лицензии в предоставленных материалах нет.

Модель разработана Menglin Zhou, Jiaping Liu и Xiaotian Zhan: это дообученная с помощью LoRA компактная BERT-модель E5-small для классификации текста по происхождению. Она относит текст к написанному человеком или сгенерированному ИИ; метка 0 означает человеческий текст, метка 1 — сгенерированный ИИ. Модель содержит около 40 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов. Модель предназначена для проверки текстов на признаки генерации ИИ и автоматической маркировки таких текстов в системах модерации или анализа контента. В карточке указано обучение на датасете RAID. Заявление о высокой точности приведено авторами, но численные результаты оценки не сообщены. Базовая E5-small описана как англоязычная, поэтому применение на других языках не подтверждено. Лицензия — MIT.

ERNIE-4.5-VL-28B-A3B-Base-Paddle — базовая мультимодальная модель семейства ERNIE 4.5, разработанная Baidu. Она предназначена для понимания изображений и текста, генерации ответов по визуальному содержимому и межмодальных рассуждений. Модель принимает текст и изображения и выдаёт текст; поддерживает английский и китайский языки. Архитектура — мультимодальная MoE: в README указано 28 млрд параметров всего и около 3 млрд активируемых на токен, а метаданные каталога приводят 3,3 млрд параметров. Модель прошла предварительное обучение на текстовых и визуальных данных; веса этой версии предназначены для PaddlePaddle и опубликованы в формате safetensors. Указана лицензия Apache-2.0. Карточка сообщает, что полноценная поддержка ERNIE 4.5 в vLLM находится в разработке.

MilaNLProc/feel-it-italian-emotion — модель классификации эмоций в итальянских текстах, разработанная авторами проекта FEEL-IT. Это модель на архитектуре CamemBERT с 137,8 млн параметров, дообученная на корпусе FEEL-IT, содержащем 2037 размеченных публикаций из Twitter. Она относит текст к одной из четырёх эмоций: радость, страх, гнев или грусть; эти метки также можно свести к анализу тональности. Модель принимает текст и возвращает метки классов с оценками. Контекстное окно составляет 514 токенов. Модель предназначена для анализа итальянских публикаций в социальных сетях и других коротких текстов. В README сообщается о макро-F1 0,57 и точности 0,73 на подмножестве MultiEmotions-It; авторы отмечают стабильность результатов при переносе на данные YouTube и Facebook, отличающиеся тематикой и источником. Результаты зависят от домена и распределения эмоций, а обучающий корпус сравнительно невелик и состоит из твитов. Метаданные указывают форматы PyTorch и TensorFlow. README описывает открытое Python-пакетное решение, но конкретная лицензия модели не приведена в предоставленных данных.

Kenpache/finbert-multilingual-v2 — многоязычный классификатор финансовой тональности, разработанный Kenpache на основе энкодера jhu-clsp/mmBERT-base. Модель использует архитектуру ModernBERT и содержит 306,9 млн параметров; она присваивает тексту одну из трёх меток: negative, neutral или positive. Принимает финансовые новости на английском, китайском, японском, испанском, немецком, французском и арабском языках. Окно контекста — 8192 токена. Модель рассчитана на классификацию заголовков и отдельных предложений: например, для разметки новостных лент, построения индикаторов рыночной тональности и предварительного отбора исследовательских корпусов. В README приведены результаты оценки на 4 993 предложениях: точность 87,2% и взвешенная F1 0,8724. Эти показатели относятся только к указанному набору и протоколу оценки. Модель хуже подходит для целых статей, общей тональности отзывов и публикаций в соцсетях, а также для языков вне семи проверенных. Различение нейтральной и слабо выраженной положительной или отрицательной тональности неоднозначно; арабский результат основан лишь на 73 примерах. Вывод модели не является инвестиционной рекомендацией. Лицензия — Apache-2.0.

Fin-Pythia-1.4B — модель на архитектуре GPT-NeoX, разработанная для анализа тональности финансовых текстов. Авторы продолжили обучение Pythia-1.4B на финансовых документах, а затем дообучили модель следовать инструкциям для финансовых задач. В метаданных указаны 1,7 млрд параметров, контекст 2048 токенов и формат PyTorch. Основной сценарий — классифицировать финансовые высказывания как положительные, отрицательные или нейтральные, например, в новостях и заголовках. Модель также применяли к распознаванию именованных сущностей в финансовых текстах. Она принимает текстовый запрос в формате инструкции и генерирует текстовый ответ. README сообщает о результатах, сопоставимых с более крупными финансовыми LLM на отдельных тестах, но приведённая таблица неполна и не позволяет независимо проверить это сравнение. Лицензия — Apache-2.0.

Это дообученная версия Gemma 3 4B IT, изначально разработанная HarunYigit и подготовленная сообществом VeriPazarı для турецкой AI-экосистемы. Модель ориентирована на генерацию ответов на турецком языке с рассуждениями в стиле Chain-of-Thought и выполнением инструкций. Модель предназначена для диалогов, решения логических задач и ответов в стабильном формате итогового ответа, в том числе для тестов с выбором из нескольких вариантов. Репозиторий содержит веса в формате GGUF, оптимизированные для запуска через Ollama и llama.cpp; архитектура — плотная Gemma 3 с 4 млрд параметров. Лицензия — MIT.

Indo-roberta-indonli — модель классификации текстовых пар для вывода на естественном языке (NLI), разработанная Steven Limcorn. Она основана на Indo-roberta и дообучена на наборе данных IndoNLI; архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров, контекст — до 514 токенов. Модель предназначена для проверки отношений между двумя утверждениями: например, определения, следует ли второе утверждение из первого, противоречит ему или не связано с ним. В README приведены результаты на тестовых наборах IndoNLI и пример использования через Transformers. Модель рассчитана на индонезийский язык. В репозитории представлены веса PyTorch и TensorFlow. Автор предупреждает о возможном переносе смещений из базовой модели и датасета IndoNLI. Лицензия — MIT.

ItsNotAI-ai-detector-v2 — модель классификации изображений, разработанная проектом ItsNotAI для определения, создано ли изображение человеком или генератором ИИ, и для распознавания предполагаемого источника. Это дообученная модель BEiT-Large на базе microsoft/beit-large-patch16-224 с двумя классификационными головами: бинарной и многоклассовой. В метаданных указано 411 млн параметров; README указывает входной размер 224×224 пикселя и примерно 304 млн параметров, поэтому оценка размера в источниках расходится. Модель предназначена для проверки цифровых иллюстраций и фотографий, фильтрации загрузок на стоковые платформы, модерации и анализа происхождения изображений. По README, многоклассовая голова различает реальные источники и генераторы, включая Stable Diffusion, Midjourney, DALL·E и FLUX; заявленные метрики точности составляют 95,07% для бинарной и 93,47% для многоклассовой классификации. Эти показатели приведены авторами модели и не гарантируют такой же результат на новых данных. Модель принимает изображения распространённых форматов и выдаёт метки классов. README отмечает снижение точности на сильно сжатых изображениях, преимущественное обучение на изображениях в западном стиле, риск ошибочной классификации генераторов, отсутствовавших в обучающих данных, и ограниченное число обучающих примеров FLUX. Для официальной проверки ItsNotAI использует ансамбль моделей и экспертную оценку; эта отдельная процедура не является частью данного чекпойнта. Лицензия — Apache-2.0.

IremTRNL/legal-e5-tr — модель эмбеддингов для поиска по турецким юридическим текстам. Это дообученная на решениях Верховного и Государственного советов Турции версия intfloat/multilingual-e5-base, созданная с применением Multiple Negatives Ranking Loss и подбора сложных негативных примеров. Модель построена на XLM-RoBERTa, содержит 305,2 млн параметров и доступна в формате safetensors через библиотеку sentence-transformers. Модель предназначена для семантического поиска и сопоставления запросов с фрагментами юридических документов на турецком языке. В примере использования запросу добавляется префикс «query:», а тексту документа — «passage:». Для обучения использовалось около 5000 пар запрос–фрагмент из набора Turkish-Law-Documents-700k-clustered; качество оценивалось на TurkLegalBench. Контекст модели составляет 514 токенов. Лицензия — MIT. Описание не приводит численных результатов оценки; модель специализирована на турецком правовом поиске, поэтому её пригодность для других языков и областей не подтверждена.

LegalEmbed — модель эмбеддингов, дообученная IvanDVonga на корпусе французского права. Она преобразует юридические запросы, ссылки и статьи законов в векторы для семантического поиска и сравнения релевантности. В основе — Sentence Transformers paraphrase-multilingual-mpnet-base-v2 с архитектурой XLM-RoBERTa; модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Для запросов рекомендуется префикс «Question juridique : », для статей и документов — «Texte de loi : ». Модель обучалась на примерно 53 тысячах статей французских кодексов с MultipleNegativesRankingLoss. Подходит для поиска правовых норм по вопросу или ссылке, сопоставления юридических документов и построения семантического поиска по корпусам французского законодательства. Модель выдаёт эмбеддинги, а не готовые юридические ответы или заключения; качество для других языков и областей не подтверждено. Распространяется по лицензии CC BY 4.0.

Legal-Embedding-Ita-0.6B — модель эмбеддингов Sentence Transformers, разработанная ReDiX и дообученная на базе Qwen/Qwen3-Embedding-0.6B для поиска по итальянским текстам с особым акцентом на юридические документы. Она преобразует запросы и документы в плотные векторы размерностью 1024 и предназначена для семантического поиска, ранжирования документов и извлечения материалов для RAG-систем. Для сравнения векторов рекомендуется косинусное сходство; архитектура включает Qwen3Model, пулинг последнего токена и нормализацию. Модель принимает текст, рассчитана прежде всего на итальянский язык и ограничивает длину последовательности 1024 токенами. В карточке указано улучшение результата на итальянском юридическом наборе MuPLeR-retrieval относительно базовой модели, однако прирост не следует переносить на другие языки и области. Модель не генерирует ответы, а выдаёт эмбеддинги; результаты поиска не подтверждают юридическую корректность и не заменяют консультацию специалиста. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; авторы также заявляют, что модель предназначена для исследований, а не для производственной эксплуатации.

Malayalam Fake News Detector (MuRIL) — модель классификации текста, разработанная Manasi и дообученная на базе MuRIL. Она относит новостные статьи на малаялам к классам REAL или FAKE и предназначена для обнаружения подозрительных публикаций, исследовательских и учебных проектов, а также для включения в конвейеры проверки фактов. Модель основана на архитектуре BERT для классификации последовательностей, содержит 264,8 млн параметров и принимает текст длиной до 512 токенов. Для обучения использовался подготовленный набор публичных новостных данных на малаялам и синтетических примеров. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Предсказание отражает сходство текста с примерами REAL и FAKE и не заменяет проверку фактов по надёжным источникам. Качество зависит от разнообразия и качества обучающих данных; актуальные утверждения следует проверять отдельно. Лицензия — Apache-2.0.

rushikeshwalode/multiple_choice_model — дообученная модель BERT, разработанная на основе google-bert/bert-base-uncased и предназначенная для выбора правильного варианта из предложенных ответов. Она подходит для тестов с множественным выбором и вопросов, где нужно сопоставить текст вопроса с несколькими кандидатами. Модель содержит 136,7 млн параметров, использует архитектуру BertForMultipleChoice и принимает текстовые входные данные с контекстом до 512 токенов. В README указана точность 0,751 и значение loss 2,0560 на оценочном наборе, однако набор данных и подробности оценки не раскрыты. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. Основа BERT uncased ориентирована на английский язык, поэтому применимость к другим языкам не подтверждена.

ml6team разработала RobBERT Dutch Base Toxic Comments — дообученную модель RobBERT на архитектуре RoBERTa для классификации нидерландских комментариев на токсичные или потенциально вредные. Модель содержит 144 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель подходит для выявления токсичных комментариев в пользовательском контенте и модерации нидерландоязычных обсуждений. Обучение проводилось два цикла на переведённом наборе Jigsaw Toxicity; для перевода использовалась модель MariantMT. В оценке на отложенной части набора указаны точность 95,63%, F1 78,80%, полнота 78,99% и precision 78,61%. Модель распространяется под лицензией Apache-2.0.

SJTU-CL/RoBERTa-large-ArguGPT — модель классификации текста на базе RoBERTa-large, дообученная на эссе из набора ArguGPT. Она определяет, было ли эссе сгенерировано машиной или написано человеком: метка 1 означает машинный текст, метка 0 — написанный человеком. Модель предназначена для проверки эссе и исследовательского анализа происхождения текста. Модель принимает текст и выдаёт метку класса. Контекст ограничен 514 токенами; в README рекомендуется обрезать эссе до 512 токенов. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — MIT.

robertuito-irony — испаноязычная модель классификации текста из проекта pysentimiento, дообученная на наборе IRosVA 2019 для выявления иронии в твитах. Она присваивает тексту один из двух классов: ирония или отсутствие иронии. Модель основана на RoBERTuito — архитектуре RoBERTa, предварительно обученной на испанских твитах. Это плотная модель для классификации последовательностей с 136,3 млн параметров и контекстом до 130 токенов. В оценке pysentimiento на задаче выявления иронии она показала Macro F1 0,739 ± 0,005. Подходит для анализа тональности и риторических особенностей коротких сообщений на испанском языке, например, для мониторинга социальных сетей. Карточка указывает формат PyTorch и библиотеку pysentimiento; сведения о лицензии в предоставленных данных отсутствуют.