I.11Классификация, ранжирование и сопоставление

InsightEmb — текстовая модель эмбеддингов, созданная на основе Qwen3-Embedding-4B и дообученная для поиска полезных правил и стратегий по текущему состоянию интерактивного агента. Она сопоставляет конкретные ситуации и промежуточные рассуждения с абстрактными приёмами, которые помогают преодолеть процедурное затруднение и продвинуться к цели, даже если формулировки и темы заметно различаются. Модель обучалась на математических задачах и траекториях рассуждений с двухэтапной контрастивной схемой и обучением на частичных траекториях; в README указана оценка переноса на ALFWorld, WebShop, ScienceWorld и SRA-Bench. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст для извлечения эмбеддингов. Для получения представлений применяется pooling последнего токена с последующей L2-нормализацией; при поиске запрос рекомендуется снабжать инструкцией для retrieval. Заявленная длина контекста — 40 960 токенов. Модель предназначена для двуязычных сценариев на английском и китайском языках и распространяется по лицензии Apache-2.0. Она ориентирована на ранжирование процедурно полезных результатов, поэтому её соответствие задачам обычного тематического поиска отдельно не подтверждено.

jojangju-KR-31B — это доработанная moche-ai мультимодальная модель на архитектуре Gemma4ForConditionalGeneration, основанная на google/gemma-4-31B-it. Она содержит около 31 млрд параметров и принимает текст и изображения; для текстовой части README указывает контекст 256 тыс. токенов. Модель ориентирована на корейское понимание, знания, здравый смысл и рассуждения, включая ответы на вопросы и задания с выбором варианта. Разработчик сообщает об улучшении результатов на корейских культурных и общеобразовательных вопросах CLIcK, а также на тестах многошагового и причинного рассуждения MuSR и Com2. Приведённые оценки получены во внутреннем тестировании на отложенной выборке и не гарантируют качество в реальных сценариях; официальные результаты K-AI Leaderboard на момент карточки ожидали публикации. Подробности адаптации не раскрыты: указана обработка весов без использования оценочных данных бенчмарков. Модель подходит для корейских вопросов и ответов, мультимодального анализа изображений и исследовательского тестирования. Возможны фактические ошибки, галлюцинации и предвзятость; безопасность унаследована от базовой модели. Репозиторий распространяется по лицензии Gemma.

Pile of Law BERT large (uncased), или PoL-BERT-Large, — англоязычная модель семейства BERT, разработанная авторами набора Pile of Law и представленная в репозитории pile-of-law/legalbert-large-1.7M-1. Она предобучена на юридических и административных текстах, включая судебные решения и документы, законодательство, нормативные акты, договоры и публикации госорганов. Модель насчитывает 435,4 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для предсказания замаскированных слов в тексте и как основа для дообучения под юридические задачи обработки языка. Предобучение использовало цель masked language modeling без NSP loss и данные Pile of Law; для токенизации применён WordPiece-словарь на 32 000 токенов. В оценке на CaseHOLD модель показала F1 75,0 после настройки гиперпараметров. Модель может унаследовать смещения из обучающих данных; в README приведён пример различающихся оценок для расовых обозначений. Авторы также указывают на ограничения авторского права, связанные с набором Pile of Law. Лицензия самого чекпойнта в предоставленных данных не указана; набор данных распространяется по CC BY-NC-SA 4.0, что не следует считать лицензией модели.

LINE DistilBERT Japanese — языковая модель компании LINE Corporation, предварительно обученная на 131 ГБ японских веб-текстов с BERT-base, разработанным LINE, в роли учителя. Это компактная архитектура DistilBERT для японского языка: 6 слоёв, размер скрытого состояния 768, 12 голов внимания и около 68 млн параметров. Максимальная длина контекста — 512 токенов. Модель предназначена прежде всего для предсказания замаскированных токенов в японском тексте и может служить основой для задач понимания японского языка. Токенизация выполняется с помощью MeCab и словаря Unidic, затем текст разбивается на подслова SentencePiece; размер словаря — 32 768 токенов. В карточке приведены результаты оценки на японском бенчмарке JGLUE. Модель принимает текст и выдаёт оценки токенов для заполнения маски. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Результаты на JGLUE не гарантируют качество для всех прикладных задач; карточка не описывает отдельную настройку под конкретную область.

LLaVA-OneVision Qwen2 0.5B-SI — мультимодальная модель семейства LLaVA, разработанная LMMS-Lab. Она сочетает визуальный энкодер SO400M с языковой моделью Qwen2 и содержит около 494 млн параметров. Модель обучена на наборе LLaVA-OneVision-Data и рассчитана на диалоговое взаимодействие с изображениями, несколькими изображениями и видео. Контекстное окно составляет 32 768 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель подходит для ответов на вопросы о содержимом изображений, описания визуальных сцен и диалога с учётом нескольких изображений или видео. В карточке заявлена поддержка английского и китайского языков. Разработчики предупреждают, что результаты могут быть неточными и зависят от качества входных данных. Лицензия Apache-2.0.

wls04/math_bi7b — дообученная на базе Qwen/Qwen2.5-Math-7B-Instruct модель для классификации токенов. Она использует архитектуру Qwen2 с плотной сетью и содержит 7,1 млрд параметров; модель опубликована в формате safetensors и рассчитана на контекст до 4096 токенов. Метаданные указывают задачу token-classification, но карточка не описывает схему меток или конкретные сценарии классификации, поэтому назначение разметки токенов уточнить нельзя. README сообщает о дообучении с использованием TRL. Лицензия в предоставленных данных не указана.

NCI Technique Classifier v5.2 — англоязычный классификатор Synapti для выявления пропагандистских приёмов в тексте. Модель дообучена на базе answerdotai/ModernBERT-base и распознаёт 18 категорий по таксономии SemEval-2020 Task 11. Она выдаёт калиброванные вероятности для каждой категории и рассчитана на анализ целых документов без предварительного разбиения на предложения. Модель предназначена для поиска приёмов пропаганды и анализа координированных информационных операций в рамках протокола Narrative Coordination Index. В README сообщается о снижении ложных срабатываний на научных и фактических текстах благодаря обучению на сложных отрицательных примерах; приведённые результаты относятся к тестам разработчика. Модель содержит 149 млн параметров, поддерживает контекст до 8192 токенов и доступна в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

NusaBERT Large — многоязычная языковая модель на основе энкодера BERT, разработанная LazarusNLP. Это версия IndoBERT Large p1, продолжительно предобученная примерно на 16 млрд токенов из открытых корпусов, включая индонезийскую Википедию, KoPI-NLLB и CulturaX. Модель содержит 435,5 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Модель предназначена для восстановления замаскированных слов и может служить основой для задач анализа текста на индонезийском и нескольких языках Юго-Восточной Азии. В README приведены результаты оценки на отложенной части корпуса: accuracy 0,7117 и perplexity 3,769. Она обучалась с Transformers и PyTorch, распространяется под лицензией Apache 2.0.

OpenMed/OpenMed-NER-OrganismDetect-ModernClinical-395M — дообученная модель OpenMed для распознавания упоминаний видов организмов в тексте. Она использует архитектуру ModernBERT для классификации токенов и выдаёт BIO-разметку сущностей типов B-SPECIES и I-SPECIES. Модель содержит 394,7 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для извлечения названий видов из биомедицинских текстов, научных публикаций и клинических документов, включая научные и распространённые названия организмов. В README приведены результаты на SPECIES800: F1 0,79, точность 0,79 и полнота 0,78. Она может использоваться для поиска упоминаний организмов в литературе и формирования таксономических или биомедицинских наборов данных. Карточка указывает базовую архитектуру BioClinical-ModernBERT-large, но метаданные не содержат идентификатора репозитория базовой модели. Модель распространяется по лицензии Apache-2.0. Показатели README относятся к SPECIES800; качество на иных корпусах и языках может отличаться.

cockroach54/opensolar-qlora-dpo — экспериментальная языковая модель семейства Llama на 10,7 млрд параметров, обученная автором с помощью Transformers, PEFT и bitsandbytes на базе beomi/OPEN-SOLAR-KO-10.7B. В README указаны практика и оценка на корейских задачах, включая проверку понимания слов в контексте и анализ тональности; метаданные также указывают датасеты корейских диалогов и сравнений. Модель принимает текст и генерирует текст. Контекст составляет 4096 токенов; в карточке заявлены корейский и английский языки. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README приводит лишь часть результатов оценки, поэтому по нему нельзя судить о качестве на широком наборе задач.

Mishtar4/persuasion-detector-xlm-roberta — модель XLM-RoBERTa-large, дообученная для многометочной классификации текстовых абзацев по 23 техникам убеждения и пропаганды из SemEval 2023 Task 3. Она анализирует абзац и отмечает применимые приёмы, включая апелляцию к авторитету или страху, ложную дилемму, подмену тезиса, whataboutism, лозунги и нагруженную лексику. Модель предназначена для анализа медиатекстов и политической риторики, а также для встраивания в приложения обнаружения техник убеждения. В README указана оптимизация для польского языка и поддержка более чем 100 языков; метаданные карточки перечисляют английский, французский, немецкий, итальянский, польский и русский. Контекст модели — 514 токенов, размер — 658,7 млн параметров. На польском dev-наборе автор сообщает micro-F1 около 0,45, поэтому результаты требуют осторожной интерпретации и не заменяют экспертную оценку. Лицензия — MIT.

dbourget/philai-embeddings-2.0 — модель Sentence Transformer на архитектуре BERT, разработанная для представления философских текстов в виде плотных векторов. Она принимает предложения и абзацы и кодирует их в векторы размерностью 1024 для вычисления семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель обучалась на открытых философских текстах: сначала использовалась предобученная bert-base-uncased, затем обучение TSDAE и дообучение на наборах philsim и beatai-philosophy с целью косинусного сходства. Максимальная длина входа — 512 токенов; для оценки сходства применяется косинусная близость. Карточка приводит результаты оценки на beatai-dev, включая точность 0,8081 по косинусному сходству. Модель ориентирована на философские тексты и может хуже работать на других тематиках. Файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

leondz/refutation_detector_distilbert — модель классификации текста на базе DistilBERT, обученная распознавать ответы, опровергающие ложные утверждения. Обучающие примеры составлены из утверждений набора True-False: к каждому добавляли запрос «Explain why», а затем использовали первое предложение ответа OpenAI gpt-3.5-turbo, полученного 1 июня 2023 года. Метки исходного набора сохранены: метка 0 соответствует ложному утверждению и обычно указывает на опровержение. Модель предназначена для классификации текстовых ответов и поиска формулировок, которые опровергают утверждение. При подготовке данных вручную удалили около 10% примеров с ошибочными или пропущенными опровержениями. Модель принимает английский текст; максимальная длина контекста составляет 512 токенов. Доступны веса PyTorch и safetensors. Лицензия — CC BY 4.0.

LFTW R4 Target — модель классификации текста на базе архитектуры RoBERTa, связанная с исследованием Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection. Она предназначена для выявления оскорбительной и ненавистнической речи в тексте, в том числе в сценариях онлайн-модерации. Модель содержит 151,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. Модель рассчитана на англоязычные тексты. Карточка не сообщает подробностей о классах меток и показателях качества. Условия лицензии в предоставленных сведениях не указаны.

Модель kinit/slovakbert-sentiment-twitter — классификатор тональности на основе SlovakBERT, опубликованный пользователем kinit. Это RoBERTa-модель с 151,8 млн параметров, дообученная на 50 тысячах вручную размеченных словацких твитов из Multilingual Twitter Sentiment Analysis Dataset. Она относит текст к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель предназначена прежде всего для анализа тональности твитов на словацком языке и может применяться для мониторинга мнений в соцсетях. В оценке на исходном датасете F1 составил 0,67; на наборе общих отзывов — 0,58. Поэтому результаты на текстах вне домена твитов могут быть слабее. Контекст модели — 514 токенов. Лицензия — CC BY 4.0.

TahrirchiBERT-base — предварительно обученный авторами Tahrirchi узбекский текстовый энкодер на архитектуре BERT с маскированным языковым моделированием. В метаданных указано 136,7 млн параметров; README приводит оценку 110 млн. Модель чувствительна к регистру и рассчитана на узбекский язык латиницей. Она принимает текстовые последовательности длиной до 512 токенов и предсказывает скрытые токены; также служит базой для дообучения на задачах классификации последовательностей и токенов, а также ответов на вопросы. Предобучение выполнено на узбекских интернет-текстах и книгах. Токенизация основана на байтовом BPE со словарём из 30 528 элементов. Репозиторий содержит веса PyTorch и safetensors и доступен по лицензии Apache-2.0. Модель предназначена для узбекоязычных NLP-задач; для прикладной классификации и ответов на вопросы её потребуется дообучить.

Tulu V2.5 13B RM — англоязычная модель вознаграждения, разработанная AllenAI для обучения с подкреплением на основе человеческих предпочтений. Она оценивает текстовые ответы помощника и предназначена прежде всего для использования в PPO-пайплайнах и исследованиях методов RLHF, а не как самостоятельный чат-бот. Модель основана на архитектуре Llama 2, содержит 12,9 млрд параметров и принимает текст с шаблоном диалога, заданным в токенизаторе; контекст составляет 4096 токенов. Модель дообучена на наборе HH-RLHF 60k с использованием данных Tulu и обучалась с помощью JAX RM trainer на EasyLM. Карточка указывает английский язык и лицензию Apache 2.0. Оценки модели отражают предпочтения, усвоенные из обучающих данных, и могут не совпадать с предпочтениями конкретного приложения; для надёжного применения требуется оценка и настройка в целевом пайплайне.

Tulu V2.5 13B RM - Nectar 60k — англоязычная reward-модель, разработанная AllenAI для оценки ответов языковой модели и обучения с подкреплением по PPO. Она основана на плотной архитектуре Llama 2 с 12,9 млрд параметров и дообучена на Nectar 60k после инструкционного этапа на данных Tulu; модель предназначена прежде всего для исследовательских экспериментов с обучением по предпочтениям, а не для обычного общения с пользователем. Модель принимает текст в заданном шаблоне с новой строкой после сообщения и выдаёт оценку класса для текстового входа. Контекст — до 4096 токенов. Лицензия — Apache 2.0. Ограничения: обучена и рассчитана на английский язык; для корректной работы следует соблюдать формат входа из карточки модели.

TybyrIA v2.2 — модель Código Não Binário для выявления признаков ненавистнических высказываний против LGBTQIA+ в комментариях к публикациям в социальных сетях на бразильском португальском. Это дообученная модель классификации последовательностей на архитектуре BERT с 136,1 млн параметров и контекстом до 512 токенов; веса хранятся в формате safetensors. Модель выдаёт метки и оценки классов, включая оценку класса hate. Её предназначение — помогать в исследованиях, документировании насилия и первичной сортировке больших объёмов комментариев, выделяя тексты для проверки человеком. Авторы рекомендуют рассматривать вероятность hate от 0,40 как повод для такой проверки. Модель создана правозащитной организацией Código Não Binário и обучена на вручную размеченных данных; веса распространяются по лицензии MIT, а данные для обучения — по CC-BY-NC-SA-4.0. Модель ориентирована на комментарии о LGBTQIA+ на бразильском португальском. Вне этого контекста она может принять ненависть к другим группам за LGBT-фобию, а слова, смысл которых зависит от контекста, например amigues, могут классифицироваться ошибочно. Результаты следует использовать только как подсказки для человеческой проверки, а не для автоматической блокировки, удаления, наказания или оценки людей.

NlpHUST/vibert4news-base-cased — вьетнамская языковая модель семейства BERT, разработанная для работы с новостными текстами. Она предварительно обучена на более чем 20 ГБ новостных данных; архитектура соответствует BERT base и использует SentencePiece-токенизацию вместе с базовой токенизацией BERT. В репозитории опубликованы веса PyTorch и TensorFlow, а метаданные указывают класс BertForMaskedLM, размер около 160,9 млн параметров и контекст до 512 токенов. Модель предназначена для заполнения маски в тексте и служит основой для задач обработки вьетнамского языка. В README описано её применение в анализе тональности комментариев, сегментации слов и распознавании именованных сущностей через инструментарий ViNLP; для связанных сценариев приведены результаты на публичных наборах данных. Лицензия в доступных сведениях не указана.

Vietnamese Llama2-13B 8k Context Length with LoRA Adapters — адаптер LoRA для языковой модели семейства Llama, опубликованный VietnamAIHub. Он дообучен методом QLoRA на более чем 200 тысячах инструкций на вьетнамском языке и предназначен для генерации текста и решения широкого круга задач обработки естественного языка на вьетнамском. Заявленный контекст составляет 8192 токена; архитектура — плотная LlamaForCausalLM, размер базовой модели — 12,9 млрд параметров. Модель подходит для генерации ответов на инструкции, анализа тональности и других вьетнамоязычных NLP-сценариев. В репозитории размещён адаптер, для использования которого требуется базовая модель Llama 2 13B; параметры базовой модели здесь не включены. README не приводит результатов количественной оценки и списка обучающих датасетов. Лицензия в предоставленных данных не указана.

VILA-7b — визуально-языковая модель семейства VILA, разработанная командой авторов исследования VILA. Модель обучена на чередующихся данных изображений и текста и предназначена для мультимодального диалога и исследований крупных мультимодальных моделей. Модель принимает изображения и текст, поддерживает рассуждения по нескольким изображениям, обучение в контексте и визуальную цепочку рассуждений. В README также отмечены знания об окружающем мире и сохранение возможностей работы только с текстом. Версия VILA-7b обучена в феврале 2024 года; архитектура — LlavaLlamaForCausalLM, размер — 6,6 млрд параметров, контекст — 4096 токенов. Репозиторий содержит веса Safetensors. Модель подходит для визуальных вопросов и ответов, описания изображений и мультимодального чат-бота. README описывает развёртывание на периферийных устройствах, включая Jetson Orin и ноутбуки, с 4-битной AWQ-квантизацией через TinyChat. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. README ориентирует модель прежде всего на исследования; качество зависит от задачи и данных.

HuggingFaceH4/vsft-llava-1.5-7b-hf-trl — мультимодальная модель LLaVA, созданная HuggingFaceH4 методом VSFT на базе llava-hf/llava-1.5-7b-hf. Для обучения использовались 260 тысяч пар изображений и диалогов из набора HuggingFaceH4/llava-instruct-mix-vsft. Модель построена на авторегрессионной архитектуре Transformer и генерирует ответы на запросы пользователя с изображениями. Модель предназначена для визуальных диалогов: она принимает текстовые запросы и одно или несколько изображений, а затем описывает их или отвечает на вопросы о содержимом. Для запросов требуется формат USER/ASSISTANT с маркером изображения в месте, которое нужно проанализировать. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Модель разработана как дообученная версия yojul/wav2vec2-base-one-shot-hip-hop-drums-clf и предназначена для классификации аудио. Она основана на архитектуре Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. Обучение проводилось на датасете GTZAN. На оценочной выборке указана точность 0,74 и значение loss 0,9288. Эти результаты не описывают качество на других наборах данных или в иных условиях. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

rasbt/ai-text-detector-modernbert — дообученный классификатор текста на базе ModernBERT-base от AnswerDotAI. Он определяет, написан ли текст человеком или сгенерирован ИИ: метка 0 соответствует человеческому тексту, метка 1 — тексту, созданному ИИ. Модель обучена на наборе rasbt/human-vs-ai-50k и принимает последовательности длиной до 8192 токенов. Модель использует архитектуру ModernBERT для классификации последовательностей и распространяется в формате safetensors. При инференсе применяется температурная калибровка; в карточке указана максимальная точность 99,71% на валидации. Модель рассчитана на англоязычные тексты и может использоваться для проверки материалов, когда нужно оценить вероятность генерации ИИ. Качество может снижаться на текстах из незнакомых генераторов, предметных областей, языков и сценариев редактирования. Короткие и частично созданные с помощью ИИ тексты также сложнее классифицировать; результат не является доказательством авторства. Лицензия — Apache-2.0.

algerian-law-reranker-v1 — модель-реранкер на основе MARBERTv2, разработанная для поиска по статьям Семейного кодекса Алжира. Она оценивает релевантность пары «вопрос пользователя — статья закона» и предназначена для второго этапа юридического поиска после отбора кандидатов, например, моделью algerian-law-biencoder-v2. Модель использует архитектуру BERT CrossEncoder с классификационной головой и одним выходным баллом. Она дообучена на 9 123 парах запросов и статей, поддерживает последовательности до 512 токенов и принимает текст. Запросы представлены на алжирском разговорном арабском дарджа, арабизи, литературном арабском, французском и их смешанных вариантах. В README указаны accuracy 0,909 и F1 0,915 на отложенной dev-выборке. Модель создана для узкой области семейного права Алжира и не предназначена для самостоятельной выдачи юридических консультаций или широкого поиска по законодательству других стран. Качество за пределами описанного домена и данных не установлено. Лицензия — Apache-2.0.

Biswabangla-335M-io — открытая монолингвальная генеративная языковая модель Gyan AI Research для бенгальского языка. Это авторская модель с архитектурой Transformer Decoder Only Auto Regressive; она содержит 335,2 млн параметров и принимает контекст до 4096 токенов. Модель обучена с нуля, а затем дообучена на 1 млн пар «вход—выход» с инструкциями для разных задач обработки бенгальского языка. Модель предназначена для генерации текста и выполнения инструкций на бенгальском языке. Токенизатор также работает с ассамским языком, но карточка не подтверждает полноценную поддержку генерации на нём. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая запрещает коммерческое использование согласно карточке. Авторы предупреждают, что обучающие данные содержат токсичный контент и социальные предубеждения; ответы могут быть неточными, нерелевантными или оскорбительными.

CAMeLBERT-CA — предварительно обученная модель BERT, разработанная CAMeL Lab для классического арабского языка. Это вариант семейства CAMeLBERT, обученный на корпусе классических арабских текстов OpenITI; модель содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в тексте и может служить языковой основой для дообучения на задачах обработки арабского языка, включая распознавание именованных сущностей, разметку частей речи, анализ тональности, определение диалекта и классификацию поэзии. Для этих прикладных задач обычно требуется отдельное дообучение. CAMeLBERT-CA ориентирована на классический арабский и прошла оценку на нескольких NLP-задачах, однако качество зависит от задачи и данных дообучения. Доступна по лицензии Apache-2.0.

MilaNLProc/bert-base-uncased-ear-misogyny — англоязычный классификатор на базе BERT, разработанный Джузеппе Аттанасио, Деборой Ноццей, Дирком Хови и Еленой Баралис. Модель дообучена для выявления мизогинии в тексте на датасете Automatic Misogyny Identification. Регуляризация внимания на основе энтропии призвана снизить чрезмерную зависимость классификатора от отдельных слов; модель подходит для анализа англоязычных публикаций и высказываний. Архитектура — BertForSequenceClassification, около 136,7 млн параметров; максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт метки классификации. Опубликована в формате PyTorch под лицензией GPL-3.0. Регуляризация уменьшает, но не устраняет лексическое переобучение: отдельные характерные слова всё ещё могут вызывать определённые предсказания вне контекста, а модель может сохранять смещения. Для оценки качества и степени снижения смещений следует учитывать результаты исследования авторов.

BERTweet-large-sexism-detector — модель классификации текста, дообученная разработчиками NLP-LTU на BERTweet-large с использованием датасета Explainable Detection of Online Sexism (EDOS). Она предназначена для определения, содержит ли публикация в Twitter сексистское содержание: класс 0 означает «не сексистская», класс 1 — «сексистская». Модель основана на архитектуре RoBERTa, содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. В карточке указаны точность 89,72% и F1-score 86,13% на тестовой выборке; команда заняла 10-е место среди 84 участников. Эти показатели относятся к оценке на EDOS и не гарантируют такую же точность на других платформах, языках или типах текста. Модель рассчитана на англоязычные публикации. Лицензия в предоставленных данных не указана.