I.11Классификация, ранжирование и сопоставление

Модель ptaszynski/japan-orientalization-pl — польскоязычный классификатор текстов, разработанный на основе HerBERT Base и дообученный для выявления ориентализации Японии в газетных статьях. Она определяет, представляет ли текст Японию как подлинное описание или через искажённый и идеализированный взгляд ориентализма. Модель построена на архитектуре BERT и содержит 151,6 млн параметров; максимальная длина контекста составляет 514 токенов. Она предназначена для классификации польских газетных материалов о Японии, включая статьи 1818–1939 годов, а также других входных текстов. Лицензия — CC BY-SA 4.0.

Language Agency Classifier — классификатор предложений по уровню выраженной в них агентности. Модель создана авторами работы Wan et al. (2023) и реализована на архитектуре BERT с 136,7 млн параметров; в метаданных указано ограничение контекста 512 токенов. Модель предназначена для анализа агентного и общинного стиля речи, в частности для выявления возможных гендерных смещений в описаниях людей. Обучение проводилось на наборе, составленном из биографий Bias in Bios и их перефразированных версий с агентным или общинным стилем. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

LLaVA-v1-0719-336px-LoRA-merge-Vicuna-13B-v1.3 — мультимодальная чат-модель проекта LLaVA, основанная на архитектуре Transformer и дообученная на LLaMA/Vicuna с данными для следования мультимодальным инструкциям. Вариант с разрешением изображений 336 px содержит 12,9 млрд параметров и имеет контекст 2048 токенов. Модель принимает изображения и текстовые запросы и генерирует текстовые ответы. Она предназначена для диалога об изображениях, их подробного описания и визуальных вопросов, включая задачи на рассуждение; карточка также описывает оценивание на ScienceQA. Разработчики позиционируют LLaVA для исследований мультимодальных моделей и чат-ботов, а также для использования исследователями и энтузиастами в компьютерном зрении и машинном обучении. Модель обучена на парах изображение–текст и мультимодальных инструкциях, сгенерированных GPT. В карточке не указана лицензия, поэтому условия использования по ней определить нельзя. Как исследовательский чат-чекпойнт, она может ошибаться при визуальном анализе и генерации ответов; приведённая оценка основана на небольшом наборе визуальных вопросов и ScienceQA.

LumynaX Guard Text Moderation — архивный эксперимент AbteeX AI Labs из Новой Зеландии для классификации текста и модерации. Это ранний выпуск интеграции KoalaAI/Text-Moderation: модель DeBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 512 токенов. В метаданных указаны английский и маори; описание базовой модели отмечает выявление сексуального содержания, разжигания ненависти и пропаганды насилия в английских текстах. В этом выпуске используется маршрутизация к исходной модели и интеграция её идентичности; веса не объединены и не изменены. Модель подходит для классификации текстов при модерации контента. Выпуск устарел, не поддерживается и не рекомендован для производственного использования; его описание не отражает современные возможности и стандарты безопасности AbteeX AI Labs. Лицензия — OpenRAIL.

LuxemBERT — языковая модель семейства BERT для люксембургского языка. Она обучена на 12,2 млн предложений: корпусах из Luxembourgish Wikipedia, Leipzig Corpora Collection и rtl.lu, а также предложениях, частично переведённых с немецкой Википедии. Модель имеет архитектуру BertForMaskedLM, содержит 136,3 млн параметров и принимает последовательности длиной до 514 токенов. Основная задача LuxemBERT — заполнение пропусков в тексте: модель предсказывает замаскированные токены с учётом контекста. Её можно применять для языкового анализа и создания признаков для задач на люксембургском языке. В карточке не указаны лицензия и ограничения на использование.

wls04/math_bi4 — дообученная модель на базе Qwen/Qwen2.5-Math-1.5B-Instruct, созданная с использованием TRL. В метаданных указана архитектура Qwen2ForTokenClassification и задача token-classification; карточка также содержит пример запуска через text-generation, поэтому фактический сценарий применения описан неоднозначно. По назначению модели с разметкой токенов её можно использовать для классификации токенов в математических текстах. Базовая модель — инструкционная языковая модель Qwen2 на 1,5 млрд параметров; контекст модели составляет 4096 токенов. Метаданные указывают английский и китайский языки базовой модели, но отдельные языки для этого чекпойнта не заявлены. Лицензия в предоставленных данных не указана.

MentalBERT — языковая модель AIMH, инициализированная весами BERT-large и дополнительно предварительно обученная на публикациях Reddit, связанных с психическим здоровьем. Она предназначена для анализа текстов из социальных сетей и исследований в области психического здоровья. Модель использует архитектуру BERT-large (24 слоя, скрытый размер 1024, 16 голов внимания) и обучалась по стандартной схеме masked language modeling. Задача в каталоге и на Hugging Face — fill-mask: модель предсказывает пропущенный токен в тексте. Карточка указывает библиотеку Transformers и формат PyTorch. Язык данных обучения — английский, модель uncased, поэтому регистр не различается. Модель может помогать выявлять в публичных онлайн-текстах признаки, требующие внимания социальных работников, но её предсказания не являются психиатрическим диагнозом. Авторы отмечают возможные смещения, проблемы справедливости, неопределённость и ограниченную интерпретируемость. Обучающие данные собраны из публичных анонимных публикаций Reddit. Лицензия — CC BY-NC-SA 4.0.

Davizig10jojo/moondream2-pokemon-vlm — мультимодальная модель для ответов на вопросы об изображениях и генерации текста по визуальному содержимому. По README она создана слиянием TIES на основе vikhyatk/moondream2 с добавлением Qwen/Qwen2-VL-2B-Instruct; в метаданных архитектура обозначена как Moondream1, а файлы представлены в формате safetensors и рассчитаны на Transformers. Модель подходит для распознавания и описания покемонов на изображениях, а также для вопросов о том, что изображено. README не приводит специальных результатов или ограничений качества для покемонов. Условия лицензии в предоставленных данных не указаны.

OpenMed разработала модель для распознавания упоминаний организмов и видов в научных текстах. Это дообученная модель семейства BERT с архитектурой BertForTokenClassification, примерно 136,7 млн параметров и контекстом до 512 токенов. Она принимает токенизированный текст и размечает названия видов тегами B-SPECIES и I-SPECIES. Модель обучена на корпусе SPECIES800, содержащем аннотации упоминаний организмов в биомедицинских публикациях. Её можно применять для извлечения названий видов из аннотаций PubMed, биомедицинского текстового поиска и анализа литературы по биоразнообразию и таксономии. В README приведены оценки на SPECIES800: F1 0,8458, точность 0,8287 и полнота 0,8637. Базовая архитектура — BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext. Модель поддерживает английский язык; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Показатели и область применения описаны для распознавания видов в биомедицинских текстах, поэтому качество на иных жанрах и языках не подтверждено.

OpenMed-NER-OrganismDetect-SuperClinical-141M — специализированная модель OpenMed для распознавания упоминаний видов организмов в биомедицинских текстах. Она дообучена на корпусе SPECIES800 и построена на архитектуре DeBERTa V3 Small; метаданные указывают класс DeBERTa V2 для классификации токенов, 155 млн параметров и контекст до 512 токенов. Модель принимает токенизированный текст и предсказывает BIO-метки B-SPECIES и I-SPECIES для названий видов, включая научные и общепринятые названия. Модель предназначена для извлечения упоминаний организмов из научной литературы, клинических документов и других биомедицинских текстов, а также для анализа биоразнообразия и таксономических упоминаний. В README приведены F1 0,76, точность 0,73 и полнота 0,79 на SPECIES800. Лицензия — Apache-2.0. Заявленные в README сценарии включают поиск организмов в документах и поддержку биомедицинского текстового анализа. Несмотря на более широкие примеры применения в карточке, модель размечает только сущности видов: она не извлекает лекарства или химические соединения и сама по себе не выявляет лекарственные взаимодействия.

Piccolo-math-2x7b — языковая модель автора macadeliccc для генерации текста и решения математических и логических задач. В карточке приведены результаты тестирования на AGIEval, GPT4All, TruthfulQA, Bigbench и Open LLM Leaderboard; формат промпта указан как Mistral. Метаданные описывают архитектуру как Mixtral MoE на базе causal language model, указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель может подойти для генерации ответов, решения учебных задач и тестирования рассуждений на английском языке. Опубликованные оценки показывают результаты на наборах с вопросами и заданиями, но не гарантируют точность в конкретном приложении. Модель распространяется по лицензии MIT.

ALBERT-base-Sanskrit — модель семейства ALBERT, созданная Suraj Parmar для получения векторных представлений санскритского текста. В README показано использование AutoTokenizer и AutoModel из Transformers; модель принимает токенизированный текст и возвращает скрытые представления. В метаданных указано 81,2 млн параметров и контекст длиной 514 токенов; веса доступны в форматах PyTorch и Safetensors. Модель подходит для извлечения признаков из санскритских текстов и может служить основой для прикладных NLP-систем на санскрите. Карточка не сообщает о дополнительных задачах или оценках качества. Лицензия в предоставленных данных не указана.

BERT for Patents — языковая модель, обученная Google на корпусе из более чем 100 млн патентов, включая документы за пределами США. Она основана на BERT Large и предназначена для работы с патентными текстами; доступная задача модели — предсказание скрытых токенов в тексте (fill-mask), что можно использовать для анализа терминологии и контекста патентов. Модель имеет 443,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Карточка указывает английский язык. В репозитории доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — Apache 2.0.

jialicheng/cifar100_resnet-50 — модель классификации изображений, дообученная автором на датасете CIFAR-100 на основе microsoft/resnet-50. Она использует сверточную архитектуру ResNet-50 и предназначена для отнесения изображений к классам CIFAR-100. Модель принимает изображения и выдаёт результаты классификации. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не содержит сведений о точности, обучении и ограничениях применения.

weecology выпустила CropModel для классификации видов деревьев по изображениям крон, обнаруженных детектором DeepForest. Модель определяет один из 148 видов, используя коды USDA PLANTS. Она обучена на 16 348 RGB-изображениях крон из 29 площадок NEON в Северной Америке; редкие виды с менее чем шестью примерами исключены из набора. Архитектура — ResNet-18 с предварительным обучением на ImageNet. На вход подаются RGB-изображения размером 224×224 пикселя с нормализацией ImageNet. Модель предназначена для экологических исследований и анализа видового состава деревьев по данным дистанционного наблюдения. Её можно использовать после обнаружения крон системой DeepForest, например, для автоматической разметки крон по видам. На тестовой выборке точность составила 39,3%, macro F1 — 0,23, weighted F1 — 0,39, поэтому качество заметно различается между классами и требует проверки для конкретной территории. Лицензия — MIT.

Модель disham993/electrical-ner-distilbert-base разработана на основе distilbert/distilbert-base-uncased и дообучена для распознавания именованных сущностей в технических текстах по электротехнике. Она размечает упоминания компонентов, материалов, стандартов и проектных параметров, встречающиеся в описаниях проектирования схем, испытаний, обслуживания, монтажа, поиска неисправностей и исследований. Архитектура — DistilBERT для классификации токенов; модель принимает текст, поддерживает английский язык и имеет контекстное окно 512 токенов. В оценке на ElectricalNER указаны F1 0,922, точность 0,9132 и полнота 0,9309. Датасет был сформирован с помощью GPT-4o-mini, поэтому возможны ошибки разметки и неверная классификация сущностей; модель может хуже работать с неоднозначными фрагментами и не предназначена для других предметных областей. Результаты следует проверять перед применением в критически важных сценариях. Лицензия — MIT; автор рекомендует исследовательское и образовательное использование.

Ray2333/gpt2-large-harmless-reward_model — модель на архитектуре GPT-2 Large, обученная на наборе Anthropic/hh-rlhf (harmless). Она предназначена для классификации ответов ассистента по признаку потенциального вреда и может применяться как компонент контура RLHF для оценки ответов. Для корректного использования на вход следует подавать текст в формулировке, принятой в Anthropic/hh-rlhf. В README указана точность 0,73698 на тестовой выборке. Модель принимает текст и выдаёт результат классификации. Контекст составляет 1024 токена. Вес опубликован в формате safetensors, лицензия — MIT. Модель обучена только на harmless-части Anthropic/hh-rlhf, поэтому её оценки не следует трактовать как универсальную оценку качества или безопасности ответов.

HyperCLOVA-X-SEED-MISHULTA-v2 — корейская языковая модель команды MISHULTA, подготовленная для хакатона K-DATA SCIENCE. Это плотная causal language model семейства HyperCLOVA X на 14,1 млрд параметров с контекстом до 131 072 токенов, дообученная с помощью LoRA на корейских задачах рассуждения с выбором ответа; адаптер затем объединён с базовой моделью HyperCLOVAX-SEED-Think-14B. Данные включали обучающую часть KMMLU, синтетические вопросы о корейской культуре и языке, а также примеры рассуждений, созданные с использованием моделей-учителей. Модель предназначена для генерации ответов на корейские вопросы с вариантами выбора, особенно в задачах рассуждения и культурно-языковых знаниях. Результат оформляется в виде «정답: X» в конце вывода. Карточка указывает на использование модели Solar Pro 4 как учителя и сообщает об отдельном подтверждении Upstage для этого некоммерческого хакатонного применения; это условие не следует трактовать как общее разрешение на дистилляцию результатов Solar. Условия базовой модели HyperCLOVA X SEED Model License Agreement распространяются на производную модель; лицензия в метаданных обозначена как other.

gaiseras/kanjiDNN — сверточная нейросеть для распознавания отдельных японских письменных знаков по изображениям; автор заменил прежние версии Keras на компактную версию v3 на PyTorch, экспортированную в ONNX. Модель классифицирует 3 181 класс: кандзи, хирагану, катакану и класс REJECT для неподходящих изображений. Она рассчитана на рукописный ввод пальцем на сенсорном экране и принимает изображения размером 64×64 в оттенках серого после бинаризации и нормализации. Для v3 требуется точно повторять обработку изображений, использованную при обучении: пороговая бинаризация, обрезка по границам чернил, добавление поля, масштабирование с сохранением пропорций и центрирование. Отвергающий класс и порог уверенности ниже 0,5 позволяют отклонять ромадзи, цифры, пунктуацию, каракули и пустые изображения. Модель доступна по лицензии Apache-2.0.

Модель lenguist/longformer-coherence-synthetic-classifier — дообученная версия allenai/longformer-base-4096 на основе архитектуры Longformer, предназначенная для классификации текста. Число параметров — 151,8 млн, контекст — до 4098 токенов. По названию модель ориентирована на классификацию связности синтетических текстов, однако карточка не раскрывает целевые классы и подробности применения. На оценочной выборке указаны loss 0,0289 и accuracy 0,9945; состав выборки и методика оценки не описаны, поэтому эти показатели не позволяют судить о качестве на других данных. Модель принимает текст и выдаёт результат классификации. Лицензия — Apache-2.0.

Модель potsawee/longformer-large-4096-answering-race — версия Longformer Large, дообученная на наборе RACE для ответов на вопросы с выбором из нескольких вариантов. Она принимает контекст, вопрос и варианты ответа, объединённые в последовательность, и выдаёт оценку (logit) для каждого варианта; вероятности можно получить нормализацией оценок. Модель служит компонентом QA в исследовательском проекте MQAG. Модель построена на архитектуре Longformer и содержит около 454,1 млн параметров. Родная длина контекста — 4098 токенов. Она рассчитана на англоязычные задачи понимания прочитанного и выбора ответа. Лицензия — Apache-2.0.

OpenMed разработала эту модель для распознавания названий организмов и видов в тексте. Это дообученная модель BERT для классификации токенов: она находит упоминания видов и помечает их тегами B-SPECIES и I-SPECIES. Модель обучена на корпусе SPECIES800, содержащем аннотации научных и общеупотребительных названий видов в биомедицинской литературе. Модель принимает токенизированный текст и возвращает BIO-разметку упоминаний организмов. Архитектура насчитывает 135,5 млн параметров, а контекст ограничен 512 токенами. В карточке указаны F1 0,82, точность 0,81 и полнота 0,82 на SPECIES800. Модель рассчитана на извлечение видов из научных публикаций и биомедицинских текстов; заявленные в карточке применения включают анализ литературы и построение баз знаний. Лицензия — Apache-2.0. Качество может снижаться на текстах, отличающихся от SPECIES800, а длина одного обрабатываемого контекста ограничена 512 токенами. Модель выделяет упоминания видов, поэтому заявленные сценарии, связанные с лекарствами и клиническими исходами, требуют дополнительных специализированных компонентов.

这是面向中国商业银行对公信贷审批场景的 QLoRA 微调模型，由 liuchen88 基于 Qwen3.8-27B 构建，并以 GGUF F16 格式提供。 Модель принимает текстовые запросы и, при подключении файла визуального проектора mmproj и конфигурации предобработки, изображения, например снимки финансовой отчётности. Модель классифицирует заявки на кредитование по трём исходам: одобрить, одобрить с условиями или отказать. Она также формирует объяснение решения, оценивает финансовые показатели, выявляет риски и рассматривает условия их смягчения. В обучении использовались данные о публичных компаниях, дефолтах малых и микропредприятий и судебных случаях неисполнения обязательств. Модель содержит 27 млрд параметров и предназначена для запуска через llama.cpp, Ollama или LM Studio. Для GGUF F16 README указывает ориентировочно 70 ГБ памяти; заявлена совместимость с Apple Silicon от 64 ГБ объединённой памяти и GPU с 80 ГБ VRAM. Основной язык и обучающие данные ориентированы на Китай, поэтому применимость к компаниям других стран ограничена. Модель служит вспомогательным инструментом и не заменяет человеческую проверку; возможны ошибочные решения. Лицензия в предоставленных источниках не указана.

Это дообученный классификатор последовательностей на базе RoBERTa-base, разработанный frankhanhj для выявления текстов, созданных ИИ, с акцентом на художественную прозу и другие творческие тексты. Модель относит текст к классу «human» или «ai» и выдаёт вероятности классов. Она содержит 151,8 млн параметров, принимает текст длиной до 514 токенов и реализована на Transformers. Модель предназначена для исследовательской оценки и внутреннего анализа прозы, написанной человеком или сгенерированной ИИ. В README приведены результаты тестирования на собранных корпусах, включая показатели точности и ROC AUC; они относятся к этим данным и не гарантируют такого же качества на других текстах. Классификатор обучен на англоязычных данных. Он чувствителен к распределению обучающих источников, может ошибочно помечать человеческий текст как сгенерированный, особенно при смене предметной области, языка или семейства генераторов. Перед новым применением требуется калибровка и повторная оценка; результат не является доказательством авторства и не подходит как единственное основание для решений с серьёзными последствиями. Лицензия указана как «other», поэтому конкретные условия использования следует сверить с карточкой репозитория.

TAID-VLM-2B — мультимодальная авторегрессионная модель Sakana AI для диалога по изображениям. Она создана методом дистилляции TAID: InternVL2-8B выступала учителем, а InternVL2-2B — учеником. В метаданных указаны архитектура InternVLChatModel, размер 2B и формат safetensors; модель предназначена для визуальных вопросов и ответов, а также текстовой генерации в чате. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. В карточке указан английский язык. Лицензия — MIT. Sakana AI характеризует модель как экспериментальный прототип для исследований и разработок и не рекомендует её для коммерческого применения или критически важных систем; качество результатов не гарантируется.

kktoto/tiny_focal_v2_label — модель токенной классификации на базе BERT, обученная разработчиком с нуля на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам текста; конкретный тип разметки и целевая область применения не описаны. Модель содержит 12,6 млн параметров, использует PyTorch и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: F1 0,6861, точность 0,9513, полнота 0,6747 и loss 0,0558. Эти показатели относятся к неописанной тестовой выборке, поэтому по ним нельзя судить о качестве на других данных. Лицензия в доступных сведениях не указана.

kktoto/tiny_focal_v3 — модель для классификации токенов на основе архитектуры BERT, обученная автором с нуля на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам текста; конкретная схема разметки и прикладные сценарии в карточке не описаны. Модель содержит 12,6 млн параметров, принимает текст с контекстом до 512 токенов и опубликована в формате PyTorch. В README приведены метрики на оценочной выборке: loss 0,0023, precision 0,6975, recall 0,6822, F1 0,6898 и accuracy 0,9515. Из-за отсутствия сведений о датасете, метках и методике оценки эти результаты сложно интерпретировать и переносить на другие данные. Лицензия и языки модели в доступных сведениях не указаны.

Vulnerability_continuous — модель классификации текста на основе DeBERTa-v3-base, дообученная автором репозитория ajrayman. Она предназначена для оценки текста по непрерывной шкале: метрики RMSE, MAE и корреляции в карточке указывают на задачу регрессии, хотя в метаданных Hugging Face задача обозначена как text-classification. Размер модели — 211,6 млн параметров, максимальный контекст — 512 токенов; веса доступны в формате safetensors. Карточка сообщает о дообучении и приводит результаты оценки, но не описывает целевую переменную, набор данных, смысл шкалы или предполагаемые прикладные сценарии, поэтому область применения оценки не установлена. Лицензия — MIT. Основа — англоязычная microsoft/deberta-v3-base; сведения указывают на обработку текста, но целевой язык дообучения не уточнён.

Модель c-ho/2026-08-26-crf-classweights-clean — дообученная версия Davlan/bert-base-multilingual-cased-ner-hrl для классификации токенов. Архитектура основана на BERT и использует CRF-слой; модель содержит 205,1 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. По метрикам и названиям классов в README модель предназначена для разметки текста тегами лингвистических терминов и явлений: среди категорий указаны морфологические, синтаксические, фонологические и семантические явления, а также термины и языковые ресурсы. На оценочном наборе указаны F1 0,7871, точность 0,7639 и полнота 0,8119; качество заметно различается между классами, включая F1 0 для Graphemicphenomenon. Данные обучения в карточке не описаны. Лицензия — AFL-3.0.

f-BERT — модель семейства BERT, представленная авторами работы «Knowledge Enhance Masked Language Model for Stance Detection» на NAACL 2021. Она дообучена для классификации позиции в сообщениях Twitter по отношению к Дональду Трампу и предназначена для анализа политических высказываний, в частности о выборах президента США 2020 года. Модель основана на BERT-base и содержит 136,8 млн параметров; максимальная длина контекста — 512 токенов. Доступны веса PyTorch и Flax. Для предварительного обучения использовалось более пяти миллионов англоязычных твитов о выборах 2020 года, после чего модель дообучили на данных с разметкой позиции относительно Трампа. Лицензия — GPL-3.0. Модель специализирована на этой теме и англоязычном Twitter-контексте; перенос результатов на другие темы, платформы и языки может быть ограничен.