I.12Рекомендации и персонализация

Fashion Image Search — модель поиска похожих товаров в каталоге одежды и аксессуаров по изображению, созданная автором shalev396. Изображение обрабатывает замороженная MobileNetV2 с весами ImageNet и 2 257 984 параметрами: она извлекает вектор признаков размерности 1280, который PCA-проекция сокращает до 256 измерений, после чего вектор нормализуется. Поиск точный, по косинусному сходству среди заранее проиндексированных 8 000 товаров; результаты включают ближайшие совпадения с названием, категорией и миниатюрой. Модель предназначена для визуального поиска по модному каталогу: пользователь загружает фотографию товара и получает визуально похожие позиции. На отложенной выборке из 500 изображений точность совпадения типа товара среди пяти ближайших результатов составила 72,8%, а совпадения главной категории — 97,0%. Репозиторий содержит TensorFlow/Keras-модель извлечения признаков, проекцию PCA и индекс каталога; README также описывает использование через Python, Gradio API и Hugging Face Inference Endpoints. Модель использует только изображения и не была дообучена на данных модной индустрии: ImageNet-признаки отражают формы и текстуры, поэтому поиск находит визуально похожие товары, а не обязательно товары того же бренда, цены или стиля. Индекс ограничен фиксированным каталогом Myntra из 8 000 товаров, в основном снятых на белом фоне; уличные снимки, необычные ракурсы, несколько объектов в кадре и редкие категории снижают качество. Изображение без кадрирования искажается при масштабировании до 224×224. Лицензия — MIT.

Intern-Decision-4B — мультимодальная модель структурированного принятия решений, разработанная на основе Qwen3.5-4B и дообученная для выдачи вероятностных ответов по нескольким вопросам за один проход. На вход она принимает общее состояние, схему вопросов с вариантами ответа и, при необходимости, изображения; для каждого поля возвращает распределение вероятностей в типизированном JSON. Модель подходит для сценариев, где нужно оценивать варианты выбора, категории или бинарные решения с учётом текста и изображений. Она поддерживает от 1 до 16 вопросов и до 62 вариантов на вопрос; длина входа ограничена 8192 токенами, включая токены изображений. Для вывода требуется специальный формат запроса и чтение логитов в позициях заполнителей, поэтому обычная генерация текста не описывает основной способ использования. Веса представлены в safetensors, архитектура — плотная Qwen3.5 с 4 млрд параметров. В README приведены результаты на нескольких бенчмарках и отдельная калибровка вероятностей; качество и задержка зависят от задачи и оборудования. Модель основана на Qwen3.5-4B, а её лицензия — Apache-2.0.

MaMMUT2 ViT-B/32 cc12m-noz — вариант модели MaMMUT2 от разработчика rwightman, обученный на данных CC12M и отличающийся от mammut2_ViT-B-32.cc12m отсутствием caption z-loss. Это мультимодальная модель для сопоставления изображений и текста, подходящая для классификации изображений по текстовым описаниям без отдельного дообучения и поиска по парам изображение–текст. В карточке приведены сравнительные результаты zero-shot-классификации и поиска изображений по тексту, а также оценки генерации подписей. Вариант использует архитектуру ViT-B/32; реализация рассчитана на OpenCLIP. Карточка упоминает современную текстовую башню с токенизатором r50k и контекстом 128 токенов, но не уточняет, что именно эта конфигурация относится к данному варианту. Модель распространяется по лицензии Apache-2.0. Результаты на подписях ограничены различием между стилем alt-text датасета CC12M и эталонными подписями COCO; абсолютные значения CIDEr в карточке охарактеризованы как низкие.

UniversalCEFR/ModernBERT-base-cefr-all-classifier — дообученная модель классификации текста на базе answerdotai/ModernBERT-base, разработанная для определения уровня CEFR по тексту. Она использует архитектуру ModernBERT encoder-only с 149 млн параметров и принимает текст длиной до 8192 токенов. В README приведены результаты оценки: F1 0,9528 и loss 0,1620; набор данных и подробности оценки не описаны. Модель подходит для автоматической оценки языковой сложности текста и распределения материалов по уровням CEFR. Весовые файлы представлены в формате safetensors; модель работает с библиотекой Transformers. Лицензия — Apache-2.0.

Это англоязычная модель Sentence Transformers для получения эмбеддингов предложений и абзацев, разработанная как дообучение kokojake/modernbert-embed-base-fitness-health-matryoshka-8-epochs-25k. В основе — ModernBERT с 149 млн параметров; модель формирует нормализованные векторы размерностью 768 и использует косинусное сходство. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов в тематике фитнеса и здоровья, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Matryoshka-обучение позволяет усекать векторы до меньших размерностей, от 512 до 64, с некоторым снижением качества поиска. В README приведены результаты оценки информационного поиска, но данных для оценки качества на других наборах или задачах нет. Лицензия — Apache-2.0.

MyAwesomeModel — модель из репозитория SOTAagi2030/MyAwesomeModel-TestRepo, распространяемая через Hugging Face и предназначенная по метаданным для извлечения признаков из текста. Она интегрируется с библиотекой Transformers и реализуется на PyTorch; в тегах также указана BERT-совместимая архитектурная принадлежность. В README модель описывается как обновлённая система с улучшенными рассуждениями, математическими и логическими задачами, программированием, ответами на вопросы, классификацией, суммаризацией, диалогами, переводом и вызовом функций. Однако эти возможности не согласуются напрямую с основной меткой feature-extraction и не сопровождаются достаточным описанием архитектуры, размера, контекстного окна или языковой поддержки. Документация также упоминает уменьшение галлюцинаций и рекомендации по системному промпту и температуре 0,6. Модель доступна по лицензии MIT. Для каталогизации её следует прежде всего рассматривать как Transformers-модель для получения текстовых представлений, а заявленные генеративные и рассуждательные возможности подтверждать дополнительным тестированием.

polish-reranker-large-ranknet — польская модель для переранжирования результатов поиска, разработанная на основе Polish RoBERTa и обученная с функцией потерь RankNet. Она оценивает релевантность документов запросу и упорядочивает их, используя попарное сравнение документов. Обучение проводилось на 1,4 млн запросов и 10 млн документов: польской части MS MARCO, переведённом на польский ELI5 и наборе польских медицинских вопросов и ответов. Для разметки релевантности использовалась модель unicamp-dl/mt5-13b-mmarco-100k; базовая модель выступала учеником в дистилляции. Модель предназначена для второго этапа информационного поиска: она принимает запрос и найденные документы и выдаёт оценки или ранжированный список. В тесте Polish Information Retrieval Benchmark достигла NDCG@10 62,65; авторы сообщают, что она быстрее и компактнее модели-учителя. Это модель RoBERTa для классификации последовательностей с 533,7 млн параметров, контекстом 514 токенов и форматом safetensors; доступна через Sentence-Transformers и Transformers. Лицензия — Apache-2.0.

mnoukhov/pythia2.8b-rm-tldr6.9b — модель классификации текста на основе архитектуры GPT-NeoX, дообученная из mnoukhov/pythia2.8b-sft-tldr. По названию и контексту обучения это модель вознаграждения для оценки текстовых ответов, хотя карточка не описывает её назначение подробно. В репозитории указаны результаты оценки: loss 0,3979 и accuracy 0,8129; размер модели — 3,5 млрд параметров, контекст — 2048 токенов. Модель принимает текст и выдаёт классификационную оценку. Она может применяться для ранжирования или отбора ответов, например в конвейерах обучения с обратной связью от модели. Поддерживаемые языки и ограничения качества в карточке не раскрыты. Лицензия — Apache-2.0.

Veritone публикует текстовую башню SigLIP 2 So400m — отдельную копию текстового энкодера модели google/siglip2-so400m-patch16-512. Она преобразует текстовые запросы в общее пространство эмбеддингов с изображениями и предназначена для использования при поиске, отдельно от башни зрения; разделение позволяет загружать только нужную часть модели. В паре с соответствующей башней зрения её можно применять для классификации изображений по кандидатным текстовым меткам без дообучения и для поиска изображений по тексту. Архитектура — SigLIP, библиотека Transformers, веса в формате safetensors; контекст составляет 64 токена. Модель обучена в составе SigLIP 2 на датасете WebLI. Карточка указывает лицензию Apache-2.0. Сам текстовый энкодер не принимает изображения, поэтому для полного сценария поиска или классификации требуется совместимая башня зрения, например Veritone/siglip2-so400m-patch16-512-vision.

ACGVoc2vec — модель эмбеддингов OysterQAQ для поиска сходства между предложениями и текстами об аниме. Она построена на Sentence Transformers и дообучена на предварительно обученных весах distiluse-base-multilingual-cased-v2 с функцией потерь MultipleNegativesRankingLoss. Для обучения использованы пары текстов из Bangumi, pixiv, AnimeList, Википедии и moegirl: названия произведений на японском, китайском и английском, описания, теги, персонажи и сведения о сэйю. Модель предназначена для преобразования связанных текстов об аниме в близкие векторные представления. Её можно применять для поиска произведений по альтернативным названиям, тегам, описаниям или персонажам, а также для поиска связанных сведений о произведении. Контекст ограничен 512 токенами; модель выдаёт эмбеддинги, а не готовые ответы или сгенерированный текст. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных не описаны.

Artistic_Interests_binary — англоязычная модель классификации текста на основе DeBERTa-v3-base от Microsoft, дообученная автором ajrayman для бинарной классификации интереса к искусству. Модель содержит 211,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате safetensors по лицензии MIT. Её можно использовать для автоматической классификации текстов по признаку интереса к искусству. В README приведены результаты оценки: accuracy 0,6276 и F1 0,6551; набор данных указан как None, поэтому назначение меток и область применения стоит уточнить перед использованием. Описания обучающих данных и ограничений автор не предоставил.

kevinoli/clip-finetuned-csu-p14-336-e4l58-l — дообученная модель CLIP на базе openai/clip-vit-large-patch14-336, опубликованная пользователем kevinoli. Она сопоставляет изображения с текстовыми описаниями и поддерживает классификацию изображений по категориям, заданным пользователем, без отдельного обучения на этих категориях. Модель реализована как CLIPModel и распространяется в формате safetensors для Transformers. Карточка сообщает значение Loss 0,8028 на оценочном наборе, но не раскрывает датасет, детали обучения и сценарии применения. Поэтому нельзя надёжно определить её специализацию, качество на конкретных данных или языки текстовых запросов. Базовая модель CLIP предназначена для сопоставления изображений и текста; лицензия в доступных данных не указана.

clip-japanese-base — японская модель CLIP, разработанная LY Corporation для сопоставления изображений и текста. Она обучена на примерно 1 млрд собранных из веба пар «изображение — текст» и подходит для классификации изображений без дополнительного обучения, а также поиска изображений по тексту и текстовых описаний по изображению. Архитектура включает визуальный энкодер Eva02-B с Transformer и 86 млн параметров и текстовый энкодер BERT из 12 слоёв со 100 млн параметров. Текстовый энкодер инициализирован весами rinna/japanese-clip-vit-b-16. Модель ориентирована на японский язык; среди форматов репозитория указаны ONNX и safetensors. В приведённых в карточке сравнениях модель показывает высокие результаты на STAIR Captions и Recruit Datasets, но её точность на ImageNet-1K ниже, чем у Stable-ja-clip. Для применения в задачах на других языках карточка подтверждений не приводит. Модель распространяется по лицензии Apache-2.0.

GRM-gemma2-2B-rewardmodel-ft — модель оценки предпочтений (reward model) на базе Gemma 2, разработанная авторами GRM. Она дообучена на Ray2333/GRM-Gemma2-2B-sftreg с использованием очищенного от пересечений набора предпочтений Skywork/Skywork-Reward-Preference-80K-v0.2. Модель содержит 2,7 млрд параметров, использует архитектуру Gemma2ForSequenceClassification и принимает текст для классификации и оценки ответов.

Jeeves-9B — модель принятия решений от PostHog на основе Qwen3.5-9B, настроенная для выбора и оценки вариантов. Она принимает описание состояния в виде текста или JSON и отвечает на вопросы с выбором «да/нет», несколькими вариантами или рейтингом: для каждого варианта выдаёт калиброванную вероятность, а при включённом режиме рассуждений также формирует цепочку рассуждений. Модель содержит объединённые веса Qwen3.5-9B и LoRA, отдельную pointer head, настроенную температуру калибровки и компоненты для спекулятивного декодирования. Размер — 7,2 млрд параметров, контекст — до 262 144 токенов; опубликованные веса — bf16 в формате safetensors. Для запуска нужны специальный код Jeeves и формат запросов Jev `/v1/systemone`; обычная загрузка через Transformers не поддерживается. В README приведены результаты тестирования на английских данных: модель сильна на JevBench и тестовой выборке Jeeves, но уступает Jev на вопросах на знания; длинные цепочки рассуждений могут быть медленными и обрываться по лимиту токенов. Лицензия — Apache-2.0.

jev-decisions-v1-model — дообученная GhostScientist модель на базе Qwen/Qwen3.5-0.8B для выбора одного ответа из набора вариантов. На вход она получает структурированное состояние, вопрос и от 2 до 24 вариантов с буквенными метками, а выдаёт ровно одну букву выбранного варианта. Модель представляет собой плотную текстовую причинно-следственную архитектуру Qwen3_5ForCausalLM с 581,4 млн параметров; в карточке указано контекстное окно 262 144 токена. Для дообучения использован набор из 9 102 записей о принятии решений; на 400 примерах dev-набора точность составила 0,755 против 0,657 у базовой модели. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

LumynaX Reranker BGE v2 M3 — ранний эксперимент AbteeX AI Labs, построенный на BAAI/bge-reranker-v2-m3. Это переранжировщик на архитектуре XLM-RoBERTa с 658,7 млн параметров: он оценивает релевантность пары «запрос — текст» и помогает улучшить порядок результатов поиска. Модель рассчитана на многоязычный поиск; в карточке указаны английский и маори. Максимальная длина контекста — 8194 токена. В этом выпуске исходные веса BAAI/bge-reranker-v2-m3 не изменены: README описывает интеграцию через маршрутизацию во время выполнения и связывание идентичности модели. Указанная лицензия — MIT. Выпуск устарел, больше не поддерживается и не рекомендуется для производственного использования; README также предупреждает, что он не отражает текущие возможности и стандарты безопасности AbteeX AI Labs.

naflexViT-B-32.cc12m-pj24-32-40-siglip — двухбашенная модель контрастного сопоставления изображений и текста, разработанная rwightman. Она основана на зрительной башне NaFlexViT-Base/32 и классическом текстовом трансформере CLIP; обучена на CC12M с функцией потерь SigLIP и случайным выбором размера патчей 24, 32 или 40 пикселей. Текстовый токенизатор использует CLIP BPE с контекстом 77 токенов. Конфигурация поддерживает интерполяцию позиционных параметров патчей. Модель предназначена для классификации изображений по текстовым меткам без дообучения: она сопоставляет изображение с кандидатными описаниями и оценивает соответствие. В лучшем из описанных режимов, при размере патча 32 и бюджете 100 визуальных токенов, достигла 43,778% top-1 на ImageNet-1k. Обучалась на CC12M в течение 32 эпох; карточка описывает её как исследовательский контрольный чекпойнт, проверенный только на ImageNet-1k. Для инференса рекомендуется open_clip с поддержкой NaFlex и режим patch 32 / 100 токенов. Лицензия — Apache-2.0. Результаты не включают оценку на нескольких запусках, проверку устойчивости ImageNet, поиск по COCO или генерацию подписей.

StoryEmb — модель для построения представлений художественных историй, опубликованная авторами статьи «Story Embeddings — Narrative-Focused Representations of Fictional Stories». Это дообученный вариант на базе intfloat/e5-mistral-7b-instruct, обученный на дополненных данных. Модель предназначена прежде всего для поиска историй со схожим повествованием; при использовании рекомендуется добавлять префикс задачи «Retrieve stories with a similar narrative to the given story: ». Репозиторий также содержит веса адаптера для дальнейшего дообучения. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Доступный формат весов — safetensors. Лицензия — MIT. Карточка описывает специализированное применение для поиска историй, но не сообщает оценки качества и подробностей об ограничениях на длину входных историй.

ThoughtStream-4B-v0.1 — англоязычная диалоговая языковая модель, созданная автором trollek на базе h2oai/h2o-danube3-4b-base. Модель дообучена с помощью LoRA+ и BAdam на наборе ThoughtfulAssistant-v01 и рассчитана на генерацию ответов в формате ChatML; заявленная идея — отделять рассуждения от итогового ответа или показывать их как «облачко мыслей». Архитектура — плотная модель семейства Llama с 3,8 млрд параметров и контекстом 8192 токена. Модель подходит для англоязычного диалога и генерации текста, включая рекомендации и ответы на вопросы. В README приведён пример с рассуждением перед ответом; он иллюстрирует формат обучения, но не гарантирует достоверность рассуждений или ответов. Лицензия — Apache-2.0.

CareerLens Resume-Job Fit Classifier — англоязычная модель классификации соответствия резюме описанию вакансии, разработанная для проекта CareerLens (ULAB). Это дообученная BERT-модель jjzha/jobbert-base-cased с 135,5 млн параметров, специализированная на текстах вакансий. Она принимает пару текстов — резюме и описание вакансии — и относит их соответствие к одному из трёх классов: Good Fit, Potential Fit или No Fit. Максимальная длина входа составляет 512 токенов; модель доступна в форматах Safetensors и ONNX. Модель предназначена для предварительного сопоставления кандидатов с вакансиями и сортировки резюме. На отложенной тестовой выборке указаны точность 63,6% и Macro F1 0,63. Проверка проводилась на англоязычном наборе из 8 000 пар резюме и вакансий с разделением по кандидатам, чтобы избежать пересечения резюме между обучающей и тестовой выборками. Качество на других отраслях и языках не проверено; обучающие данные смещены в сторону IT и разработки программного обеспечения. README предупреждает, что модель может ошибочно оценить нерелевантное резюме как Good Fit из-за слабой чувствительности к описанию вакансии, поэтому рекомендует дополнять её проверкой пересечения навыков на основе ESCO. Лицензия — Apache-2.0.

Модель Anshika0509/distilbert-resume-job-matcher — классификатор пар текста на базе DistilBERT, дообученный на сопоставлении резюме кандидатов с описаниями вакансий. Она кодирует пару «резюме [SEP] описание вакансии» и относит её к одному из трёх классов: «не подходит», «возможное соответствие» или «хорошее соответствие». Модель предназначена для предварительной оценки релевантности профилей, самооценки кандидатов и поддержки рекрутеров при сортировке резюме. Архитектура — DistilBERT с шестью слоями, размерностью скрытого состояния 768 и 12 головами внимания, дополненный классификационной головой. Модель принимает текст и выдаёт метку класса соответствия; заявленная длина контекста — 512 токенов. Карточка описывает английскоязычные данные и обучение на синтетических профилях. Указанная лицензия — MIT. Оценка основана на семантическом сходстве и может учитывать синонимы и близкие навыки, однако результаты на синтетических данных не гарантируют качества на реальных резюме и вакансиях. Длинные входы обрезаются после 512 токенов. Модель следует использовать как вспомогательный инструмент, а не для автоматического принятия решений о найме.

InternLM2-20B-Reward — наградная модель команды InternLM, разработанная на базе InternLM2-Chat-20B-SFT и предназначенная для оценки качества ответов языковых моделей по предпочтениям. Она обучена на более чем 2,4 млн пар предпочтений, полученных от людей и синтезированных ИИ, и применялась в RLHF-обучении InternLM2-Chat. Модель с плотной архитектурой InternLM2 содержит 19,3 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст диалогов и выдаёт оценку, которую можно использовать для сравнения ответов, ранжирования кандидатов и выбора лучшего ответа из нескольких сгенерированных вариантов. Обучающие данные охватывают английский и китайский языки, а также диалоги, письмо, поэзию, суммаризацию, кодирование и математику. В README приведён результат 89,5 на RewardBench. Модель ориентирована на оценивание предпочтительности ответов, поэтому её оценка не является гарантией фактической точности или безопасности. Лицензия указана как other; README сообщает, что веса открыты для академических исследований, а для коммерческого использования требуется запросить бесплатное разрешение.

Карточка модели LanguageBind/LanguageBind_Video на Hugging Face совпадает с карточкой LanguageBind/LanguageBind_Image, поэтому описание составлено по ней. LanguageBind_Image — модель для сопоставления изображений с текстовыми описаниями в рамках проекта LanguageBind, разработанного авторами исследования LanguageBind, принятого на ICLR 2024. В репозитории она представлена как PyTorch-модель на базе архитектуры CLIPModel и предназначена для классификации изображений без примеров на этапе обучения: пользователь задаёт текстовые метки или описания, а модель оценивает их соответствие изображению. Модель входит в мультимодальный подход LanguageBind, который использует язык как общий семантический ориентир для связывания представлений разных модальностей. Для этого чекпойнта подтверждён сценарий zero-shot классификации изображений; описание проекта также упоминает вычисление сходства между модальностями и текстом. README не сообщает размер этой модели, её языковой охват или длину контекста. Лицензия репозитория — MIT.

KhanCold/llama3-8b-spader — дообученная методом обучения с подкреплением модель Llama 3.1 8B Instruct, созданная в рамках работы SPADER. Метод предназначен для длинных последовательностей взаимодействия с инструментами и вопросов, допускающих несколько правильных ответов. Он использует пошаговое сравнение параллельных траекторий для оценки преимуществ действий и поощряет поиск редких сущностей, снижая награду за повторяющиеся результаты. Модель рассчитана на генерацию текста и диалоговое применение, включая ответы на вопросы с несколькими ответами и сценарии работы агента с инструментами. Веса доступны в формате safetensors; размер модели — около 7,5 млрд параметров, контекст — до 131 072 токенов. В карточке указана лицензия Apache-2.0.

Kokojake разработал англоязычную модель Sentence Transformers для встраивания предложений и абзацев о фитнесе и здоровье в плотное векторное пространство. Она дообучена на базе nomic-ai/modernbert-embed-base на наборе из 11 518 пар текстов и предназначена для семантического поиска, сравнения смысловой близости, поиска перефразирований, кластеризации и классификации текстов. В основе — ModernBERT с 149 млн параметров; модель кодирует текст в нормализованные эмбеддинги размерностью 768 и использует косинусное сходство. Поддерживаются английский язык и контекст до 8192 токенов. Matryoshka-обучение позволяет сокращать размерность векторов, например до 512, 256, 128 или 64, с некоторым снижением качества поиска. Модель подходит для поиска и сопоставления англоязычных материалов о здоровье и фитнесе. В README приведены результаты оценки поиска для нескольких размерностей, но их применимость за пределами указанного набора оценки не установлена. Лицензия Apache-2.0.

hroth/psais-multi-qa-mpnet-base-dot-v1-5shot — sentence-transformers модель на базе MPNet, дообученная с помощью SetFit на пяти примерах для университетского проекта по распознаванию намерений. Она преобразует предложения и абзацы в плотные векторы размерностью 768; модель также подходит для семантического поиска и кластеризации текстов. В метаданных указаны 136,7 млн параметров и контекст до 514 токенов. Модель принимает текст и выдаёт векторные представления, которые можно сравнивать для оценки сходства. Карточка описывает только экспериментальное применение для классификации намерений; другие сценарии автор не тестировал. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

TencentARC/QA-CLIP-ViT-B-16 — модель семейства Chinese CLIP, разработанная лабораторией QQ-ARC совместно с Tencent PCG. Она обучена сопоставлять изображения с китайскими текстовыми описаниями и предназначена для классификации изображений без дообучения по заданным текстовым меткам. Её также оценивали на задачах поиска изображений по тексту и текста по изображениям на китайских наборах данных. Модель обучали на 100 миллионах пар изображений и китайских описаний, отобранных из 400 миллионов публично доступных URL изображений с текстом. В репозитории представлены веса PyTorch, лицензия — Apache-2.0. Конкретные размер контекста и число параметров в предоставленных данных не приведены.

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.

SEA-CLIP-Tiny-abl-wit — экспериментальный вариант мультиязычной модели CLIP от автора fassabilf, опубликованный как строка абляции исследования SEA-CLIP-Tiny для ACCV 2026. Это модель сопоставления изображений и текста для классификации изображений по текстовым меткам без отдельного обучения на этих метках, а также для поиска изображений по описанию и описаний по изображению. Модель использует визуальный энкодер ViT-T/16 и 12-слойный текстовый энкодер шириной 384; размерность эмбеддингов — 512, всего 46,11 млн параметров. Токенизатор CLIP BPE имеет словарь из 49 408 токенов и контекст 77 токенов. Чекпойнт обучен только на данных WIT; в README указаны результаты retrieval R@1: 27,7 на WIT и низкая точность zero-shot ImageNet — 1,3%. Поддерживаются английский и ряд языков Юго-Восточной Азии, включая индонезийский, яванский, сунданский, малайский, тайский, вьетнамский и бирманский. Репозиторий использует open_clip и формат PyTorch, лицензия MIT.