I.1Поиск и навигация по информации

M-BERT Distil 40 — мультиязычная текстовая модель проекта Multilingual-CLIP, дообученная на базе distilbert-base-multilingual для согласования текстовых эмбеддингов с пространством текстового энкодера CLIP, используемого вместе с визуальным энкодером ResNet-50x4. Она извлекает признаки из текста и предназначена для мультиязычного поиска по изображениям и сопоставления текста с изображениями в сочетании с исходным CLIP-энкодером и дополнительными линейными весами. Модель дообучали на парах предложений и описаний изображений для 40 языков: предложения брали из GCC, MSCOCO и VizWiz, а переводы создавали с помощью AWS Translate. Контекст модели составляет 512 токенов. В карточке отмечены приемлемые качественные результаты для французского, немецкого, испанского, русского, шведского и греческого языков; результаты могут различаться между языками из-за неодинакового качества переводов. Для применения требуется исходный визуальный энкодер CLIP и дополнительные веса. Лицензия в предоставленных данных не указана.

MoEViE-L16-384 — визуальный энкодер Meta из семейства MoE-ViE, предназначенный для понимания изображений и видео. Модель использует контрастивное обучение на визуально-языковых данных и архитектуру Mixture-of-Experts: каждый MoE-блок содержит общего эксперта и пул маршрутизируемых экспертов, а для каждого токена активируется лишь часть параметров. Этот вариант имеет архитектуру L/16: ширина 1024, 24 слоя, разрешение изображений 384 пикселя, 1,7 млрд параметров всего и около 0,3 млрд активных параметров. Он подходит для классификации изображений без примеров целевых классов, а также для сопоставления изображений с текстом и поиска по визуально-текстовым представлениям. В карточке приведены нулевые результаты на ImageNet-1k, ObjectNet и задачах поиска по COCO, Kinetics-400 и MSR-VTT. Для запуска требуются CUDA GPU и Triton; ядра MoE компилируются во время выполнения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель разработана автором репозитория nirnit-13 и дообучена на базе google/muril-base-cased для проверки утверждений по фрагменту доказательства. Она классифицирует пару «утверждение — доказательство» по двум меткам: SUPPORTS (подтверждает) и REFUTES (опровергает). Модель использует архитектуру BERT для классификации последовательностей, содержит 264,8 млн параметров и принимает текст с контекстом до 512 токенов; карточка рекомендует ограничивать длину токенизации 192 токенами, как при обучении. Основной сценарий — проверка неформальных утверждений из социальных сетей на смешанном хинди, бенгальском и английском языке. На отложенной выборке указаны accuracy 0,822 и macro F1 0,801. Качество заметно снижается на формальном тексте и при смене формата источников доказательств; при обучении также наблюдалось переобучение на поздних эпохах. Модель распространяется по лицензии Apache-2.0.

Модель Impresso HIPE-2022 NER — компактная многоязычная BERT-модель для распознавания именованных сущностей в исторических газетах. Её разработал проект Impresso, дообучив dbmdz/bert-medium-historic-multilingual-cased на наборе impresso-project/ner-augmentation для задачи HIPE-2022. Модель выполняет токен-классификацию по схеме IOB2 и выделяет сущности категорий NE-COARSE-LIT: людей, организации, места, продукты и временные выражения. Она рассчитана на французские, немецкие и английские тексты; размер составляет 49,9 млн параметров, контекст — до 512 токенов. В тестовой оценке на уровне сущностей указан F1 0,7022; F1 для мест — 0,8028, для организаций — 0,3944. Эти результаты показывают неодинаковое качество по категориям, особенно ограниченное распознавание организаций. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

VISAI-AI выпустила Human-Finetuned BGE-M3 CCL — дообученную модель BAAI/bge-m3 для поиска релевантных разделов тайского законодательства по запросам. Она основана на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Модель создаёт плотные и разреженные представления текста, а также многовекторные представления ColBERT; README описывает их использование для поиска и вычисления сходства текстовых пар. Дообучение выполнено на запросах и разделах законов из WangchanX-Legal-ThaiCCL-RAG: положительные примеры сформированы автоматическим поиском BGE-M3 и фильтрацией с помощью BGE-Reranker-v2-m3. На NitiBench-CCL авторы сообщают Recall@10 0,938 и MRR@10 0,809. Модель подходит для поиска по тайским юридическим документам и построения retrieval-компонента RAG. Доступна по лицензии MIT.

NLLB-CLIP-Large-SigLIP — мультиязычная модель для сопоставления изображений и текста, объединяющая текстовый энкодер NLLB и визуальный энкодер SigLIP. Её можно применять для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт варианты подписей, а модель оценивает их соответствие изображению. Модель расширяет возможности CLIP на 201 язык набора Flores-200 и, согласно карточке, особенно хорошо работает с языками с ограниченными ресурсами. В README заявлено, что версия превосходит стандартный вариант и показывает state-of-the-art результат на Crossmodal-3600. Модель интегрирована с OpenCLIP; веса доступны в формате PyTorch. Лицензия CC-BY-NC-4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение. Карточка не приводит численный размер модели или длину контекста.

sunzeyeah/pangu-2_6B — PyTorch-реализация языковой модели PanGu-α с предварительно обученными весами FP32. Исходная модель PanGu-α разработана совместной технической командой под руководством PCNL; эта версия содержит 2,6 млрд параметров и немного отличается от оригинальной реализации для поддержки конвейера обучения ChatGPT в проекте sunzeyeah/RLHF. Модель предназначена для генерации текста на китайском языке. В README отмечены сценарии генерации, включая ответы на вопросы по знаниям, поиск и рассуждение по знаниям, а также понимание прочитанного; заявлены сильные возможности few-shot learning. Метаданные указывают архитектуру GPTPanguForCausalLM, контекст до 1024 токенов и язык zh. В README приведено описание исходной PanGu-α на 200 млрд параметров, но веса данного репозитория имеют размер 2,6 млрд параметров. В метаданных указана лицензия, однако её идентификатор не предоставлен для описания. Модель представлена в формате PyTorch.

datalyes/patembed-base — модель Sentence Transformers для создания векторных представлений патентных текстов, разработанная в рамках проекта PatenTEB. Она предназначена для поиска и извлечения патентов, поиска предшествующего уровня техники, классификации и группировки патентов, а также анализа технологических направлений. Модель основана на архитектуре BERT: 12 слоёв, размер скрытого представления 1024 и проекция в эмбеддинги размерности 768. Контекст ограничен 512 токенами. Модель обучена для англоязычных патентных текстов и использует специальные инструкции для отдельных задач при инференсе. В метаданных указано 242,1 млн параметров; README указывает 193 млн. Это дистиллированная версия patembed-large. Модель выдаёт эмбеддинги, пригодные для сравнения семантической близости текстов и поиска. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях с ограничением некоммерческого использования.

Prem-1B-chat — диалоговая версия компактной языковой модели Prem-1B, разработанной Prem AI на архитектуре Llama. Модель содержит 1 млрд параметров, работает через Transformers и принимает текст, генерируя текстовые ответы. Для неё заявлено контекстное окно до 8192 токенов. Модель дообучена для общения в формате виртуального помощника и предназначена прежде всего для англоязычных сценариев, включая ответы на вопросы по материалам, переданным во время работы приложения, и многоходовые диалоги. Разработчики позиционируют серию Prem-1B как небольшую модель для RAG-приложений, где сведения поступают из внешних документов, а не только из параметров модели. В README приведены результаты сравнительных тестов; по указанным оценкам Prem-1B-chat уступает TinyLlama-1.1B-Chat-v1.0 в среднем по перечисленным бенчмаркам. В репозитории указана лицензия Apache 2.0; README также ссылается на Prem-1B Community License и Acceptable Use Policy, поэтому перед коммерческим использованием следует проверить применимые условия. Модель рассчитана на английский язык; качество на других языках не заявлено. Как и другие небольшие языковые модели, она может ошибаться и выдавать предвзятые или недостоверные ответы.

PrivaScope Topic Classifier — модель Wravn для многометочной классификации предложений из политик конфиденциальности. Она определяет, какие из 15 тематических категорий затрагивает отдельное предложение: например, обработку данных, цели, передачу третьим сторонам, права пользователей, безопасность, хранение и удаление данных. Модель предназначена для детального анализа англоязычных политик конфиденциальности и является тематическим классификатором в конвейере PrivaScope. Модель основана на PrivBERT (mukund/privbert), RoBERTa, дополнительно предобученной на текстах политик конфиденциальности. Для обучения классификатора использовали 3 078 предложений, включая вручную размеченные примеры и синтетические данные; в README приведены значения F1 Macro 0,87 и F1 Micro 0,88. Модель принимает текст и выдаёт несколько тематических меток. Она не определяет область действия политики, конкретное содержание и атрибуты — эти задачи выполняются отдельными моделями и правилами. Лицензия — MIT.

Pyrrho v2 nano g1 — англоязычная модель классификации текста от yafitzdev для поддержки конвейеров генерации с дополнением извлечёнными данными (RAG). Она дообучена на базе answerdotai/ModernBERT-base и содержит около 149 млн параметров. Модель использует один энкодер в двух режимах: до поиска оценивает намерение запроса и полезные виды свидетельств, а после поиска оценивает, поддерживают ли предоставленные фрагменты ответ, и определяет причину возможной недостаточности или конфликта. Контекст модели по метаданным — до 8192 токенов, но опубликованная схема инференса обрезает вход до 2048 токенов. Выход состоит из 18 логитов, разделённых на четыре головы: вердикт по свидетельствам, режим сбоя, намерения поиска и типы свидетельств. Для интерпретации требуется собственная логика декодирования и пороги в окружающей системе; стандартный конвейер text-classification Hugging Face не декодирует эти головы корректно. Модель не ищет источники, не формирует ответы или цитаты и не проверяет внешние факты. В README отмечены утечки одинаковых входов между обучением и оценкой, синтетические наборы и слабые результаты отдельной калибровочной диагностики, поэтому качество на реальном трафике не подтверждено. Доступны веса Safetensors и экспорты ONNX, включая динамический INT8; лицензия CC BY-NC 4.0.

Модель ynie/roberta-large-snli_mnli_fever_anli_R1_R2_R3-nli — крупная предобученная RoBERTa-Large для классификации логических отношений между парой текстов. Её обучил Yixin Nie на наборах SNLI, MNLI, FEVER-NLI и состязательных примерах ANLI раундов R1–R3. Размер модели — 454,1 млн параметров, максимальная длина контекста — 514 токенов; доступны варианты весов PyTorch и Flax. Модель предназначена для задач inference по текстовым парам: определения, следует ли гипотеза из посылки, противоречит ли ей или не связана с ней. Её можно применять для проверки утверждений и оценки текстовых гипотез, в том числе на сложных примерах естественного языка. Лицензия — MIT.

Модель tomaarsen/span-marker-bert-base-acronyms разработана на базе SpanMarker и предназначена для распознавания упоминаний акронимов в английском тексте. Она выделяет полные формы терминов и соответствующие им сокращения, например «Principal Component Analysis» и «PCA», и присваивает им метки long и short. Модель дообучена на наборе Acronym Identification с использованием bert-base-cased в качестве энкодера. Модель решает задачу классификации токенов и поддерживает последовательности длиной до 256 токенов; максимальная длина распознаваемой сущности — 8 слов. В README приведена оценка F1 0,9336 на наборе акронимов. Для текста с непоследовательной капитализацией автор рекомендует uncased-вариант. Модель доступна под лицензией Apache-2.0.

Taiyi-CLIP-RoBERTa-326M-ViT-H-Chinese — китайская модель для сопоставления изображений и текста, разработанная командой Fengshenbang. Она обучалась на 123 млн пар изображений и текстов по схеме CLIP: текстовый энкодер основан на chinese-roberta-wwm-large, а визуальный — на ViT-H-14 из open_clip. В ходе предобучения визуальный энкодер был заморожен, а текстовый дообучался на наборах Noah-Wukong и Zero. Модель предназначена для извлечения совместимых представлений изображений и китайских текстов, классификации изображений без дополнительного обучения и поиска изображений по текстовому запросу. README приводит результаты zero-shot классификации на ImageNet1k-CN и поиска по тексту на Flickr30k-CNA, COCO-CN и wukong50k. Метаданные указывают архитектуру BertModel, 424,3 млн параметров и контекст 512 токенов; README отдельно указывает 326 млн параметров для модели в своей таблице. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

TAPAS Large — модель Google на архитектуре, близкой к BERT, предназначенная для ответов на вопросы по таблицам. Она принимает вопрос и таблицу, преобразованную в последовательность текста, и выбирает подходящие ячейки с помощью специальных голов выбора ячеек и агрегирования результата. Модель имеет 433,9 млн параметров и поддерживает контекст до 1024 токенов; в карточке описаны варианты с относительными и абсолютными позиционными эмбеддингами. Модель предварительно обучалась на английских данных Википедии, а затем последовательно дообучалась на SQA, WikiSQL и WikiTable Questions (WTQ). Она рассчитана на ответы на вопросы по табличным данным и может быть полезна для извлечения значений и простых агрегированных ответов. Для варианта reset в карточке приведена точность 0,5097 на dev-наборе WTQ. Модель работает с текстовым представлением таблицы и ориентирована на английский язык. Качество может быть ограничено сложными формулировками и таблицами, существенно отличающимися от обучающих данных; приведённая точность на WTQ указывает на возможность ошибок. Лицензия — Apache-2.0.

microsoft/tapex-base-finetuned-wtq — модель Microsoft для ответов на вопросы по таблицам. Она основана на архитектуре BART и дообучена на наборе WikiTableQuestions с применением подхода TAPEX: модель предварительно обучали выполнять SQL-подобные запросы к таблицам, чтобы развить навыки табличного рассуждения. Модель содержит 95,2 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для ответов на сложные вопросы по содержимому таблицы: например, поиска значений, сравнения чисел и определения первого или последнего элемента. Она принимает текст вопроса и таблицу, а ответ формирует в текстовом виде. Указанный в метаданных язык — английский, а лицензия — MIT. Карточка демонстрирует примеры решаемых вопросов, но не описывает ограничения качества или гарантии корректности ответов.

TimeLens-8B — мультимодальная модель TencentARC для временной привязки событий в видео. Она дообучена на базе Qwen/Qwen3-VL-8B-Instruct с применением обучения с подкреплением по проверяемым наградам (RLVR) и набора данных TimeLens-100K. Модель принимает видео и текстовые запросы, а в ответ определяет временные фрагменты видео, соответствующие запросу. Модель предназначена для поиска событий и их временных границ в видео. В README заявлено, что среди открытых моделей она показывает передовые результаты на задачах временной привязки, однако сравнительная таблица в карточке опущена. Архитектура — плотная Qwen3-VL; веса опубликованы в формате safetensors. Для запуска README описывает использование Transformers и qwen-vl-utils. Указана лицензия other; её конкретные условия в предоставленных данных не раскрыты. Карточка ориентирована на английский язык. Отдельные показатели контекстной длины и ограничения модели в источниках не приведены.

QiyaoMa/TRM — дообученная плотная языковая модель на архитектуре Qwen2, разработанная для оценки ответов на вопросы на китайском языке по предоставленным документам. Для каждого предложения ответа модель пошагово оценивает соответствие подтверждающим источникам и фактическую корректность, используя явное рассуждение о связи вывода с источниками и внутренней логикой ответа. TRM также применяется как модель вознаграждения в оптимизации политики с подкреплением, где отдельная вспомогательная модель оценивает полезность. Модель содержит 32 млрд параметров, использует формат safetensors и имеет контекстное окно до 131 072 токенов. Она основана на deepseek-ai/DeepSeek-R1-Distill-Qwen-32B и распространяется по лицензии Apache-2.0. Подходит для проверки фактической точности ответов и их опоры на документы в китайских системах вопросов и ответов; карточка не описывает универсальные возможности оценки для других языков или предметных областей.

Это вьетнамская модель Sentence Transformers, дообученная автором maiduchuy321 на базе bkai-foundation-models/vietnamese-bi-encoder для подбора релевантных ответов в юридическом чат-боте. Архитектура состоит из трансформера RoBERTa и mean pooling; модель преобразует предложения и абзацы в плотные векторы размерностью 768, а близость оценивается косинусным сходством. Размер модели — 162,4 млн параметров, максимальная длина последовательности — 258 токенов по метаданным.

Кросс-энкодер на базе BAAI/bge-reranker-base, дообученный автором kiencnt2205 для повторного ранжирования юридических текстов на вьетнамском языке. Модель принимает пару «запрос — документ» и выдаёт оценку релевантности, которую можно использовать для сортировки результатов поиска или семантического поиска. Она построена на XLM-RoBERTa с классификационной головой, содержит 305,2 млн параметров и имеет контекст до 514 токенов; для работы в README указана библиотека sentence-transformers. В карточке приведены результаты оценки на наборе legal-reranker-rerank: NDCG@10 0,9362, MRR@10 0,9343 и MAP 0,8992. Датасет для обучения содержит 11 328 примеров. Модель специализирована на юридическом домене и вьетнамском языке; значения метрик относятся к указанному набору и не гарантируют такое же качество на других данных. Лицензия в предоставленных сведениях не указана.

AmharicNewsNonCleanedSmall — дообученная akiseid модель классификации текста на базе FacebookAI/xlm-roberta-base. Она предназначена для классификации новостных текстов на амхарском языке. На оценочном наборе модель показала accuracy 0,9570, precision 0,9570, recall 0,9570 и F1 0,9569; размер составляет 305,2 млн параметров, максимальная длина контекста — 514 токенов. Модель опубликована в формате safetensors под лицензией MIT.

allenai/aspire-biencoder-biomed-scib — модель bi-encoder на основе BERT, разработанная Sheshera Mysore, Arman Cohan и Tom Hope для оценки сходства научных документов. В работе она называется Specter-CoCite_Scib и предназначена прежде всего для поиска и ранжирования статей по их заголовкам и аннотациям в биомедицинской области. Модель инициализирована SciBERT и обучена на 1,2 млн пар совместно цитируемых биомедицинских статей с контрастивным обучением. Она формирует вектор документа на основе скалярного смешивания представлений токена CLS по слоям кодировщика. Модель подходит для поиска релевантных научных публикаций по другой статье или аннотации. Архитектура — BERT, размер — 137,1 млн параметров, максимальная длина контекста — 512 токенов; доступен формат PyTorch. В карточке приведены результаты оценки на англоязычных наборах RELISH и TRECCOVID. Параметры scalar mix не включены в этот репозиторий, но доступны в полной версии модели. Обучение преимущественно на биомедицинских данных может снижать качество в других областях. Лицензия — Apache-2.0.

Schneewolf Labs B1-9B — это дообученная модель семейства Qwen3.5 с плотной архитектурой и условной генерацией текста по тексту и изображениям. Её разработала Schneewolf Labs как итерацию B0-9B: обучение предпочтениям ORPO на 20 тысячах пар Vernunft-Stimme усилило склонность модели выдавать ответ после блока рассуждений, особенно в агентских циклах с инструментами. Модель поддерживает диалог и работу с изображениями; карточка указывает английский язык и библиотеку Transformers. Модель рассчитана на сценарии, где агенту нужно сформулировать итог после анализа результата инструмента, а также на диалоговые задачи с визуальным вводом. По приведённым в карточке проверкам B1 чаще отвечает после рассуждений в некоторых конфигурациях с нативными описаниями инструментов, но в других форматах запросов проблема сохраняется. Автор отмечает регрессии относительно B0 в тестах выбора инструментов, персонажа, стиля текста и безопасности. Модель распространяется по лицензии Apache-2.0.

Это модель распознавания именованных сущностей, разработанная авторами книги «Введение в большие языковые модели» для главы о NER. Она основана на cl-tohoku/bert-base-japanese-v3 и дообучена на llm-book/ner-wikipedia-dataset. Модель использует архитектуру BERT и содержит 138,4 млн параметров; принимает японский текст и размечает в нём сущности, например имена людей и географические названия. Максимальная длина контекста — 512 токенов. Модель подходит для извлечения именованных сущностей из японских текстов, в том числе для обработки материалов в стиле Википедии. Она доступна через библиотеку Transformers и распространяется по лицензии Apache 2.0.

prabakar2307/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная автором на 6 300 пар текстов финансовой тематики на базе BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные векторы размерностью до 768 и предназначена для семантического поиска, сравнения текстов и поиска релевантных документов в финансовых материалах. Модель построена на BERT с пулингом CLS-токена и нормализацией векторов; максимальная длина входа — 512 токенов, сходство оценивается косинусной мерой. Обучение с MatryoshkaLoss позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64 с сохранением пригодности для поиска. README приводит результаты оценки информационного поиска на нескольких размерностях, однако они относятся к указанным в карточке наборам оценки. Модель принимает английский текст и выдаёт текстовые эмбеддинги. Лицензия — Apache-2.0. Она предназначена для финансовых текстов и не генерирует ответы; качество для других языков и областей карточкой не подтверждено.

BGE base Financial Matryoshka — англоязычная модель Sentence Transformer, дообученная автором на финансовых текстовых парах на основе BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные векторы для сравнения по косинусному сходству; полная размерность эмбеддинга — 768, а обучение с MatryoshkaLoss позволяет использовать сокращённые размерности от 64 до 512. Модель построена на BERT с CLS-пулингом и нормализацией, принимает текст длиной до 512 токенов. Модель предназначена для семантического поиска по финансовым материалам, сравнения текстов и поиска перефразировок; эмбеддинги также подходят для кластеризации и классификации текста. В README приведены оценки поиска на наборах с размерностями 64–768, однако они не устанавливают качество на других типах текстов. Доступна по лицензии Apache-2.0.

dititce/bge-ft-legis-full — дообученная с помощью LoRA версия BAAI/bge-m3 для задач, связанных с законодательными текстами. Это плотная модель эмбеддингов на архитектуре XLM-RoBERTa размером 658,7 млн параметров с контекстом до 8194 токенов. Она предназначена для извлечения признаков из текста и может применяться для семантического поиска и сравнения сходства фрагментов законодательства. В карточке приведена загрузка через PEFT; доступны форматы ONNX и safetensors. Язык карточки — португальский, поэтому модель ориентирована на законодательные тексты на португальском языке. Лицензия в предоставленных данных не указана.

BimOmni 30B-A3B — модель, разработанная в рамках инициативы Future Caribbean как адаптация Qwen3-Omni-30B-A3B-Instruct для контекста Барбадоса. Это мультимодальная архитектура Qwen3-Omni-MoE: сохранены входные аудио- и визуальные модули базовой модели, а языковая часть Thinker адаптирована методом доменного предварительного обучения на газетных текстах Барбадоса. LoRA-адаптер слит с весами; в репозитории размещён checkpoint bf16. Для обучения указан контекст 4096 токенов. Модель предназначена для мультимодальных сценариев, где важны местные имена, места, учреждения, события и выражения: транскрибирования речи, извлечения информации, поиска, суммаризации и исследований по материалам о Барбадосе и Карибском регионе. Адаптация усиливает языковой контекст для выбора слов при неоднозначных аудиосигналах, но не обучает распознавать барбадосский акцент: парные аудиозаписи и транскрипции не использовались, акустические модули заморожены. README сообщает об улучшении на небольшом тесте знаний и сравнении транскрипций всего на двух видео; эти результаты не являются широким бенчмарком. Модель принимает текст, изображения и аудио и выдаёт текст; речевые компоненты генерации удалены, поэтому аудио на выходе она не производит. Основной язык карточки — английский, а адаптация ориентирована на Барбадос. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с файлами репозитория перед использованием.

Immerwinter/gbert-large-privacy-policy-content-thirdparty — немецкоязычная модель классификации текста, дообученная на базе deepset/gbert-large. Она предназначена для отнесения фрагментов политики конфиденциальности к теме ThirdParty в аналитическом конвейере, где также перечислены темы обработки персональных данных и прав пользователей. Модель основана на BERT, содержит 434,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для автоматической тематической разметки текста политик конфиденциальности. Доступны веса в форматах Safetensors и ONNX; лицензия — Apache-2.0. Карточка не сообщает о дополнительных языках или возможностях за пределами классификации текста.

GovernanceBERT-governance — англоязычная модель классификации текста для выявления материалов по корпоративному управлению в тематике ESG. Её разработали авторы семейства ESGBERT; модель дообучена на GovernanceBERT-base с использованием набора из 2 тысяч примеров о корпоративном управлении. Архитектура — RoBERTa для классификации последовательностей, размер — 95,2 млн параметров, максимальный контекст — 514 токенов. Модель предназначена для отбора и анализа текстов о корпоративном управлении, в том числе при обработке ESG-коммуникаций и подготовке крупных текстовых анализов. Она ориентирована на английский язык и выдаёт результат классификации. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Качество зависит от соответствия входных текстов тематике и распределению данных, на которых модель дообучалась.