I.2Синтез, понимание и проверка знаний

SILMA Kashif 2B Instruct v1.0 — специализированная языковая модель от SILMA AI на архитектуре Gemma 2. Она предназначена прежде всего для генерации ответов на вопросы по предоставленному контексту в RAG-системах; также умеет извлекать сущности из текста. Модель содержит 2,7 млрд параметров, принимает текст и поддерживает контекст до 12 288 токенов. Модель рассчитана на арабский и английский языки. В заявленных сценариях она отвечает по коротким и длинным фрагментам, объединяет сведения из нескольких частей текста, работает с табличными данными и может сообщить, что ответа в контексте нет. По данным README, модель слабее справляется со сложными числовыми и финансовыми рассуждениями; обучение для вопросов и ответов ограничивает её пригодность для задач общего назначения. Для использования указана лицензия Gemma.

Spaetzle-v12-7b — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная с помощью LazyMergekit на основе NeuDist-Ro-7B, discolm-mfto-7b-german-v0.1 и Flora_DPO_7B; в README также указана Wiedervereinigung-7b-dpo-laser как основа слияния. Модель предназначена для генерации текста и диалоговых ответов, с акцентом на немецкий язык. По результатам, приведённым в карточке, версия немного уступает Spaetzle-v8-7b в общих англоязычных тестах и немного превосходит её в отдельных немецких задачах; например, указан результат EQ-Bench (de) 64,81. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors и распространяется по лицензии CC BY-SA 4.0.

SqueezeBERT-MNLI — англоязычная модель Forrest Iandola на архитектуре SqueezeBERT, близкой к BERT-base. Для предобучения использовались masked language modeling и Sentence Order Prediction на BookCorpus и английской Википедии, затем модель дообучили на наборе Multi-Genre Natural Language Inference (MNLI), применив дистилляцию от модели-учителя. Модель предназначена для классификации текстовых пар и определения отношений между предложениями, в частности для вывода о том, следует ли гипотеза из предпосылки. Архитектура заменяет полносвязные слои BERT-base групповыми свёртками; авторы сообщают о скорости в 4,3 раза выше BERT-base-uncased на смартфоне Google Pixel 3. Контекст ограничен 512 токенами, размер модели — 136,7 млн параметров. Модель принимает текст и выдаёт метки классификации. Карточка описывает её как вариант для дообучения на задачах GLUE, включая RTE и MRPC; пример дообучения с дистилляцией в репозитории не реализован. Лицензия — BSD.

SSR-base — англоязычная модель семейства T5, опубликованная в рамках работы «Improving Sequence-to-Sequence Pre-training via Sequence Span Rewriting» на EMNLP 2021. Это модель преобразования текста с 123,8 млн параметров и контекстом до 512 токенов, представленная в формате PyTorch. Модель предназначена для суммаризации текста. В карточке указано, что она соответствует версии SSR-base из исследовательской работы; дополнительных сведений о сценариях применения или результатах оценки нет. Для использования доступна лицензия репозитория Hugging Face.

SuperQwen3.8-27b-abliterated-MLX-4bit — мультимодальная версия модели, разработанная Jiunsong для локального запуска на компьютерах Apple Silicon. Она основана на SuperQwen3.8-27b-abliterated и представляет собой встроенную MLX-квантизацию с 4-битными аффинными весами. Модель поддерживает текстовые и визуальные входы, заявлена для английского и корейского языков, а также рассчитана на рассуждения и вызов инструментов. Модель содержит 27 млрд параметров и занимает около 15 ГиБ; веса распределены по трём safetensors-файлам, размер группы квантизации — 64. Изменения abliteration встроены непосредственно в MLX-веса, поэтому отдельный адаптер при запуске не требуется. На Apple M5 Max заявлена скорость около 27 токенов в секунду при обычной авторегрессионной генерации и около 33 токенов в секунду с DFlash 2. В тестах также подтверждены мультимодальный инференс и сохранение ограниченного режима рассуждений. Сильные стороны модели — возможность локального запуска 27B-модели на Mac без серверного GPU, компактное 4-битное представление, поддержка изображений, рассуждений и инструментов, а также проверенная совместимость с MLX. При этом показатели производительности зависят от оборудования и приведены для однопоточного сценария; размер контекста в README не указан. Abliteration существенно меняет поведение отказов модели: в заявленных тестах родительские отказы на вредоносные запросы снизились с 30/32 до 0/32, поэтому модель не следует рассматривать как вариант с исходными ограничениями безопасности. Лицензия — Apache-2.0.

Surogate-3.5-2B — двуязычный ассистент с приоритетом румынского языка, разработанный Invergent. Модель построена на архитектуре Qwen3.5 и предназначена для диалогов с текстом и изображениями, следования инструкциям, рассуждений и решения математических задач. Поддерживает шаблон чата Qwen3.5, вызов инструментов через совместимые средства и режим с явной цепочкой рассуждений на румынском и английском языках. Модель оптимизирована для румынского языка, включая орфографическую корректность; английский также поддерживается, но качество может меняться в зависимости от задачи. Ограничения размера 2B проявляются в глубине фактических знаний и надёжности сложных рассуждений; возможны орфографические, логические и фактические ошибки. Факты, вычисления и советы с серьёзными последствиями требуют независимой проверки. Лицензия — Apache-2.0.

Dragoy/Swift-Qwen3.8-27B-abliterated-NVFP4-NInfer — мультимодальная производная модель на 27,78 млрд параметров, разработанная Dragoy на основе ukisai/Swift-Qwen3.8-27b. Модель поддерживает обработку текста и изображений с генерацией текста; в артефакт включены vision tower, MTP-head и DFlash2-drafter. Из модели удалено направление отказов в стиле huihui-ai, поэтому она ориентирована на более свободное выполнение запросов, включая сценарии, в которых исходная модель могла отказывать. Поддерживаются ускоренное speculative decoding через MTP и DFlash2, а также серверный режим NInfer. README не указывает поддерживаемые языки и максимальную архитектурную длину контекста; в примерах используется контекст до 16 384 токенов. Веса квантованы в формате NVFP4 для MLP-компонентов и FP8 для attention, GDN и lm_head. Артефакт предназначен для запуска через NInfer на видеокартах NVIDIA Blackwell с архитектурой sm_120a; требуется CUDA версии не ниже 13.1 и совместимый runtime NInfer, для актуальной сборки — ревизия не ниже 98dada0e. Заявлен запуск примерно в пределах 20 ГБ видеопамяти на одной карте. К сильным сторонам относятся мультимодальность, низкая разрядность, поддержка спекулятивного декодирования и отсутствие отказов в заявленном тесте AdvBench, однако удаление отказов снижает встроенные защитные ограничения и может повышать риски небезопасного использования. Модель распространяется по лицензии Swift Open License 1.0.

ThaiLLM-8B — базовая языковая модель, разработанная командой ThaiLLM на основе Qwen3-8-Base. Модель продолжила предварительное обучение на корпусе примерно из 63 млрд токенов, в основном на английских и тайских текстах. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров и контекстом до 32 768 токенов; для работы используется библиотека Transformers, веса доступны в формате safetensors. Модель предназначена для дальнейшей адаптации и дообучения под задачи генерации текста, особенно на тайском языке. В карточке сообщается об улучшениях на ThaiExam, Belebele-Thai и MMLU-TH, включая A-Level и TGAT; также отмечены небольшие регрессии на MMLU-ENG и математических задачах M6Exam. Для диалогового помощника и других прикладных сценариев требуется instruction fine-tuning. Корпус включает материалы на тайском и английском языках, а также данные из областей бизнеса и финансов, новостей и образования. Модель распространяется по лицензии Apache-2.0. Для специализированных областей может потребоваться дополнительное дообучение; ответы следует проверять в критически важных сценариях.

mukayese/transformer-turkish-summarization — модель суммаризации текста на архитектуре BART, разработанная авторами репозитория и обученная с нуля на турецкой части набора MLSUM без предварительного предобучения. Она предназначена для автоматического составления кратких версий турецких текстов. Модель содержит 81,2 млн параметров и принимает последовательности длиной до 1024 токенов. В карточке приведены результаты оценки на тестовой выборке: ROUGE-1 43,20, ROUGE-2 30,71, ROUGE-L 38,20 и ROUGE-Lsum 39,95. Модель работает с текстом и выдаёт текстовое резюме; она без учёта регистра. Лицензия — MIT.

tulu-2-dpo-70b-ExPO — англоязычная диалоговая модель на базе Llama, созданная Chujie Zheng методом ExPO из контрольных точек allenai/tulu-2-dpo-70b и allenai/tulu-2-70b. Метод экстраполирует веса SFT- и DPO/RLHF-моделей с коэффициентом 0,5, чтобы усилить согласование ответов с человеческими предпочтениями. Модель предназначена для генерации ответов в диалоге и использует плотную архитектуру Llama с 68,7 млрд параметров и контекстом до 8192 токенов. В README приведены оценки ExPO-вариантов на AlpacaEval 2.0 и MT-Bench, однако эти таблицы относятся к другим моделям семейства ExPO и не подтверждают результаты именно этой 70B-модели. В метаданных указана лицензия other; конкретные условия следует сверить с карточками базовых моделей и лицензией репозитория. Модель ориентирована на английский язык; данных о поддержке других языков в карточке нет.

Tulu V2 DPO 7B — англоязычная разговорная модель-помощник, разработанная Allen Institute for AI (AI2). Это плотная авторегрессионная модель семейства Llama 2, дообученная на Meta Llama 2 7B с помощью supervised fine-tuning и Direct Preference Optimization (DPO) на наборах инструкций, диалогов и предпочтений. Веса содержат около 6,6 млрд параметров; контекст — до 8192 токенов. Модель работает с текстом и рассчитана прежде всего на английский язык. Модель предназначена для диалоговых ответов на инструкции, помощи в вопросах и задачах общего назначения. README характеризует её как альтернативу Llama 2 7B Chat и приводит результаты сравнительных оценок MT-Bench и AlpacaEval. Для качества генерации следует использовать ожидаемый моделью формат сообщений с завершающим переводом строки. Модель может выдавать проблемные ответы: этап выравнивания не был нацелен на безопасное поведение, а фильтрация ответов во время использования не предусмотрена. Лицензия указана как AI2 ImpACT Low-risk; перед применением следует учитывать её условия.

allenai/tulu-v2.5-dpo-13b-alpacafarm-gpt4-pref — англоязычная чат-модель из набора RLHF-моделей Tulu, разработанного AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, основанная на allenai/tulu-2-13b и дообученная на инструкциях, синтетических диалогах и данных предпочтений. Для дополнительного выравнивания применялся DPO на разбиении alpaca_farm_gpt4_pref; в репозитории указан формат PyTorch и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов в диалогах с помощником на английском языке. Её можно использовать для выполнения инструкций, ответов на вопросы и создания текстовых черновиков. README указывает, что шаблон чата встроен в токенизатор и требует учитывать перевод строки при форматировании сообщений. Модель не обучалась на безопасные ответы и не имеет встроенной фильтрации, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Лицензия — Apache 2.0.

Volare — языковая модель Moxoff, созданная на основе Gemma-7B с дообучением методом SFT и настройками LoRA. Это плотная causal language model семейства Gemma с 8,2 млрд параметров; репозиторий содержит веса в формате Safetensors. Модель предназначена для генерации текста с учётом контекста, в частности для сценариев Retrieval-Augmented Generation (RAG), где ответы опираются на предоставленный контекст. Среди использованных данных указаны публичный датасет SQuAD-it и внутренние наборы разработчиков. Модель поддерживает итальянский и английский языки, а максимальная длина контекста составляет 8192 токена. В README приведены результаты оценки на наборах Open Ita LLM Leaderboard. Лицензия — MIT. Модель не проходила выравнивание предпочтений с помощью RLHF и не имеет встроенной фильтрации ответов; она может выдавать проблемный контент, особенно при соответствующих запросах.

Wicked Moondust 12B — слитая языковая модель, созданная с помощью mergekit методом Arcee Fusion из Vortex5/Ethereal-Stardust-12B, Vortex5/Wicked-Oblivion-12B и Vortex5/Nether-Moon-12B. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и разговорного взаимодействия. Контекстное окно составляет до 131 072 токенов; файлы весов представлены в формате safetensors. В метаданных указана поддержка чата, а базовая модель описана как ориентированная на ролевые диалоги, повествование и художественное письмо. В карточке не указаны лицензия и языки. Поэтому условия использования по лицензии и пригодность для конкретных языков по имеющимся сведениям определить нельзя.

Wiederchat-7b — немецкоязычная чат-модель на архитектуре Mistral, созданная Johann Hartmann объединением трёх моделей с помощью LazyMergekit: mlabonne/OmniTruthyBeagle-7B-v0, mayflowergmbh/Wiedervereinigung-7b-dpo-laser и cognitivecomputations/openchat-3.5-0106-laser. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов на немецком языке. В README приведены результаты mt-bench-de: средняя оценка 7,13, с более высокими результатами в гуманитарных темах, письме, извлечении информации и STEM, чем в математике и программировании. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Xenon-4 — диалоговая языковая модель Xenon1 на архитектуре Mistral, дообученная на Mistral-7B-v0.1 с использованием набора Ultrafeedback и методов из статьи Self-Rewarding Language Models. Модель предназначена для общения по инструкциям и генерации текста; для диалога используется шаблон Mistral с маркерами [INST] и [/INST]. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст — до 32 768 токенов. Указана поддержка английского языка, формат весов — Safetensors. Лицензия — Apache-2.0. Модель подходит для диалоговых и общих текстовых задач, но карточка не приводит оценок качества или подробных результатов тестирования; ответы следует проверять в задачах, где важна точность.

Hannibal046/xrag-moe — языковая модель, разработанная Hannibal046 в рамках проекта xRAG. Она предназначена для генерации текста и использования в системах retrieval-augmented generation (RAG), где извлечённый контекст сжимается до одного токена перед передачей языковой модели. В репозитории разработчика модель указана как xRAG-MoE на базе mistralai/Mixtral-8x7B-Instruct-v0.1. Модель относится к архитектуре Mixture-of-Experts (MoE), поддерживает text generation и conversational-сценарии, содержит около 7,1 млрд параметров и имеет нативное контекстное окно 32 768 токенов. В качестве базовых инструментов указаны Transformers и PyTorch; модель можно запускать через Transformers, vLLM и SGLang. Основное преимущество — специализированная работа с RAG и экстремальным сжатием контекста, что может уменьшать объём входных данных при генерации ответов по найденным документам. Модель не является мультимодальной и предназначена для текстовых сценариев. В карточке отсутствуют надёжно указанные языки поддержки, лицензия и подробные сведения о качестве; поэтому эти характеристики нельзя устанавливать по доступным источникам.

Yamase-12B — авторская модель Rakuto Suda, дообученная на базе Mistral-Nemo-Instruct примерно на 110 тысячах примеров для улучшения работы с японским языком. Это плотная причинная языковая модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста; карточка указывает поддержку контекста до 1 024 000 токенов. README показывает формат общения в стиле [INST]…[/INST]. Модель подходит для ответов на вопросы и инструкций на японском языке, а также для суммирования и диалоговых сценариев, отражённых в обучающих наборах. В метаданных указаны датасеты японских диалогов, инструкций, Википедии и длинных текстов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README отмечает, что для работы Transformers на момент публикации требовалась установка версии из GitHub.

YamshadowInex12_CalmeInex12 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/YamshadowInex12-7B и automerger/CalmeInex12-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. В карточке модели не описаны дополнительные специализированные сценарии или поддерживаемые языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специальных ограничениях качества или безопасности в карточке нет.

YamshadowInex12_Experiment28Inex12 — слитая текстовая модель MaziyarPanahi, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment28Inex12-7B. Она предназначена для генерации текста и диалоговых сценариев на базе архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают на поддержку генерации текста, но не приводят сведений о специализации по доменам или языкам.

Yi-Ko-6B-instruct-v1.4 — корейская инструктивная модель на архитектуре Llama, разработанная автором репозитория cocoirun. Модель дообучена методом SFT с LoRA на наборе примерно из 110 тысяч примеров, включающем данные Open-Orca-Ko, KoBEST, AIHub и вручную подготовленные материалы по истории, естественным наукам, математике, машинному чтению, анализу отзывов, грамматике и ИТ-знаниям; часть англо-корейских и корейско-английских данных была переведена и отредактирована. Модель предназначена для генерации ответов на инструкции и вопросов, в том числе для викторин, объяснений и задач машинного чтения на корейском языке. В метаданных указаны 5,9 млрд параметров, контекст до 2048 токенов и формат safetensors. Лицензия — CC BY-SA 4.0. Обучающие данные не опубликованы, а карточка не приводит количественных оценок качества.

Zara-14b-v1 — диалоговая причинно-следственная языковая модель Aixon Lab на архитектуре Transformer Qwen2. Модель содержит около 14 млрд параметров и дообучена на основе sometimesanotion/Lamarck-14B-v0.7; в README также упоминаются слияния слоёв. Модель рассчитана на диалоги с несколькими ролями, генерацию текста, ответы на вопросы и анализ, с упором на творческое письмо и сторителлинг. Заявленная длина контекста — 131 072 токена. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Модель распространяется в формате safetensors по лицензии Apache 2.0. Оценки качества и результаты бенчмарков для этой версии не приведены.

CausalLM/7B-DPO-alpha — языковая модель на архитектуре Llama, разработанная авторами проекта CausalLM. Это версия с обучением DPO на отдельной ветке обучения; по карточке модели, она не является продолжением обучения CausalLM/7B или CausalLM/14B. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекстное окно до 8192 токенов. Модель предназначена для генерации текста и диалоговых ответов. В метаданных указаны английский и китайский языки; среди обучающих данных перечислены наборы для диалогов, инструкций, математики и знаний. Авторы приводят результаты сравнения MT-Bench, но доступный фрагмент карточки не содержит оценки самой модели. Лицензия — WTFPL. Авторы предупреждают, что модель обучалась на неотфильтрованных интернет-данных и может генерировать оскорбительный, порнографический или жестокий контент. Они также отмечают отсутствие специального этапа RLHF для этики и безопасности, поэтому выходы модели требуют проверки и фильтрации.

AMHR/adversarial-paraphrasing-detector — модель классификации текста на базе RoBERTa, обученная авторами репозитория на наборах данных Adversarial Paraphrasing, описанных в исследовательской статье. Она предназначена для выявления парафразов, в том числе созданных с состязательными преобразованиями текста, и может использоваться для классификации пар текстов в исследованиях и системах анализа сходства. Модель содержит 454,1 млн параметров, принимает текст и выдаёт метки классификации; максимальный контекст составляет 514 токенов. В карточке не указаны конкретные классы меток и языки данных. Лицензия в предоставленных метаданных и README не приведена.

Albertina 1.5B PTPT — португалоязычная encoder-модель семейства BERT, разработанная совместной командой Лиссабонского и Портского университетов на архитектуре DeBERTa V2. Модель рассчитана на европейский вариант португальского языка; в карточке указаны 48 слоёв и скрытый размер 1536, а метаданные сообщают о 2 млрд параметров и контекстном окне 512 токенов. Основная задача модели — предсказывать замаскированные токены в тексте. Её можно использовать как основу для языкового анализа португальского текста и последующей адаптации к задачам классификации и оценки сходства предложений. Для обучения собрали корпус европейского португальского объёмом около 4 млрд токенов из открытых веб-материалов, документов Европарламента и стенограмм португальского парламента. Модель распространяется по лицензии MIT. Это encoder, поэтому модель предназначена для анализа входного текста, а не для свободной генерации длинных ответов. Она ориентирована на европейский португальский, а не на бразильский вариант; показатели в карточке основаны на автоматически переведённых бенчмарках extraGLUE, что следует учитывать при оценке качества.

AnyAudio-Judge-30B — модель для оценки соответствия текстового описания аудиозаписи заданным критериям. Она разработана авторами AnyAudio-Judge на основе Qwen3-Omni-30B-A3B-Captioner и дообучена на корпусе AnyAudio-Judge SFT Corpus; выпущен вариант после этапа SFT без последующего этапа GRPO. Для каждого пункта рубрики модель отвечает «да» или «нет» и приводит одно предложение с аудиодоказательством. Вероятности ответов по пунктам можно объединять в детальную оценку соответствия, чтобы выявлять частичные расхождения между аудио и подписью. В бенчмарке AnyAudio-Judge Bench авторы сообщают точность 84,45 для английского и 85,26 для китайского; эти результаты относятся к описанной в карточке оценке. Модель принимает аудио и текстовые инструкции с рубрикой, а выдаёт текстовые ответы и обоснования. Карточка указывает поддержку английского и китайского языков. Модель распространяется по лицензии Apache-2.0.

erichogging/barthez-finetuned-synthex — модель на базе BARThez, разработанная для проекта Synthex. Это дообученная версия французской модели BARThez с архитектурой mBART и примерно 95 млн параметров. Она предназначена для автоматического суммирования статей на французском языке; при обучении использовались датасеты MLSUM-FR и XL-Sum. Модель принимает текст и генерирует его краткое изложение, максимальная длина контекста составляет 1024 токена. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Модель gchhablani/bert-base-cased-finetuned-mrpc — англоязычная модель классификации пар предложений на базе BERT-base-cased, дообученная на наборе GLUE MRPC. Она предназначена для определения того, выражают ли два предложения одно и то же значение. В карточке указано, что модель обучалась для сравнения google/fnet-base с bert-base-cased. Модель использует архитектуру BertForSequenceClassification, содержит 135,5 млн параметров и принимает текстовые входы с контекстом до 512 токенов. На оценочной выборке MRPC указаны accuracy 0,8603 и F1 0,9026. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения за пределами задачи MRPC.

Карточка модели 0x3/bert-base-japanese-v3_nli-jsnli-jnli-jsick на Hugging Face совпадает с карточкой akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsick, поэтому описание составлено по ней. Это японская модель Cross-Encoder для вывода естественного языка, разработанная akiFQC на основе tohoku-nlp/bert-base-japanese-v3 и обученная с помощью SentenceTransformers. Для пары предложений она предсказывает оценки трёх классов: следование, нейтральное отношение и противоречие. Модель также подходит для классификации без примеров, когда описание категории сопоставляется с текстом. Модель основана на BERT, содержит 138,4 млн параметров и принимает пары текстов с максимальным контекстом 512 токенов. Обучение проводилось на JSNLI, обучающей части JNLI и JSICK; точность на валидационной выборке JGLUE-JNLI составляет 0,914. Лицензия — CC BY-SA 4.0. Модель предназначена для японского языка. Как Cross-Encoder, она оценивает пары текстов, поэтому для сравнения множества кандидатов может требовать отдельного вычисления для каждой пары.

Это модель BERT base uncased, дообученная TextAttack для классификации пар предложений на задаче MRPC из набора GLUE. Она оценивает, выражают ли два предложения одно и то же значение, и подходит для классификации текстовых пар и проверки смысловой эквивалентности. Модель содержит 136,7 млн параметров; метаданные указывают архитектуру BertForSequenceClassification и контекст до 512 токенов. В README описано дообучение в течение пяти эпох с максимальной длиной последовательности 256 токенов; лучшая точность на проверочной выборке составила около 87,7% после одной эпохи. Модель принимает текст и выдаёт метки классификации. Вариант uncased обрабатывает текст без учёта регистра; карточка не заявляет поддержку языков помимо английского. Репозиторий содержит веса PyTorch и Flax. Лицензия в предоставленных данных не указана.