II.8Инженерия данных и аналитика

joebobby/finetuning-sentiment-model-5000-samples3 — модель классификации текста на основе BERT, дообученная на bert-base-uncased. Она предназначена для классификации тональности текста. Архитектура — BertForSequenceClassification, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель использует PyTorch и распространяется по лицензии Apache-2.0. В README не приведены сведения о наборе данных, метках классов, результатах оценки и ограничениях, поэтому качество и конкретный охват классификации тональности оценить нельзя. Английский язык следует из базовой модели bert-base-uncased.

Модель wls04/hprm_terminal_Qwen3-1.7B — дообученная с помощью TRL модель Qwen3-1.7B от Qwen. По метаданным она использует архитектуру Qwen3ForTokenClassification и предназначена для классификации токенов; карточка также показывает пример генерации ответа на вопрос, но он не подтверждает отдельную задачу модели. Модель содержит 1,7 млрд параметров, принимает текст и имеет контекстное окно до 40 960 токенов. В репозитории указаны веса в формате safetensors и лицензия Qwen3; в доступных данных конкретный идентификатор лицензии отсутствует.

klue-roberta-large-ner-identified — дообученная авторами репозитория модель klue/roberta-large для классификации токенов. Название указывает на распознавание именованных сущностей, однако карточка не описывает используемые типы сущностей, обучающий набор данных и целевые сценарии, поэтому конкретный охват NER неясен. Модель построена на архитектуре RoBERTa и содержит 435,4 млн параметров. Она принимает текст и выдаёт метки для токенов; максимальный контекст — 514 токенов. В README приведены метрики на оценочном наборе: F1 0,9948, точность (precision) 0,9920 и полнота (recall) 0,9977, но набор данных и методика оценки не раскрыты. Базовая klue/roberta-large предназначена прежде всего для корейского языка, что указывает на вероятную языковую ориентацию этой модели. Модель распространяется в формате safetensors. Лицензия в предоставленных сведениях не указана.

Microsoft LLaMA-2-13b-GTL-Delta — это дообученная версия LLaMA 2, входящая в семейство Industrial Foundation Models (IFMs). Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые промпты с данными в табличной форме. Контекст ограничен 2048 токенами; модель поставляется в формате safetensors и распространяется по лицензии MIT. Модель дообучена более чем на 380 табличных наборах данных из разных отраслей и предназначена для прогнозирования по промышленным данным. По инструкции в промпте она может выполнять задачи классификации и регрессии, формируя ответ на естественном языке. Среди описанных сфер применения — торговля, здравоохранение, энергетика и устойчивое развитие. Результаты могут быть смещёнными или ошибочными, особенно на данных и в сценариях, недостаточно представленных при обучении. Прогнозы следует проверять, а применение в критически важных решениях требует дополнительной оценки и защитных мер.

Sharpaxis/Llama-2-7_Ethical_Guardian — дообученная с помощью QLoRA модель на базе NousResearch/Llama-2-7b-chat-hf, предназначенная для выявления конфиденциальных и чувствительных сведений в тексте. Она ищет персональные данные, API-ключи, финансовую информацию, учётные данные и конфиденциальные сведения компаний, а также может объяснять, почему фрагмент выглядит чувствительным. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Карточка описывает применение для модерации содержимого, предотвращения утечек данных, проверок соответствия требованиям и аудита текстовых коммуникаций. В метаданных указаны английский язык и лицензия Apache-2.0. Это вспомогательный инструмент для защиты данных; результаты выявления следует проверять, поскольку карточка не приводит оценок качества и не гарантирует обнаружение всех чувствительных сведений. Обучение проводилось на синтетическом наборе synapsecai/synthetic-sensitive-information.

Это многоязычная модель классификации текста, разработанная на базе mBERT и дообученная для выявления текстов, созданных ИИ-ботами в социальных сетях. Для каждого короткого сообщения она возвращает метку и оценку вероятности: LABEL_1 означает текст бота или генеративной модели, LABEL_0 — текст человека. Модель построена на архитектуре BERT для классификации последовательностей, содержит 205,1 млн параметров и принимает до 512 токенов. README указывает поддержку 104 языков; настройка ориентирована прежде всего на арабский, болгарский, каталанский, китайский, английский, французский, немецкий, греческий, итальянский, японский, корейский, персидский, польский, португальский, русский, испанский и украинский. Лицензия — Apache-2.0. Модель предназначена для анализа коротких публикаций и оценки вероятности автоматизированного или сгенерированного текста. Для выявления ботов на уровне аккаунта рекомендуется усреднять оценки минимум по 20 сообщениям и подбирать порог под целевой домен; README приводит порог 0,4 для набора Fox-8-23. Оценки отдельных сообщений менее надёжны. Ограничения включают возможное снижение качества на менее представленных языках, уязвимость к адаптации ботов и риск ошибок на стилях письма и группах, недостаточно отражённых в обучающих данных. Модель не предназначена для длинных документов или принятия юридически значимых решений и решений модерации без проверки человеком.

tinyopsec/minicpm5-2b-distilled-reasoning-GGUF — это квантизированная GGUF-версия модели jigs97022/minicpm5-2b-distilled-reasoning, разработанная на базе openbmb/MiniCPM5-2B. Модель создана для генерации текста и решения задач с рассуждением; она дистиллирована из Qwen3.8-Max, GLM-5.2 и Kimi K3 с использованием QLoRA на 10 000 отфильтрованных примеров по математике, программированию, логическим головоломкам и структурированному решению задач. Модель содержит около 2 млрд параметров, поддерживает английский и китайский языки и имеет максимальный контекст 4096 токенов. Доступны варианты с точностью от 16 до 2 бит и размером примерно от 5,0 до 0,8 ГБ; рекомендуемым указан вариант Q5_K_M, а Q4_K_M требует около 2 ГБ VRAM. Модель предназначена для локального запуска через llama.cpp, llama-cpp-python, LM Studio или Ollama и подходит для компактных приложений, где важны низкое потребление памяти и пошаговое решение задач. Сильными сторонами являются небольшой размер, несколько уровней квантизации и специализация на математическом, программном и логическом рассуждении. Ограничения включают ухудшение качества за пределами контекста в 4K токенов, возможную слабость на нестандартных случаях из-за обучения на подмножестве из 10 000 примеров, поддержку только английского и китайского языков и ориентировочную границу знаний около 2024 года. Модель распространяется по лицензии Apache-2.0.

cirimus/modernbert-large-go-emotions — англоязычный классификатор эмоций, разработанный на базе ModernBERT-large и дообученный на наборе GoEmotions с помощью Hugging Face Transformers. Модель выполняет многометочную классификацию текста по 28 эмоциональным категориям: для одного текста может быть предсказано несколько меток. Число параметров — 394,7 млн, длина контекста — до 8192 токенов. Модель предназначена для анализа эмоций в сообщениях социальных сетей, оценках и отзывах клиентов, а также для исследований поведения и психологии. На тестовой выборке GoEmotions при пороге 0,5 указаны macro F1 0,490 и macro recall 0,420; подбор порога отдельно для каждой метки повысил эти показатели до 0,543 и 0,533. Редкие категории, например grief и relief, распознаются хуже; данные Reddit могут не отражать другие тематики и культурные контексты, а разметка содержит неоднозначности. Лицензия — MIT. Автор README сообщает, что модель заменена на cirimus/ultrabert-380M-go-emotions.

Jeevesh8/multiberts_seed_0_ft_1 — модель BERT для классификации текста, опубликованная пользователем Jeevesh8 на Hugging Face и основанная на семействе MultiBERTs. Она предназначена для классификации последовательностей и последующего применения в задачах понимания английского текста. Модель имеет архитектуру BERT с 136,7 млн параметров и максимальной длиной контекста 512 токенов. Она работает с текстом и поддерживает pipeline text-classification; базовое семейство MultiBERTs обучалось на английских данных. Модель может применяться для отнесения текстов к заданным классам после соответствующей настройки или в рамках доступной классификационной конфигурации. К ограничениям относятся англоязычная специализация, ограниченный контекст в 512 токенов и отсутствие возможностей генерации текста. Предсказания могут зависеть от смещений обучающих данных и качества переноса на конкретную предметную область. Лицензия для данной карточки модели надёжно не установлена.

rztk-bohdanbilonoh/multilingual-e5-base-test — модель Sentence Transformers, дообученная разработчиком Bohdan Bilonoh на основе intfloat/multilingual-e5-base на парах запросов и текстов товаров из набора rztk/rozetka_positive_pairs. Она использует XLM-RoBERTa с mean pooling и нормализацией, преобразует предложения и абзацы в плотные эмбеддинги размерности 768 и предназначена для поиска и сравнения текстов по косинусному сходству. Модель подходит для семантического поиска по каталогу товаров, поиска похожих запросов, сопоставления предложений, кластеризации и извлечения признаков. В README приведены результаты поиска по русско-украинским названиям товаров; обучение на парах запросов и описаний Rozetka ориентирует её на товарный поиск. Контекст составляет до 512 токенов по README (514 по метаданным). Поддерживаются русский и украинский языки, видимые в примерах и оценке, а базовая multilingual-e5-base рассчитана на многоязычную работу. Репозиторий содержит веса safetensors, размер модели — 305,2 млн параметров. Лицензия в предоставленных данных не указана.

NanoT5 Base Malaysian Translation v2.1 — модель Mesolitica на базе T5, дообученная для перевода малайзийских текстов. Она переводит локализованные варианты текста на стандартный малайский и обратно, поддерживает переключение между языками в одном тексте, а также перевод кода. В карточке указано, что при переводе модель должна сохранять символы новой строки, табуляции и возврата каретки. Для обучения использовались контекст длиной 2048 токенов и 9 млрд токенов переводных данных; модель содержит 123,8 млн параметров. Модель предназначена для нормализации разговорного и локализованного малайского, обратного перевода для расширения данных и перевода текстов с переключением языков. Разработчик отмечает улучшения относительно версии 2 при переводе научных и математических текстов, Manglish, кантонского, тамильского и Tanglish. Лицензия в предоставленных данных не указана.

OpenCodeReasoning-Nemotron-1.1-14B — разработанная NVIDIA языковая модель для рассуждений и генерации кода, дообученная на базе Qwen/Qwen2.5-14B-Instruct. Это плотный декодерный трансформер семейства Qwen2 с 14 млрд параметров, рассчитанный на текстовый ввод и текстовый вывод. Контекстное окно — до 65 536 токенов. Модель предназначена для решения задач программирования, включая конкурентное программирование: она генерирует код и пошаговые рассуждения по условию задачи. При обучении использован набор OpenCodeReasoning из 1,165 млн примеров, содержащих задачи по программированию и ответы, созданные DeepSeek-R1-0528. В README приведён результат оценки на LiveCodeBench v5, однако сравнительные показатели не позволяют сами по себе судить о качестве на других задачах. Модель доступна для коммерческого и некоммерческого использования. Для инференса указаны vLLM и NeMo 2.3.0; NVIDIA оптимизирует модели для GPU-систем NVIDIA, а в карточке рекомендованы GPU поколений Ampere и Hopper и Linux. Она ориентирована на разработчиков и исследователей, создающих приложения на основе LLM.

optimized-santacoder — ускоренная версия SantaCoder от olivierdehaene, предназначенная для генерации и продолжения исходного кода. По карточке модели она работает до 60% быстрее исходной bigcode/santacoder. Это плотная GPT-2-модель с multi-query attention и обучением по целям autoregressive и Fill-in-the-Middle; семейство SantaCoder содержит модели на 1,1 млрд параметров. Контекст модели — 2048 токенов. Модель обучалась на коде Python, Java и JavaScript из The Stack. Она подходит для автодополнения по фрагменту кода, завершения функций по сигнатуре и docstring, а также для заполнения пропусков между частями кода. Это не модель для инструкций: запросы на естественном языке могут работать плохо, поэтому задачу лучше задавать в виде комментария или контекста исходного кода. Генерируемый код может содержать ошибки, быть неэффективным или небезопасным; он также может воспроизводить фрагменты обучающих данных, лицензии которых могут требовать атрибуции. Указана лицензия OpenRAIL.

preCIDAUTv2 — модель классификации изображений, дообученная RicardoSLabs на базе microsoft/beit-base-patch16-224-pt22k-ft22k с использованием набора данных imagefolder. Она предназначена для присвоения изображению метки класса. В README указана точность 0,9991 и loss 0,0031 на оценочном наборе, однако состав классов, данные оценки и применимость результата к новым изображениям не описаны. Модель основана на архитектуре BEiT-base с 119,5 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0.

dcostenco/prism-coder-14b — диалоговая модель для генерации кода и вызова инструментов, созданная на базе Qwen3-14B. Она предназначена для использования в качестве маршрутизатора инструментов и для задач, где нужно генерировать текст или код в диалоговом формате. Репозиторий содержит модель в формате GGUF; базовая модель имеет 14 млрд параметров. Модель устарела: автор рекомендует вместо неё prism-coder:9b на базе Qwen3.5-9B, указывая более высокий результат BFCL и меньший размер. Модель распространяется по лицензии Apache-2.0. README сообщает об отсутствии галлюцинаций в указанной оценке, но не приводит методику измерения; это утверждение не следует трактовать как гарантию поведения модели.

syssec-utd выпустила модель py314-pylingual-v7-segmenter — дообученную RoBERTa для классификации токенов и сегментации текста. Она основана на syssec-utd/py314-pylingual-v7-mlm и обучена на наборе syssec-utd/segmentation-py314-pylingual-v7-tokenized. Модель содержит 136,3 млн параметров, использует формат safetensors и поддерживает контекст до 1026 токенов. В оценке на тестовой выборке указаны precision 0,9962, recall 0,9960, F1 0,9961 и accuracy 0,9988. Карточка не уточняет схему сегментации, языки текста или условия лицензии, поэтому область применения за пределами сегментации токенов не установлена.

bd2lcco/Qwen3-0.6B-finetuned — это дообученная модель для классификации токенов, опубликованная пользователем bd2lcco на Hugging Face и основанная на Qwen/Qwen3-0.6B. В метаданных указаны архитектура Qwen3ForTokenClassification, около 507,9 млн параметров, контекст до 40 960 токенов и формат safetensors; лицензия — Apache-2.0. Модель предназначена для разметки отдельных токенов во входном тексте, например для извлечения сущностей или определения меток последовательности, если соответствующие классы предусмотрены дообучением. Открытый поиск по точному идентификатору не нашёл карточку этой модели, поэтому её конкретную схему меток и специализацию подтвердить нельзя. Карточка базовой модели Qwen3-0.6B указывает на компактную многоязычную языковую модель; точные языки и контекстные характеристики производной модели сверх метаданных здесь не уточняются.

gyr66/relation_extraction_bert_base_uncased — модель для извлечения отношений между сущностями в англоязычном тексте. Это дообученная версия BERT Base Uncased, разработанная на основе google-bert/bert-base-uncased с использованием библиотеки Transformers. Модель имеет архитектуру BertForRelationExtraction, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена на наборе данных SemEval 2010 Task 8. На оценочном наборе указаны F1 0,8616 и функция потерь 0,9300. Основной сценарий — классифицировать семантическое отношение между сущностями в тексте. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке нет подробностей о схеме разметки, качестве на других наборах данных и ограничениях применения, поэтому приведённые метрики относятся только к указанному оценочному набору. Для работы с текстами на других языках или с контекстом длиннее 512 токенов модель не заявлена.

Модель leomaurodesenv/roberta-base-nvidia-aegis-v1 — дообученная версия FacebookAI/roberta-base для классификации текста. Она использует архитектуру RoBERTa с головой классификации последовательностей, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Модель распространяется в формате safetensors и предназначена для применения в конвейерах классификации текста. В README приведены результаты оценки: loss 0,2890 и accuracy 0,8711. Датасет обучения и назначение классов не раскрыты, поэтому эти показатели не позволяют определить качество на конкретных пользовательских данных. Лицензия — MIT.

RoBERT-large — предварительно обученная языковая модель BERT для румынского языка, разработанная командой ReaderBench. Она обучалась на корпусах Oscar, RoTex и RoWiki с целями masked language modeling и next sentence prediction. Модель подходит как основа для последующей настройки на задачи понимания румынского текста, включая анализ тональности, классификацию диалектов и тем, а также восстановление диакритических знаков. Архитектура — плотный BERT-large с 24 слоями, скрытым размером 1024 и 24 головами внимания. В карточке указаны 341 млн параметров, тогда как метаданные репозитория сообщают 441,3 млн; размер параметров противоречив. Контекст составляет до 512 токенов. Модель некейсированная, рассчитана на румынский язык и доступна в форматах PyTorch, TensorFlow и Flax. Это базовая модель для задач с текстом, а не готовый универсальный чат-бот; для конкретных классификационных или генеративных сценариев может потребоваться дообучение. Лицензия в предоставленных данных не указана.

Aniemore/rubert-tiny-emotion-russian-cedr-m7 — русскоязычная модель классификации эмоций, разработанная Aniemore и дообученная на наборе данных Aniemore/cedr-m7 от cointegrated/rubert-tiny. Это BERT-модель с классификационной головой, поддерживающая семь независимых меток эмоций: она может отнести текст сразу к нескольким классам или не выбрать ни одного. По результатам на тестовой выборке CEDR-M7 макроусреднённый ROC AUC составляет 0,9008. Модель предназначена для определения эмоциональной окраски русскоязычных предложений, например, в анализе отзывов, сообщений и пользовательских высказываний. Размер в метаданных — 29 млн параметров; модель принимает текст и выдаёт оценки по классам эмоций. Для классификации с порогом 0,5 README рекомендует подбирать порог на собственных данных. Длина контекста по метаданным — 2048 токенов. Лицензия — MIT.

SaBERT Spanish Sentiment Analysis — модель классификации текста на основе BERT, разработанная Azul Fuentes, Dante Reinaudo, Lucía Pardo и Roberto Iskandarani как дипломный проект по компьютерной инженерии в Университете Буэнос-Айреса. Она определяет положительную или отрицательную тональность испанского текста и подходит, например, для анализа отзывов и сообщений в социальных сетях. Модель дообучена на dccuchile/bert-base-spanish-wwm-uncased. Для обучения использовали 11 500 испаноязычных твитов из набора TASS; архитектура — BertForSequenceClassification с двумя классами. Метаданные указывают 137,1 млн параметров и контекст до 512 токенов, а в README указан предел длины входа 128 токенов. На оценочном наборе авторы сообщают accuracy и F1 86,47%. Модель предназначена для испанского текста и бинарного анализа тональности; качество на других языках, типах текста и задачах не подтверждено. Распространяется по лицензии Apache-2.0.

Карточка модели drewThomasson/segmentation на Hugging Face совпадает с карточкой pyannote/segmentation, поэтому описание составлено по ней. pyannote/segmentation — открытая модель семейства pyannote-audio для сегментации речи по говорящим, разработанная командой pyannote. Она предназначена для обнаружения речевых фрагментов, речи нескольких говорящих одновременно и уточнения временных границ сегментов, в том числе при повторной сегментации результатов VBx. Модель принимает аудио и выдаёт оценки по временным участкам, используемые для этих задач. Модель реализована на PyTorch и используется через pyannote.audio; README указывает версию 2.1.1. Карточка описывает воспроизводимые эксперименты на наборах AMI Mix-Headset, DIHARD3 и VoxConverse. Для загрузки требуется принять условия доступа на Hugging Face и использовать токен. Лицензия — MIT. README предупреждает, что для промышленного применения pyannoteAI предлагает более быстрые и качественные варианты. Приведённые параметры обработки зависят от набора данных, поэтому качество на других записях может отличаться.

Spreadsheet-RL-4B — языковая модель-агент для работы с электронными таблицами Excel, разработанная авторами проекта Spreadsheet-RL. Это плотная модель Qwen3 с 3,7 млрд параметров, дообученная методом GRPO с вознаграждением за результат на задачах в среде Spreadsheet Gym. Агент рассчитан на многошаговое взаимодействие с таблицами через специальные инструменты, выполнение кода в изолированной среде и пересчёт формул в Excel. Модель предназначена для решения реалистичных задач в электронных таблицах, например изменения таблиц и получения ответов на вопросы по их содержимому. Для воспроизведения результатов исследования требуется запускать её вместе с агентским каркасом Spreadsheet-RL, набором инструментов и средой оценки; сама по себе в обычном чате она не воспроизводит заявленные результаты. В тесте SpreadsheetBench авторы сообщают Pass@1 23,4. Модель основана на Qwen/Qwen3-4B-Thinking-2507, поддерживает контекст до 262 144 токенов и предназначена для англоязычного применения. Лицензия — Apache-2.0.

TabRank — это диалоговая языковая модель на базе Qwen3-8B, дообученная AdarshSingh7647 для переранжирования таблиц. Она получает вопрос и список кандидатов-таблиц в одном сообщении и за одну генерацию возвращает их полный порядок в виде JSON с позициями кандидатов. Модель предназначена для второго этапа поиска: она переставляет таблицы из списка, уже найденного первой системой поиска, чтобы наиболее подходящие к вопросу оказались выше. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и имеет контекстное окно 40 960 токенов. Для обучения применялся LoRA ранга 16, слитый с весами базовой модели; файлы представлены в формате safetensors. В README сообщается об оценке на пяти бенчмарках, использованных при обучении, и семи бенчмарках вне обучающей выборки; результаты показывают улучшение среднего nDCG@10 относительно базовой модели. Лицензия — Apache-2.0.

TAPAS tiny — компактная модель семейства TAPAS от Google, построенная на архитектуре Transformer, близкой к BERT. Она предварительно обучена на английских таблицах из Wikipedia и связанных текстах с помощью маскированного языкового моделирования и дополнительного этапа обучения на примерах проверки утверждений по таблицам. Модель содержит 4,4 млн параметров и поддерживает контекст до 512 токенов. Модель формирует векторные представления пар «таблица — вопрос» и предназначена прежде всего для тонкой настройки под ответы на вопросы по таблицам, классификацию и проверку того, подтверждается ли утверждение содержимым таблицы. Доступны варианты с относительными позиционными эмбеддингами по умолчанию и с абсолютными позиционными эмбеддингами через revision="no_reset". Входные данные включают текст и таблицу; результат базовой модели — скрытые векторные представления. TAPAS tiny — англоязычный чекпойнт общего назначения для табличных данных; его небольшой размер удобен для экспериментов и адаптации под конкретные задачи. Для прикладного ответа на вопросы или классификации обычно требуется дополнительная настройка с соответствующей головой. Модель распространяется по лицензии Apache-2.0.

TEMPO — модель временных рядов, разработанная авторами исследовательского проекта TEMPO и представленная в статье ICLR 2024. Она использует предварительно обученный трансформер GPT-2 как основу и предназначена для прогнозирования временных рядов, в том числе в режиме zero-shot на новых данных. В карточке указано около 80 млн параметров; репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Модель рассчитана на прогнозирование временных рядов и поддерживает zero-shot эксперименты на ETTh2 и пользовательских наборах данных. README также описывает эксперименты с текстовым контекстом для временных рядов, включая данные компаний из S&P 500, однако мультимодальное обучение обозначено как будущая функция. Язык английский указан в метаданных карточки, но основной вход модели — временные ряды, поэтому естественный язык не является её основной модальностью. Модель может быть полезна для исследования и построения прогнозов по пользовательским временным рядам. README отмечает, что вероятностное прогнозирование и мультимодальное предобучение пока относятся к планируемым возможностям; показатели качества и длина контекста в предоставленных материалах не приведены.

rombodawg/test_dataset_Codellama-3-8B — экспериментальная версия Llama 3 8B Instruct, дообученная автором rombodawg на наборе Replete-AI/code-test-dataset для генерации кода. В основе лежит unsloth/llama-3-8b-Instruct; README сообщает, что обучение выполнялось с Unsloth, QLoRA и GaLore, а результат был сохранён в объединённом формате 16-bit. В метаданных указаны плотная архитектура LlamaForCausalLM, около 7,5 млрд параметров, контекст до 8192 токенов и поддержка чата. Модель предназначена для генерации текста и кода по запросу, в том числе в диалоговом формате. Карточка описывает её как тестовый результат обучения на небольшом наборе данных, поэтому качество и надёжность для широкого применения не подтверждены. Репозиторий распространяется по лицензии Apache-2.0.

AdamCodd/tinybert-emotion-balanced — модель классификации эмоций в тексте, созданная дообучением bert-tiny на сбалансированном наборе AdamCodd/emotion-balanced. Она принимает текст и возвращает метку эмоции с оценкой уверенности. В README приведён пример распознавания радости; модель предназначена для быстрого определения эмоциональной окраски коротких текстов и может использоваться через Transformers. Доступны веса PyTorch, Safetensors и ONNX; размер модели — 4,4 млн параметров, максимальный контекст — 512 токенов. На оценочной выборке модель показала accuracy 0,9354 и loss 0,1809. Компактный размер ориентирован на скорость инференса, однако модель может хуже разбирать сложные предложения, отрицания, сарказм и иронию. Набор данных обучен на сбалансированных метках, но README не сообщает перечень меток и поддерживаемые языки. Лицензия — Apache-2.0.

T-RSI OCR — экспериментальная модель psikosen для распознавания печатных текстовых строк на изображениях. Это плотная архитектура TRSIFastReflexForOCR с 1,5 млн параметров и трёхзначными весами BitNet, упакованными по четыре значения в байт; модель принимает полосу текста высотой 32 пикселя и выдаёт последовательность символов с помощью CTC. Для декодирования можно использовать поиск по префиксному лучу с символьной языковой моделью; также описан режим объединения результатов для разных горизонтальных растяжений изображения. Модель предназначена для распознавания строк в документах и сравнивалась с Tesseract 5 на синтетических шрифтах и строках, вырезанных из цифровых PDF. README сообщает о высокой точности по отдельным символам и ускорении на Apple Silicon при использовании SIMD, но результаты получены на одном Apple M4 Max и не были независимо воспроизведены. Это распознаватель строк: он не выполняет сегментацию страниц, анализ макета или таблиц. Поддерживается ограниченный набор из 95 печатных ASCII-символов без диакритики, иероглифов, математических обозначений и типографских кавычек. Модель доступна по лицензии MIT.