II.8Инженерия данных и аналитика

MagenticBrain — языковая модель на 14 млрд параметров от Microsoft Research AI Frontiers, предназначенная для оркестрации действий в агентных системах. Это decoder-only трансформер семейства Qwen3, дообученный на данных о вызове функций, работе с файлами и терминалом, делегировании подагентам и планировании. Модель принимает текстовые запросы и описания доступных инструментов, а вызовы инструментов выдаёт в виде структурированных JSON-объектов. Контекст модели составляет 40 960 токенов по метаданным; в README указана настройка обучения на траекториях до 32K токенов. Модель разбивает многошаговые задачи на этапы, выбирает инструменты из переданной схемы, формирует аргументы, использует результаты вызовов в следующих шагах и может передавать подзадачи компьютерному подагенту Fara1.5-9B. Она не выполняет внешние действия самостоятельно: их запускает хост-приложение, например MagenticLite, которое также обрабатывает протокол завершения задачи. Наиболее полно поведение проверено в связке с MagenticLite; модель не предназначена для свободного потребительского чата или неограниченной автономной работы. Веса опубликованы под лицензией MIT. Для запуска требуются совместимый шаблон чата и хост-среда, которая обрабатывает вызовы инструментов; README рекомендует Transformers версии 4.51.0 или новее и режим без thinking-токенов. Авторы предупреждают, что жадное декодирование может приводить к повторениям.

Marsilia-Embeddings-EN-Large — англоязычная модель эмбеддингов от sujet-ai, дообученная на базе BAAI/bge-large-en-v1.5 для финансовых текстов. Она использует архитектуру BERT в формате Sentence Transformer и предназначена для семантического поиска, извлечения релевантных документов и других сценариев RAG в финансовой тематике. Модель содержит 433,9 млн параметров, принимает текст длиной до 512 токенов и выдаёт векторы размерности 1024. Для сравнения эмбеддингов используется косинусное сходство. Модель оценивали на тестовой части набора Sujet-Financial-RAG-EN-Dataset с помощью InformationRetrievalEvaluator; карточка сообщает о результатах выше ряда закрытых моделей эмбеддингов, но не приводит численных метрик. Модель рассчитана на английские финансовые тексты и может хуже работать с другими языками и тематиками; в обучающих данных могут присутствовать смещения. Лицензия — MIT.

Классификатор эмоций HR26kk/modernbert-emotion-classifier разработан на базе answerdotai/ModernBERT-base и дообучен на наборе данных dair-ai/emotion. Это энкодер ModernBERT с головой классификации последовательностей: модель относит текст к одному из шести классов — sadness, joy, love, anger, fear или surprise. Размер модели составляет 149 млн параметров, поддерживаемая длина контекста — до 8192 токенов; веса представлены в формате SafeTensors. Модель предназначена для определения эмоциональной окраски англоязычного текста, например в сообщениях и отзывах. В тестовых результатах README указаны accuracy 92,25% и macro F1 87,02%; качество заметно различается между классами, особенно для surprise. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Jeevesh8/multiberts_seed_2_ft_1 — модель семейства MultiBERTs на архитектуре BERT, опубликованная пользователем Jeevesh8 и основанная на англоязычном чекпойнте MultiBERTs seed 2, разработанном Google. По метаданным Hugging Face модель предназначена для классификации текста и содержит около 136,7 млн параметров; максимальная длина контекста составляет 512 токенов. Для работы используется экосистема Transformers и JAX. MultiBERTs — воспроизведение BERT-base uncased для английского языка, предварительно обученное с masked language modeling и next sentence prediction. Чекпойнты MultiBERTs созданы для исследований устойчивости результатов к случайной инициализации и порядку обучающих примеров. Конкретная схема меток и предметная область дообучения именно этой версии из доступных источников не установлены, поэтому модель следует применять только с проверкой соответствия нужной задаче классификации. Лицензия для этого производного чекпойнта в доступных данных не подтверждена.

MyAwesomeModel — модель из репозитория sdfaffaf556/MyAwesomeModel-TestRepo, предназначенная для извлечения признаков из данных с использованием библиотеки Transformers и фреймворка PyTorch. В метаданных она классифицирована как BERT-модель с pipeline-задачей feature-extraction. README также заявляет о возможностях рассуждения, программирования, математики, классификации, суммаризации, перевода, диалоговой генерации, function calling и работы с файлами и веб-поиском. Однако эти сведения не согласуются с указанной в метаданных основной pipeline-задачей и не сопровождаются достаточными техническими деталями о конфигурации модели, размере, контекстном окне или поддерживаемых языках. Модель распространяется под лицензией MIT. Для практического применения следует учитывать, что README не содержит проверяемых сведений о происхождении модели, точной архитектуре, доступных весах и ограничениях качества.

Nawah-BERT-6M-v2 — компактная арабоязычная модель семейства BERT, разработанная в рамках Project Nawah. Это плотный энкодер с 6,2 млн параметров, обученный с нуля на 15 млрд токенов; используется архитектура BertForMaskedLM с контекстом до 2 048 токенов. Модель предназначена для восстановления скрытых токенов в арабском тексте и может служить компактной основой для последующей адаптации под задачи классификации. В карточке приведены результаты проверки восстановления маскированных токенов и дообучения для проверки правил, контроля отказов и маршрутизации запросов. Для классификации автор рекомендует усреднять представления непустых токенов: модель обучалась на упакованных фрагментах без токена [CLS], поэтому пулер классификатора, инициализированный случайно, не подходит. Доступна под лицензией Apache-2.0.

No Name Thai NER — компактная модель Looloo Health, разработанная компанией Mahamor для распознавания именованных сущностей в тайском медицинском и разговорном тексте. Она дообучена на базе clicknext/phayathaibert и решает задачу классификации токенов, отмечая имена людей, телефоны, электронные адреса, адреса и местоположения, даты, национальные идентификаторы и больничные идентификаторы. Модель предназначена для включения в конвейеры деидентификации медицинских записей, в том числе в AI Medical Scribe PresScribe. По карточке, она обучена на синтетическом наборе из более чем 300 000 примеров и рассчитана на быстрый запуск на CPU через Transformers. Для объединения токенов в цельные фрагменты рекомендуется постобработка. Заявленная точность свыше 95% относится к внутреннему тесту для конкретного сценария и не гарантирует такую же точность на других данных. Модель распространяется в формате safetensors. Лицензия в доступных данных не указана. Авторы рекомендуют проверку результатов человеком; модель не заменяет профессиональную юридическую или медицинскую консультацию, а ответственность за соблюдение требований к конфиденциальности и регулированию лежит на пользователе.

Polygraf NER Stage 4 Final Model — англоязычная модель распознавания именованных сущностей, созданная для технического задания Polygraf Applied NLP. Она дообучена Hasanblanka на DistilBERT и размечает последовательность токенов BIO-тегами для восьми типов сущностей: людей, организаций, мест, дат и времени, продуктов, произведений искусства, профессий и денежных или количественных значений. Модель построена на DistilBertForTokenClassification и содержит около 65,2 млн параметров. Она обучалась на 1 954 примерах обучающей выборки; тестовая выборка включает 472 записи. В README приведён F1 сущностей 0,7554 на объединённом тесте и 0,8222 на диагностической выборке из 10 вручную размеченных примеров. Модель рассчитана на английские тексты, в частности новости; базовый контекст DistilBERT — 512 токенов. Указанная лицензия — other. Модель подходит для извлечения сущностей из текста, но автор прямо предупреждает, что она не предназначена для производственного использования. Она не поддерживает вложенные сущности; распознавание произведений искусства остаётся слабым, а результаты для людей и организаций обобщаются хуже, чем для временных и количественных сущностей. Разрыв между обучающей и тестовой оценками также указывает на ограничения обобщения.

KCh3dRi4n подготовил с помощью метода K-REAP сжатую версию инструктивной модели Qwen3-Coder-30B-A3B-Instruct для генерации текста и диалога. Это MoE-модель семейства Qwen3 с причинной языковой архитектурой; в README указано около 16 млрд параметров, из которых активно около 3,3 млрд, а метаданные каталога сообщают 2,6 млрд параметров. Модель предназначена для программирования, рассуждений и общения на корейском и английском языках; заявленная длина контекста — 262 144 токена. Доступны веса в формате safetensors для MLX и Transformers, предусмотрен интерфейс вызова инструментов. При сжатии число маршрутизируемых экспертов сокращено со 128 до 64 на слой без дообучения. Защита корейских экспертных путей уменьшает потерю качества на корейском относительно стандартного REAP, однако авторы называют этот вариант моделью на пределе сжатия: результаты по корейским и английским тестам, математике и программированию заметно хуже исходной модели. README рекомендует для сохранения корейских возможностей степень сжатия 12,5–25%, поэтому этот чекпойнт подходит прежде всего для изучения компромисса между размером и качеством. Лицензия — Apache-2.0.

Rampart — модель классификации токенов, разработанная National Design Studio для клиентского обнаружения и маскирования персональных данных (PII) до передачи текста на сервер, провайдеру LLM или в системы журналирования. Она предназначена для AI-ассистентов, форм ввода и других сценариев, где пользовательский текст нужно обезличить непосредственно на устройстве. Модель является частью многоуровневой системы: вместе с ней используется детерминированный распознаватель структурированных идентификаторов. В основе лежит nreimers/MiniLM-L6-H384-uncased, дообученная с BIO-головой на 35 меток, соответствующих 17 типам сущностей. Модель содержит примерно 18,5 млн параметров, использует обрезанный словарь из 19 730 WordPiece-токенов, поддерживает последовательности до 512 токенов и поставляется в формате ONNX размером 14,7 МБ. Для ускорения работы применяются 4-битное умножение матриц и INT8-эмбеддинги. Запуск выполняется через ONNX Runtime Web с WASM или WebGPU и transformers.js. Поддерживаются английский, испанский, французский, немецкий, итальянский, португальский и нидерландский языки с латинской письменностью. Сильные стороны модели — небольшой размер, возможность браузерного и локального выполнения, обработка текста без отправки исходных данных на сервер и поддержка стабильных плейсхолдеров для многошаговых диалогов. Ограничения включают отсутствие поддержки нелатинских письменностей, неспособность выявлять косвенные или инференциальные идентификаторы и недостаточную устойчивость к целенаправленным атакам. Модель не должна рассматриваться как самостоятельный детектор государственных идентификаторов или как гарантия безопасности: для некоторых структурированных данных необходим сопутствующий детерминированный слой. Модель распространяется по лицензии CC BY 4.0; обучающие данные ai4privacy/pii-masking-openpii-1.5m также указаны под CC BY 4.0.

saad592/results — дообученная модель DistilBERT для классификации текста, основанная на distilbert/distilbert-base-uncased. Репозиторий использует Transformers и хранит веса в формате safetensors; лицензия — Apache-2.0. Максимальная длина контекста составляет 512 токенов. Модель предназначена для присвоения тексту метки из набора классов, заданного при обучении. В README приведены результаты на оценочной выборке: accuracy 0,9892, precision 0,9928, recall 0,9262 и F1 0,9583. Датасет, набор меток и предметная область не описаны, поэтому эти показатели нельзя переносить на другие данные без проверки.

Roboflow RF-DETR Seg Xxlarge — модель сегментации экземпляров из семейства RF-DETR, разработанного на основе исследований по real-time detection transformers и интегрированного в библиотеку Transformers. Она принимает изображение и предсказывает отдельные маски объектов, ограничивающие рамки и оценки классов для 80 категорий COCO 2017. Архитектура сочетает визуальный ViT-backbone в стиле DINOv2 with registers с чередованием оконного и полноформатного внимания, многомасштабный проектор признаков и декодер Deformable DETR с головой предсказания масок. Модель предназначена для сегментации объектов на изображениях; заявленное семейство ориентировано на работу в реальном времени, однако скорость именно этой версии в карточке не приведена. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Обучение описано для меток экземплярной сегментации COCO 2017, поэтому применимость к другим наборам категорий и предметным областям зависит от соответствия обучающим классам или дополнительной настройки.

leomaurodesenv/roberta-base-nvidia-aegis-v2 — англоязычная модель RoBERTa, разработанная на основе FacebookAI/roberta-base и дообученная для классификации текста. Она содержит 151,8 млн параметров, принимает текстовые последовательности длиной до 514 токенов и выдаёт класс текста. На указанном в карточке наборе оценки достигла accuracy 0,8540 и loss 0,3329; данные обучения не описаны. Модель может применяться для классификации текстов в приложениях на базе Transformers. Лицензия — MIT.

rorshark-vit-base — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k. Она предназначена для присвоения изображению метки класса и может использоваться в сценариях, где нужно автоматически распознавать категории объектов или изображений. Модель содержит 113,2 млн параметров и распространяется в формате Safetensors. В README указана точность 0,9923 и значение функции потерь 0,0393 на оценочном наборе. Данные представлены в формате imagefolder, однако названия классов и предметная область не описаны. Модель выпущена под лицензией Apache-2.0.

rubai-corrector-transcript-uz — модель Сардора Исломова и Даврона Иброхимова для нормализации текста после распознавания речи. Она построена на архитектуре ByT5 и дообучена на базе rubai-corrector-base, которая основана на google/byt5-small. Модель принимает текст с префиксом «correct: » и преобразует построчные результаты ASR в текст, удобный для чтения. Модель расставляет пунктуацию и прописные буквы, нормализует апострофы, исправляет отдельные ошибки ASR и OCR, восстанавливает русский текст, записанный латиницей, и обрабатывает смешанные узбекско-русские строки. Также она поддерживает отдельные шаблоны преобразования чисел. Предназначена прежде всего для результатов моделей islomov/rubaistt_v2_medium и Kotib/uzbek_stt_v1. Репозиторий содержит веса в формате safetensors, модель насчитывает 364,6 млн параметров. Сведения о лицензии и длине контекста отсутствуют в предоставленных данных. Модель лучше подходит для подготовки отображаемых транскриптов, чем для точного сохранения исходной расшифровки без правок: она может добавлять финальную точку, даже если в исходном тексте её не было. Она не оптимизирована для агрессивной денормализации или некоторых смешанных скриптовых форматов. Условия лицензии по имеющимся данным определить нельзя.

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.

Etelis/Sentiment140_BERT_5E — модель классификации тональности текста, созданная дообучением bert-base-cased на наборе данных Sentiment140. Она предназначена для определения тональности коротких текстовых сообщений, например публикаций в социальных сетях. Модель основана на архитектуре BERT и содержит 135,5 млн параметров; максимальная длина контекста составляет 512 токенов. Для классификации доступна оценка accuracy 0,82 на наборе оценки. Модель принимает текст и выдаёт результат классификации. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не описывает разметку классов и подробности оценки, поэтому переносить заявленную точность на другие данные не следует.

Table LLaVA 7B — мультимодальный чат-бот для понимания изображений таблиц и выполнения запросов о содержащихся в них данных. Модель разработана для исследования мультимодального понимания таблиц; она следует архитектуре и конвейеру обучения LLaVA-v1.5 и использует визуальный кодировщик CLIP-ViT-L с разрешением 336×336, языковую модель Vicuna-v1.5-7B и двухслойный MLP-соединитель. Размер модели — 6,6 млрд параметров, контекст — 4096 токенов. Модель принимает изображение таблицы и текстовый запрос, а отвечает текстом. Она предназначена для вопросов и ответов по таблицам, описания ячеек и понимания структуры таблиц. Обучение включало данные MMTab и исходные наборы LLaVA-1.5; заявлены также результаты на некоторых нетабличных задачах, таких как TextVQA. Код и веса опубликованы в репозитории, однако лицензия в предоставленных данных не указана. Модель рассчитана на исследователей и энтузиастов компьютерного зрения и обработки естественного языка. Она обрабатывает одно изображение таблицы за раз; разрешение 336×336 может ограничивать точность разбора мелких деталей.

google/tapas-mini-finetuned-wtq — компактная модель TAPAS от Google для ответов на вопросы по таблицам. Это BERT-подобный Transformer с архитектурой TapasForQuestionAnswering; в метаданных указаны 12 млн параметров и контекст до 512 токенов. Модель принимает вопрос и таблицу, представленную как последовательность текста, и выбирает ячейки таблицы, формируя ответ с учётом агрегации. Модель предварительно обучалась на англоязычных текстах и таблицах Википедии, затем последовательно дообучалась на SQA, WikiSQL и WikiTable Questions (WTQ). Её можно применять для поиска сведений в таблицах и ответов на вопросы о числах, строках и связях между ячейками. Карточка описывает две версии позиционных эмбеддингов: основную с переустановкой позиции в каждой ячейке и дополнительную no_reset. Модель ориентирована на английский язык и таблицы, похожие на обучающие данные. Лицензия — Apache-2.0. Результаты на WTQ зависят от размера и варианта чекпойнта; карточка приводит для крупных и базовых версий точность на dev около 0,45–0,51, поэтому модель может ошибаться на сложных или непривычно структурированных таблицах.

NX-AI разработала специализированную версию предварительно обученной модели TiRex-2 для прогнозирования временных рядов. Модель обучена на наборах данных, не пересекающихся с данными fev-bench, и предназначена для оценки на этом бенчмарке. Репозиторий содержит веса в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не сообщает размер модели, длину контекста и поддерживаемые естественные языки.

TwHIN-BERT-large — многоязычная предварительно обученная языковая модель на архитектуре BERT от Twitter. Она обучена на 7 миллиардах твитов более чем на 100 языках с помощью маскированного языкового моделирования и дополнительной цели, учитывающей взаимодействия в гетерогенной социальной сети Twitter. В репозитории Hugging Face указаны 658,7 млн параметров и контекст до 512 токенов; модель представлена в форматах PyTorch и safetensors. Модель предназначена для восстановления замаскированных токенов и может использоваться как замена BERT в задачах NLP и рекомендаций: для классификации текстов, семантического анализа твитов и прогнозирования взаимодействия пользователей с публикациями. Особенно подходит для текстов из социальных сетей и многоязычных сценариев. Лицензия — Apache-2.0. README сообщает о высокой эффективности на задачах семантического понимания и социальных рекомендаций, но не приводит конкретных метрик.

bergum/xtremedistil-l6-h384-go-emotion — модель классификации текста, дообученная на наборе данных GoEmotions на основе microsoft/xtremedistil-l6-h384-uncased. Она предназначена для определения эмоций в тексте и доступна для демонстрации в облачном сервисе aiserv.cloud. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не сообщает подробности о метках эмоций, языках обучения или качестве классификации, поэтому эти характеристики нельзя уточнить.

AceReason-Nemotron-1.1-7B — языковая модель NVIDIA для рассуждений в математике и программировании. Она построена на базе Qwen2.5-Math-7B и имеет плотную архитектуру Qwen2 с 7,1 млрд параметров. Модель обучали в два этапа: supervised fine-tuning на математических и программных задачах, затем reinforcement learning. Для запуска используется библиотека Transformers; веса опубликованы в формате safetensors. Модель предназначена для решения сложных математических задач, пошагового рассуждения и генерации кода. В README приведены результаты на бенчмарках AIME 2024 и 2025, а также LiveCodeBench. Заявленное нативное окно контекста — 131 072 токена. Карточка указывает английский язык; подтверждений поддержки русского языка нет. README рекомендует задавать системную инструкцию с пошаговым рассуждением и для математических задач помещать итоговый ответ в формат \boxed{}. Это текстовая модель, которая принимает запросы и генерирует текст, включая код. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория модели. Описание акцентирует математическое и программное рассуждение; оно не подтверждает надёжность ответов за пределами этих задач.

Модель shhossain/all-MiniLM-L6-v2-sentiment-classifier разработана shhossain и классифицирует английский текст по шести эмоциям: грусть, радость, любовь, гнев, страх и удивление. Это дообученная модель семейства Sentence Transformer на архитектуре all-MiniLM-L6-v2, обученная на наборе данных dair-ai/emotion. В метаданных указаны 22,7 млн параметров, форматы PyTorch и safetensors, а задача Hugging Face — text-classification. Модель подходит для определения эмоциональной окраски коротких сообщений, отзывов и других текстов. Она выдаёт метку класса, поэтому результаты отражают только шесть категорий, представленных в обучающей выборке. Лицензия в метаданных — Apache 2.0.

Это англоязычный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, дообученный для поиска документов по коротким запросам. Модель разработана в рамках исследования bag-of-documents retrieval и обучена с функцией MultipleNegativesRankingLoss примерно на 1,9 млн пар «запрос — документ», полученных из каталога Amazon ESCI. Модель кодирует текстовые запросы и документы в плотные векторы размерности 384 и предназначена для семантического поиска и сравнения сходства по косинусной близости. Архитектура включает энкодер BERT, mean pooling и нормализацию; метаданные указывают 25,9 млн параметров и контекст до 512 токенов. В README заявлен максимальный размер последовательности 256 токенов, поэтому для практического использования следует учитывать это более низкое значение. Модель подходит для поиска товаров по коротким запросам, ранжирования документов и построения retrieval-компонента. Обучающие данные относятся к товарам Amazon, поэтому качество на других тематиках может отличаться; модель не генерирует ответы и выдаёт векторы. Лицензия — Apache-2.0.

Bala v1 — языковая модель для программирования и рассуждений, разработанная лабораторией TushLab компании AlreadyAI. Это дообученная методом QLoRA модель Qwen3-30B-A3B-Thinking-2507 с архитектурой MoE: около 30 млрд параметров всего и примерно 3 млрд активных при генерации; каталог указывает 2,6 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов. В репозитории доступны объединённые веса и отдельные LoRA-адаптеры. Главный заявленный результат — улучшение решения математических задач: на MATH-500 показатель pass@1 вырос с 53,6% у базовой модели до 77,2%. Результаты по программированию смешанные, улучшения над базовой моделью авторы не заявляют. Модель предназначена для экспериментов и задач рассуждения, а не для критически важных решений без независимой проверки. Лицензия — Apache-2.0; модель наследует ограничения и возможные смещения базовой модели.

CAMeLBERT-CA SA — модель анализа тональности, разработанная CAMeL Lab путём дообучения CAMeLBERT для классического арабского языка. Она классифицирует арабские предложения по тональности; в README приведены примеры меток positive и negative. Модель обучали на наборах ASTD, ArSAS и SemEval, её можно применять через компонент анализа тональности CAMeL Tools или конвейер Transformers. Модель основана на архитектуре BERT для классификации последовательностей, содержит 136,3 млн параметров и принимает контекст длиной до 512 токенов. Доступны форматы PyTorch и TensorFlow. Лицензия — Apache-2.0. Карточка не описывает дополнительные классы тональности и ограничения качества, поэтому применимость к диалектам и текстам за пределами классического арабского не следует считать подтверждённой.

llm-book/bert-base-japanese-v3-marc_ja — модель для анализа тональности японских текстов, разработанная сообществом llm-book. Она создана дообучением cl-tohoku/bert-base-japanese-v3 на наборе MARC-ja из JGLUE и предназначена для классификации отзывов и других текстов по тональности. Модель построена на архитектуре BERT, содержит 138,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса с оценкой уверенности. Модель подходит для автоматического определения положительной или отрицательной тональности японских отзывов и для учебных экспериментов по анализу тональности с Transformers. Репозиторий содержит веса PyTorch и опубликован по лицензии Apache 2.0. Карточка демонстрирует классификацию примера текста как положительного.

BERT-base-uncased, дообученная Bhadresh Savani на наборе данных emotion с помощью Hugging Face Trainer для классификации эмоций в тексте. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Доступны версии в форматах PyTorch, TensorFlow и Flax, включая веса Safetensors. Модель предназначена для определения эмоциональной категории в тексте, в том числе в сообщениях Twitter. В сравнении на наборе emotion из Twitter в README указаны accuracy 94,05 и F1 94,06; это результаты на указанном наборе и они не гарантируют аналогичного качества на других данных. Модель рассчитана на английский язык. Лицензия — Apache-2.0.

trituenhantaoio/bert-base-vietnamese-uncased — модель семейства BERT от автора репозитория trituenhantaoio. Это безрегистровая версия BERT для вьетнамского языка с 137,8 млн параметров и контекстом до 512 токенов. В README показана загрузка через Transformers и применение класса BertForSequenceClassification для классификации последовательностей. Модель подходит как основа для классификации вьетнамских текстов после настройки под конкретную задачу. Репозиторий содержит веса в форматах PyTorch, TensorFlow и Flax, включая safetensors. Сведения о лицензии и конкретном наборе обучающих данных в предоставленных материалах отсутствуют.