III.4Клиентская поддержка и customer success

lettuce-thymos-26m-v1 — компактная модель классификации эмоций, разработанная авторами репозитория Zeolit. Она определяет несколько эмоций одновременно по короткому разговорному тексту на 22 языках, используя 28 меток GoEmotions. Модель основана на дистиллированном энкодере XLM-RoBERTa large: 8 слоёв, размер скрытого состояния 384, 6 голов внимания и позиционное кодирование RoPE. В репозитории указаны 26,5 млн параметров и вариант ONNX размером 28 МБ в INT8; доступны также веса safetensors. Модель предназначена для автоматической разметки эмоций в сообщениях, например для анализа тональности разговоров или группировки текстов по эмоциональным меткам. Она поддерживает английский, русский и ещё 20 языков. Для решений следует применять отдельные пороги из labels.json: единый порог 0,5 заметно снижает macro-F1. Лицензия — Apache-2.0. Основные ограничения связаны с данными Reddit: модель хуже подходит для длинных, литературных и формальных текстов. Результаты для арабского и суахили ниже, чем для большинства языков; слабее также распознаются grief, relief, pride, nervousness и embarrassment. Вероятности не откалиброваны как абсолютная уверенность, а клинические, диагностические и критически важные решения для безопасности не являются целевым применением.

Falconsai/LightDec — модель архитектуры FalconDec, созданная Falconsai на основе дообучения jhu-clsp/ettin-encoder-150m. Это компактный неконверсационный классификатор для закрытого выбора: получает текст, код или JSON-состояние, типизированный вопрос и заданный набор вариантов, затем за один проход энкодера оценивает вероятности вариантов. Поддерживает вопросы с выбором ответа, да/нет и порядковой шкалой; генерировать текст за пределами предложенных вариантов не может. Модель предназначена для маршрутизации обращений, распознавания намерений, анализа кода, проверок в агентных системах и вспомогательных проверок защитных правил. В README указаны точность 0,725 и ECE 0,025 на тестовом наборе из 17 498 решений по 58 задачам; при пороге уверенности 0,70 модель отвечала на 56% решений с точностью 89,6%, а остальные предлагалось передавать человеку или более мощной модели. Репозиторий содержит веса safetensors и GGUF F16; лицензия — Apache-2.0. Основные ограничения — слабые результаты на арифметике, датах, сравнении таблиц и широких наборах вариантов, а также заметное падение качества на задачах, не представленных в обучающей смеси. Калибровка зависит от распределения данных, а проверки защитных правил недостаточно надёжны для использования в качестве единственного барьера; для важных решений требуется проверка на собственных данных и человеческий контроль.

Llama-3-8B-OpenHermes-243K — дообученная Magpie-Align версия языковой модели Meta Llama 3 8B для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текст; контекстное окно — 8192 токена. Модель предназначена для генерации ответов в чат-сценариях. В карточке указана оценка Loss 0,9845 на тестовой выборке, но подробности датасета и оценки не приведены, поэтому результат не позволяет судить о качестве в конкретных задачах. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.

mncai/mistral-7b-dpo-v6 — текстовая генеративная модель MindsAndCompany на архитектуре Mistral, созданная на базе Mistral-7B. По карточке, модель сначала получила объединение весов, затем была дообучена методом DPO; она предназначена для диалогов и генерации ответов на текстовые запросы. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. В примере карточки показан вопрос на корейском языке, а метаданные указывают английский язык; карточка не подтверждает широкий набор поддерживаемых языков. Разработчик позиционирует свои модели для бизнес-продуктов, включая чат-боты и ассистентов. Карточка предупреждает о переобучении на открытых лидербордах и рекомендует оценивать модель на собственных закрытых данных; внутренние оценки автора были ниже результата лидерборда. Модель опубликована в формате safetensors под лицензией Apache-2.0.

AnasAlokla разработала мультиязычную модель для многометочной классификации эмоций в тексте. Модель основана на BERT и дообучена на AnasAlokla/multilingual_go_emotions_V1.1; в метаданных указаны архитектура BertForSequenceClassification и 205,1 млн параметров. Контекст ограничен 512 токенами. Модель определяет до 27 категорий эмоций и нейтральный класс, поэтому подходит для анализа отзывов, обращений в поддержку и публикаций в социальных сетях, а также для систем мониторинга настроений и чат-ботов. README заявляет поддержку арабского, английского, французского, испанского, нидерландского и турецкого языков; метаданные подтверждают пять из них, но не нидерландский. Лицензия — MIT. Классификация может отражать эмоциональные сигналы в тексте, но сама по себе не устанавливает намерения или состояние человека. Результаты на языках и типах текста, не представленных в обучающих данных, могут быть ненадёжными; README не приводит полную таблицу оценки в предоставленном фрагменте.

OmniDimen-2-20B-Emotion — дообученная модель на базе openai/gpt-oss-20b, разработанная для распознавания эмоций и генерации текста с учётом эмоционального контекста. Это разговорная причинно-языковая модель архитектуры GPT-OSS с MoE; файлы опубликованы в формате safetensors. Метаданные указывают 1,6 млрд параметров и контекст до 131 072 токенов. Модель подходит для эмоционально окрашенных диалогов и создания текстов с заданным тоном, например приветственных писем. В карточке заявлена поддержка китайского и английского языков. Авторы отмечают, что специализация на эмоциях может ограничивать широту возможностей по сравнению с базовой моделью, а указание модели того, как обращаться к пользователю, может снизить галлюцинации в эмоциональном общении. Лицензия — MIT.

MMOPD/Qwen3-4B-OT3-tau2-3ep — плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, разработанная участниками исследования MMOPD. Это контрольная точка после третьей эпохи supervised fine-tuning модели MMOPD/Qwen3-4B-OT3-2ep на агентских диалогах датасета inclusionAI/AReaL-tau2-data. Модель предназначена для агентских сценариев обслуживания клиентов в авиакомпаниях, розничной торговле и телекоммуникациях: она формирует ответы и вызовы инструментов по контексту диалога, сохраняя формат рассуждений Qwen3. Поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. В README приведены результаты оценки в τ²-bench для телекоммуникационных сценариев и инструкции по запуску через vLLM с парсерами вызовов инструментов Hermes и рассуждений Qwen3. Чекпойнт сохранён в bfloat16; лицензия — Apache-2.0. Для корректной работы с инструментами требуется совместимый агентный протокол и настроенный парсер. Оценка на телекоммуникационном наборе частично затронута пересечением сценариев с данными обучения и родственными данными, поэтому её нельзя считать полностью независимой проверкой.

Это русскоязычная модель классификации эмоций в предложениях, созданная дообучением cointegrated/rubert-tiny2 разработчиком cointegrated на наборе данных CEDR. Модель основана на BERT и содержит около 29 млн параметров; для обработки текста использует контекст до 2048 токенов. Модель выполняет многометочную классификацию: одному предложению можно назначить несколько меток. Она определяет отсутствие эмоций, радость, грусть, удивление, страх и гнев. Подходит для анализа тональности и эмоциональной окраски русских текстов, например сообщений и отзывов. В README приведены метрики на тестовом наборе CEDR, включая средний micro F1 0,928 и macro F1 0,835; качество на других данных может отличаться. Используются веса PyTorch и SafeTensors. Условия лицензии в предоставленных данных не описаны.

Модель seara/rubert-tiny2-russian-emotion-detection-cedr — дообученная автором seara модель RuBERT-tiny2 для распознавания эмоций в коротких русскоязычных текстах. Это BERT-классификатор последовательностей размером 29 млн параметров с контекстом до 2048 токенов. Он выполняет многометочную классификацию по шести классам: отсутствие эмоции, радость, грусть, удивление, страх и гнев. Модель подходит для анализа эмоциональной окраски коротких сообщений, отзывов и других текстов на русском языке. На тестовой выборке CEDR общий micro F1 составил 0,79; качество заметно ниже для класса «гнев» (F1 0,41), поэтому результаты этого класса требуют особой проверки. Модель распространяется по лицензии MIT.

Speaklar Gemma 3 1B IT — дообученная с помощью QLoRA инструкция Gemma 3 на 1 млрд параметров для диалогов голосовых ботов на бенгальском языке. Модель использует контекст базы знаний, чтобы отвечать по предоставленным свидетельствам, признавать отсутствие нужной информации и соблюдать стиль голосового агента. Архитектура — Gemma3ForCausalLM; модель работает с текстом, поддерживает контекст длиной до 32 768 токенов и предназначена для генерации диалоговых ответов. Модель обучена на 15 000 примерах поведения бенгальского голосового бота. Датасет включает ввод и контекст на бенгальском, английском и бенглиш, а ответы модели формируются только на бенгальском. Среди сценариев — сбор сведений для заказов и записи на приём, расчёты, обработка жалоб, безопасные ответы на вопросы об оплате и передача чувствительных или неподдерживаемых обращений оператору. Для работы следует передавать подходящий контекст из базы знаний; качество заземления зависит от корректного поиска контекста и проверок на стороне продукта. README рекомендует оценить модель на реальном трафике перед производственным запуском. Сведений о лицензии в доступных данных нет.

ticket-triage-qwen2.5-1.5b-merged — текстовая генеративная модель из семейства Qwen2.5 размером 1,5 млрд параметров, опубликованная пользователем swathikchhuggingface и доступная через библиотеку Transformers. По названию модели она предназначена для триажа и классификации обращений в системах поддержки, однако README не содержит сведений о разработчике, датасете, процедуре обучения или точной схеме формата ответов. Модель работает с текстом и имеет нативное контекстное окно 32 768 токенов. Её можно использовать для генерации ответов, маршрутизации тикетов, определения их приоритета или категории и подготовки кратких пояснений в рабочих процессах поддержки, если соответствующая специализация действительно закреплена в обучении модели. README не содержит информации о лицензии, поэтому условия использования по представленным данным определить нельзя. Также отсутствуют результаты оценки, сведения о качестве, ограничениях предметной области и поддерживаемых языках; перед эксплуатацией необходимы проверка на собственных данных и контроль генерируемых результатов.

Ultravox v0.5 — мультимодальная речевая языковая модель от Fixie.ai, построенная на Llama 3.1 8B Instruct и Whisper Large-v3-Turbo. Она принимает речь вместе с текстом, например текстовую системную инструкцию и голосовое сообщение, и формирует текстовый ответ. Модель предназначена для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. В README заявлена скорость около 150 мс до первого токена и 50–100 токенов в секунду на GPU A100 40 ГБ при обработке аудио. Для версии 0.5 приведены результаты оценки перевода речи на наборе CoVoST 2. Для этой версии не проводилась настройка предпочтений; генерация аудио не поддерживается. Модель распространяется по лицензии MIT.

Vela Feedback — модель классификации текста от команды llm-semantic-router, созданная на основе Vela-1.0-Encoder-307M. Она определяет, выражает ли сообщение удовлетворение, просьбу уточнить ответ, сообщение об ошибке, запрос на другой вариант или не содержит обратной связи. Модель рассчитана на разбор пользовательских отзывов и реплик в диалогах, в том числе длинных: контекст составляет до 32 768 токенов с учётом специальных токенов. Архитектура — ModernBERT для классификации последовательностей, размер — около 307 млн параметров. В описанной разработчиками оценке на наборе из 472 примеров Vela получила макро-F1 98,81 и точность 97,88 для четырёх общих классов; на 288 нейтральных примерах она дала 6 ложных срабатываний при пороге уверенности 0,7. Это результаты конкретной dev-выборки, причём отбор модели учитывал её показатели на ней, поэтому они не гарантируют аналогичного качества на других данных. Модель распространяется под лицензией Apache-2.0; доступны веса safetensors и формат ONNX.

mncai/yi-34B-v3 — языковая модель от MindsAndCompany, дообученная на базе Yi-34B с instruction tuning и DPO. Она предназначена для генерации текста и диалоговых сценариев, например для бизнес-ассистентов и чат-ботов. Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 33,9 млрд параметров и поддерживает контекст до 8192 токенов. В карточке приведён пример вопроса на корейском языке. Модель распространяется в формате safetensors по лицензии other; конкретные условия лицензии в предоставленных данных не раскрыты. Карточка описывает её как основу для решений MindsAndCompany, включая Code Assistant и TOD Chatbot, но не приводит оценок качества или подробных ограничений применимости.

bigheiniuJ/zephyr-7b-hindsight-full — диалоговая языковая модель, созданная дообучением alignment-handbook/zephyr-7b-sft-full с помощью TRL. Она предназначена для генерации текста в формате чата и ответов на пользовательские запросы. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; формат весов — safetensors, библиотека — Transformers. Контекст составляет до 32 768 токенов. Карточка демонстрирует генерацию ответа на вопрос в диалоговом формате. Модель подходит для чат-ботов, ответов на вопросы и продолжения диалога. Лицензия в предоставленных данных не указана.

Archangel SFT Llama 7B — языковая модель семейства Llama, разработанная Contextual AI и дообученная методом supervised fine-tuning (SFT) для выравнивания ответов с предпочтениями людей. Обучение использовало наборы SHP, Anthropic HH и OpenAssistant. Модель содержит 6,6 млрд параметров и принимает текстовые запросы; для диалога рекомендуется формат TuluV2, где первым говорит пользователь. Контекст модели — 2048 токенов. Модель предназначена для генерации диалоговых ответов и следования запросам в сценариях, где важны предпочтительные человеку ответы. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества или специальных ограничений, кроме требований к формату диалога и длины контекста.

ArliAI-Llama-3-8B-Cumulus-v0.3 — диалоговая модель OwenArli на базе Meta-Llama-3-8B-Instruct, дообученная с помощью QLoRA для продолжительных переписок и более редких отказов. Она предназначена для генерации ответов в формате чата и поддерживает контекст длиной до 8192 токенов; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. По заявлению автора, модель может быть немного слабее исходной Llama 3 Instruct в рассуждениях и общем интеллекте, зато лучше справляется с длинными диалогами и реже отказывает. Модель создана с использованием 4-битной загрузки и адаптера QLoRA ранга 64. Лицензия — Meta Llama 3 License Agreement.

Модель InfoBayAI предназначена для анализа тональности речи в аудиоразговорах. В README описан конвейер, в котором речь преобразуется в текст, сегментируется на предложения и классифицируется как негативная, нейтральная или позитивная; для классификации использован DistilBERT, обученный на текстах, полученных из аудиоданных InfoBay.AI. По метаданным модель дообучена на основе openai/whisper-small и принимает аудио.

A.X 4.0 Light — компактная языковая модель компании SK Telecom, выпущенная в июле 2025 года. Она основана на Qwen2.5 и дополнительно обучена на крупных корейских наборах данных. В репозитории указана архитектура Qwen2 и размер около 6,9 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст модели — до 16 384 токенов. Модель предназначена для понимания корейского языка и практических задач в деловой среде: диалогов, ответов на вопросы и работы с длинными документами. Разработчик сообщает о высоких результатах на корейских тестах KMMLU и CLIcK и об эффективном использовании токенов для корейского текста. README также описывает вариант семейства на 72 млрд параметров; этот репозиторий содержит облегчённую версию. Модель распространяется по лицензии Apache-2.0.

Certo Unified 4B — модель принятия решений, разработанная Certo на базе Qwen/Qwen3-4B и дообученная с помощью soft-target и proper-score подхода. Она принимает описание состояния и варианты ответа, а вместо одного ярлыка выдаёт распределение вероятностей для выбора из вариантов, оценки по порядковой шкале или ответа «да/нет». Доступны быстрый режим по последнему токену промпта и режим с кратким обоснованием; оба возвращают калиброванные вероятности. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3, поддерживает контекст до 40 960 токенов и запускается через Transformers. Лицензия — Apache-2.0. Модель предназначена для маршрутизации запросов, выбора инструмента, триажа, определения намерения и допуска, а также проверки утверждений и порядкового оценивания — при наличии примеров соответствующих типов решений. В тестах, приведённых в карточке, она показывает высокую точность выбора, в том числе по описаниям вариантов из новых областей, и хорошую калибровку на поддерживаемых задачах. Карточка обозначает выпуск как исследовательский preview. Модель не переносит надёжно оценивание на незнакомые рубрики и источники и почти случайно справляется с новым типом решения без дообучения. На данных с существенным сдвигом распределения точность и калибровка снижаются; модель также не предназначена для общих задач на знания о мире. Калибровка вероятностей зависит от соответствия калибровочных данных условиям применения.

ChatAllInOne-Mistral-7B-V1 — чатовая языковая модель, созданная DrNicefellow дообучением Mistral 7B с помощью QLoRA и Unsloth на наборе данных CHAT-ALL-IN-ONE-v1. Она предназначена для генерации ответов в диалогах — от непринуждённого общения до формальных и тематических бесед — и использует формат запросов Vicuna 1.1. Модель с плотной архитектурой Mistral содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы, стараясь сохранять связность в продолжительных диалогах. В репозитории опубликованы веса Safetensors. Модель выпущена под лицензией Apache-2.0.

Katayoon/DPO-ONLY-Zephyr-7B-2-iter-1 — диалоговая языковая модель, разработанная Katayoon как дообученная версия Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов. Её можно использовать в чат-ботах и для создания ответов на текстовые запросы. Доступны веса в формате safetensors; лицензия — MIT. README не приводит сведения о результатах оценки или конкретных ограничениях модели.

HumanDialoguev2 — диалоговая модель DrDomedag, дообученная на unsloth/Llama-3.2-1B-Instruct. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров, предназначенная для генерации текста в разговорном формате. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Модель подходит для диалоговых приложений, ответов на вопросы и других сценариев генерации текста. Она обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Распространяется по лицензии Apache-2.0.

Laya-English-LiteRT — англоязычная версия модели Laya от Convai Innovations, подготовленная сообществом LiteRT для запуска на Android GPU и NPU. В основе лежит ModernBERT-large с классификационными головами Laya; репозиторий также содержит отдельную дообученную версию typed-decisions для четырёх сценариев: обслуживания клиентов, обработки счетов, анализа инцидентов безопасности и наблюдаемости трасс агентов. Модель принимает текст или JSON-состояние и отвечает на заданные во время запроса типизированные вопросы: выбирает один из вариантов, оценивает по порядковой шкале или выдаёт вероятность ответа «да/нет». README описывает варианты с окном 256 и 512 токенов и сообщает о проверке графов на Samsung Galaxy S26; результаты производительности на других Android GPU и NPU не подтверждены. Для запуска требуется приложение или собственная интеграция: пакет не содержит готового приложения, а графы этой версии принимают строки эмбеддингов, поэтому токенизацию и поиск эмбеддингов выполняет хост. Это конверсия и упаковка дообученной модели в формате TFLite для LiteRT; лицензия — Apache-2.0. Модель рассчитана на английские данные и не предназначена для мультиязычных сценариев. Замеры и точность, приведённые в карточке, относятся к указанной конфигурации устройств и LiteRT.

Mahou-1.1-mistral-7B — разговорная языковая модель для чата и ролевых диалогов, разработанная flammen.ai. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на разговорных данных flammen.ai методом Direct Preference Optimization; карточка также указывает датасет flammenai/Grill-preprod-v1_chatML. Модель принимает текст и генерирует текст, использует формат ChatML и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых приложений и ролевых сценариев; для работы следует применять шаблон ChatML. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. В карточке нет сведений о поддерживаемых естественных языках или специальных предметных областях.

cloudyu/Meta-Llama-3-8B-Instruct-DPO — чат-модель на архитектуре Llama, дообученная методом Direct Preference Optimization (DPO). В README указано, что метрики улучшались с помощью Truthful DPO на наборе данных jondurbin/truthy-dpo-v0.1. Модель предназначена для диалоговой генерации текста; в метаданных Hugging Face указаны 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors. Модель может использоваться для ответов на вопросы, ведения диалогов и генерации текста с упором на правдивость ответов. В карточке указана лицензия CC; конкретный вариант лицензии в доступных данных не уточнён.

MiniCPM5-1B Viva Mais v4 — текстовая модель на основе архитектуры Llama, разработанная для бразильского португальского языка и рабочих процессов CRM туристического агентства Viva Mais. Она предназначена для ответов на вопросы по предоставленному контексту: данным клиентов, платежам, бронированиям, билетам и документам, а также для диалоговой поддержки WhatsApp-копилота. Модель содержит 837,6 млн параметров, принимает текст и имеет заявленное нативное контекстное окно 131 072 токена. Версия v4 дообучена на базе marinarosa/minicpm5-1b-vivamais-v1 методом SFT с QLoRA; опубликованные веса представлены в формате safetensors. Лицензия — Apache-2.0. По README, v4 улучшила результаты на внутренних проверках Viva Mais и общих тестах диалогов на бразильском португальском относительно v1. Модель следует использовать с извлечённым контекстом и короткими ограничениями генерации: она может продолжать ответ и включать сведения о соседних клиентах. Для работы с чувствительными CRM-данными важны изоляция контекста и отказ от ответа, когда данных недостаточно. Модель не предназначена для общих туристических рекомендаций или принятия решений о платежах.

Mistral-Nemo-MCAI-SFT-DPO-revision-only — дообученная разговорная языковая модель на архитектуре Mistral, разработанная pbevan11. Модель дополнительно обучена методом DPO на многоязычных наборах предпочтений и обратной связи, чтобы улучшить выбор предпочтительных ответов и следование инструкциям в диалоге. Модель предназначена для генерации ответов в чат-сценариях. В карточке приведены метрики оценки DPO, включая точность предпочтений 0,6824. Размер модели — 12,1 млрд параметров, заявленная длина контекста — 1 024 000 токенов. Она принимает и генерирует текст; наборы обучения указывают на многоязычную направленность, но конкретные поддерживаемые языки не перечислены. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специальные ограничения или гарантии качества; приведённые метрики относятся к оценочному набору и сами по себе не гарантируют качество на других задачах.

Email-tuned BGE-M3 — модель эмбеддингов на базе BAAI/bge-m3, разработанная для поиска по содержимому электронной почты. Это encoder-only модель семейства XLM-RoBERTa с 658,7 млн параметров и контекстом до 8194 токенов, опубликованная в формате safetensors и доступная по лицензии MIT. Модель дообучена на смешанном англо-корейском наборе писем с запросами разных типов, включая вопросы о метаданных, короткие и развёрнутые запросы, а также вопросы с ответом «да» или «нет». Она предназначена для извлечения эмбеддингов и поиска похожих писем или документов, а также для поиска по почтовым архивам на английском и корейском языках. Может применяться как компонент систем ответов на вопросы по содержимому писем. Лучше всего подходит для деловой переписки; качество за пределами почтовой тематики может снижаться и различаться между языками.

Nawah-Router-BERT-6M-bilingual — двуязычная модель маршрутизации текста, разработанная oddadmix на основе Nawah-BERT-6M-v2. Это BERT-энкодер с 6,2 млн параметров и контекстом до 2048 токенов; модель оценивает пользовательские категории на английском или арабском за один проход, не требуя фиксированной таксономии или отдельной модели для каждого языка. Модель дообучена совместно на англоязычном и арабоязычном наборах данных для маршрутизации запросов. В описанных разработчиком проверках она показала лучшие результаты на английском, чем вариант, обученный только на английских данных, а на арабском сохранила близкие к арабоязычной версии показатели. Подходит для классификации и направления запросов по категориям в двуязычных приложениях; механизм улучшения английских результатов автор обозначает как гипотезу, а переносимость результатов на другие данные требует проверки. Модель распространяется в формате safetensors через Transformers под лицензией Apache-2.0. README содержит пример использования с RouterModel и AutoTokenizer.