IV.9Медиа, журналистика, культура, архивы и игры

glsch/bowphs_GreBerta_rhetores — дообученная модель RoBERTa для заполнения пропусков в древнегреческом тексте. Она основана на bowphs/GreBerta и содержит 153,2 млн параметров. Модель принимает текст с пропуском и предсказывает подходящее содержимое; длина контекста — до 514 токенов. Модель подходит для восстановления пропусков и изучения вариантов словоупотребления в древнегреческих текстах. Данных о её разработчике, дополнительных сценариях, сильных сторонах и лицензии в предоставленных источниках нет.

Riyuechang/Breeze-7B-PTT-Chat-v2 — чат-модель, дообученная автором на базе MediaTek-Research/Breeze-7B-Instruct-v1_0. Она обучалась на отфильтрованных сообщениях из раздела Gossiping тайваньского форума PTT, чтобы лучше работать с характерными для него обсуждениями и стилем общения. Для дообучения использовался LoRA с рангом 32; модель построена на архитектуре Mistral и содержит 7,2 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Лицензия — Apache-2.0. Карточка приводит значение loss 0,9391, но не описывает сравнительную оценку качества; результаты могут зависеть от шумов и специфического стиля обучающих данных.

Stanford AIMI представляет chexpert-plus-srrg_findings — модель архитектуры VisionEncoderDecoder для генерации текста по изображению. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers; README показывает адаптированный пример запуска для SRRG. Метаданные указывают задачу image-to-text и английский язык. Модель распространяется по лицензии MIT. Карточка не раскрывает размер модели, длину контекста или подробное описание её медицинских возможностей.

DA3-GIANT — флагманская модель семейства Depth Anything 3 от команды ByteDance Seed для оценки визуальной геометрии по изображениям. Это Vision Transformer с единым представлением depth-ray и 1,15 млрд параметров; модель поддерживает оценку относительной глубины, оценку позы камеры, обусловливание по позе и оценку 3D Gaussian. В карточке Hugging Face указаны библиотека Depth Anything 3, формат safetensors и задача depth-estimation. Модель предназначена для оценки глубины по одному или нескольким изображениям, восстановления позы камеры и получения 3D-представления сцен. README сообщает, что она превосходит Depth Anything 2 в монокулярной оценке глубины и VGGT в многовидовой оценке глубины и позы; подробные результаты отсылаются к статье. Обучение проводилось на открытых академических датасетах. Качество может снижаться на специализированных изображениях и зависеть от качества снимков, освещения и сложности сцены. Лицензия CC BY-NC 4.0 разрешает только некоммерческое использование.

DA3MONO-LARGE — модель ByteDance Seed Team для оценки относительной глубины по одному изображению. Она предназначена для сценариев компьютерного зрения, где нужно восстановить геометрическую структуру сцены без стереопары или нескольких ракурсов. Модель содержит 0,35 млрд параметров и построена на архитектуре Vision Transformer с обычным трансформерным энкодером и унифицированным представлением глубины и лучей. Она предсказывает глубину напрямую, а также поддерживает сегментацию неба. По данным карточки, модель превосходит Depth Anything 2 в монокулярной оценке глубины; результаты зависят от качества изображения, освещения и сложности сцены. Модель выпущена под лицензией Apache 2.0. Она обучалась на общедоступных академических датасетах, поэтому может хуже работать на изображениях из узкоспециализированных областей.

DisorBERT — англоязычная модель BERT для заполнения пропусков в тексте, разработанная для анализа сообщений в социальных сетях с учётом тематики психического здоровья. Модель последовательно адаптировали к языку соцсетей и предметной области психического здоровья; при обучении использовали лексический ресурс, чтобы чаще учитывать слова, связанные с психическими расстройствами. Архитектура — BertForMaskedLM, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для подстановки вероятных слов вместо маскированных фрагментов и может служить языковой основой для исследований текста о психическом здоровье в социальных сетях. Она не является самостоятельным диагностическим инструментом: карточка описывает адаптацию языковой модели, а не клиническую валидацию диагностики. Для использования требуется учитывать лицензию CC BY-NC 4.0, которая ограничивает коммерческое применение.

lxyuan/distilgpt2-finetuned-finance — англоязычная модель генерации текста на архитектуре GPT-2, созданная дообучением distilgpt2 на объединении четырёх финансовых наборов данных: causal-lm/finance, finance-alpaca, финансовых новостей и публикаций Reddit о финансах. Она предназначена для генерации продолжений текста на финансовые темы и может использоваться для создания черновиков финансовых текстов и ответов в стиле обучающих данных. Модель принимает текст и выдаёт текст; размер контекста составляет 1024 токена. Модель распространяется под лицензией Apache-2.0. Специализация на финансовых данных не гарантирует точности фактов, расчётов или советов: результаты следует проверять, особенно перед использованием для принятия финансовых решений.

Dog Facial Landmarks (DogFLW, 46 points) — двухэтапная модель анализа морд собак, разработанная hugocornellier. Первый этап локализует морду, второй предсказывает 46 ориентиров DogFLW на обрезанном изображении. Модели доступны в форматах TensorFlow и TFLite; локализатор построен на EfficientNetB2 с входом 224×224, детектор ориентиров — на MobileNetV3-Large с входом 384×384. TFLite-экспорт имеет точность float16 и статические размеры входа. Модель предназначена для определения координат частей морды собаки в мобильных приложениях и других сценариях компьютерного зрения. Она выдаёт ограничивающую рамку морды и нормализованные координаты ориентиров относительно обрезки; для получения координат исходного изображения требуется обратное преобразование рамки и обрезки. На валидационном наборе DogFLW из 480 изображений NME_IOD детектора ориентиров составляет 8,56, а IoU локализатора — 0,79. Автор отмечает, что ориентиры ушей предсказываются заметно менее точно, чем глаз. Веса распространяются по лицензии CC-BY-NC-4.0, которая ограничивает коммерческое использование. Для выполнения графа landmark-модели на GPU могут потребоваться GPU delegate и корректно экспортированная версия графа; на CPU доступен XNNPACK. Модель обучена на собачьих изображениях и не предназначена для обобщения на другие виды.

Intel/dpt-beit-large-512 — модель для оценки относительной глубины по одному изображению. Она использует архитектуру Dense Prediction Transformer (DPT): BEiT Large служит визуальным энкодером, к которому добавлены дополнительные слои для предсказания карты глубины. Модель обучена на 1,4 млн изображений и предназначена для оценки глубины без дополнительной настройки; в карточке описан вариант с разрешением обучения 512×512. Модель подходит для анализа сцены, создания карт глубины и использования в задачах 3D-реконструкции и автономного вождения. Она обрабатывает изображения и выдаёт карту глубины. Качество оценки зависит от изображения и обучающих данных; предсказания могут быть неточными, поэтому модель следует проверять перед применением. Разработчик — Intel. Лицензия — MIT.

DUSt3R_ViTLarge_BaseDecoder_224_linear — модель геометрического 3D-зрения из проекта DUSt3R, предназначенная для восстановления трёхмерной структуры по изображениям. Репозиторий опубликован naver и использует библиотеку dust3r; веса доступны в формате safetensors. Модель построена на асимметричной архитектуре DUSt3R: энкодер ViT-L, декодер ViT-B и линейная голова. Указанное разрешение обучения — 224×224. Модель предназначена для задач преобразования изображений в 3D-представление; README приводит способ загрузки через класс AsymmetricCroCo3DStereo. Карточка не описывает языковые возможности, точный формат 3D-выхода или практические ограничения качества, поэтому они здесь не уточняются. Условия лицензирования в предоставленных данных не приведены.

TahaCakir/enhanced_turkishReviews-generativeAI — дообученная на неизвестном наборе данных генеративная модель на архитектуре GPT-2 Large, разработанная на основе openai-community/gpt2-large. Она предназначена для генерации текста; название репозитория указывает на связь с турецкими отзывами, однако README не уточняет сценарии применения и состав данных. Модель использует TensorFlow и имеет контекст длиной 1024 токена. В README приведены потери на обучении и валидации после 9 эпох, но нет описания оценки качества или практических ограничений. Лицензия — MIT.

Это квантованный текстовый энкодер Gemma 4 размером 12B, подготовленный пользователем elix3r на основе Lightricks/LTX-2.5. Модель объединяет текстовый энкодер с проекционными головами для аудио и видео и предназначена как компонент conditioning в экосистеме LTX-2.5, а не как самостоятельная универсальная чат-модель Gemma. Модель используется в ComfyUI вместе с совместимым дистиллированным трансформером LTX-2.5 и ComfyUI-GGUF для генерации видео с текстовым управлением. Доступны варианты квантования GGUF Q2_K, Q4_K_M и Q5_K_M размером примерно от 5,96 до 9,51 ГБ; Q5_K_M сохраняет больше точности, а Q2_K требует меньше места и ресурсов. README не указывает поддерживаемые языки и размер контекста. Сильная сторона модели — возможность применять крупный текстовый энкодер LTX-2.5 в квантованном виде, включая аудио- и видеопроекции, что снижает требования к памяти по сравнению с полноразмерной версией. Ограничение заключается в том, что энкодер бесполезен сам по себе для генерации видео и требует соответствующего трансформера, ComfyUI и узлов ComfyUI-GGUF. Использование и распространение регулируются LTX-2 Community License для компонентов LTX-2.5 и Apache-2.0; для доступа действуют дополнительные условия лицензии, включая ограничения использования, распространения и коммерческого применения.

mpasila/Llama-3.1-Literotica-8B — плотная авторегрессионная языковая модель семейства Llama 3.1, дообученная mpasila на базе unsloth/Meta-Llama-3.1-8B для генерации художественных рассказов в стиле Literotica. Она обучалась один проход на подмножестве датасета mpasila/Literotica-stories-short; истории разбивали на фрагменты длиной до 8192 токенов. Модель принимает текстовые запросы без специального формата и генерирует текст. В метаданных указан контекст до 131 072 токенов; обучение выполнялось с обычным LoRA ранга 128, без QLoRA. Модель подходит для создания и продолжения художественных рассказов, в том числе эротической тематики. Для работы с весами действует Llama 3.1 Community License Agreement. Описание не содержит результатов оценивания качества; модель специализирована на ограниченном наборе рассказов, поэтому её ответы могут быть менее надёжны для общих задач и вне обучающего стиля.

Это специализированная LoRA-адаптация для генерации и трансформации видео в тематике anthro furry. Модель создана пользователем или организацией Muapi и основана на LTXV 2.3, связанном с базовой моделью Lightricks/LTX-Video. В карточке также указана совместимость с I2V-сценариями LTX-2.3 и Wan2.2 I2V A14B, однако точная архитектура, количество параметров и поддерживаемые языки не раскрыты. Модель предназначена для text-to-video и image-to-video задач, в частности для создания видео с превращением персонажей в антропоморфных furry-персонажей. Для активации специализации рекомендуется использовать обученное слово furrytransformation1. В примере указаны разрешение 768×512 и 97 кадров, но это параметры конкретного запроса, а не обязательно жесткие ограничения модели. Сильная сторона — узкая тематическая специализация; ограничение — вероятная зависимость качества от базовой модели, силы LoRA и корректности промпта. Лицензия указана как openrail++.

facebook/mms-tts-hub — модель синтеза речи на языке вампис, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на вампис. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN; обучение проводится сквозным образом. Размер модели — 3,5 млн параметров, формат весов — PyTorch и Safetensors. Отдельный чекпойнт MMS-TTS обучен для каждого языка; эта версия предназначена для вампис. Стохастический предиктор длительности позволяет получать разные ритмические варианты одной фразы, поэтому для воспроизводимого результата нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MODA-Fashion-CrossDomain — дообученный HopitAI визуальный энкодер для поиска похожих предметов одежды по изображениям. Он основан на архитектуре ViT-B/16-SigLIP с 203,2 млн параметров и выдаёт векторное представление размерности 768. Модель предназначена для поиска одного и того же товара между студийными фотографиями из интернет-магазинов и пользовательскими снимками с улицы, а также для междоменного поиска изображений одежды. По данным карточки, на LookBench модель достигает Fine Recall@1 66,52% и превосходит FashionSigLIP на 2,68 процентного пункта; обучение проводилось на 13 557 парах-триплетах без использования LookBench и без дистилляции. Репозиторий включает полную архитектуру CLIP с визуальной и текстовой частями, но описанный сценарий инференса преобразует изображение в эмбеддинг для поиска. Модель распространяется по лицензии MIT. Ее качество подтверждено прежде всего на задачах поиска одежды; карточка не заявляет о равной эффективности на других предметных областях.

MODA-Fashion-Distilled — дообученная HopitAI модель для поиска модных товаров по изображению. Она использует архитектуру ViT-B/16-SigLIP с визуальным и текстовым энкодерами, однако описанный сценарий этой версии — сопоставление изображений: модель преобразует входное изображение в вектор размерности 768 для поиска похожих товаров в каталоге. Размер модели — около 203 млн параметров; входное разрешение — 224×224 пикселя. По данным карточки, на LookBench модель показала Fine Recall@1 67,63% и превзошла указанные в сравнении FashionSigLIP и FashionCLIP. Модель создана дообучением Marqo/marqo-fashionSigLIP на парах изображений из разных доменов, а затем дистилляцией знаний ансамбля учителей в компактный энкодер. Она предназначена для визуального поиска одежды и сопоставления фотографий товаров, включая поиск по снимкам из студии и уличным образам. Лицензия — MIT. Модель выдаёт эмбеддинги изображений, пригодные для поиска ближайших векторов; README не описывает эту версию как модель для текстовых запросов. Приведённые метрики получены на LookBench и не гарантируют аналогичных результатов на других каталогах; для сравнения требуется индексирование изображений товаров в том же пространстве эмбеддингов.

Omega Darker: The Final Directive 24B — языковая модель для генерации художественного текста и ролевого общения, созданная на основе TheDrummer/Cydonia-24B-v2.1. По карточке, дообучение использует корпус эротических и хоррор-романов и сценариев; модель ориентирована на откровенные ролевые сцены, мрачные истории, насилие и подробные описания травм. Разработчики отмечают улучшенную проработку персонажей, многоперсонажные сцены и следование сложным инструкциям. Модель построена на плотной архитектуре Mistral и содержит 23,4 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык, работает с контекстом до 32 768 токенов. Указанная лицензия — Apache-2.0. Карточка предназначает модель для взрослой аудитории и предупреждает об отсутствии ограничений на генерируемое содержание.

unsloth/Qwen3.5-2B-Base — предобученная мультимодальная модель семейства Qwen3.5, опубликованная Unsloth в формате Transformers и совместимая с Transformers, vLLM и SGLang. Это базовая модель для дообучения, экспериментов с обучением на контексте и разработки, а не готовый чат-ассистент для прямого общения. В метаданных указана связь с Qwen/Qwen3.5-2B-Base как с базовой моделью. Модель сочетает причинную языковую модель с визуальным энкодером и имеет 2 млрд параметров. В её гибридной архитектуре используются Gated Delta Networks и разреженные Mixture-of-Experts; нативная длина контекста составляет 262 144 токена, с возможностью расширения до 1 010 000. README заявляет поддержку 201 языка и диалекта. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель подходит для создания специализированных решений с помощью дообучения и экспериментов по пониманию изображений и текста. Поскольку это вариант только с предобучением, она не предназначена для прямого взаимодействия как инструкционная или чат-модель; качество конкретных прикладных сценариев зависит от последующего обучения и настройки.

Compactbot/tinystories-24m — компактная языковая модель, разработанная Compactbot и обученная с нуля на наборе TinyStories. Это декодерный GPT с 24,585,600 параметрами, BPE-токенизатором на 8192 токена и контекстом 512 токенов. Архитектура включает 12 слоёв, 8 голов внимания, RMSNorm, объединённые проекции QKV и GELU FFN; веса опубликованы в формате safetensors. Модель предназначена для генерации коротких англоязычных историй с диалогами и связным повествованием. Она подходит для творческих прототипов и экспериментов с генерацией рассказов в стиле обучающего домена, но не рассчитана на ответы на вопросы, код, общие беседы или другой текст вне TinyStories. README сообщает о позднем расхождении обучения; опубликован лучший ранний чекпойнт. Для загрузки требуется bundled modeling.py, модель не является моделью Transformers. Лицензия — Apache-2.0.

crangana/trained-gender — модель классификации изображений, дообученная на наборе FairFace на основе microsoft/resnet-50. Она предназначена для классификации изображений людей по признакам, представленным в метках обучающего набора. В README указаны результаты на оценочной выборке: точность 0,8986 и функция потерь 0,2437. Модель использует сверточную архитектуру ResNet-50 и распространяется в формате PyTorch. Базовая ResNet-50 предварительно обучена на ImageNet-1k. Репозиторий лицензирован по Apache-2.0. Подробности о классах предсказания и ограничениях применения в карточке не приведены.

Arabic Phoneme ASR v2 — модель распознавания арабской речи на уровне фонем, разработанная на основе facebook/wav2vec2-large-xlsr-53. Это архитектура Wav2Vec2ForCTC с 402,7 млн параметров, дообученная методом CTC на корпусах арабской речи и чтения Корана; аудио приводится к частоте 16 кГц. Модель выдаёт фонемы в схеме Halabi, а не арабское написание, и предназначена для анализа произношения, в том числе с принудительным выравниванием или GOP-оценкой относительно ожидаемой последовательности фонем. Модель подходит для распознавания фонем в литературном арабском и коранической рецитации. В тестировании на наборе из 800 примеров указана частота ошибок по фонемам PER 14,42%; в ошибках чаще всего встречаются короткие гласные и неточности на границах. Лицензия — Apache-2.0. Диалектная и спонтанная речь может заметно отличаться от обучающих данных; часть аудио IqraEval синтезирована, а жадное CTC-декодирование иногда повторяет токены на концах записей.

Это модель xnpx, дообученная на основе facebook/wav2vec2-large-xlsr-53 для распознавания фонем в речи на хинди. Вместо обычной текстовой транскрипции она выдаёт токены Международного фонетического алфавита (IPA), используя архитектуру Wav2Vec2ForCTC с 24 слоями Transformer, размером 402,7 млн параметров и словарём из 64 токенов, включая специальные. Модель принимает аудио с частотой дискретизации 16 кГц и предназначена для фонетического анализа хинди, оценки произношения, приблизительного выравнивания фонем и лингвистических исследований. Она дообучена на подмножестве хинди датасета AI4Bharat IndicVoices и распространяется по лицензии Apache-2.0. Декодирование выполняется жадным методом CTC без языковой модели или beam search, поэтому границы фонем приблизительны. Модель ориентирована на хинди, может хуже работать с другими языками, шумной записью и аудио, записанным с большого расстояния.

Карточка модели hongyuw/bitvla-siglipL-224px-bf16 на Hugging Face совпадает с карточкой hongyuw/bitvla-bitsiglipL-224px-bf16, поэтому описание составлено по ней. hongyuw/bitvla-bitsiglipL-224px-bf16 — визуально-языковая модель BitVLA от авторов проекта BitVLA, построенная на архитектуре LLaVA и дообученная на базе microsoft/bitnet-b1.58-2B-4T. Она принимает изображение и текстовый запрос и предназначена для диалогового понимания изображений и ответов на вопросы по ним; в проекте опубликованы оценки VQA и модели для последующего обучения манипуляции роботами. Модель использует визуальный энкодер SigLIP-L с разрешением 224 пикселя и веса bf16; авторы применяют онлайн-квантизацию W1.58-A8, а для сокращения затрат памяти рекомендуют отдельно квантизировать веса до 1,58 бит. В метаданных указан английский язык и лицензия MIT. Авторы отмечают, что BitVLA ещё не проходила предварительное обучение на крупномасштабном наборе робототехнических данных из-за ограниченных ресурсов. Для выполнения роботизированных действий потребуется соответствующая VLA-версия, обученная под задачу; данная карточка описывает базовую визуально-языковую модель. Для оценки мультимодальных задач README указывает модифицированные компоненты Transformers и окружение NVIDIA PyTorch.

Модель HMkumbo/blood-donation-llama32-3b-dpo-merged-16bit разработана HMkumbo и представляет собой дообученную текстовую модель семейства Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров. В качестве основы указана unsloth/Llama-3.2-3B-Instruct-bnb-4bit; при обучении использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Название указывает на тематику донорства крови, однако карточка не описывает конкретные медицинские сценарии, обучение по этой теме или качество ответов. Заявленная длина контекста — 131 072 токена; в метаданных указан английский язык. Лицензия — Apache-2.0. Поскольку модель дообучена на инструкционной основе, ответы могут наследовать её ограничения и содержать ошибки; медицинские сведения следует проверять по надежным источникам.

FrancescoMrn/cnn-fkp-deep — сверточная модель глубокого CNN для регрессии 68 лицевых ключевых точек в порядке разметки iBUG 300-W. Она принимает одно канальное серое изображение лица размером 224×224 с пикселями, нормализованными в диапазон [0, 1], и выдаёт 68 пар координат, нормализованных относительно обрезки лица. Модель предназначена для локализации лицевых ориентиров на уже обнаруженных, преимущественно фронтальных лицах: например, для анализа формы лица или подготовки изображений к последующей обработке. На валидационной выборке указана средняя ошибка NME 0,0974; контур челюсти оказался наиболее сложной областью. Обучение проводилось на кадрах YouTube Faces с 68-точечной разметкой, а проверочная выборка разделена по идентичностям людей. Модель распространяется под лицензией MIT. Авторы указывают, что обучающий набор демографически несбалансирован; качество на профильных лицах, при сильных перекрытиях и необычном освещении не проверялось. В README рекомендовано исследовательское и образовательное применение.

DA3-LARGE — модель компьютерного зрения серии Depth Anything 3, разработанная командой ByteDance Seed для оценки глубины по изображениям с одной или нескольких точек обзора и оценки поз камеры. Она использует Vision Transformer с унифицированным представлением depth-ray; размер модели составляет 0,35 млрд параметров. Модель поддерживает относительную глубину, оценку позы и условие по позе. Модель предназначена для визуальной геометрии сцен, включая восстановление глубины и взаимного положения камер. Авторы сообщают о превосходстве над Depth Anything 2 в оценке глубины по одному изображению и над VGGT в многовидовой оценке глубины и позы. Обучение проводилось на общедоступных академических датасетах. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Точность может снижаться на специализированных изображениях и зависит от качества изображения, освещения и сложности сцены.

DareDeez — объединённая текстовая модель на основе Mistral 7B Instruct, созданная jeiku с помощью mergekit и метода DARE TIES. В объединение вошли Futadom_Mistral, Sissification_Hypno_Mistral, Humiliation_Mistral и Alpaca_NSFW_Shuffled_Mistral вместе с базовой моделью unsloth/mistral-7b-instruct-v0.3. Модель предназначена для диалоговой генерации текста и выполнения инструкций. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это дообученная модель классификации текста на основе microsoft/deberta-v3-xsmall, разработанная Domenic Rosati. Она предназначена для классификации отзывов; в названии также указано использование библиографического контекста и замороженной языковой модели, однако README не поясняет эту схему и не описывает набор данных. Модель содержит 77,5 млн параметров, использует архитектуру DeBERTa v2 для классификации последовательностей и принимает текст длиной до 512 токенов. Модель выпущена под лицензией MIT. В приведённых результатах оценки точность составляет 0,9066, но F1 — 0,0090, полнота — 0,0045, а точность положительных предсказаний — 0,8293; столь низкие F1 и полнота указывают на существенные ограничения при выявлении целевого класса. README не раскрывает состав классов, данные обучения и подробности применения библиографического контекста.

DiSCo Situation-Entity Classifier — модель классификации предложений на основе RoBERTa-base, разработанная для компонента классификации DiSCo. Она присваивает английской дискурсивной единице элементарного уровня, примерно соответствующей придаточной или самостоятельной клаузе, одну из 18 категорий ситуации (Situation Entity). Категории отражают тип ситуации и могут быть разложены на признаки обобщённости референта, событийности глагольной конструкции и ограниченности или привычности ситуации. Модель предназначена для лингвистического анализа текста после сегментации на клаузы, например для изучения повествовательных режимов и анализа распределения типов ситуаций. Она содержит около 151,8 млн параметров, работает с текстом и имеет контекст до 514 токенов. Обучение включало предварительное обучение на корпусе SitEnt и дообучение на DiSCo: англоязычных текстах смешанных жанров, преимущественно о легализации марихуаны. На валидационной выборке во время обучения точность классификации 18 категорий составила 0,737, а macro-F1 — 0,514; для отдельных трёхклассовых признаков macro-F1 составил 0,852 для обобщённости и 0,879 для событийности. Редкие классы представлены существенно меньше частых, а оценки относятся к обучающей валидации; качество на других жанрах может отличаться. Модель распространяется по лицензии CC BY 4.0.