基于Deberta架构的俄语垃圾邮件检测模型，能够将文本分类为垃圾邮件或非垃圾邮件。

基于RuBERT-tiny2微调的俄语多标签情感分类模型，支持28种情感类别识别

基于google/mt5-base微调的俄语文本摘要生成模型，训练数据约5万条样本，专注于生成高质量俄语摘要。

Vikhr是基于Mistral架构的俄语模型，经过4亿标记的三轮预训练，在俄语任务上表现优于原版Mistral，但在代码处理方面可能存在不足。

该模型是一个支持俄语的开源模型，采用Apache-2.0许可证发布。

基于T5架构的俄语预训练语言模型，采用类似UL2的7种降噪器混合训练策略，支持多种文本生成任务。

针对俄语预训练的双向编码器模型，基于大规模文本语料训练，支持特征提取任务。

由SberDevices团队预训练的俄语大型语言模型，基于Transformer架构，参数量4.27亿，训练数据量30GB

这是一个用于俄语文本情感分类的模型，基于ruBERT对话嵌入器构建，能够识别中性、积极和消极三种情感。

针对CPU优化的俄语处理流程，包含标记分类、依存分析、命名实体识别等NLP任务

Stanza是一套精准高效的多国语言分析工具集，提供俄语的文本分析功能。

spaCy提供的针对CPU优化的俄语处理流程，包含分词、词性标注、依存分析、命名实体识别等功能

基于BERT架构的俄语文本情感分类模型

spaCy提供的俄语大模型，针对CPU优化，包含完整的NLP处理流程

基于rugpt3medium_based_on_gpt2的俄语抽象摘要生成模型，专门针对Gazeta数据集进行训练

RuBERT是基于俄语维基百科和新闻数据训练的俄语BERT模型，具有1.8亿参数，支持掩码语言建模和下一句预测任务。

这是多语言蒸馏式BERT基础模型（大小写敏感）的精简版本，专门针对俄语优化，能生成与原模型完全一致的语义表示，保持原始准确率。