I.11Классификация, ранжирование и сопоставление

ArneH/harrier-semantic-v1 — модель эмбеддингов для семантического поиска по решениям швейцарских судов. Она дообучена на 55 000 пар «описание обстоятельств дела → цитируемое решение» и предназначена для поиска релевантных решений Федерального суда Швейцарии (BGer/BGE) по запросам на немецком, французском и итальянском языках. Архитектура основана на Qwen3, размер модели — около 507,9 млн параметров, контекст — до 32 768 токенов. Модель выдаёт эмбеддинги и поддерживает извлечение признаков и оценку семантического сходства; в README приведены результаты теста поиска на 800 примерах.

HumBert (Humanitarian BERT) — языковая модель Николò Таманьоне из Data Friendly Space, основанная на XLM-RoBERTa и адаптированная на гуманитарных текстах. Обучение продолжалось на корпусе примерно из 50 миллионов текстовых примеров, около 2 миллиардов токенов, собранных из ReliefWeb, UNHCR Refworld и Europe Media Monitor News Brief. Модель предназначена для работы с текстами гуманитарной тематики и предсказания замаскированных токенов. Её можно дообучать для классификации последовательностей и токенов, например для классификации текстов о реагировании на бедствия. Модель рассчитана на английский, французский и испанский языки; размер — около 305,2 млн параметров, контекст — до 514 токенов. Доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — Apache-2.0. Публичных результатов бенчмарков в карточке нет; качество на конкретных downstream-задачах может потребовать отдельной проверки и дообучения.

IDEFICS-80B-Instruct — мультимодальная модель, разработанная Hugging Face как открытая реализация подхода Flamingo. Она принимает текстовые запросы вместе с одной или несколькими изображениями и генерирует текст; также может работать как языковая модель без изображений. Архитектура объединяет визуальный энкодер CLIP ViT-H/14 и языковую модель LLaMA-65B, связанные новыми блоками Transformer с перекрёстным вниманием. В метаданных указано 65 млрд параметров; модель опубликована в форматах PyTorch и Safetensors. Модель предназначена для ответов на вопросы по изображениям, описания визуального содержимого, классификации изображений и создания историй, опирающихся на несколько изображений. Версия Instruct дополнительно обучена на наборах для supervised и instruction fine-tuning, что улучшает следование инструкциям и диалоговое взаимодействие. В карточке заявлены сильные результаты на визуально-текстовых бенчмарках и обучение на примерах в контексте. Основной язык — английский. Модель может ошибаться в фактах, особенно при вводящих в заблуждение изображениях, и воспроизводить вредные стереотипы; её ответы не следует считать достоверным источником без проверки. Лицензия указана как other, а README отсылает к отдельному разделу лицензии без уточнения условий в предоставленном тексте.

IndoBERT-Lite Large Model (phase2, uncased) — предварительно обученная языковая модель для индонезийского языка, созданная командой IndoBenchmark. Это модель архитектуры ALBERT, обученная на текстах набора Indo4B с задачами masked language modeling и next sentence prediction. В метаданных указаны 433,4 млн параметров и контекст до 512 токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать как основу для последующей обработки индонезийского языка. Она доступна в форматах PyTorch и TensorFlow и распространяется по лицензии MIT. В карточке показан способ загрузки через Transformers.

llmware разработала industry-bert-sec-v0.1 — англоязычную модель эмбеддингов на основе BERT и Sentence Transformers, дообученную на общедоступных документах и регуляторных материалах Комиссии по ценным бумагам и биржам США (SEC). Модель предназначена для получения векторных представлений текстов и может служить заменой эмбеддингов в финансовых и регуляторных сценариях. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Её можно применять для семантического поиска, сравнения текстов и поиска релевантных фрагментов в документах SEC и других финансовых материалах. Лицензия — Apache 2.0. Качество результатов может снижаться за пределами финансовой и регуляторной тематики; возможны аномалии в пространстве эмбеддингов. В README отмечено, что специальные меры для устранения смещений в данных не применялись.

jeongyoonhuh разработал модель для классификации корейских текстов по шести эмоциональным категориям. Это дообученная версия monologg/koelectra-base-v3-discriminator на наборе AI Hub Empathetic Dialogue с 22 758 обучающими примерами; архитектура — ELECTRA для классификации последовательностей, размер — 140,1 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для анализа тональности и эмоций в корейских сообщениях и диалогах, например для сортировки обращений или изучения эмоциональных реакций в переписке. В карточке приведены accuracy и взвешенный F1 по 98,24%, однако эти результаты относятся к указанному набору данных и не гарантируют качество на других источниках. Модель распространяется по лицензии Apache-2.0.

LionGuard 2 — разработанная GovTech многоязычная модель-классификатор для модерации контента в контексте Сингапура. Она использует эмбеддинги OpenAI text-embedding-3-large и многоголовый классификатор, который выдаёт оценки общей безопасности и отдельных категорий: ненавистнических высказываний, оскорблений, сексуального контента, физического насилия, самоповреждения и других нарушений. Для ряда категорий предусмотрены уровни тяжести. Модель предназначена для классификации текста на английском и синглиш, китайском, малайском и тамильском языках. Лицензия указана как other; конкретные условия следует сверить с карточкой модели. Число параметров и длина контекста в предоставленных сведениях не указаны.

RLHFlow разработала эту модель как outcome-supervised reward model (ORM) для оценки результатов генерации. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, построенная на meta-llama/Llama-3.1-8B-Instruct и дообученная в течение одной эпохи на RLHFlow/Mistral-ORM-Data — данных, сгенерированных Mistral. Модель использует архитектуру LlamaForCausalLM; в метаданных указан контекст до 131 072 токенов. Модель предназначена для ранжирования или отбора ответов, в частности для Best-of-N (BoN) выборки: README приводит результаты применения ORM при отборе математических решений от генераторов Mistral-7B и Deepseek-7B на GSM8K и MATH. Для использования нужны текстовые входы; репозиторий содержит веса Safetensors и поддерживает библиотеку Transformers. Лицензия в предоставленных данных не указана.

Llama-3.1-Tulu-3-8B-SFT-RM-RB2 — англоязычная модель оценки предпочтений, разработанная Allen Institute for AI и выпущенная в составе набора из семи reward-моделей для бенчмарка RewardBench 2. Это плотная модель-классификатор на архитектуре Llama с 7,5 млрд параметров, дообученная на бинарных данных о предпочтениях на базе allenai/Llama-3.1-Tulu-3-8B-SFT. Она принимает текст и оценивает его для задач сравнения или ранжирования ответов.

Llama 4 Maverick Instruct — мультимодальная модель Meta для диалогов и задач понимания изображений. Это авторегрессионная модель с архитектурой смеси экспертов (MoE) и ранним объединением модальностей; в варианте Maverick используются 17 млрд параметров и 128 экспертов. Модель предназначена для чат-ассистентов и визуальных задач: распознавания и анализа изображений, составления описаний и ответов на вопросы по изображению. Она поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка в конкретном приложении. Модель разработала Meta. Репозиторий содержит дообученную версию базовой Llama 4 Maverick, распространяемую в формате Safetensors. Использование регулируется пользовательской коммерческой лицензией Llama 4 Community License и Acceptable Use Policy.

Mage-ViT — визуальный энкодер, разработанный командой Mage-VL и обученный с нуля как часть мультимодальной системы Mage-VL. Это 24-слойный Vision Transformer с размером скрытого состояния 1024, 16 головами внимания, MLP с расширением 4× и отдельной головой attention pooling. Модель извлекает признаки из изображений и видео; для видеопоследовательностей поддерживает трёхмерное кодирование координат патчей и работу с разреженными последовательностями токенов, отбираемыми по важности участков в видеокодеке. README описывает обучение на примерно 100 млн неразмеченных изображений и видео с кластерно-дискриминационной целью. В карточке Hugging Face указано 402,7 млн параметров, лицензия Apache-2.0 и формат safetensors. Репозиторий содержит только предварительно обученный визуальный энкодер: он не прошёл совместное обучение с языковой моделью Mage-VL. Энкодер принимает пиксельные тензоры и выдаёт признаки для каждого патча и глобальное векторное представление. Отбор патчей по данным кодека выполняется во внешнем конвейере Mage-VL; README описывает поддержку HEVC/H.265 и DCVC-RT и сокращение числа токенов для видеоклипа до заданного бюджета. В метаданных указаны 402,7 млн параметров, тогда как README приводит оценку около 316 млн. Модель распространяется по лицензии Apache-2.0.

maxxvit_rmlp_small_rw_256.sw_in1k — модель классификации изображений из библиотеки timm, разработанная и обученная Россом Уайтманом на ImageNet-1k. Она предназначена для определения объектов и сцен на изображениях, а также может использоваться как визуальный backbone для извлечения признаков и получения эмбеддингов. Архитектура MaxxViT сочетает блоки ConvNeXt с механизмами внимания по окнам и сетке; вариант использует MLP Log-CPB для относительного позиционного смещения. Модель содержит 66 млн параметров и рассчитана на изображения размером 256 × 256 пикселей. В README приведены результаты сравнения семейства моделей, но отдельные показатели качества этого варианта не приведены. Модель принимает изображения и выдаёт метки классов и оценки, а извлечение признаков и эмбеддингов доступно как дополнительный сценарий использования. Лицензия репозитория — Apache-2.0. Результаты классификации зависят от предобработки и могут быть менее надёжны для изображений, существенно отличающихся от ImageNet-1k.

maayans/modernbert-embed-large__ratio-broaden — модель текстовых эмбеддингов, созданная дообучением lightonai/modernbert-embed-large для операции BROADEN в наборе RATIO (Retrieval Across Typed Ideation Operations). Она предназначена для поиска научной формулировки, которая выражает запрос шире или на более общем уровне. Модель кодирует запросы и предложения-кандидаты, позволяя сравнивать их по смысловой близости; для корректной работы используются префиксы `search_query: ` и `search_document: ` соответственно. Модель основана на ModernBERT-large, содержит около 394,7 млн параметров, принимает текст с контекстом до 8192 токенов и формирует плотные эмбеддинги. Обучение выполнялось контрастивным методом на обучающей части RATIO для отношения broaden; карточка указывает английский язык. Модель распространяется по лицензии Apache 2.0. Она специализируется на поиске обобщённых формулировок научных запросов, поэтому её не следует считать универсальным эмбеддером для любых отношений или областей; доступные сведения не содержат результатов оценки качества.

MosaicBERT-Base — англоязычная модель семейства BERT, разработанная MosaicML как архитектура и рецепт ускоренного предварительного обучения. Она предназначена для дообучения на прикладных задачах обработки текста; базовая задача опубликованной версии — восстановление замаскированных токенов в тексте. Модель содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 512 токенов. В архитектуре используются FlashAttention, ALiBi вместо позиционных эмбеддингов, удаление паддинга внутри блока трансформера и GeGLU в полносвязных слоях. Для токенизации применяется токенизатор bert-base-uncased. Разработчики сообщают, что модель обучается быстрее и показывает более высокую точность предварительного и последующего обучения по сравнению с bert-base-uncased. Модель рассчитана на эксперименты и дообучение для задач NLP, а не на универсальный диалог. Для загрузки с пользовательским кодом требуется trust_remote_code=True; README рекомендует фиксировать ревизию кода. Указанная лицензия — Apache-2.0.

MuRIL Large — мультиязычная модель Google на архитектуре BERT Large с 24 слоями и примерно 604,7 млн параметров. Она предварительно обучена на корпусах Википедии, Common Crawl, PMINDIA и Dakshina для 17 индийских языков и их транслитерированных вариантов. При обучении использовались маскирование целых слов, а также пары переводов и транслитераций; максимальная длина последовательности составляет 512 токенов. Модель предназначена для извлечения контекстных представлений и последующей настройки под задачи NLP для индийских языков. В карточке показаны результаты настройки для распознавания именованных сущностей, разметки частей речи, определения межъязыкового следования и ответов на вопросы. Она поддерживает работу с транслитерированным текстом, но не рассчитана на языки за пределами обучающего набора. Указанная в репозитории лицензия не приводится в предоставленных данных.

datalyes/patembed-base_long_4096 — модель Sentence Transformers, разработанная в рамках проекта PatenTEB для получения векторных представлений патентных текстов. Она построена на архитектуре gte-modernbert-base с расширенным контекстом и дообучена методом многозадачного обучения на 13 задачах бенчмарка PatenTEB. Модель предназначена для поиска патентов и предшествующего уровня техники, извлечения похожих документов, классификации и кластеризации патентов, а также анализа технологических направлений. Она создаёт эмбеддинги размерности 768; в README указано максимальное окно последовательности 4096 токенов, а метаданные указывают нативный контекст 8192 токена. Для оптимального результата при инференсе следует использовать инструкции, специфичные для задачи. Модель содержит 149 млн параметров, имеет 22 слоя и поддерживает английский язык. Репозиторий использует формат safetensors и библиотеку sentence-transformers. Лицензия CC BY-NC-SA 4.0 требует атрибуции и ограничивает коммерческое использование.

PM_deberta-v3-base-ultrafeedback-rm — дообученная модель оценки текста, созданная на базе OpenAssistant/reward-model-deberta-v3-base и обученная с помощью TRL. Она возвращает числовую оценку текста, поэтому может использоваться как reward model для сравнения или ранжирования ответов и как компонент контура RLHF. Модель основана на архитектуре DeBERTa-v3-base с классификационной головой, содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов. Карточка описывает запуск через Transformers pipeline и выполнение оценки на GPU. Лицензия в доступных данных не указана.

representativedownscaled — дообученная Henry202 модель на базе meta-llama/Llama-3.2-1B-Instruct, обученная с помощью TRL. Она предназначена для классификации текста с выдачей оценки score; пример в карточке показывает применение оценки как награды для текстового ответа. Модель имеет архитектуру LlamaForSequenceClassification, около 1,2 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors. Модель может подойти для оценки или ранжирования текстовых ответов в пайплайне обучения и отбора ответов. Карточка не приводит сведения о данных обучения, калибровке оценок или проверках качества, поэтому точность и переносимость оценок на новые задачи не установлены. Лицензия в предоставленных данных не указана.

Prometheus 2 7B — языковая модель для детальной оценки ответов других языковых моделей, разработанная командой Prometheus-Eval. Она предназначена для использования как судья при оценивании по заданным критериям и как модель вознаграждения в RLHF. Модель поддерживает абсолютную оценку отдельного ответа по шкале от 1 до 5 и относительное сравнение двух ответов с ранжированием; для оценки задаются инструкция, ответы, критерии и эталонный ответ. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она дообучена на наборах Feedback Collection и Preference Collection, а затем объединена с двумя контрольными точками Prometheus 7B v1.5, чтобы поддерживать оба формата оценки. Модель рассчитана на английский язык, использует шаблон диалога Mistral и имеет контекст до 32 768 токенов. Лицензия — Apache 2.0. Prometheus 2 предназначена для оценки и сравнения ответов по заданной рубрике, но её выводы зависят от качества критериев, эталона и формулировки запроса. Для корректной работы README рекомендует применять разные шаблоны запросов для абсолютной и относительной оценки и использовать формат диалога Mistral.

Ertas AI разработала QMSum locator — англоязычный cross-encoder на базе BERT MiniLM L6 для первого этапа двухэтапного конвейера суммаризации встреч с учётом вопроса. Модель оценивает релевантность пар «запрос — фрагмент стенограммы» и помогает выбрать фрагменты для передачи суммаризатору. Она обучена на парах запросов и окон стенограмм из обучающей части QMSum; размер модели — 25,9 млн параметров, максимальный контекст — 512 токенов. Лицензия — Apache 2.0. Эта версия настроена на окна длиной 900 слов в соответствии с зафиксированным протоколом оценки. Поскольку окно обычно токенизируется примерно в 1 150 токенов, модель читает лишь начальную часть большинства окон: около 97,3% окон обрезаются, в среднем обрабатывается 47,7% текста окна. Поэтому оценки могут не учитывать важное содержимое в конце фрагмента. Модель проверялась на англоязычных стенограммах встреч QMSum в академической сфере, проектировании продуктов и парламентских комитетах; перенос на другие типы документов не проверен. Релевантность определяется перекрытием с размеченными эталонными фрагментами QMSum.

Qwen3-1.7B Teacher Note Severity v2 — модель на 1,7 млрд параметров на базе Qwen3-1.7B, разработанная jeremierostan для структурированного анализа заметок учителей о поведении и успеваемости учеников. Это продолженное LoRA-дообучение модели Qwen3-1.7B-teacher-note-severity; версия v2 добавляет поле местоположения события. Модель принимает заметку или журнал наблюдений и генерирует JSON с категорией события, местом, оценкой серьёзности и признаком необходимости эскалации. К оценочным категориям относятся похвала, нарушение поведения и академическая проблема; значение серьёзности от 60 означает эскалацию к администрации. Указан контекст до 40 960 токенов. Для обучения использовались синтетические данные; автор приводит результаты проверки на синтетической тестовой выборке из 200 примеров. Модель предназначена для классификации и приоритизации школьных заметок, но её оценки следует рассматривать как вспомогательные: опубликованная проверка ограничена небольшой синтетической выборкой. Лицензия — Apache-2.0.

RaDeR_Qwen25_3B_NuminaMath_MATH_allquerytypes — плотный ретривер для поиска документов по математическим запросам, разработанный CIIR при Университете Массачусетса в Амхерсте. Модель дообучена на Qwen/Qwen2.5-3B-Instruct на данных NuminaMath и MATH, подготовленных для retrieval и включающих разные типы запросов. Модель предназначена для построения эмбеддингов запросов и документов и их последующего сопоставления в системах поиска. В карточке сообщается, что ретриверы RaDeR, обученные математическому рассуждению, обобщаются на другие задачи поиска с рассуждениями и показывают результаты выше сильных базовых методов на BRIGHT и RAR-b. Архитектура — плотная Qwen2, размер — 3,1 млрд параметров, контекст — до 32 768 токенов; вход и выход — текст и векторные представления. Указана поддержка английского языка. Для запуска в карточке предлагается vLLM в режиме эмбеддингов с нормализацией векторов. Лицензия — MIT. Модель специализируется на математическом и reasoning-поиске; результаты на иных типах данных могут отличаться.

ResNeSt-50d_4s2x40d — сверточная модель классификации изображений семейства ResNeSt, разработанная авторами статьи о Split-Attention Networks и обученная на ImageNet-1k. Она также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Модель содержит 30,4 млн параметров, использует архитектуру на основе ResNet с механизмом Split Attention и рассчитана на изображения размером 224 × 224 пикселя. Вычислительная сложность указана как 4,4 GMACs. Репозиторий содержит веса PyTorch и SafeTensors; лицензия — Apache-2.0. Модель подходит для классификации изображений общего назначения и получения признаков для последующих компьютерно-зрительных задач. Она обучена на ImageNet-1k, поэтому её классы и качество ориентированы на этот набор данных; карточка не описывает специализированную адаптацию к другим предметным областям.

Это дообученная XLM-RoBERTa Large для классификации токенов, разработанная на основе khadija69/roberta_ASE_kgl_large. Модель содержит 658,7 млн параметров, принимает текст и выдаёт метки для отдельных токенов; длина контекста — до 514 токенов. Карточка не уточняет набор меток, обучающие данные и целевую область применения, поэтому пригодность для конкретной задачи разметки нужно проверять отдельно. Опубликованные показатели включают train loss 0,0908 и validation loss 0,2620 после пяти эпох, но без описания датасета и метрики они не позволяют оценить качество на пользовательских данных. Лицензия — MIT.

Модель uOttawa для подзадачи Legal Natural Language Inference соревнования LegalLens-2024. Это классификатор на основе RoBERTa-Large и свёрточной нейронной сети: RoBERTa учитывает контекст, а CNN выявляет характерные ключевые сочетания слов; объединённые признаки подаются в полносвязный слой для классификации отношений между двумя текстами. Модель дообучена на наборе LegalLensNLI и содержит около 454,1 млн параметров. Модель предназначена для определения, следует ли гипотеза из юридического текста, противоречит ли ему или нейтральна по отношению к нему. Примеры применения — сопоставление судебных дел и автоматизированный анализ утверждений в юридических документах. Карточка сообщает F1 88,6% на валидации и 0,724 на скрытом тесте соревнования; эти результаты относятся к указанным наборам и не гарантируют такую же точность на других данных. Контекст модели — до 514 токенов, язык карточки — английский. Лицензия — MIT.

haisongzhang/roberta-tiny-cased — компактная модель RoBERTa, опубликованная пользователем haisongzhang на Hugging Face. Карточка предлагает использовать её для извлечения признаков текста через Transformers; архитектура — плотная модель семейства BERT с классом BertModel, содержащая 31,6 млн параметров и поддерживающая контекст до 512 токенов. Модель преобразует входной текст в контекстные векторные представления, которые можно использовать как основу для последующих задач NLP. Карточка не описывает целевые датасеты или конкретную языковую специализацию, поэтому нельзя надёжно указать поддерживаемые языки. Лицензия в доступных источниках не установлена.

Модель KBLab, Национальной библиотеки Швеции, — классификатор тональности на основе Megatron-BERT-large-165K, дообученный для многометочной классификации шведских текстов. Он обучен примерно на 75 тысячах текстов из разных языковых областей и наборов данных. Модель предназначена для определения тональности текста на шведском языке. Её можно применять для анализа мнений в текстовых коллекциях и разметки шведских текстов по категориям тональности. Это плотная архитектура Megatron-BERT с примерно 468,3 млн параметров и контекстом до 512 токенов. Модель распространяется по лицензии Apache-2.0. Результаты классификации зависят от соответствия входных текстов обучающим данным и охватываемым ими языковым областям.

SaBERT-Spanish-Fake-News — классификатор испаноязычных новостных текстов, созданный командой студенческого проекта для выпускной работы по компьютерной инженерии в Университете Буэнос-Айреса. Модель построена на архитектуре BERT и дообучена на dccuchile/bert-base-spanish-wwm-uncased для бинарного определения фейковых новостей. Веса опубликованы в формате safetensors; число параметров — 137,1 млн, базовый предел контекста по метаданным — 512 токенов. Обучение проводилось на наборе из 125 000 испанских новостных статей из разных регионов, размеченных как правдивые или ложные. В README приведены accuracy 83,17%, F1 81,94%, precision 85,62% и recall 81,10%; длина входа при обучении ограничивалась 128 токенами. Модель рассчитана на классификацию испанских новостей, а не на проверку фактов или установление истинности произвольных утверждений. Распространяется по лицензии Apache-2.0.

SEA-LION-BERT large — многоязычная BERT-модель типа encoder от Products Pillar, AI Singapore, созданная на архитектуре MosaicBERT. Она предназначена для задач с маскированными токенами: предсказания пропущенного слова или токена по контексту, а также подготовки представлений для последующих NLP-систем. Модель содержит 664,8 млн параметров, имеет 24 слоя и размерность скрытого представления 1024. Контекст ограничен 512 токенами; словарь токенизатора SEABPE насчитывает 256 тысяч элементов. Обучение проводилось на крупных многоязычных корпусах, включая английский и языки Юго-Восточной Азии. Поддерживаются английский, китайский, индонезийский, малайский, тайский, вьетнамский, филиппинский, тамильский, бирманский, кхмерский и лаосский языки. Модель подходит для заполнения масок и как основа для языковых задач на перечисленных языках. Это encoder, поэтому она не предназначена для свободной генерации длинных текстов. Распространяется по лицензии MIT.

Arkavo sentinel — специализированный классификатор текста от Arkavo, созданный дообучением Qwen/Qwen3.5-0.8B с LoRA и опубликованный в формате GGUF Q8_0 по лицензии Apache-2.0. Он присваивает фрагменту текста одну из трёх меток: public, internal или confidential; пример предназначен для классификации документов Northwind и выявления конфиденциальных деловых сведений. В описанном наборе модель правильно классифицировала 11 из 11 переписанных примеров из знакомых источников и 4 из 4 примеров из двух отложенных источников. Это небольшой демонстрационный набор: результаты не являются оценкой точности или полноты на рабочем корпусе. Модель не заявлена как универсальный детектор утечек, а полная устойчивость к перефразированию и применение на производственных данных требуют дальнейшей проверки. Это языковая модель; веса GGUF предназначены для загрузки через llama.cpp, а опциональная упаковка OpenTDF упомянута как способ распространения.