I.14Автоматизация процессов и AI-агенты

byroneverson/glm-4-9b-chat-abliterated — дообученная версия GLM-4-9B-Chat от THUDM, изменённая автором репозитория для снижения отказов модели. В версии 1.1 для этой процедуры использован слой 16; автор сообщает, что тесты PCA и косинусного сходства согласуются с выбором этого слоя. Модель предназначена для диалоговой генерации текста и работы через интерфейс вызова инструментов. Она построена на плотной архитектуре ChatGLM, содержит 10,7 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В карточке указаны китайский и английский языки. Репозиторий содержит веса в формате safetensors. Снижение отказов может быть полезно в сценариях, где требуется меньше ограничений на ответы, однако README не приводит количественной оценки качества, безопасности или надёжности после изменения. Для преобразования модели в формат GGUF автору понадобился пакет tiktoken и собственный вариант инструментария GGUF. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели и у базовой модели.

Gunulhona/Hermes-Llama-Merge — объединённая плотная языковая модель семейства Llama, созданная с помощью mergekit методом Model Stock. За основу взята NousResearch/Hermes-3-Llama-3.1-8B; в объединение также вошли несколько инструкционных моделей Llama 3 на корейском языке, Meta-Llama-3.1-8B и OpenChat 3.6. Модель содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и опубликована в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают контекст до 131 072 токенов, а описание базовой Hermes 3 отмечает поддержку инструкций, рассуждений, генерации кода и интерфейса вызова инструментов. Набор объединённых моделей указывает на особый акцент на корейском языке наряду с возможностями базовой модели. Карточка не приводит сравнительных оценок качества или подробного описания ограничений объединённой версии. Модель опубликована 30 августа 2024 года; сведения о лицензии в предоставленных данных отсутствуют.

HQwen-3B-00-fp16 — чат-модель для генерации текста, разработанная 1024m на основе unsloth/Qwen2.5-3B-Instruct. Модель дообучена с использованием Unsloth и библиотеки TRL; её архитектура — плотная Qwen2, размер — 3,1 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для диалогов, ответов на запросы и создания текста, включая структурированные ответы и сценарии с интерфейсом вызова инструментов. В карточке указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0. Описание не приводит отдельных результатов оценки качества или специализированных областей применения.

OpenGVLab/InternVL3-14B-AWQ — квантованная AWQ-версия мультимодальной модели InternVL3-14B, разработанной OpenGVLab. Модель предназначена для задач image-text-to-text: анализа изображений и видео, ответов на вопросы по визуальному содержимому, мультимодального восприятия и рассуждений. Заявлены также сценарии использования инструментов, GUI-агентов, промышленного анализа изображений и 3D-восприятия. Архитектура построена по схеме ViT-MLP-LLM и объединяет зрительный модуль InternViT-300M-448px-V2_5, MLP-проектор и языковую часть Qwen2.5-14B. Используются динамическое разбиение изображений на фрагменты 448×448 пикселей, поддержка нескольких изображений и видео, а также Variable Visual Position Encoding (V2PE), улучшающее обработку длинного контекста. Модель заявлена как многоязычная, однако конкретный перечень языков и размер контекстного окна в README не указаны. Сильные стороны модели — мультимодальное восприятие и рассуждение, работа с изображениями, несколькими изображениями и видео, а также сниженные требования к памяти благодаря квантованию AWQ. Ограничения включают зависимость качества от точности квантования и аппаратной совместимости, а также отсутствие в представленных данных подробных результатов именно для этой квантованной версии. Лицензия указана как other с названием qwen и ссылкой на лицензию Qwen2.5-72B-Instruct.

JevEmbed-KaLM-Embedding-V2.5 — модель эмбеддингов команды HIT-TMG, созданная дообучением KaLM-embedding-multilingual-mini-instruct-v2.5 с помощью LoRA на 1 601 157 обучающих вопросах набора JevEmbed-Data и последующим объединением адаптера с базовыми весами. Модель на архитектуре Qwen2 преобразует текстовые запросы и кандидаты в 896-мерные векторы; метаданные указывают контекст до 131 072 токенов, однако в описанном сценарии JevEmbed используется ограничение 1 024 токена с усечением. Модель предназначена для сопоставления запросов с кандидатами и определения выбора, оценки по категориям или шкале и бинарного решения Noul. В тестовом разбиении JevEmbed-Data после дообучения точность составила 76,03% для общей задачи выбора и 71,05% для подзадачи Choice; это результаты конкретной конфигурации и набора данных, а не гарантия качества на других данных. Для получения сырых эмбеддингов используется Sentence Transformers; конфигурация JevEmbed задаёт промпты и правила оценки. Модель принимает текст и выдаёт эмбеддинги, используемые для сравнения текстов; README демонстрирует применение к описаниям состояний и возможных действий в играх Doom и Snake. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки KaLM требуется trust_remote_code=True; данные обучения имеют смешанные лицензии, поэтому условия распространения самого набора следует проверять отдельно.

LFM2-350M-PII-Extract-JP — дообученная Liquid AI компактная плотная языковая модель семейства LFM2 для извлечения персональных данных из японского текста. Она находит адреса, названия компаний и организаций, адреса электронной почты, имена людей и номера телефонов и возвращает их в JSON, сохраняя написание из исходного текста. Модель предназначена для подготовки документов к маскированию чувствительных данных, в том числе локально на устройстве; в карточке указаны 444,6 млн параметров, контекст до 128 000 токенов и поддержка чата. Для работы требуется системный промпт с категориями сущностей, перечисленными в алфавитном порядке; рекомендуются жадное декодирование и temperature=0. Модель рассчитана на один ход диалога и принимает текст, выдавая текст с JSON-структурой. Она ориентирована на японский язык. Карточка сообщает о сравнении на выборке из 1 000 фрагментов, но это не гарантирует качество на других данных. Извлечение специальных идентификаторов организаций, дат рождения и номеров паспортов не заявлено; качество по отдельным категориям может требовать улучшения. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице модели.

experimentalmachines/LFM2.5-2.6B-heretic — текстовая модель на 2,6 млрд параметров, созданная путём направленного удаления отказов из LiquidAI/LFM2.5-2.6B с помощью heretic. Метод оптимизирует веса абляции по слоям, снижая частоту отказов и расхождение с исходной моделью; полученные веса объединены, поэтому модель загружается как обычная Lfm2ForCausalLM. Сохранены шаблон чата и токены вызова инструментов базовой модели; контекстное окно составляет 131 072 токена. Модель предназначена для генерации текста и диалогов, в том числе сценариев, где требуется меньше отказов. Репозиторий содержит веса safetensors для Transformers; описанный в README экспорт ExecuTorch удалён и отсутствует, поэтому эти веса нельзя напрямую загрузить в приложения, требующие скомпилированный файл .pte. Для использования нужна библиотека Transformers, а для локального запуска в других форматах потребуется отдельная конверсия или квантизация. Лицензия указана как other; README предупреждает, что защитное обучение исходной модели намеренно удалено.

Карточка модели wamegabe/llama-3-2-3B-wame-curi-chat на Hugging Face совпадает с карточкой wamegabe/llama-3-2-3B-wame-curi-chat2, поэтому описание составлено по ней. Диалоговая языковая модель wamegabe, дообученная на unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в формате чата и поддерживает интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров и имеет контекстное окно до 131 072 токенов. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит сведения о конкретных обучающих данных, оценках качества или специальных областях применения.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune, предназначенная для генерации текста и диалогов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и рассчитана на контекст до 40 960 токенов. Доступны веса в форматах PyTorch и safetensors, а интерфейс поддерживает чат и вызов инструментов. Модель можно использовать для генерации ответов в диалоге и интеграции в приложения с текстовым вводом и выводом. Датасет дообучения и результаты оценки не описаны, поэтому качество для конкретных задач не подтверждено. Лицензия — Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс для вызова инструментов. Модель построена на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и доступна в форматах PyTorch и Safetensors. Родительская модель описана как Qwen3.

Meddies PII — модель Meddies для извлечения персональных данных из клинических и административных текстов. Это причинная языковая модель семейства LFM2 с 444,6 млн параметров и контекстом до 128 000 токенов; она принимает текст в формате чата и возвращает структурированный JSON со значениями из семи семейств персональных данных. Модель обучена на наборе Meddies/meddies-pii с использованием полного дообучения и последующего GRPO-выравнивания. Заявлена поддержка 17 языков, включая русский, английский, французский, немецкий, испанский, вьетнамский, тайский, бирманский, индонезийский, филиппинский, малайский, тамильский, португальский, китайский, японский и корейский. Модель предназначена для извлечения имён, дат, названий организаций, адресов электронной почты, телефонных номеров и адресов из клинических записей, выписок, административных форм и смешанных медицинских документов. В опубликованной оценке на смешанной многоязычной выборке точность F1 по сущностям составляет 0,811; сильнее всего модель распознаёт телефонные номера и электронную почту. Компактный размер подходит для экспериментов на потребительских GPU и в браузере. Модель не выполняет автоматическое удаление или обезличивание данных и не предназначена для принятия медицинских решений. В README отмечены галлюцинации извлечённых значений примерно в 1,3% случаев, слабые результаты для названий компаний, ограничения на вложенные сущности и уязвимость к намеренно уклончивым формулировкам; медицинские показатели, дозировки и возраст исключены из целевых меток. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; авторы предлагают обращаться к ним по поводу коммерческих проектов.

Meddies PII v2 — энкодер на 350 млн параметров для обнаружения персональных данных в тексте, разработанный MeddiesAI на основе LiquidAI LFM2.5 Encoder 350M PII Detector. Модель дообучена с помощью LoRA и классификационной головы BIOES; она находит девять типов данных: адреса, названия компаний, даты, адреса электронной почты, имена людей, идентификаторы, номера телефонов, приватные URL и секреты. Для каждого фрагмента возвращаются метка и точные символьные границы. Модель предназначена прежде всего для проверки клинических записей, направлений, сообщений и экспортированных документов перед обезличиванием или передачей. Она поддерживает 17 языков, включая русский, английский, немецкий, испанский, французский, японский и китайский. В README приведены результаты оценки на смешанном наборе из синтетических и открытых данных; они не гарантируют качество на документах конкретной организации. Модель не анализирует изображения и структуру документа, не размечает диагнозы, лабораторные результаты, возраст, дозировки и медицинские измерения; закрытый набор меток не охватывает все виды идентификаторов. Авторы предупреждают, что модель может пропустить данные, поэтому необходима проверка человеком, особенно в регулируемых процессах. Для релиза указана лицензия CC BY-NC 4.0 на права MeddiesAI; материалы LiquidAI подчиняются отдельной лицензии LFM Open License v1.0.

Это объединённая методом passthrough модель для генерации текста, созданная из Hjgugugjhuhjggg/mergekit-ties-dkhnzcn с помощью mergekit. Модель основана на архитектуре Llama, содержит 7,6 млрд параметров и распространяется в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для диалоговой генерации текста и интерфейсов, поддерживающих вызов инструментов. Карточка не уточняет языки, на которых она обучена, и конкретные сценарии применения. Лицензия в предоставленных данных не указана.

NVIDIA MiniMax-M3 DSpark — черновая модель для спекулятивного декодирования DSpark, предназначенная для ускорения вывода MiniMax-M3. В карточке указана архитектура Transformers и сетевое имя MiniMaxM3SparseForConditionalGeneration; метаданные каталога классифицируют архитектуру как плотную Qwen3DSparkModel. README описывает базовую MiniMax-M3 как мультимодальную MoE-модель с 428 млрд параметров, из которых активируются 23 млрд, а метаданные этой модели указывают 3,2 млрд параметров. Эти оценки расходятся, поэтому размер самого чекпойнта по имеющимся данным определить однозначно нельзя. Модель рассчитана на серверный вывод через vLLM с режимом DSpark speculative decoding: параллельный черновой блок предлагает токены, а дополнительные головы помогают учитывать зависимости между ними и оценивать уверенность. Сценарии применения включают мультимодальных агентов, помощников по программированию, длинный контекст и анализ текста, изображений и видео; заявленная длина контекста — до 1 048 576 токенов. В README вход и выход описаны как текст, хотя модель предназначена для рабочих процессов понимания изображений и видео базовой MiniMax-M3. Модель предназначена для работы на GPU NVIDIA Blackwell под Linux с vLLM. README заявляет готовность к коммерческому и некоммерческому использованию, но также указывает NVIDIA Open Model License и MiniMax Community License; условия следует сверять с обеими лицензиями. Возможны токсичные, предвзятые, неточные, неполные или избыточные ответы; карточка не описывает мер по снижению предвзятости.

MLCD-ViT-bigG-patch14-448 — модель зрения на базе Vision Transformer, разработанная DeepGlint AI. Она использует RoPE2D и предназначена для извлечения признаков из изображений; в карточке также описана оценка её визуального представления в составе системы с Qwen2.5-7B на задачах понимания документов и визуальных вопросов. Размер модели — 2,5 млрд параметров; веса опубликованы в формате safetensors, лицензия — MIT. Модель можно применять как визуальную часть мультимодальных систем, в том числе для анализа документов, диаграмм и изображений.

DFKI-SLT/multilingual_DialogPII_NER — дообученная DFKI-SLT модель для обнаружения и классификации персональных данных в многоязычных диалогах. Она выполняет разметку текста на уровне токенов и распознаёт 19 типов PII, включая имена, адреса электронной почты и социальные связи. Модель основана на jhu-clsp/mmBERT-base (ModernBERT) с CRF-слоем и контекстным окном в стиле FLERT: при разметке предложения используются два соседних предложения слева и справа. Обучение проводилось совместно на синтетических диалогах на 11 языках; в карточке приведены оценки на отложенных наборах по каждому языку. Модель предназначена для деидентификации разговорных данных, например медицинских анамнезов, обращений в поддержку, полицейских отчётов и терапевтических бесед. Для инференса нужна собственная реализация ModernBertCRF и пакет pytorch-crf; модель нельзя загрузить напрямую через AutoModelForTokenClassification. Качество на реальных данных может отличаться от результатов на синтетических наборах; на формальных документах, а также на арабском и хинди качество может быть ниже. Лицензия — MIT.

Nautilus — небольшая языковая модель Loke-60000 для составления команд по запросам на естественном языке. Она предназначена для помощи с терминалом в Linux и macOS, а также с PowerShell в Windows. Модель формирует один ответ за ход: команду для выполнения задачи, `ANSWER:` если задача завершена или требуется объяснение, либо `UNCLEAR:` если запрос неоднозначен или предположение может быть опасным. После передачи вывода команды может предложить следующий шаг. В метаданных указаны архитектура Qwen3.5 Text, класс Qwen3_5ForCausalLM, 581,4 млн параметров и контекст 262 144 токена; карточка округляет размер до 0,8 млрд параметров. Репозиторий содержит веса safetensors, а варианты GGUF доступны в отдельном репозитории. Модель рассчитана на английский язык и имеет интерфейс чата, но не является универсальным собеседником: она не выполняет команды, не предназначена для написания произвольного текста и может ошибаться в редких флагах. Лицензия — Apache-2.0.

NUS Lithuanian PII Detection Model — модель Vytauto Didžiojo Universitetas для выявления персональных данных в литовском тексте. Это дообученный для классификации токенов энкодер XLM-RoBERTa large с 658,7 млн параметров и контекстом до 514 токенов; модель распознаёт 24 категории, включая имена, адреса, идентификационные коды, телефоны, даты и чувствительные сведения. Она предназначена для поиска фрагментов PII перед публикацией судебных и административных документов, обработкой медицинских и исследовательских записей или передачей текста внешним ИИ-сервисам. Выход модели содержит метки сущностей, а для деидентификации его следует сочетать с правилами постобработки и заменой найденных фрагментов. На отложенной выборке указаны entity-level F1 0,872, точность 0,860 и полнота 0,884; инструмент NUS PII validator сообщает строгий micro F1 0,854. Модель рассчитана только на литовский язык, не является универсальным распознавателем сущностей и сама по себе не анонимизирует текст. При полноте около 88% часть персональных данных может быть пропущена; необходимы проверка человеком и дополнительные меры, особенно в юридических и медицинских сценариях. Лицензия — OpenRAIL.

noczero/pii-xlmr-bilingual — дообученная модель XLM-RoBERTa для поиска и разметки персональных данных в тексте на английском и корейском языках, включая их смешанное употребление. Модель находит семь типов сущностей: людей, корейские регистрационные номера жителей (RRN), телефоны, адреса электронной почты, адреса, номера карт и организации. Архитектура — XLMRobertaForTokenClassification, около 305,2 млн параметров; базовая модель — FacebookAI/xlm-roberta-base. Максимальная длина контекста — 514 токенов. Модель предназначена для выявления фрагментов с персональными данными перед их редактированием или маскированием, в том числе в локальных системах без сетевых вызовов при инференсе. В README сообщается о строгом F1 по точным границам сущностей 0,9711 на генеративном наборе и 0,9161 на смешанном англо-корейском наборе; результаты на реальном тексте ниже — 0,7356 в целом, причём слабее всего распознаются организации. Лицензия — MIT.

PP-FormulaNet_plus-L — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она преобразует формулы на изображениях в исходный код LaTeX и подходит для обработки формул в научных публикациях, учебниках, экзаменационных материалах и других документах. Версия L использует архитектуру Vary_VIT_B, поддерживает китайские формулы и может предсказывать до 2560 токенов, что помогает обрабатывать сложные выражения. В карточке приведены оценки BLEU 90,36 для английских и 45,78 для китайских формул; время инференса на GPU указано как 1976,52 мс. Модель доступна через PaddleOCR и может использоваться как часть конвейера распознавания формул или анализа структуры документов. Лицензия — Apache-2.0. Карточка описывает распознавание английских и китайских формул; языки интерфейса и результаты самой модели ограничены форматом формул LaTeX.

navteca/quora-roberta-base — модель-кросс-энкодер на базе RoBERTa, обученная с помощью класса CrossEncoder из SentenceTransformers. Она принимает пару вопросов на английском языке и оценивает числом от 0 до 1 вероятность того, что вопросы являются дубликатами. Модель обучена на наборе Quora Duplicate Questions и предназначена для поиска повторяющихся вопросов, например при дедупликации пользовательских обращений или сортировке результатов по совпадению формулировок. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и поддерживает контекст до 514 токенов. Доступны веса PyTorch и Flax. Лицензия — MIT. Оценка относится именно к дублированию, а не к семантическому сходству: вопросы об изучении Java и Python могут получить низкий балл, несмотря на похожую структуру. Для сравнения длинных текстов или поиска общей тематической близости модель не предназначена.

mlx-community/Qwen2.5-VL-3B-Instruct-bf16 — конвертированная сообществом mlx-community версия Qwen2.5-VL-3B-Instruct от Alibaba для запуска в экосистеме MLX. Это плотная мультимодальная модель с архитектурой Qwen2.5-VL и примерно 3,1 млрд параметров; она принимает изображения и текстовые запросы, поддерживает диалоговый анализ изображений и выдаёт ответы на естественном языке. Модель также поддерживает работу с видео и структурированный вывод, а её контекст составляет до 128 000 токенов. Подходит для визуальных вопросов и ответов, описания содержимого изображений и видео, а также диалоговых сценариев с визуальным вводом. Метаданные указывают поддержку интерфейса вызова инструментов. Репозиторий содержит веса safetensors и рассчитан на использование с mlx-vlm. README направляет к карточке исходной модели за подробностями; конкретные условия лицензии и ограничения качества в предоставленных данных не описаны.

Ma7ee7/Qwen3.8_1.2B_LFM_Distillation — дообученная текстовая модель Ma7ee7 на базе LiquidAI/LFM2.5-1.2B-Thinking. Это плотная авторегрессионная модель семейства LFM2 с 1,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявлена совместимость с интерфейсом вызова инструментов. Контекстное окно составляет 128 000 токенов, модель поддерживает английский язык. Модель подходит для диалогов и генерации текста, а также для сценариев с вызовом инструментов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит результатов оценивания или подробностей о специфике дистилляции.

RePolicy-4B — языковая модель для проверки безопасности действий ИИ-агентов, разработанная на базе Qwen/Qwen3-4B-Instruct-2507. Она получает траекторию действий агента и названия доступных политик, выбирает подходящую политику, запрашивает её положения через вызов инструмента get_policy, а затем выдаёт обоснование и итоговую оценку безопасности траектории. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и работает с контекстом до 262 144 токенов. Она дообучена методом SFT на PolicyTraj-20K, затем обучена с GRPO и вознаграждением за выбор политики и точность оценки безопасности. Модель предназначена для англоязычной проверки траекторий агентов по библиотеке политик; карточка сообщает результаты на шести офлайн-бенчмарках безопасности агентов. Для работы нужен двухэтапный сценарий с поддержкой вызова инструмента: после запроса политики необходимо передать модели текст её положений. Лицензия — Apache-2.0. Модель предполагает, что в библиотеке есть применимая политика, выбирает одну основную политику за раз и требует дополнительного шага вывода; качество обоснования отдельно не гарантировано проверенными вознаграждениями.

RetrievalRouter λ=0.1 — плотная модель-классификатор от автора проекта RetrievalRouter, представленная как официальный чекпойнт работы о совместном выборе модальности и архитектуры поиска документов. Она принимает текст запроса и выбирает один из пяти заранее настроенных конвейеров поиска: текстовый или мультимодальный, с плотным поиском либо с поздним взаимодействием и переранжированием. Модель сама не ищет и не ранжирует документы: выбранный конвейер запускается отдельно по уже подготовленным индексам. Модель основана на Qwen/Qwen3-0.6B-Base, дообученной с LoRA; в описанной архитектуре используются среднее объединение скрытых состояний до вектора размерности 1024 и линейная голова на пять вариантов маршрута. Чекпойнт обучен с λ=0,1, что задаёт компромисс с акцентом на точность при учёте задержки. В README заявлены обучение на 85 103 запросах из 11 бенчмарков и выбор маршрута примерно за 15 мс. Обучающие данные охватывают финансовые, научные и открытые документы на английском языке; другие языки и области не проверялись. Лицензия — MIT.

SKILLRET-Reranker-0.6B — реранкер для поиска навыков AI-агентов по запросу на естественном языке. Модель разработана авторами репозитория anonymous-ed-benchmark и дообучена на обучающей части SkillRet benchmark от Qwen/Qwen3-Reranker-0.6B. Она оценивает релевантность пары «запрос — навык» и предназначена для второго этапа поиска: пересортировки кандидатов, полученных от первичного ретривера. Это плотная модель семейства Qwen3 на 507,6 млн параметров с интерфейсом оценки релевантности Qwen3-Reranker. Обучение использовало бинарную кросс-энтропию по вероятностям токенов «yes» и «no». Модель принимает текст запроса и описание навыка, включая его название и тело SKILL.md; контекст составляет до 40 960 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель оптимизирована для английских запросов и описаний навыков; в оценке она повысила NDCG@5 с 0,8458 до 0,8610 при пересортировке 20 кандидатов. Основное применение — поиск навыков для AI-агентов в двухэтапной системе retrieval и reranking. Пересортировка медленнее первичного поиска: обработка 20 кандидатов занимала около 0,8 секунды на запрос на B200, поэтому задержка может быть существенной для чувствительных к latency сценариев. Лицензия — Apache-2.0.

SRIQ-MiniCPM5-2B-v1.6 — дообученная модель sriq-ai на базе openbmb/MiniCPM5-2B для генерации текста в формате диалога и рассуждений. Модель формирует краткие рассуждения на упрощённом китайском языке, а ответ выдаёт на языке запроса. В метаданных указаны архитектура LlamaForCausalLM с плотными весами, около 2,2 млрд параметров и контекст до 131 072 токенов; доступны интерфейсы чата и вызова инструментов. Модель обучена методом QLoRA на датасете sriq-ai/sriq-sft-v1.6: обучение охватило все 9 988 строк примерно за одну эпоху, после чего адаптер был объединён с базой и опубликован в формате bf16. Лицензия — Apache-2.0. Для конкретного выпуска бенчмарки не проводились, поэтому его качество, точность рассуждений и склонность к зацикливанию относительно базовой модели не оценены. Модель наследует ограничения базы; согласно README, отключение thinking через enable_thinking=False приводит к исчезновению следа рассуждений.

ThaiTrOCR — модель оптического распознавания символов, разработанная Suchut Sapsathien и Jillaphat Jaroenkantasima. Она преобразует изображения строк рукописного текста на тайском и английском языках в текст и может применяться для распознавания рукописных записей и текста в PDF-документах. Модель дообучена на базе TrOCR Base Handwritten. В её архитектуре используется энкодер Vision Transformer и декодер Electra Small, обученный на тайском корпусе; модель реализована как VisionEncoderDecoderModel. В README приведены результаты сравнения с EasyOCR и Tesseract на нескольких типах документов, однако тестовая выборка содержит всего 104 изображения, поэтому результаты могут быть недостаточно обобщающими. Модель распространяется по лицензии Apache-2.0. Карточка не приводит размер модели или длину контекста.

kkatiz/thai-trocr-thaigov-v2 — модель распознавания текста на изображениях, разработанная на основе архитектуры Vision Encoder-Decoder. В качестве энкодера используется microsoft/trocr-base-handwritten, а декодером служит airesearch/wangchanberta-base-att-spm-uncased. Модель дообучена на 250 тысячах синтетических изображений текста, созданных с помощью SynthTIGER на основе корпуса ThaiGov V2. Модель предназначена для OCR на тайском языке: преобразует изображение с текстом в текстовую последовательность. Карточка отмечает её применимость к задачам тайского OCR. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведений о лицензии в предоставленных данных нет.

Casually/uie-micro — это реализация на PyTorch модели UIE Micro от PaddlePaddle. Она предназначена для извлечения структурированной информации из китайского текста по заданной схеме: например, извлечения сущностей и отношений, а также информации о событиях. Интерфейс принимает текст и схему извлечения и возвращает найденные фрагменты с позициями и оценками вероятности. Модель основана на архитектуре ERNIE с классом UIE, содержит 24,8 млн параметров и имеет контекстное окно 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors; задача в метаданных Hugging Face указана как feature-extraction. Лицензия — Apache-2.0. README описывает PyTorch-реализацию исходной модели PaddlePaddle/uie-micro; данных о сравнительных оценках качества нет.