I.14Автоматизация процессов и AI-агенты

RAG Audit Judge — небольшая модель для локальной проверки ответов в системах генерации с дополнением поиском (RAG). Она принимает вопрос пользователя, найденные фрагменты контекста и ответ-кандидат, а затем возвращает JSON-аудит с оценкой обоснованности ответа, риском галлюцинаций, качеством цитирования, списком проблем и рекомендуемым исправлением. Модель предназначена для проверок качества RAG при разработке и в локальной автоматизации; оценка должна опираться только на переданный контекст, а не на внешние знания. В репозитории представлены PEFT LoRA-адаптеры для unsloth/Llama-3.2-1B-Instruct-bnb-4bit и unsloth/Llama-3.2-3B-Instruct-bnb-4bit, а также обучающие данные из 108 примеров и материалы для экспорта. Метаданные указывают форматы GGUF и safetensors и библиотеку PEFT. Готовые GGUF-файлы в репозитории отсутствуют: для использования через Ollama их нужно получить из адаптеров. Лицензия указана как other, поэтому конкретные условия следует проверять в карточке модели и у базовых моделей.

RoBERTa-Base-MRQA — англоязычная модель для извлекающего ответа на вопросы, выпущенная VMware в рамках совместного исследовательского проекта с Innovation Foundry/AIM-AHEAD Lab при Howard University. Она принимает вопрос и контекстный фрагмент текста, затем выделяет ответ из этого фрагмента; подходит для поиска по текстам, чат-ботов и систем поддержки клиентов. Модель основана на RoBERTa-Base, имеет около 151,8 млн параметров и контекстное окно 514 токенов. Она обучена на 516 819 примерах датасета MRQA и доступна в форматах PyTorch и Safetensors. Карточка приводит результаты оценки по Exact Match и F1, но качество может снижаться на вопросах и текстах вне распределения MRQA. Модель рассчитана на английский язык и может хуже справляться с другими языками и узкоспециализированными знаниями. Лицензия — Apache-2.0.

Eka-Korn выпустил модель распознавания именованных сущностей на основе RoBERTa, дообученную на blinoff/roberta-base-russian-v0. Она выполняет токенную классификацию: каждому токену текста присваивается метка, что подходит для извлечения сущностей из русскоязычных текстов. В карточке приведены результаты на наборе оценки: F1 0,9570, точность 0,9483, полнота 0,9658 и accuracy 0,9923. Архитектура — RobertaForTokenClassification, размер — 151,7 млн параметров, длина контекста — 514 токенов; модель использует библиотеку Transformers и формат safetensors. Датасет обучения и набор распознаваемых типов сущностей не описаны, поэтому качество для конкретных категорий и предметных областей требует отдельной проверки. Лицензия в предоставленных данных не указана.

RT-DETR-L_wired_table_cell_det_safetensors — модель PaddlePaddle для обнаружения ячеек в изображениях таблиц. Она находит области ячеек и выдаёт для них ограничивающие рамки, которые можно передать следующему этапу распознавания структуры таблицы. Модель построена на архитектуре RT-DETR; в репозитории веса представлены в формате safetensors. Модель предназначена для обработки изображений таблиц в составе конвейера распознавания документов. В README отмечено, что заявленная точность получена при совместном тестировании с RT-DETR-L_wireless_table_cell_det, поэтому результаты нельзя однозначно приписать этому компоненту отдельно. Лицензия — Apache-2.0.

SauerkrautLM-Multi-ModernColBERT — многоязычная модель поиска VAGOsolutions на архитектуре ColBERT с поздним взаимодействием и основой ModernBERT. Она дообучена продолжительным предобучением модели lightonai/GTE-ModernColBERT-v1 с дистилляцией знаний от моделей переранжирования. Модель содержит 149 млн параметров, использует PyLate и принимает документы длиной до 8192 токенов и запросы до 256 токенов. Модель предназначена для семантического поиска и извлечения документов, включая поиск по многоязычным коллекциям и запросы на разных европейских языках. Она обучалась на семи языках: немецком, английском, испанском, французском, итальянском, нидерландском и португальском. ColBERT сопоставляет запрос и документ на уровне токенов с помощью MaxSim и формирует многовекторные представления для ранжирования релевантности. В README приведены результаты NanoBEIR Europe и заявлено сохранение сильных результатов английской базовой модели при расширении поддержки европейских языков. Лицензия — Apache 2.0. Показатели в карточке относятся к указанному бенчмарку и сами по себе не гарантируют качество на других коллекциях; для работы требуется совместимый стек PyLate или text-embeddings-inference.

Модель viktor-shcher/sberbank-rubert-base-collection3 — дообученная версия ruBert-base для распознавания именованных сущностей в русском тексте. Она использует архитектуру BERT и решает задачу классификации токенов, размечая сущности в последовательности. Модель обучена на датасете collection3; размер составляет 205,5 млн параметров, контекст — до 512 токенов. На валидационной выборке указаны precision 0,9380, recall 0,9594, F1 0,9486 и accuracy 0,9860. Модель подходит для извлечения именованных сущностей из русскоязычных текстов. Распространяется по лицензии Apache-2.0.

Это дообученная разговорная языковая модель семейства Llama, опубликованная mazzaqq и основанная на unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Модель предназначена для генерации текста и диалогов; в репозитории указаны веса в формате safetensors, а метаданные описывают плотную архитектуру LlamaForCausalLM объёмом 7,5 млрд параметров и контекст до 131072 токенов. Модель поддерживает английский язык. Метаданные отмечают чат и интерфейс вызова инструментов. Карточка сообщает, что обучение выполнено с Unsloth и библиотекой TRL, но не описывает конкретную специализацию дообучения или результаты оценки качества. Лицензия — Apache-2.0.

SoRu-0006 — плотная языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/SoRu-0005. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; README сообщает, что обучение было ускорено вдвое. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные, целевые языки или результаты оценки качества.

NVIDIA Conformer-CTC Large (en-US) — модель распознавания речи, разработанная NVIDIA и обученная с помощью инструментария NeMo. Это крупный вариант архитектуры Conformer с CTC-декодированием, примерно 120 млн параметров; модель работает без авторегрессионной генерации и принимает монофоническое аудио WAV с частотой 16 кГц, выдавая транскрипцию в виде текста. Модель предназначена для транскрибирования английской речи, в том числе в пакетной обработке аудиофайлов и в серверных развертываниях через NVIDIA Riva. Она обучена на нескольких тысячах часов речи из LibriSpeech, Fisher, Switchboard, WSJ, VoxPopuli, Common Voice и других корпусов. В README приведены показатели WER на нескольких тестовых наборах; подключение внешней языковой модели при развертывании через Riva может улучшить точность. Распознавание может быть менее точным для технической лексики, разговорных вариантов речи и акцентов, недостаточно представленных в обучающих данных. Лицензия модели — CC BY 4.0.

Sunflower Language ID v2 — модель Sunbird для определения языка текста среди 64 африканских языков. Она дообучена на базе google/t5-efficient-tiny для классификации последовательностей; обучающие примеры охватывают сбалансированный корпус языков, а словарь SentencePiece из 32 тысяч токенов заменён и поддерживает байтовый fallback. Модель содержит 11,9 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку языка. Модель особенно ориентирована на короткие фрагменты: в тестировании точность составила 40,5% для одного слова, 59,7% для двух и 70,1% для трёх слов среди 64 классов. Перед подачей текста необходимо соблюдать обработку регистра, соответствующую обучению: README указывает, что модель обучалась на строчных текстах. Для развёртываний, где допустим только поднабор языков, рекомендуется ограничивать классы при выборе результата. Для близкородственных языков точность на коротких фрагментах ниже: например, модель часто путает чига и ньянколе, ньоро и торо, а также кирунди и киньяруанда. Модель распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия языковой модели ContextPilot-14B, разработанной Tencent и подготовленной пользователем bartowski с помощью llama.cpp. Модель относится к классу text-generation, поддерживает только текстовый ввод и содержит около 15 млрд параметров. Для квантизации использовался метод imatrix; доступны варианты от BF16 до низкобитных форматов Q2 и Q3, а также Q4–Q8. ContextPilot-14B предназначена для генерации текста, задач управления контекстом, использования инструментов и агентских сценариев. Для работы следует применять указанный шаблон промпта с ролями system, user и assistant. Спекулятивное декодирование не поддерживается. Сильная сторона семейства — широкий выбор квантизаций, позволяющий найти компромисс между качеством, размером файла и требованиями к памяти; автор рекомендует Q4_K_M как сбалансированный вариант. Более низкие квантизации экономят память, но снижают качество, а некоторые форматы отмечены как устаревшие или не рекомендуемые. Языки, размер контекстного окна и точные архитектурные характеристики в README не указаны. Распространение заявлено по лицензии other; конкретные условия лицензии в README не приведены.

TinyBERT (4 слоя, размер скрытого представления 312) от автора gagan1985 — дообученная модель huawei-noah/TinyBERT_General_4L_312D для разбора неструктурированных индийских адресов. Она использует архитектуру BERT и классификацию токенов с BIO-разметкой, чтобы извлекать 13 полей, включая номер и название дома, улицу, населённый пункт, район, штат и почтовый индекс. Модель содержит 15,6 млн параметров, принимает текст до 512 токенов и выдаёт структурированные поля; заявленная лицензия — Apache-2.0. Модель рассчитана на автоматическое извлечение компонентов адреса в прикладных системах и на пакетную обработку адресных строк. На тестовом наборе из 228 примеров средняя точность по полям составляет 78,8%, а точное совпадение всех присутствующих полей — 10,1%. Особенно хорошо извлекается PIN-код, но для village и subLocality полнота равна нулю; также есть смысловое пересечение между полями locality, subLocality, subsubLocality и village. Ограничение длины — 512 токенов; регистр букв при классификации не учитывается, хотя исходное написание сохраняется в результатах.

WebOrganizer/TopicClassifier — англоязычный классификатор веб-страниц по темам, разработанный WebOrganizer на основе Alibaba-NLP/gte-base-en-v1.5. Модель принимает URL страницы и её текстовое содержимое и распределяет страницу по 24 категориям. Это дообученная плотная энкодерная модель с архитектурой sequence classification, примерно 136,7 млн параметров, максимальным контекстом 8192 токена и весами в формате safetensors. Модель предназначена для тематической организации веб-контента и классификации страниц при построении каталогов или обработке больших коллекций URL и текстов. Обучение проходило в два этапа на наборах WebOrganizer с аннотациями, созданными Llama 3.1: сначала на 1 млн документов, затем на 100 тыс. документов. README рекомендует для ускоренного вывода реализацию gte-base-en-v1.5 с unpadding и memory-efficient attention; для этого требуется xformers. Сведения о лицензии в предоставленных данных отсутствуют.

Vela Halu — модель компании vllm-sr для проверки ответов на соответствие предоставленным свидетельствам. Это дообученный 307-миллионный энкодер ModernBERT для классификации токенов: он помечает фрагменты ответа как поддержанные контекстом или галлюцинированные и возвращает границы фрагментов в символьных смещениях Unicode. Модель предназначена для проверки ответов, основанных на документах, в том числе текста и кода; README сообщает о тестировании на наборе из 10 698 примеров и приводит метрики обнаружения фрагментов и ответов. Модель принимает текст ответа вместе с доказательствами; заявленная в README длина входа — до 8 192 токенов с учётом специальных токенов. Метаданные указывают контекстное окно базовой модели в 32 768 токенов. Модель доступна в формате Safetensors для Transformers и распространяется по лицензии Apache 2.0. Поддерживаемые языки в карточке не перечислены. Обнаружение опирается на соответствие явным свидетельствам: оно не проверяет истинность утверждений в целом, а арифметические задачи и рассуждения в несколько шагов могут ошибочно помечаться как галлюцинации.

Vintern-Embedding-1B — мультимодальная модель для поиска по документам, созданная 5CD-AI на базе Vintern-1B-v3_5. Она обучена на более чем 1,5 млн пар «вопрос — документ» для задач визуальных вопросов и ответов, а также текстовых вопросов и ответов. Модель поддерживает поиск по связям «текст — визуальный документ» и «текст — текст» и рассчитана на использование в системах RAG, мультимодальных поисковых системах и приложениях информационного поиска. Модель имеет около 0,9 млрд параметров и использует архитектуру ColInternVL2. В README приведены результаты на вьетнамских наборах для поиска по таблицам и юридическим текстам, а также на мультимодальном бенчмарке ViDoRe; авторы сообщают о высоких результатах, в частности в областях искусственного интеллекта, здравоохранения и государственного управления. Указанные результаты зависят от наборов данных и методики оценки. Основной язык модели — вьетнамский; также заявлена применимость для английского, а метаданные карточки перечисляют китайский. Модель дообучена от 5CD-AI/Vintern-1B-v3_5. Карточка не сообщает длину контекста и лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Это модель автоматического распознавания речи на архитектуре wav2vec2 с 402,7 млн параметров, разработанная как дообученная версия facebook/wav2vec2-xlsr-53-espeak-cv-ft. Она принимает аудио и преобразует речь в текст. Модель опубликована в формате PyTorch и предназначена для сценариев распознавания речи. Модель дообучена на датасете audiofolder. README не содержит подробностей о составе данных, поддерживаемых языках, оценке качества или рекомендуемых условиях применения. Лицензия — Apache 2.0.

webAI-ColVec1-4b — мультимодальная модель поиска по документам от webAI, дообученная на базе Qwen/Qwen3.5-4B. Она кодирует текстовые запросы и изображения страниц документов в согласованные многовекторные представления для поиска релевантных страниц по содержимому. Для вычисления оценок используется позднее взаимодействие в стиле ColBERT: MaxSim сопоставляет токены запроса с токенами документа. Архитектура включает общую языковую модель с обработкой визуальных токенов и обучаемую линейную проекцию размерности 640. Модель предназначена для мультиязычного поиска по визуальным документам и демонстрирует результаты на наборах ViDoRe V1 и V3. Её можно использовать для поиска по изображениям страниц, включая страницы PDF, по запросам на естественном языке. Выход модели — нормализованные многовекторные представления; итоговую оценку релевантности получают отдельным расчётом MaxSim. Для загрузки и запуска используется Transformers, веса представлены в safetensors. В README указана лицензия «other», поэтому конкретные условия использования следует сверить с лицензией в репозитории. Авторы отмечают, что доступна более новая версия webAI-ColVec1.1-4b.

Davlan/xlm-roberta-large-ner-hrl — многоязычная модель распознавания именованных сущностей, разработанная Davlan на основе XLM-RoBERTa Large, дообученной для разметки токенов. Модель содержит 658,7 млн параметров и принимает текстовые последовательности с контекстом до 514 токенов. Модель предназначена для извлечения из текста имён людей (PER), организаций (ORG) и мест (LOC) на арабском, немецком, английском, испанском, французском, итальянском, латышском, нидерландском, португальском и китайском языках. Её можно применять для разметки новостных текстов и извлечения сущностей в многоязычных потоках документов. Обучение проводилось на размеченных новостных корпусах для этих десяти языков. Поэтому качество может снижаться на других предметных областях и текстах, отличающихся от обучающих данных. Модель распространяется по лицензии AFL-3.0.

Zora-9B-v0 — мультимодальная модель Lambent, полученная слиянием предварительно обученных моделей семейства Qwen3.5 с помощью Karcher Mean и mergekit. Она предназначена для диалогового взаимодействия и работы с изображениями; также поддерживает интерфейс вызова инструментов. В README описаны настройки стиля ответов и снижение числа отказов и оговорок, однако модель всё ещё может использовать оговорки и сохранять элементы deliberative alignment. Модель содержит 7,2 млрд параметров, использует плотную архитектуру Qwen3.5 и принимает текст и изображения для генерации текстовых ответов. Контекстное окно составляет 262 144 токена. Распространяется в формате safetensors по лицензии Apache-2.0.

Это контрольная точка модели Qwen2 на 7,1 млрд параметров в формате Hugging Face Safetensors, подготовленная для загрузки через Transformers как причинная языковая модель. Репозиторий содержит резервную копию исследовательского артефакта; README не описывает отдельную прикладную специализацию или результаты обучения. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 16 384 токенов и интерфейс вызова инструментов. Данные не уточняют языковое покрытие, точную базовую модель или лицензию, поэтому их нельзя установить по доступной карточке.

Это исследовательский резервный чекпойнт причинной языковой модели семейства Qwen3, опубликованный в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для генерации текста в диалоговом режиме; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальные предметные области или подтверждённые языки. Файлы представлены в формате safetensors. Это резервная исследовательская копия чекпойнта. Лицензия и сведения о базовой модели в предоставленных данных не указаны.

Это исследовательская резервная копия чекпойнта в стандартном формате Hugging Face Transformers. Модель Yuq Zhou относится к семейству Qwen2: плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Доступны веса в формате safetensors. Карточка не описывает конкретные области применения или языковую специализацию, поэтому модель можно характеризовать как общего назначения. Чекпойнт обозначен как исследовательский артефакт-резервная копия, однако сведений о базовой модели, обучении или конкретных ограничениях качества в карточке нет. Условия лицензии в предоставленных данных не указаны.

Это контрольная точка модели в стандартном формате Hugging Face, предназначенная для загрузки через AutoModelForCausalLM. По метаданным это плотная Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 16 384 токенов; модель работает с текстом и поддерживает диалоговый режим и интерфейс вызова инструментов. README называет её резервной копией исследовательского артефакта. Модель подходит для генерации текста и диалоговых сценариев. В карточке не описаны специальные области применения, языки, обучающие данные или результаты оценки качества. Указан формат safetensors и библиотека Transformers; сведения о лицензии отсутствуют.

arabic_PP-OCRv3_mobile_rec — компактная модель распознавания строк текста из серии PP-OCRv3_rec, разработанная командой PaddleOCR на основе PP-OCRv3_mobile_rec и обученная для распознавания арабского алфавита. Она принимает изображение с текстовой строкой и возвращает распознанный текст; модель предназначена для использования как модуль распознавания в OCR-сценариях на базе PaddleOCR. Модель подходит для извлечения текста из изображений, когда строки уже выделены или их выделяет отдельный модуль обнаружения текста. Полный конвейер PP-OCRv3 может дополнительно выполнять коррекцию ориентации и деформации изображения, обнаружение строк и распознавание. В карточке приведены метрики точности, где строка считается ошибочной при неправильном распознавании любого символа, включая пунктуацию. Модель распространяется по лицензии Apache-2.0 и использует библиотеку PaddleOCR. Доступные сведения указывают на поддержку арабского алфавита; компактная мобильная версия предназначена для распознавания строк, а не для полного OCR-конвейера сама по себе.

Arabic-Retrieval-v1.0 — модель эмбеддингов предложений, опубликованная пользователем omarelshehy и построенная на sentence-transformers с архитектурой BERT. Она дообучена на базе aubmindlab/bert-base-arabertv02 для поиска и сопоставления арабоязычных запросов и текстов. Модель выдаёт векторы размерности 768; для оценки сходства используется косинусная близость. Максимальная длина входной последовательности — 512 токенов. Модель предназначена для семантического поиска, информационного поиска и извлечения релевантных фрагментов, в том числе в системах вопросов и ответов и RAG. В README приведено сравнение на трёх наборах данных по NDCG@10: результаты близки к multilingual-e5-large и multilingual-e5-base, однако заявленные показатели относятся к указанным наборам и не гарантируют качество на других данных. Автор также заявляет об экономии памяти относительно крупных мультиязычных моделей, но подробности замеров не приводятся. Модель рассчитана на арабский язык, включая его диалектные особенности. Лицензия — Apache-2.0. Вход — текст, выход — векторные представления для сравнения и ранжирования; контекст ограничен 512 токенами.

Карточка модели avsolatorio/AVES_BAAI_bge-base-en-v1.5-20240125211517-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Davlan/bert-base-multilingual-cased-ner-hrl — модель распознавания именованных сущностей на основе mBERT, дообученная разработчиком Davlan на размеченных новостных текстах. Модель содержит около 205,1 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов. Модель размечает упоминания людей (PER), организаций (ORG) и мест (LOC) на арабском, немецком, английском, испанском, французском, итальянском, латышском, нидерландском, португальском и китайском языках. Её можно применять для извлечения сущностей из новостных статей и других текстов на этих языках. Качество может снижаться на текстах из других областей: обучение проводилось на датасетах новостной разметки, ограниченных конкретными периодами и источниками. Модель распространяется по лицензии AFL-3.0.

dslim/bert-base-NER-uncased — модель токенной классификации на архитектуре BERT, опубликованная dslim на Hugging Face. Она предназначена для распознавания именованных сущностей в англоязычном тексте: в частности, персон, организаций, географических названий и сущностей категории MISC. Модель основана на BERT base uncased и дообучена для NER; содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она возвращает метки для токенов, поэтому подходит для извлечения сущностей из предложений и документов. Доступны веса PyTorch, TensorFlow, JAX и safetensors. Модель ориентирована на английский язык и не является универсальной многоязычной NER-системой. Лицензия — MIT.

SegeeMak/bert-finetuned-ner — модель BERT для классификации токенов, дообученная разработчиком SegeeMak на неизвестном наборе данных. Она предназначена для задач разметки последовательностей, в частности для распознавания именованных сущностей. Модель содержит 135,5 млн параметров, использует архитектуру BertForTokenClassification и принимает текст с контекстом до 512 токенов. В карточке приведены результаты на оценочном наборе: F1 0,9398, точность 0,9301, полнота 0,9497 и accuracy 0,9858. Язык данных, типы распознаваемых сущностей и состав обучающего набора не раскрыты, поэтому применимость к конкретному языку или схеме разметки требует проверки. Лицензия — Apache-2.0.

qgrantq/bert-finetuned-squad — модель BERT, дообученная на наборе вопросов и ответов SQuAD на основе bert-base-cased. Она предназначена для извлечения ответа на вопрос из предоставленного текста и подходит для систем поиска по документам и автоматизации ответов по контексту. Модель содержит 135,5 млн параметров, использует архитектуру BertForQuestionAnswering и принимает контекст длиной до 512 токенов. Репозиторий содержит веса PyTorch. Модель рассчитана на английские тексты, что следует из базовой модели bert-base-cased и датасета SQuAD. Она распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или дополнительных сведений об ограничениях; результаты могут зависеть от соответствия входного текста распределению SQuAD.