I.14Автоматизация процессов и AI-агенты

TranslateGemma-4B-IT — модель Google Translate из семейства компактных моделей перевода TranslateGemma, созданная на основе Gemma 3 и дообученная на параллельных текстах. Она предназначена для перевода между 55 языками, в том числе для извлечения текста из изображения с последующим переводом. Модель принимает текст или изображение; для изображений указано разрешение 896 × 896 пикселей. Контекст составляет 2 тысячи токенов, результатом является переведённый текст. Компактный размер позволяет запускать модель на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Для работы предусмотрен шаблон диалога Gemma, поддерживаемый Transformers. Среди ограничений — возможные ошибки на неоднозначных выражениях, тонких языковых нюансах и сложных запросах, а также влияние пробелов и предвзятости обучающих данных. Лицензия — Gemma; применяются условия использования Gemma.

MusaNyaks/trocr-barbados-fold2 — дообученная модель Microsoft TrOCR base handwritten для преобразования изображений рукописного текста в текст. Она построена на архитектуре vision-encoder-decoder и предназначена для распознавания рукописных строк; в README указано значение loss 0,9111 на наборе оценки. Данные обучения, целевой язык и подробные сценарии применения в карточке не описаны. Модель распространяется в формате safetensors по лицензии MIT.

Карточка модели aoiandroid/ultravox-v0_5-llama-3_2-1b на Hugging Face совпадает с карточкой fixie-ai/ultravox-v0_5-llama-3_2-1b, поэтому описание составлено по ней. Ultravox — мультимодальная речевая языковая модель от Fixie.ai, объединяющая аудиовход с текстовой моделью Llama 3.2-1B-Instruct и Whisper large-v3-turbo. Она принимает речь и текст, например текстовую системную инструкцию и аудиосообщение пользователя, а ответ генерирует в текстовом виде. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи между языками. В README указана версия Ultravox 0.5 с обозначением 1B; метаданные каталога указывают 4,8 млрд параметров. Модель построена на архитектуре Ultravox и поддерживает аудиовход, чат и интерфейс вызова инструментов. Для обучения использовались наборы данных распознавания речи и речевого перевода, а также продолжения, сгенерированные Llama 3.1 8B. Метаданные перечисляют широкий набор языков, включая русский; конкретные языки карточки охватывают более узкий перечень. Модель выдаёт текст и не генерирует аудио. В README отмечено, что к этой версии не применялась настройка предпочтений; качество перевода может зависеть от языковой пары и ограниченности модели версии 1B. Лицензия — MIT.

Ultravox v0.6 Llama 3.1 8B — мультимодальная речевая языковая модель от Fixie.ai. Она сочетает языковую модель Llama 3.1 8B с речевым энкодером Whisper large-v3-turbo и принимает аудио вместе с текстовым контекстом, например системной инструкцией или текстовым запросом. Модель выдаёт текстовые ответы и предназначена для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. В версии 0.6 расширены данные для хинди, что улучшило понимание хинди и могло немного снизить качество на других языках. Обучение также включало шумовые данные: модель может лучше справляться с шумом и выводить специальную отметку для слишком шумного аудио или неразборчивой речи. README приводит результаты оценки распознавания, перевода, аудиорассуждений и обнаружения шума. Генерация речевого аудио не поддерживается этой версией; предпочтительная настройка ответов не применялась. Лицензия — MIT.

UniNER-7B-definition — модель извлечения сущностей и понятий, разработанная авторами UniNER и дообученная на базе LLaMA-7B. Обучающие примеры подготовлены из корпуса Pile-NER-definition с помощью GPT-3.5-turbo-0301: модель училась находить сущности и понятия в отрывках и кратко определять тип каждой найденной единицы, без использования человеческой разметки. Модель предназначена для распознавания именованных сущностей и понятий, в том числе когда тип задан кратким текстовым определением или перефразирован. На вход подаётся текст, а на выходе ожидаются найденные сущности с определениями их типов. Архитектура — плотная LLaMA с 6,6 млрд параметров; длина контекста — 2048 токенов. В метаданных указан английский язык. Авторы отмечают лучшую устойчивость к перефразированию определений типов по сравнению с UniNER-7B-type; при этом версия UniNER-7B-type лучше на стандартных наборах NER с короткими распространёнными метками. Лицензия — CC BY-NC 4.0.

Карточка модели Hieu25025064/vietnamese_embedding_model_merged на Hugging Face совпадает с карточкой AITeamVN/Vietnamese_Embedding, поэтому описание составлено по ней. Vietnamese_Embedding — модель эмбеддингов на базе Sentence Transformers, разработанная AITeamVN и дообученная от BAAI/bge-m3 для улучшения поиска по вьетнамским текстам. Она принимает текст и выдаёт вектор размерности 1024; для сравнения векторов предусмотрена метрика dot product. Модель обучалась на примерно 300 тысячах триплетов запросов, положительных и отрицательных документов, а максимальная длина последовательности в карточке указана как 2048 токенов. Модель предназначена для семантического поиска и извлечения релевантных документов по вьетнамским запросам; автор приводит оценку на Legal Zalo 2021. В метаданных указаны архитектура XLM-RoBERTa, контекст до 8194 токенов, библиотека sentence-transformers и форматы ONNX и safetensors. Лицензия — Apache 2.0. В README приведена более короткая максимальная длина последовательности, чем контекст в метаданных; качество поиска на других наборах данных отдельно не подтверждено.

jungler9/vuse — текстовая разговорная модель для генерации ответов и рассуждений. В README она представлена как Ling-3.0-tiny, компактная гибридная MoE-модель для локального запуска и ресурсоограниченных сред. Однако карточка противоречит метаданным: README заявляет 7,9 млрд параметров, из которых активны 1,3 млрд на токен, а метаданные указывают 977,5 млн параметров и архитектуру Bailing MoE V3. Поэтому эти характеристики нельзя однозначно отнести к опубликованному репозиторию. README описывает чередование слоёв KDA и MLA и разреженную MoE-сеть с 128 экспертами, а также режимы быстрого ответа и пошагового рассуждения. Среди целевых сценариев названы агентные задачи, программирование, математика, научные рассуждения и следование инструкциям. Метаданные указывают контекст 131 072 токена, формат safetensors и возможность чата; заявленная в README поддержка FP8 и INT4 расходится с форматом репозитория. Модель опубликована под лицензией MIT. Из-за несоответствия README и метаданных размер, архитектуру и форматы весов следует считать неподтверждёнными; README также не перечисляет языки модели.

wav2vec2-xls-r-1b-scandinavian-E3-100h-30-epochs-20250123 — модель распознавания речи, дообученная на базе facebook/wav2vec2-xls-r-1b. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; модель принимает аудио и преобразует речь в текст. Карточка называет данные для дообучения неизвестным датасетом и не уточняет поддерживаемые языки, несмотря на упоминание Scandinavian в названии. На оценочном наборе указаны WER 21,6559 и CER 5,6618. Модель подходит для распознавания речи в аудиозаписях; качество для конкретных языков и условий записи следует проверять отдельно. Распространяется по лицензии Apache-2.0.

EvanD/xlm-roberta-base-romanian-ner-ronec — модель распознавания именованных сущностей на румынском языке, созданная на базе XLM-RoBERTa и дообученная на наборе данных RONEC. Она размечает токены в тексте и предназначена для извлечения именованных сущностей. В README указана оценка F1-Macro 0,955 на тестовой выборке RONEC. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и работает с текстом; нативный контекст составляет 514 токенов. Метаданные указывают формат PyTorch и поддержку румынского языка. Лицензия в предоставленных данных не указана.

Davlan/xlm-roberta-base-wikiann-ner — многоязычная модель распознавания именованных сущностей, разработанная Davlan на основе XLM-RoBERTa и дообученная на датасете WikiANN. Модель содержит 305,2 млн параметров, принимает текст и классифицирует токены с контекстом до 514 токенов. Она предназначена для извлечения из текста имён людей (PER), организаций (ORG) и географических объектов (LOC) на 20 языках. Подходит, например, для разметки новостных статей и извлечения сущностей из многоязычных текстовых коллекций. Качество зависит от сходства текста с новостными данными WikiANN: результаты могут хуже переноситься на другие предметные области. Лицензия в предоставленных данных не указана.

alon-albalak/xlm-roberta-large-xquad — многоязычная модель для извлечения ответа из текста по заданному вопросу. Она основана на XLM-RoBERTa Large и дообучена для extractive question answering на датасете XQuAD; карточка сообщает об оценке на отложенной выборке XQuAD. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для извлечения фрагмента ответа из контекста. Она подходит для поиска ответов в предоставленных текстах и для систем, где ответ должен опираться на исходный материал. В метаданных указана мультиязычная поддержка; максимальная длина контекста — 514 токенов. Доступны веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Это модель для распознавания именованных сущностей в русском тексте, разработанная Сергеем Бирюковым. Она основана на XLM-RoBERTa Large и дообучена на русской части датасета WikiANN для задачи классификации токенов. Модель содержит около 658,7 млн параметров, принимает текст и присваивает метки его токенам, выделяя сущности. Для неё указаны контекст до 514 токенов, библиотека Transformers и лицензия MIT. Карточка не приводит перечень типов сущностей или оценку качества, поэтому точность для конкретных данных по имеющимся сведениям оценить нельзя.

google/xtr-base-en — англоязычная модель семейства T5 для многовекторного поиска по токенам, представленная Google. Она предназначена для извлечения и ранжирования релевантных документов по запросу в системах поиска и retrieval-augmented generation. Архитектура — плотный энкодер T5EncoderModel, размер — 123,8 млн параметров; доступны веса PyTorch и Safetensors. XTR формирует многовекторные представления текста и поддерживает поиск по токенам, что позволяет точнее сопоставлять запросы и документы, чем единое представление текста. Карточка описывает запуск реализации на PyTorch и ссылается на исследовательскую работу о роли извлечения токенов в многовекторном поиске. Модель распространяется по лицензии Apache-2.0.

YamshadowStrangemerges_32_YamshadowT3q — объединённая языковая модель на архитектуре Mistral, созданная путём слияния automerger/YamshadowStrangemerges_32-7B и automerger/YamshadowT3q-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; максимальный контекст составляет 32 768 токенов. Она предназначена для генерации текста и ответов на математические запросы. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией Apache-2.0.

sutd-ai/albert-base-v2-finetuned-squad — модель ALBERT, дообученная на наборе SQuAD v2 для извлечения ответов на вопросы из предоставленного текста. Она принимает вопрос и контекст и определяет ответ в контексте, включая возможность распознать, что ответа там нет. Модель содержит 136,3 млн параметров, использует архитектуру AlbertForQuestionAnswering и поддерживает контекст до 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстовым фрагментам на английском языке. В README приведено значение loss 0,9650 на оценочном наборе, но подробные метрики и ограничения не описаны. Лицензия — Apache 2.0.

ahotrod/albert_xxlargev1_squad2_512 — англоязычная модель семейства ALBERT для поиска ответов на вопросы по предоставленному тексту. В метаданных указаны архитектура AlbertForQuestionAnswering, 3,3 млрд параметров и контекст до 512 токенов; доступны веса PyTorch и TensorFlow. README приводит результаты на наборе SQuAD 2.0: exact match 86,11 и F1 89,35 по 11 873 примерам, включая вопросы с ответом и без ответа. Модель подходит для извлечения ответа из контекста, в том числе для определения случаев, когда в тексте нет ответа. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Модель dice-research/amharic-property-retriever-afro-xlmr-base — Sentence Transformer, дообученный исследовательской группой DICE Research на базе Davlan/afro-xlmr-large-76L для сопоставления амхарских обозначений полей и свойств с соответствующими названиями на английском языке. Она преобразует предложения и короткие фрагменты текста в плотные векторы размерности 1024; близость векторов оценивается косинусным сходством. Модель построена на XLM-RoBERTa и предназначена для семантического поиска и ранжирования соответствий, в том числе для поиска названий свойств в схемах данных. Обучение проводилось на 1 224 парах примеров из набора amharic-property-mapping с функцией потерь MultipleNegativesRankingLoss. В README указана максимальная длина последовательности 64 токена; метаданные каталога приводят контекст 514 токенов. Для практического использования стоит ориентироваться на ограничение 64 токена, описанное в карточке Sentence Transformers. На тестовой выборке из 186 пар приведены метрики поиска, однако они не гарантируют качество на других данных. Модель распространяется по лицензии MIT.

classla/bcms-bertic-ner — модель разметки последовательностей, разработанная Classla на основе BERTić и дообученная для распознавания именованных сущностей в боснийском, хорватском, черногорском и сербском языках. Она присваивает токенам метки PER, LOC, ORG и MISC, чтобы выделять в тексте людей, места, организации и другие именованные сущности. Модель использует архитектуру ELECTRA, содержит 137,8 млн параметров и обрабатывает контекст длиной до 512 токенов. При дообучении использовались данные на стандартном хорватском и сербском языках, а также публикации из Twitter; данные дополнялись вариантами без диакритических знаков. В README сообщается F1 91,38 на dev-данных, объединённых с обучающей выборкой. Модель предназначена для извлечения сущностей из текстов BCMS, включая стандартные и неформальные тексты. Она распространяется по лицензии Apache-2.0.

martineden/bert-base-cased-squadv1-finetuned — дообученная на датасете SQuAD версия BERT от автора репозитория. Модель предназначена для извлечения ответов на вопросы из предоставленного текста: на вход подаются вопрос и контекст, а на выходе — фрагмент текста с ответом. Архитектура — BertForQuestionAnswering, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстовым материалам на английском языке, связанным с форматом SQuAD. Лицензия — Apache-2.0. README не содержит подробностей об оценках качества или ограничениях применения.

phiyodr/bert-base-finetuned-squad2 — англоязычная модель для извлечения ответов на вопросы из предоставленного текста. Она основана на bert-base-uncased и дообучена на датасете SQuAD2.0; архитектура — BERT с головой BertForQuestionAnswering, объём — 136,7 млн параметров. Модель принимает вопрос и контекст на английском языке и выбирает ответ из контекста, включая возможность воздержаться от ответа, если в тексте его нет. Модель подходит для поиска фактов в текстах, автоматизации ответов по документам и демонстрационных систем вопросно-ответного поиска. Максимальная длина контекста составляет 512 токенов, поэтому длинные документы нужно разбивать на фрагменты. Веса доступны в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

bert-base-swedish-cased-ner — модель семейства BERT, выпущенная Национальной библиотекой Швеции и исследовательской группой KBLab. Это версия bert-base-swedish-cased, дообученная для распознавания именованных сущностей на шведском языке с использованием датасета SUC 3.0. Модель размечает токены как временные выражения, имена людей, места, события и организации; набор меток может меняться. Модель содержит 151,9 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Она чувствительна к регистру, использует токенизацию BERT с разбиением слов на подчасти и обучалась с whole word masking. Подходит для извлечения сущностей из шведских текстов, например новостей и документов. В карточке версия помечена как экспериментальная; описание также отмечает, что набор меток может меняться. Лицензионные условия в предоставленных материалах не указаны.

Petros89/bert-finetuned-squad — модель BERT, дообученная на наборе вопросов и ответов SQuAD на основе bert-base-cased. Она предназначена для поиска ответа на вопрос в предоставленном тексте: модель оценивает фрагменты контекста и возвращает ответ из него. Модель содержит 135,5 млн параметров, использует архитектуру BertForQuestionAnswering и формат PyTorch; максимальная длина контекста составляет 512 токенов. Модель подходит для извлечения фактов из документов и ответов на вопросы по заданному контексту. Карточка не содержит подробных результатов оценки или описания ограничений качества. Лицензия — Apache-2.0.

Модель разработана авторами NLP Odyssey (Matteo Grella и Marco Nicola) на основе bert-base-multilingual-uncased и дообучена для географической классификации новостных заголовков. Она принимает текст заголовка и предсказывает код страны по стандарту ISO 3166-1 alpha-3. Модель предназначена для автоматической маркировки новостей по стране, о которой говорится в заголовке, в том числе для работы с многоязычными текстами. Это BERT для классификации последовательностей с 194,6 млн параметров; максимальная длина контекста — 512 токенов. Распространяется в форматах PyTorch и Safetensors. Модель подходит для тематической сортировки новостных лент и предварительной разметки заголовков для последующего анализа. Качество и набор распознаваемых стран в README не описаны; лицензия Apache-2.0 допускает использование, изменение и распространение на её условиях.

jurabi разработала японскую модель BERT для распознавания и классификации именованных сущностей в тексте. Модель использует архитектуру BertForTokenClassification и насчитывает 138,4 млн параметров; для токенизации применяется японский BERT-токенизатор. Базовая модель — cl-tohoku/bert-base-japanese-v2, дообученная на наборе stockmarkteam/ner-wikipedia-dataset. Модель извлекает восемь типов сущностей: имена людей, компании, политические и другие организации, географические названия, объекты инфраструктуры, названия продуктов и произведений, а также события. Она принимает японский текст и возвращает разметку токенов с типами сущностей; поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Подходит для извлечения сущностей из японских документов и текстов на основе Википедии. В README не приведены оценки качества; результат на других жанрах текста может отличаться. Лицензия — Creative Commons Attribution-ShareAlike 3.0.

NVIDIA NeMo Canary 1B Flash — многозадачная речевая модель с 883 млн параметров для распознавания речи и перевода речи в текст. Она использует архитектуру encoder-decoder: FastConformer-энкодер и Transformer-декодер; модель реализована для NeMo и опубликована в формате safetensors. Модель распознаёт английскую, немецкую, французскую и испанскую речь. Она также переводит речь с английского на немецкий, французский и испанский, а с этих трёх языков — на английский. Для этих языков доступна экспериментальная генерация временных меток слов и сегментов. Заявлена скорость более 1000 RTFx на наборах Open ASR Leaderboard; для аудио длиннее 40 секунд рекомендуется обработка частями, а для временных меток — чанками по 10 секунд. На вход подаются монофонические WAV или FLAC-файлы с частотой 16 кГц, на выходе — текст, при необходимости с временными метками. Для работы требуется NVIDIA NeMo. Модель не обрабатывает специальные символы и может требовать обратной нормализации текста; качество распознавания зависит от языка и характеристик записи. Лицензия CC-BY-4.0 допускает коммерческое использование.

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507, дообученный методом GRPO с помощью OpenRLHF непосредственно на базовой модели без предварительного SFT. Чекпойнт сохранён на шаге 72; он показал лучший в этом запуске результат pass@8 на отложенных задачах по программированию: 8,5543. Обучение использовало бинарную награду за прохождение тестов сгенерированным кодом и штрафы за усечение длинных ответов. Модель предназначена для генерации кода и решения задач программирования, особенно задач, сложных для исходной модели. Она принимает текстовые запросы и генерирует текст, включая программы. Архитектура — плотная Qwen3, около 3,7 млрд параметров; контекст — до 262 144 токенов. В карточке описаны оценки на конкретном наборе задач, но они не гарантируют сопоставимого качества на других языках программирования и сценариях. Лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507, дообученный методом обучения с подкреплением GRPO в OpenRLHF. Обучение напрямую начато с базовой модели без предварительной SFT-настройки; чекпойнт сохранён на шаге 24. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 262 144 токенов. Чекпойнт предназначен для генерации кода и решения задач программирования: обучение и проверка ориентированы на сложные задачи из набора cobalt-train, а сигнал вознаграждения основан на прохождении тестов сгенерированной программой. В указанном запуске он показал pass@1 0,2794 и pass@8 1,8061 на отложенной выборке; эти результаты относятся к конкретному протоколу оценки и не гарантируют качество на других задачах. Модель принимает текстовые запросы и выдаёт текст, включая код. Файлы опубликованы в формате safetensors; лицензия в предоставленных сведениях не указана.

Salesforce CodeGen-NL 6B — авторегрессионная языковая модель для синтеза программного кода. Это вариант семейства CodeGen с плотной архитектурой CodeGenForCausalLM и примерно 6 млрд обучаемых параметров; модель опубликована Salesforce в рамках исследования о диалоговом подходе к синтезу программ. Она предварительно обучена на корпусе The Pile, содержащем в том числе данные с кодом, и принимает текстовые запросы с инструкциями на естественном языке или незавершённый код. Основное применение — генерация исполняемого кода по англоязычному описанию, желательно оформленному как комментарий, а также продолжение фрагментов программы. Контекст составляет 2048 токенов. Модель может извлекать признаки из текста на естественном языке и языках программирования и оценивать их правдоподобие; качество и безопасность результата необходимо проверять перед использованием. Модель выпущена для исследовательских целей и не оценивалась для всех практических сценариев. Лицензия — BSD 3-Clause.

Модель Damerajee представляет собой дообученную версию CodeLlama-7b-hf на наборе инструкций по программированию Python iamtarun/python_code_instructions_18k_alpaca. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров, предназначенная для генерации текста в ответ на инструкции, в том числе для задач с кодом Python. Контекст модели составляет 16 384 токена. Модель может помогать генерировать фрагменты кода и отвечать на инструкции по Python. Карточка содержит значения training loss на ранних шагах обучения, но не даёт подробных результатов оценки качества. Использование распространяется по лицензии Llama 2.

crossencoder-me5-small-mmarcoFR — франкоязычный кросс-энкодер, разработанный Antoine Louis и дообученный на базе intfloat/multilingual-e5-small. Он совместно обрабатывает запрос и passage, оценивает их релевантность и предназначен для переранжирования результатов семантического поиска после быстрого первичного поиска, например BM25 или bi-encoder. Модель использует архитектуру BERT для классификации последовательностей, содержит 124,3 млн параметров и принимает пары текстов с контекстом до 512 токенов; в обучении максимальная длина пары составляла 256 токенов. Оценки релевантности нормируются сигмоидой в диапазон от 0 до 1. Модель обучена на французской части mMARCO с трудными отрицательными примерами и оценивалась на dev-наборе mMARCO-fr для ранжирования passages. Кросс-энкодер подходит для уточнения порядка уже найденных кандидатов, но требует отдельно оценивать каждую пару запрос–текст, поэтому не рассчитан на первичный поиск по большой коллекции. Лицензия — MIT.