I.14Автоматизация процессов и AI-агенты

kwondw/reranker-msmarco-v1.1-ModernBERT-base-cmnrl — это англоязычный кросс-энкодер, созданный дообучением answerdotai/ModernBERT-base разработчиком kwondw на наборе MS MARCO с использованием Sentence Transformers. Модель оценивает пару «запрос — документ» одним числовым баллом релевантности и предназначена для ранжирования результатов поиска и семантического поиска. Модель содержит 149 млн параметров, использует архитектуру ModernBertForSequenceClassification и принимает текст; максимальная длина последовательности — 8192 токена. В карточке приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus и NanoNQ, включая метрики MAP, MRR@10 и nDCG@10. Модель лучше всего применять для переоценки небольшого числа кандидатов, уже найденных поисковой системой. Обучение на MS MARCO и приведённые оценки не гарантируют одинаковое качество на других языках и предметных областях. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.

cointegrated/rubert-base-cased-nli-threeway — русскоязычная модель для вывода логических отношений между двумя короткими текстами. Она создана дообучением DeepPavlov/rubert-base-cased и предсказывает три класса: следование, противоречие и нейтральное отношение. Архитектура — BERT для классификации последовательностей; модель содержит 205,1 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для задач NLI и классификации текста без заранее заданного набора меток, в том числе для проверки, следует ли гипотеза из предпосылки. Обучение проводилось на наборах данных для NLI, автоматически переведённых с английского на русский, а также на нескольких русскоязычных источниках. Доступны веса PyTorch и Safetensors, а также формат ONNX. Лицензия в предоставленных данных не указана.

r1char9/rubert-base-cased-russian-sentiment — русскоязычная модель классификации тональности на основе RuBERT, разработанная дообучением базовой модели для многоклассового анализа коротких текстов. Она присваивает тексту одну из трёх меток: нейтральная, положительная или отрицательная тональность. Модель подходит для автоматической разметки тональности в новостях, отзывах и других коротких русскоязычных текстах. Для обучения использованы Russian News Dataset, Linis Crowd 2015 и 2016, RuReviews и RuSentiment. Архитектура — BERT для классификации последовательностей, размер — 205,1 млн параметров, максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch. Модель предназначена для русского языка; качество на длинных текстах, других языках и тематиках за пределами обучающих данных не подтверждено. Лицензия — MIT.

schift-io/schift-ko-pii-v4 — модель распознавания персональных данных в корейском тексте, разработанная Schift и дообученная с LoRA на основе klue/roberta-base. Это RoBERTa-модель для классификации токенов с разметкой BIES; в метаданных указано 137,8 млн параметров, а длина контекста составляет 514 токенов. README сообщает о публикации весов в формате bf16 safetensors и максимальной длине входа 512 токенов. Модель предназначена для выявления имён, телефонов, адресов, идентификаторов и других PII в корейских юридических, финансовых и административных документах. Дополнительная постобработка может проверять структурированные номера, объединять фрагменты сущностей и подавлять некоторые ложные срабатывания. README приводит результаты внутренних бенчмарков, однако они не гарантируют такую же точность на других данных. Лицензия в метаданных обозначена как other, поэтому перед использованием следует проверить условия в карточке модели.

zeromodels/siglip2_base_p16_512 — конверсия модели Google SigLIP 2 Base Patch16 512 в реализацию на Keras 3 для библиотеки zeromodels. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию по текстовым меткам без специального обучения на целевом наборе классов: при инференсе ей передают изображения и текстовые подсказки. Размер входного изображения — 512 пикселей; мультиязычный токенизатор основан на словаре Gemma. Реализация работает с TensorFlow, PyTorch и JAX. SigLIP 2 использует sigmoid loss и предварительное обучение с подписями к изображениям, самодистилляцией и masked prediction, что улучшает семантическое понимание и плотные визуальные признаки. Модель подходит для zero-shot классификации и сопоставления изображения с текстом. Основана на google/siglip2-base-patch16-512; распространяется по лицензии Apache 2.0.

zeromodels представляет конверсию Google SigLIP Base Patch16-224 для библиотеки Keras 3. Это мультимодальный двойной энкодер изображений и текста, обученный с попарной сигмоидной функцией потерь; модель принимает изображения и текстовые подсказки и сопоставляет их для классификации изображений без обучения на целевых классах. Реализация работает с TensorFlow, PyTorch и JAX. Модель подходит для классификации изображений по текстовым описаниям и выбора наиболее подходящей подписи или категории из заданного пользователем списка. Размер изображения — 224 × 224 пикселя, патчи — 16 × 16. Лицензия — Apache 2.0. Английский текст указан в описании базовой модели; поддержка других языков в предоставленных данных не подтверждена.

SloVlo-v1 — модель эмбеддингов для семантического поиска на словенском языке, разработанная в проекте SloVlo. Она предназначена для поиска документов по смыслу, в том числе когда формулировка запроса отличается от текста документа. Модель обучена и оценена на slovlo-dataset-v1; README приводит результаты поиска по тестовой выборке в метрике MRR@k. Модель основана на multilingual-e5-base и использует архитектуру XLM-RoBERTa с 12 слоями и размерностью эмбеддингов 768. Репозиторий использует Sentence Transformers, веса представлены в формате safetensors; длина контекста — 514 токенов. Лицензия — MIT.

SPLADE-v2-distil — разреженный энкодер для поиска по предложениям и абзацам, представленный в карточке модели Naver. Он преобразует текст в разреженный вектор размерности 30 522; сходство между векторами оценивается скалярным произведением. Модель основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBERT с MLM и max-пулингом SPLADE. Максимальная длина входа — 512 токенов, а для воспроизведения оценки в карточке указано ограничение 256 токенов. Модель предназначена для семантического поиска, разреженного поиска и извлечения релевантных фрагментов, включая поиск пассажей. Подходит для кодирования запросов и документов в поисковой системе, поддерживающей sparse-векторы. В метаданных указаны английский язык и датасет MS MARCO. Распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и распространяет ограничения на коммерческое использование и производные работы на тех же условиях.

ctaguchi/ssc-kbd-mms-model-mix-adapt-max — дообученная модель автоматического распознавания речи, созданная на основе facebook/mms-1b-all. Она использует архитектуру wav2vec2 с CTC-декодированием и содержит 1,3 млрд параметров. Модель принимает аудио и предназначена для преобразования речи в текст; README сообщает результаты оценки: CER 0,1091 и WER 0,5604. Карточка не описывает обучающие данные, целевые языки или предполагаемые сценарии применения. Базовая MMS-1B-All поддерживает более тысячи языков, но целевой набор языков этого дообученного чекпойнта из доступных сведений определить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

OpenVoiceOS/stt_en_quartznet15x5_onnx — англоязычная модель автоматического распознавания речи, подготовленная OpenVoiceOS как ONNX-экспорт исходной модели NVIDIA stt_en_quartznet15x5, обученной с использованием NVIDIA NeMo. Модель предназначена для преобразования английской речи в текст, включая офлайн-распознавание аудиофайлов и интеграцию в голосовые системы OpenVoiceOS. Исходный вариант использует архитектуру QuartzNet15x5 с символьным CTC-декодированием. Модель содержит ONNX-граф в формате FP32 с энкодером и CTC-головой, словарь токенов и конфигурацию для onnx-asr. Используются 64 мел-фильтра, коэффициент прореживания 2 и входные 16 кГц PCM WAV-файлы. Для запуска требуется ONNX Runtime; PyTorch и NeMo не нужны. Экспорт проверен сравнением с исходной NeMo-моделью: на эталонном фрагменте получены идентичные транскрипции. Основные ограничения — отсутствие готового варианта int8 и необходимость поддержки препроцессора nemo64 в используемом runtime; для этого могут потребоваться форк onnx-asr или runtime backfill OpenVoiceOS. Данные о точности, обучающих корпусах и известных ограничениях перенесены в карточку исходной модели и здесь не приведены. Лицензия — CC BY 4.0.

Это дообученная модель Table Transformer для обнаружения объектов, разработанная на основе nsugianto/tblstructrecog_finetuned_tbltransstrucrecog_semicplx_v1_s1_226s_adjpar6_lr1e6_dec1e5_bs4. В карточке указаны архитектура TableTransformerForObjectDetection, 6,3 млн параметров, формат safetensors и лицензия MIT. Модель предназначена для обнаружения объектов, связанных со структурой таблиц; конкретные классы объектов и обучающие данные не описаны.

trocr-barbados-fold1 — дообученная MusaNyaks модель Microsoft TrOCR base handwritten для распознавания рукописного текста на изображениях. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображения с текстом в текстовую последовательность. В README указана оценка Loss 0.8971 на тестовой выборке; набор данных не описан. Модель подходит для распознавания рукописных записей в сценариях, соответствующих обучающим данным, однако их состав и качество модели в конкретных условиях по карточке оценить нельзя. Репозиторий распространяется по лицензии MIT.

VietRAG-Embed — вьетнамская плотная модель эмбеддингов, разработанная VietRAG и дообученная на базе intfloat/multilingual-e5-base. Она построена на XLM-RoBERTa и Sentence Transformers, содержит 305,2 млн параметров и преобразует запросы и фрагменты текста в нормализованные векторы размерности 768. Для запросов требуется префикс «query: », а для документов — «passage: ». Модель предназначена для семантического поиска по вьетнамским документам, извлечения контекста для ответов на вопросы и RAG, а также для отбора кандидатов перед переранжированием. Она не генерирует ответы самостоятельно. Модель обучена на 937 686 вьетнамских парах запрос–релевантный текст–сложный отрицательный пример, включая данные веб-поиска и научно-технические материалы. Её можно применять для поиска по FAQ и базам знаний, а нормализованные векторы подходят для сравнения косинусной близостью или скалярным произведением. Лицензия — MIT. Основной язык — вьетнамский; качество для других языков и смешанных запросов не подтверждено. Контекст ограничен 514 токенами по метаданным, а README указывает усечение входа длиннее 512 токенов, поэтому длинные документы следует делить на смысловые фрагменты. Результаты поиска могут быть тематически близкими, но фактически неверными; приведённый внутренний диагностический тест использует общий корпус с обучением и не гарантирует качество на пользовательских данных.

Карточка модели MyAlbum/ViT-B-16-SigLIP2 на Hugging Face совпадает с карточкой timm/ViT-B-16-SigLIP2, поэтому описание составлено по ней. timm/ViT-B-16-SigLIP2 — визуально-языковая модель семейства SigLIP 2, обученная на наборе WebLI и преобразованная из исходных контрольных точек JAX проекта Big Vision для использования в OpenCLIP. Это контрастивный энкодер изображений и текста, предназначенный для классификации изображений без дополнительного обучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Модель принимает изображения и текстовые описания, оценивает их соответствие и подходит для поиска изображений по тексту и классификации с произвольными текстовыми метками. В карточке указана поддержка многоязычного визуально-языкового обучения SigLIP 2; конкретные языки этой версии не перечислены. Модель распространяется в форматах PyTorch и safetensors и доступна на условиях Apache-2.0. Это конверсия исходных контрольных точек, а не отдельное дообучение. Карточка не сообщает конкретный размер модели, длину контекста или ограничения качества; результаты могут зависеть от формулировок текстовых меток и домена изображений.

facebook/wav2vec2-xls-r-2b-22-to-16 — модель перевода речи, разработанная Facebook. Это связка кодировщика и декодера: кодировщик инициализирован контрольной точкой facebook/wav2vec2-xls-r-2b, а декодер — facebook/mbart-large-50; модель дообучена на парах перевода из набора CoVoST 2. Она принимает аудио на одном из 22 исходных языков и генерирует письменный перевод на один из 16 целевых языков: английский, немецкий, турецкий, персидский, шведский, монгольский, китайский, валлийский, каталанский, словенский, эстонский, индонезийский, арабский, тамильский, латышский или японский. Подходит для перевода аудиозаписей и устных высказываний без отдельного этапа распознавания и последующего текстового перевода. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Качество может зависеть от языковой пары и характеристик аудио; карточка не приводит количественных оценок качества.

arampacha/whisper-large-uk-2 — дообученная версия Whisper Large v2 от OpenAI, созданная для распознавания украинской речи. Модель основана на архитектуре Whisper и содержит 905,2 млн параметров; она принимает аудио и выдаёт текстовую транскрипцию. Для дообучения использован Common Voice 11.0, а среди указанных в метаданных датасетов также есть Google FLEURS. В README приведён результат оценки на тестовой выборке: WER 10,0226. Модель подходит для транскрибации украинской речи, в том числе записей и голосовых сообщений. Вес опубликован в формате PyTorch; лицензия — Apache-2.0. Подробности о других ограничениях и условиях оценки в карточке не раскрыты.

XDoc-base-SQuAD2.0 — модель Microsoft для ответов на вопросы по тексту, связанная с проектом XDoc, представленным в работе о едином предварительном обучении для понимания документов разных форматов. В карточке указана архитектура RoBERTa с головой для question answering и 151,8 млн параметров; модель доступна в формате PyTorch, контекст — до 514 токенов. Модель предназначена для поиска ответа на вопрос в предоставленном контексте и может применяться для извлечения сведений из документов и ответов на вопросы по их тексту. README описывает XDoc как единую предварительно обученную модель для разных форматов документов, но не уточняет модальности и конкретные возможности данного чекпойнта. Лицензия — MIT.

XiYanSQL-QwenCoder-3B-2502 — специализированная языковая модель команды XiYanSQL для преобразования запросов на естественном языке в SQL. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов; она принимает текстовые инструкции с вопросом, схемой базы данных и при необходимости справочной информацией и генерирует SQL. В README описано применение с SQLite, PostgreSQL и MySQL, а формат схемы M-Schema рекомендован авторами; также допускается DDL. Модель предназначена для генерации SQL по вопросам пользователя и может служить основой для дальнейшей настройки text-to-SQL моделей. README приводит оценки серии XiYanSQL-QwenCoder на тестах BIRD и Spider, но численные результаты конкретно версии 3B в доступном фрагменте не указаны. Для запуска авторы указывают Transformers версии 4.37.0 или новее и показывают использование chat template. Модель распространяется по лицензии Apache-2.0.

srikanthkb/xlnet-base-cased-finetuned-squad — модель XLNet, дообученная на наборе SQuAD для ответов на вопросы по предоставленному текстовому фрагменту. Она содержит 137,8 млн параметров и опубликована в формате PyTorch. В карточке указана оценка loss 0,2533 на наборе оценки. Модель предназначена для извлечения ответа из контекста в системах вопросно-ответного поиска и для автоматизации ответов по текстовым материалам. Базовая модель — xlnet-base-cased; модель распространяется по лицензии MIT. README не приводит подробностей о языковом охвате и ограничениях качества.

Hannibal046/xrag-moe — языковая модель, разработанная Hannibal046 в рамках проекта xRAG. Она предназначена для генерации текста и использования в системах retrieval-augmented generation (RAG), где извлечённый контекст сжимается до одного токена перед передачей языковой модели. В репозитории разработчика модель указана как xRAG-MoE на базе mistralai/Mixtral-8x7B-Instruct-v0.1. Модель относится к архитектуре Mixture-of-Experts (MoE), поддерживает text generation и conversational-сценарии, содержит около 7,1 млрд параметров и имеет нативное контекстное окно 32 768 токенов. В качестве базовых инструментов указаны Transformers и PyTorch; модель можно запускать через Transformers, vLLM и SGLang. Основное преимущество — специализированная работа с RAG и экстремальным сжатием контекста, что может уменьшать объём входных данных при генерации ответов по найденным документам. Модель не является мультимодальной и предназначена для текстовых сценариев. В карточке отсутствуют надёжно указанные языки поддержки, лицензия и подробные сведения о качестве; поэтому эти характеристики нельзя устанавливать по доступным источникам.

Zero-shot SELECTRA Medium — испаноязычный классификатор с архитектурой ELECTRA, разработанный авторами, указанными в карточке модели: David Fidalgo, Daniel Vila, Francisco Aranda и Javier Lopez. Модель дообучена на испанской части набора XNLI и предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях. Модель содержит около 47,5 млн параметров, принимает текст и использует шаблон гипотезы на испанском языке. Контекст ограничен 512 токенами. В оценке авторов SELECTRA Medium показала точность 0,807 на тестовой части XNLI и 0,589 при классификации испанских резюме MLSUM по пяти выбранным меткам; эти результаты относятся к указанным наборам и настройкам оценки. Модель компактнее прежнего классификатора на BETO и в этих тестах превзошла его. Распространяется по лицензии Apache-2.0.

Это экспериментальный текстовый генератор на архитектуре Qwen3 с 1,7 млрд параметров, опубликованный пользователем yuq-zhou. Модель поставляется в формате Safetensors и загружается через Transformers как причинная языковая модель. Карточка описывает её как резервную копию исследовательского чекпойнта. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Контекстное окно составляет 40 960 токенов. Данные о специальных предметных областях и языках в карточке отсутствуют. Лицензия не указана в предоставленных данных.

ishikaa/acquisition_generator_AS_GT_confidence_omnimath_qwen14b — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для работы через библиотеку Transformers. По метаданным модель относится к семейству Qwen2, поддерживает conversational-сценарии и содержит около 7,1 млрд параметров. Максимальная длина контекста составляет 32 768 токенов. Модель может применяться для генерации и продолжения текста, диалоговых ответов, прототипирования ассистентов и других задач, совместимых с pipeline text-generation. README не содержит сведений о разработчике, языках, данных обучения, результатах оценки, точной архитектуре, специализации по названию модели или рекомендуемых сценариях использования. Лицензия в доступных данных не указана. Из-за отсутствия описания обучения и оценки качество, фактическая языковая поддержка, устойчивость ответов и пригодность для специализированных задач не подтверждены; результаты следует проверять перед использованием в критически важных сценариях.

alime-reranker-large-zh — модель-реранжировщик для оценки и переупорядочивания текстовых кандидатов по релевантности. Карточка называет её reranker; по метаданным это плотная модель XLM-RoBERTa с классификационной головой XLMRobertaForSequenceClassification на 658,7 млн параметров, предназначенная для классификации текста. Репозиторий содержит веса PyTorch. Модель может применяться для сортировки результатов поиска или документов по их соответствию запросу. Суффикс zh указывает на ориентацию на китайский язык, однако карточка не приводит подробностей об обучении, метриках или поддерживаемых языках. Родительская модель, лицензия и явные ограничения в доступных данных не указаны.

bartowski/all-hands_openhands-lm-1.5b-v0.1-GGUF — это набор GGUF-квантизаций модели openhands-lm-1.5b-v0.1, разработанной all-hands и подготовленной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для задач программирования и агентных сценариев, связанных с разработкой программного обеспечения. В качестве датасета указана SWE-Gym/SWE-Gym. Модель имеет размер 1,5 млрд параметров, поддерживает текстовый ввод и вывод и ориентирована на английский язык. README не содержит сведений об архитектуре исходной модели и размере контекста. Доступны варианты от BF16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ; размеры файлов составляют примерно от 0,76 до 3,09 ГБ. Квантизированные версии можно запускать через LM Studio, llama.cpp и совместимые проекты. Более высокие уровни квантизации обычно обеспечивают лучшее качество, тогда как варианты Q3 и некоторые низкобитные форматы экономят оперативную память за счёт снижения качества. Модель распространяется по лицензии MIT. README не приводит результатов бенчмарков, подробных сведений о сильных и слабых сторонах исходной модели, поддерживаемых языках помимо английского или максимальной длине контекста, поэтому эти характеристики нельзя надёжно оценить по имеющимся данным.

LinYuting выпустил дообученную модель RoBERTa base для извлечения ответов на вопросы из предоставленного текста. Она основана на deepset/roberta-base-squad2 и предназначена для сценариев question answering, где ответ нужно найти в контексте; базовая модель также определяет вопросы, на которые в контексте нет ответа. Модель содержит 151,8 млн параметров, имеет контекстное окно 514 токенов и представлена в формате TensorFlow. В карточке указаны результаты обучения: эпоха 2, ошибка на обучении 0,2567 и на валидации 1,1199. Датасет дообучения не назван, поэтому качество на других данных по этим метрикам оценить нельзя. Лицензия — CC BY 4.0.

Atlas v21 — экспериментальная плотная модель Gemma 4 на 31 млрд параметров от senaro, дообученная на базе senaro/atlas-gemma4-31b-trm7. Это полная объединённая версия модели с поддержкой текста и изображений; карточка Hugging Face указывает разговорный режим и интерфейс вызова инструментов. Модель предназначена для ответов на вопросы и диалогов в областях математики, естественных наук и общих знаний, а также для бесед на темы психического здоровья. В обучающую выборку вошли рассуждения и диалоги, включая синтетические и очищенные аутентичные примеры. Карточка называет модель экспериментальной. В ней также указано, что настройки отказов от ответа изменены; для безопасного применения автор рекомендует использовать дополнительные механизмы безопасности или системный промпт. Модель распространяется по лицензии Apache-2.0.

Это модель для извлечения ответов на вопросы из текста на португальском языке. Её создал Pierre GUILLOU, дообучив BERTimbau Base (bert-base-portuguese-cased) на португальской версии SQuAD 1.1; обучение проводилось в рамках группы Deep Learning Brasil. Архитектура — BERT base с 136,1 млн параметров, контекст — до 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Модель предназначена для сценариев, где вопрос и содержащий ответ текст подаются вместе, а система извлекает фрагмент текста в качестве ответа. В карточке приведены результаты на тесте: F1 82,50 и exact match 70,49. Модель ориентирована на португальский язык, в частности на бразильский вариант. Модель распространяется по лицензии MIT. Результаты могут зависеть от тематики и качества входного текста; обучающие данные SQuAD могут содержать неотфильтрованный контент и предвзятости.

MMG выпустил испаноязычную модель вопросно-ответной системы на базе BERT. Она дообучена на наборе SQAC поверх mrm8488/bert-base-spanish-wwm-cased-finetuned-spa-squad2-es и предназначена для извлечения ответа на вопрос из предоставленного текста. Модель содержит 137,1 млн параметров, использует архитектуру BertForQuestionAnswering и принимает контекст до 512 токенов; веса доступны в форматах PyTorch и Safetensors. На оценочном наборе SQAC указаны exact match 65,02 и F1 81,67. Модель подходит для испаноязычных систем поиска ответов по текстам. Лицензия в предоставленных данных не указана.

badokorach/bert-finetuned-squad-4 — модель BERT, дообученная автором на основе badokorach/bert-finetuned-squad-3 для ответов на вопросы по предоставленному тексту. В репозитории указано 135,5 млн параметров; модель использует архитектуру BertForQuestionAnswering, формат TensorFlow и контекст до 512 токенов. Модель подходит для поиска ответа в контексте, например, для систем вопросов и ответов по документам. В карточке приведены значение Train Loss 0,0012 и 29-я эпоха, но не названы обучающий набор данных и результаты независимой оценки. Лицензия — Apache-2.0.