I.1Поиск и навигация по информации

TAPAS — модель Google на архитектуре BERT, дообученная для ответов на вопросы по таблицам на датасете WikiTableQuestions (WTQ). Базовая версия содержит 136,7 млн параметров; модель использует двунаправленное представление текста и таблиц, а для выбора ответа — специальные головы выбора ячеек и агрегации. В репозитории доступны веса PyTorch и TensorFlow. Модель принимает вопрос и таблицу, преобразованную в последовательность токенов, и предназначена для поиска ответа в таблице, включая выбор ячеек и агрегацию значений. Она предварительно обучалась на англоязычных данных Википедии, а затем последовательно дообучалась на SQA, WikiSQL и WTQ. Карточка приводит точность 45,25% на dev для базовой версии с абсолютными позиционными эмбеддингами; результаты зависят от варианта чекпойнта и подготовки таблицы. Указанный лимит контекста — 1024 токена; при описанной настройке дообучения использовалась максимальная длина последовательности 512. Модель ориентирована на английский язык и табличные данные. Лицензия — Apache-2.0.

trakad-embed-v2 — Hakan Sabuniş разработал модель эмбеддингов для семантического поиска по турецкой академической литературе. Это дообученная версия sentence-transformers/paraphrase-multilingual-mpnet-base-v2: её обучали на 633 тысячах пар заголовок–аннотация турецких диссертаций с подбором сложных отрицательных примеров по тематике и contrastive loss. Модель построена на XLM-RoBERTa, содержит 305,2 млн параметров и преобразует текст в 768-мерные векторы; для сравнения используется косинусное сходство. Контекст — до 514 токенов. Модель предназначена прежде всего для поиска релевантных научных работ и извлечения документов в RAG-системах на турецком языке. В оценке для TürkResearcher сообщается о росте точности цитирования на 9,9% и faithfulness на 7,8% относительно базовой модели, а для категории компьютерных наук — о приросте 42,6%. Эти результаты относятся к описанному в карточке RAG-сценарию. Модель распространяется под лицензией Apache-2.0; для обучения использованы аннотации диссертаций YÖK с лицензией CC-BY-4.0.

VenkatManda/V1 — дообученная модель BERT-tiny, разработанная на основе prajjwal1/bert-tiny и обученная на датасете SQuAD v2. Она предназначена для ответов на вопросы по предоставленному тексту: модель извлекает ответ из контекста, а обучение на SQuAD v2 поддерживает сценарии, где контекст может не содержать ответа. Архитектура — компактная BERT-модель с 4,4 млн параметров и контекстом до 512 токенов; репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не приводит результатов оценки или подробных ограничений качества, поэтому пригодность для конкретных данных следует проверять отдельно. Модель ориентирована на англоязычный набор данных SQuAD v2; сведения о поддержке других языков не приведены.

EMBO разработала SODA-VEC с функцией потерь VICReg Exact для получения векторных представлений биомедицинских текстов. Модель основана на ModernBERT-base с 149 млн параметров; она кодирует текст в L2-нормированные эмбеддинги размерности 768 с помощью усреднения представлений токенов. Контекст модели — до 8192 токенов. Модель предназначена для семантического поиска и оценки сходства научных текстов в биомедицине и науках о жизни. Она обучена на 26,5 млн пар заголовков и аннотаций из PubMed Central и оценивалась на задачах поиска, сопоставления текстов и различения научных областей. Лицензия — Apache-2.0.

sentence-transformers/bert-large-nli-max-tokens — модель sentence-transformers, обученная командой Sentence Transformers. Она преобразует предложения и абзацы в плотные эмбеддинги размерностью 1024, предназначенные для поиска семантически близких текстов и кластеризации. Архитектура основана на BERT; модель содержит 433,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель можно использовать для семантического поиска, сравнения предложений и группировки текстов по смыслу. Доступны версии весов в форматах PyTorch, TensorFlow, Flax, ONNX и OpenVINO. Репозиторий распространяется по лицензии Apache-2.0. В карточке авторы предупреждают, что модель устарела и выдаёт эмбеддинги низкого качества, поэтому для новых проектов рекомендуют выбрать более современные модели Sentence Transformers.

Модель SentenceTransformer, созданная дообучением BAAI/bge-m3 для поиска по тайскому земельному и имущественному налоговому законодательству. Она преобразует предложения и абзацы в плотные векторы размерностью 1024; сходство текстов оценивается косинусной мерой. Архитектура включает XLM-RoBERTa, слой пулинга по CLS-токену и нормализацию векторов. Максимальная длина входа — 8192 токена, число параметров — 658,7 млн. Модель предназначена для семантического поиска и сопоставления запросов с фрагментами законов, а также может использоваться для поиска похожих формулировок и группировки текстов. Обучение выполнено на парах запросов и релевантных и нерелевантных фрагментов; примеры и данные обучения относятся к тайскому закону о земельном и имущественном налоге. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

Cluster Router — дообученная модель-классификатор PeytonT для маршрутизации задач в подходящий кластер репозиториев, научных статей или понятий перед более затратным этапом анализа. Она предназначена для поискового стека Repository Library и может использоваться в сценариях извлечения, ранжирования и планирования внутри этой системы. Модель построена на энкодере BERT из sentence-transformers/all-MiniLM-L6-v2, имеет около 25,9 млн параметров и контекст до 512 токенов. Она принимает текст и выдаёт метку класса; заявленная метрика обучения — accuracy. Данные для обучения включают граф репозиториев и фрагменты кода из конвейера GitHub-репозиториев Repository Library. Карточка не содержит внешнего отчёта о бенчмарках или аудита, а результаты следует проверять в целевом процессе перед развёртыванием. Модель является компонентом исследовательской системы, и её карточка не заявляет гарантий безопасности или пригодности для промышленного использования. Лицензия в доступных данных не приведена.

ai4data разработала devdata-search-multilingual-e5-small-cgist-guide-e5cmnrl — компактную модель-биэнкодер для создания текстовых эмбеддингов и поиска по структурированным статистическим метаданным. Это дообученная версия intfloat/multilingual-e5-small на наборе DevDataBench с архитектурой BERT и 124,3 млн параметров. При обучении порядок полей случайно переставлялся, а часть полей исключалась, чтобы модель связывала смысл данных с названиями полей, а не с порядком их сериализации. Для поиска запросы следует кодировать с префиксом «query: », а документы — с «passage: ». Максимальная длина последовательности — 512 токенов. Модель предназначена для получения эмбеддингов и последующего поиска или сравнения текстов; это не готовый поисковый сервис. Лицензия — Apache-2.0.

ai4data/devdata-search-multilingual-e5-small-cmnrl — компактная модель эмбеддингов с архитектурой BERT, разработанная ai4data для семантического поиска по структурированным статистическим метаданным. Это дообученная версия intfloat/multilingual-e5-small, обученная на DevDataBench с функцией потерь cmnrl и перестановкой полей и их пропуском при сериализации, чтобы представление данных меньше зависело от порядка полей. Модель кодирует запросы и записи отдельно; при использовании Sentence Transformers для запросов применяется префикс «query: », а для документов — «passage: ». Она предназначена для поиска и сопоставления записей, а не является готовым поисковым сервисом. Модель содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные эмбеддинги для извлечения признаков и оценки сходства предложений. Базовая модель многоязычная, поэтому подходит для семантического поиска на разных языках; конкретный перечень языков в предоставленных данных не задан. Репозиторий использует формат safetensors и библиотеку Sentence Transformers. Лицензия — Apache-2.0.

ethicalabs/Echo-DSRN-v0.1.4-Research-Intent-CLF — модель классификации исследовательских статей от ethicalabs.ai, созданная для проекта OpenAIRE AI Hackathon 2026. Она присваивает статьям одну из шести меток: Methodology, Dataset, Review, Applied, Theoretical или Unclassifiable. Последняя метка предназначена для текстов, отмеченных несколькими LLM-судьями как нечитаемые, неанглоязычные или неакадемические. Модель построена на плотной архитектуре Echo и дообучена с пятью до шести классов на базе ethicalabs/Echo-DSRN-v0.1.3-Research-Intent-CLF. В метаданных указано 49,9 млн параметров, а в README — 98,3 млн; размер модели поэтому приводится с расхождением в источниках. Контекст составляет 2048 токенов. Обучение проводилось на наборе Research-Intent-Collab из 10 001 статьи с разбиением на обучающую, валидационную и тестовую выборки. На официальной тестовой выборке из 1001 примера заявлена точность 0,7353. Модель принимает текст и выдаёт метку класса; предназначена для англоязычных научных статей. Модель распространяется по лицензии CC BY 4.0. Её качество зависит от соответствия входного текста научным статьям и тематике обучающих данных; класс Review показал наиболее слабый F1 среди приведённых в README классов. В описании результатов также упоминаются ошибки смешения Review с Applied.

abhi1nandy2/EManuals_RoBERTa — модель семейства RoBERTa, представленная автором abhi1nandy2. Она предназначена для извлечения признаков из текста и может использоваться как основа для получения текстовых представлений в сценариях поддержки клиентов и вопросно-ответных систем. Модель содержит 151,8 млн параметров, принимает текст и имеет контекстное окно до 514 токенов. В метаданных указаны реализация на PyTorch и формат весов PyTorch. Карточка README не содержит описания обучения или результатов, поэтому специализация на руководствах и качество в конкретных задачах не подтверждены. Лицензия в предоставленных метаданных не указана.

Holo3.1-35B-A3B-GGUF — мультимодальная vision-language модель для компьютерных агентов, разработанная H Company. Она предназначена для навигации и автоматизации действий в веб-браузерах, настольных и мобильных интерфейсах, а также для задач UI grounding, бизнес-процессов и интеграции с агентными фреймворками. Модель поддерживает native function calling и ориентирована на локальное развертывание. Модель относится к семейству Holo3.1 и построена на базе моделей Qwen 3.5; в README также указана MoE-архитектура. Вариант Holo3.1-35B-A3B доступен в формате GGUF с квантизацией Q4, а также в вариантах BF16, FP8 и NVFP4. Заявлен английский язык. Модель работает с текстом и визуальной информацией, но размер контекстного окна в предоставленных данных не указан. К сильным сторонам относятся поддержка компьютерного использования в веб-, настольных и мобильных средах, функции для построения агентов и возможность более экономичного локального запуска благодаря квантизации. README заявляет высокие результаты в бенчмарках компьютерного использования, мобильной автоматизации, корпоративных рабочих процессов и UI grounding, однако подробные числовые показатели не приведены. Ограничения, требования к оборудованию и точные параметры контекста также не указаны; для GGUF-варианта могут потребоваться совместимые средства инференса. Модель распространяется по лицензии Apache 2.0.

hop-1-gemma-270m — текстовая модель, дообученная автором карточки на базе Google Gemma 3 270M IT для первого шага многошагового ответа на вопросы. На вход она получает вопрос и инструкцию с заданной схемой, а выдаёт YAML с полями thought, action и target_entity: указывает первый факт или сущность, которые следует найти. Модель не ищет документы, не выполняет последующие шаги и не формирует окончательный ответ. Модель имеет плотную архитектуру Gemma3ForCausalLM и около 257 млн параметров; заявленная длина контекста — 32 768 токенов. Для обучения использованы 379 размеченных вопросов HotpotQA, ещё 95 отложены для оценки. В описанном тесте точность выбора целевой сущности составила 85,3%, а точное совпадение с ответом учителя — 62,1%; результаты менялись между повторными запусками. Модель рассчитана на английские вопросы и требует фиксированной системной инструкции с форматом ответа. Автор сообщает, что модель можно запускать локально и офлайн, что подходит для сценариев без передачи данных внешнему сервису. При генерации необходимо перевести модель в режим оценки через model.eval(): иначе активный dropout может вызвать зацикливание символов. Лицензия — Gemma; используйте модель в соответствии с её условиями.

Pustekhan-ITB/indoedu-e5-base — модель Sentence Transformer, разработанная как дообучение intfloat/multilingual-e5-base на индонезийском наборе stsb-indo-edu. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений; модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель предназначена прежде всего для оценки семантического сходства индонезийских текстов, семантического поиска, поиска перефразировок и кластеризации. Эмбеддинги также можно применять для классификации текста и поиска по смыслу. В карточке приведены низкие результаты на тестах сходства stsb-indo-edu (Spearman 0,1512), поэтому качество для конкретной задачи следует проверять отдельно. Лицензия в предоставленных данных не указана.

ml6team разработала KBIR-inspec — модель RoBERTa для извлечения ключевых фраз из английского текста. Модель дообучена на наборе Inspec и решает задачу как разметку токенов: определяет начало и продолжение ключевой фразы, а также токены вне неё. В основе KBIR лежит предварительное обучение с задачами языкового моделирования, восстановления границ ключевых фраз и классификации замен ключевых фраз. Модель предназначена прежде всего для извлечения ключевых фраз из аннотаций научных публикаций в областях информатики, управления и информационных технологий. Она принимает текст и выдаёт метки токенов, которые можно объединить в фразы. Размер составляет 454,1 млн параметров, максимальная длина контекста — 514 токенов. По оценке на тестовой части Inspec значение F1@M составляет 0,56. Модель работает только с английскими документами и ориентирована на научные аннотации; для текстов из других областей её авторы не рекомендуют применение без собственной проверки. Репозиторий распространяется по лицензии MIT.

kmad00/legal-colbert-extractor — англоязычная модель поиска и извлечения положений из реальных коммерческих договоров, разработанная kmad00. Она дообучена на базе lightonai/GTE-ModernColBERT-v1 и использует архитектуру ModernBERT с поздним взаимодействием ColBERT: представляет токены 128-мерными векторами и оценивает совпадение запросов и фрагментов документов по MaxSim. Модель содержит 149 млн параметров, поддерживает контекст до 8192 токенов и работает через PyLate; автор отмечает, что её можно запускать на CPU. Модель предназначена для поиска договорных положений в текстах реальных договоров, в том числе условий о расторжении, уведомлениях, возмещении убытков, конфиденциальности, ограничении ответственности и применимом праве. Для лучших результатов запрос следует формулировать как описание нужного положения, а длинные документы делить на фрагменты примерно по 180–220 слов; запросы ограничиваются 48 токенами, фрагменты — 300 токенами. В слепой оценке на договорах из SEC EDGAR модель показала NDCG@10 0,7781. Лицензия — CC-BY-4.0. Модель рассчитана на англоязычные коммерческие договоры в американском стиле. Много-векторное хранение требует больше места, чем одно-векторные эмбеддинги; на шаблонных формулировках договорных положений модель немного уступает родственному clause-retriever, а для типов условий вне обучающей таксономии уверенность ниже.

LongCLIP-B — модель семейства LongCLIP, представленная в репозитории creative-graphic-design. Она расширяет возможности CLIP для сопоставления изображений и текста: текстовый энкодер принимает до 248 токенов вместо 77 у исходного CLIP, что помогает учитывать подробные описания. Вариант Base использует 12-слойный текстовый энкодер размерности 512 и 12-слойный визуальный энкодер размерности 768; в README для него указано около 150 млн параметров. Веса размещены в формате safetensors. Модель предназначена прежде всего для классификации изображений по текстовым описаниям без дополнительного обучения и для поиска соответствий между изображениями и длинными подписями. Её также можно использовать как основу для мультимодального поиска и оценки качества автоматических подписей; README упоминает интеграцию с генерацией изображений и визуальными вопросами, но не приводит подробностей реализации этих сценариев. Карточка заявляет прирост Recall@5 на задачах поиска по длинным подписям и на обычном поиске. Модель связана с OpenAI CLIP и описана как совместимая замена CLIP в существующих сценариях. Лицензия — MIT. По карточке и метаданным основной язык — английский. В оценках и применении следует учитывать, что приведённые показатели относятся к retrieval-бенчмаркам, а поддержка визуальных вопросов и генерации не подтверждена отдельными данными в карточке.

LumynaX Reranker BGE v2 M3 — ранний эксперимент AbteeX AI Labs, построенный на BAAI/bge-reranker-v2-m3. Это переранжировщик на архитектуре XLM-RoBERTa с 658,7 млн параметров: он оценивает релевантность пары «запрос — текст» и помогает улучшить порядок результатов поиска. Модель рассчитана на многоязычный поиск; в карточке указаны английский и маори. Максимальная длина контекста — 8194 токена. В этом выпуске исходные веса BAAI/bge-reranker-v2-m3 не изменены: README описывает интеграцию через маршрутизацию во время выполнения и связывание идентичности модели. Указанная лицензия — MIT. Выпуск устарел, больше не поддерживается и не рекомендуется для производственного использования; README также предупреждает, что он не отражает текущие возможности и стандарты безопасности AbteeX AI Labs.

XythicK/microsoft_Fara-7B-GGUF — вариант модели Fara-7B, разработанной Microsoft Research. Это компактная мультимодальная decoder-only модель с 7 млрд параметров, предназначенная для управления компьютером и выполнения задач в браузере. Модель принимает текстовую цель пользователя, скриншоты текущего состояния и историю предыдущих рассуждений и действий, а затем генерирует текстовое рассуждение и вызов инструмента с параметрами действия, например координатами клика. Заявленная длина контекста составляет 128K токенов, основной язык — английский. Модель ориентирована на многошаговую автоматизацию веб-задач: поиск информации, покупки, бронирование поездок и ресторанов, заполнение рабочих сценариев и другие действия в интерфейсе. К сильным сторонам относятся небольшой для такого класса размер, мультимодальное восприятие экранов, планирование действий на высоком уровне и возможность локального запуска с потенциальными преимуществами по приватности и задержке. Обучение проводилось на синтетических траекториях действий, созданных и проверенных многоагентным конвейером; производственные базовые решения используют Qwen 2.5-VL. Ограничения включают поддержку только английского языка, отсутствие оценки для всех возможных прикладных сценариев и типичные риски языковых моделей, связанные с точностью, безопасностью и справедливостью. Модель обучена отказываться от опасных и регулируемых задач, а также останавливаться перед критическими действиями, включая ввод персональных данных, покупки, отправку писем, подачу заявлений и вход в аккаунты. В README указана лицензия MIT; конкретные характеристики GGUF-квантизации для данного варианта не приведены.

DeepMount00/ModernBERT-base-ita — итальянская версия ModernBERT-base, двунаправленного энкодера Transformer для предсказания замаскированных токенов. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и принимает последовательности длиной до 8192 токенов. Вариант подготовлен для итальянского языка; исходный ModernBERT обучался преимущественно на английском тексте и коде. Модель подходит для заполнения пропусков в тексте и может служить энкодером для задач поиска и классификации длинных документов. В README описаны для семейства ModernBERT RoPE, чередование локального и глобального внимания и оптимизации Flash Attention и unpadding. Репозиторий содержит веса Safetensors, использовать их можно через библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. Среди ограничений — возможное снижение качества на языках, отличных от итальянского, а обработка последовательностей, близких к максимальной длине, может быть медленнее коротких входов.

Это англоязычная модель-переранжировщик для научных статей, созданная дообучением cross-encoder/ms-marco-MiniLM-L6-v2 на обучающей части набора QASPER. Она оценивает пары «вопрос — фрагмент статьи» и переставляет найденные поиском фрагменты по тому, насколько хорошо они отвечают на вопрос. Модель предназначена для этапа поиска в RAG-системах: например, она может упорядочить 20 кандидатов гибридного поиска, чтобы передать языковой модели наиболее релевантные отрывки. Модель использует архитектуру BERT в варианте cross-encoder, содержит 25,9 млн параметров и принимает текстовые пары с контекстом до 512 токенов. На тестовом разделении QASPER связка гибридного поиска с этим переранжировщиком показала Hit@4 79,6% и MRR@10 0,637; результаты относятся к описанному эксперименту на научных статьях на английском языке. Модель распространяется по лицензии Apache-2.0.

nasa-impact/nasa-smd-ibm-st, также называемая Indus-st, — биэнкодерная модель Sentence Transformers, разработанная IBM Research совместно с NASA Science Mission Directorate. Это дообученная версия энкодера nasa-smd-ibm-v0.1 семейства Indus; в метаданных указана архитектура RoBERTa и 151,8 млн параметров. Модель независимо кодирует пары предложений и оценивает их близость по косинусному сходству. Модель предназначена для поиска и извлечения научной информации, семантического поиска и сравнения предложений, в особенности по материалам NASA SMD. Она обучалась на большом наборе пар предложений и на 2,6 млн пар заголовков и аннотаций из документов NASA SMD. Принимает английский текст, выдаёт векторные представления для вычисления сходства. Контекст — до 514 токенов. Лицензия — Apache 2.0. Карточка помечает модель как устаревшую и предназначенную для архивного использования, рекомендуя обновлённую версию. В ней также указано, что модель находится на экспериментальной стадии; результаты могут уступать обновлённой версии, а заявленная специализация на материалах NASA SMD не гарантирует качество в других предметных областях.

NLP Taxonomy Classifier — модель на архитектуре BERT, разработанная Tim Schopf и дообученная для классификации научных публикаций по таксономии обработки естественного языка. Она присваивает тексту несколько меток из разных уровней таксономии; если предсказан узкий термин, модель также предсказывает его родительские категории. Модель обучена на слабой разметке 178 521 научной статьи из ACL Anthology, категории arXiv cs.CL и Scopus, а исходные веса взяты из allenai/specter2_base. Модель предназначена для тематической систематизации и анализа корпуса исследований по NLP. В тестировании на 828 вручную размеченных статьях EMNLP 2022 средние micro-метрики составили F1 93,21, полнота 93,99 и точность 92,46. Это текстовый классификатор на базе Transformers с контекстом до 512 токенов; метаданные указывают 137,1 млн параметров и поддержку английского языка. Лицензия — BSD-3-Clause. Качество может зависеть от дисбаланса классов и слабой разметки обучающих данных; оценка приведена на тестовом наборе научных публикаций и не гарантирует таких же результатов на других корпусах.

nomic-embed-text-v1-unsupervised — текстовый энкодер семейства NomicBert, выпущенный Nomic AI как промежуточный чекпойнт многоэтапного контрастивного обучения. Он предназначен для преобразования текста в эмбеддинги, пригодные для вычисления семантического сходства и других задач поиска по векторному представлению. Модель принимает текст и формирует векторные представления; заявленная длина контекста составляет 8192 токена. В метаданных указаны английский язык, библиотека sentence-transformers и форматы PyTorch и ONNX. Это артефакт обучения, а не рекомендуемая для обычного извлечения эмбеддингов версия: автор предлагает для практического использования nomic-embed-text-v1. Лицензия Apache-2.0. Карточка не сообщает дополнительных ограничений по качеству или применению.

blackmlengineer/occucoder-en-grande-v0 — текстовая Sentence Transformer модель на архитектуре BERT, разработанная blackmlengineer и дообученная на обучающем наборе из 991 580 пар и троек текстов. Она преобразует предложения и короткие абзацы в плотные векторы размерности 512; сходство между векторами можно оценивать косинусной мерой. Модель подходит для поиска и сопоставления коротких текстов, включая семантическое извлечение релевантных результатов. Максимальная длина входа — 32 токена. При обучении использовалась функция MultipleNegativesRankingLoss на примерах с якорным текстом, положительным и отрицательным соответствиями. Обучающие примеры связаны с названиями профессий и близкими категориями, поэтому применимость за пределами такого рода коротких текстовых соответствий может быть ограничена. Репозиторий содержит веса safetensors; лицензия в доступных данных не приведена.

OpenThaiGPT 1.5 7B Instruct — чат-модель команды OpenThaiGPT для общения на тайском языке и ответов на вопросы, в том числе по темам, связанным с Таиландом. Это плотная авторегрессионная модель семейства Qwen2, дообученная на более чем 2 млн тайских пар инструкций. Она поддерживает диалог в несколько ходов, вызов инструментов и применение в системах с дополненной поиском генерацией (RAG). Модель принимает текст и генерирует текст; заявлены тайский и английский языки. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В README описано расширение контекста с помощью YaRN для более длинных входов, но отмечено, что текущая конфигурация рассчитана на 32 768 токенов. Репозиторий содержит веса safetensors и GGUF. Модель предназначена для тайскоязычного чата, ответов на вопросы и интеграции с внешними функциями и данными. README сообщает о высоких результатах на тайских экзаменах, однако такие бенчмарки не гарантируют точность в конкретных пользовательских сценариях. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

piedomains-text — многоязычный классификатор веб-сайтов, разработанный авторами проекта piedomains. Он определяет категории сайта по тексту его главной страницы и предназначен для автоматической классификации доменов по 44 категориям; результат может включать несколько категорий, если вероятности превышают заданный порог. Модель основана на ModernBERT, дообучена на jhu-clsp/mmBERT-base, содержит 306,9 млн параметров и принимает контекст до 8192 токенов. На отложенной выборке из 4382 документов точность составила 0,818, а macro-F1 — 0,758; температурная калибровка снизила ECE с 0,0490 до 0,0168. Модель намеренно допускает пересечение категорий, например, сайт автодилера может относиться и к покупкам, и к автомобилям. Известен существенный дефект: метка drugs часто ошибочно присваивается обычным интернет-магазинам; авторы также отмечают слабые результаты для категорий urlshortener, library, socialnet и shopping. Лицензия — MIT.

Модель veronica320/QA-for-Event-Extraction — компонент системы извлечения событий, представленной в статье ACL 2021 «Zero-shot Event Extraction via Transfer Learning: Challenges and Insights». Это модель вопросно-ответного типа на архитектуре RoBERTa-large с 454,1 млн параметров, дообученная на QAMR. Она принимает вопрос и текстовый контекст и извлекает из контекста ответ, например участника события, о котором спрашивает пользователь. Модель предназначена для использования отдельно через Transformers AutoModelForQuestionAnswering или как часть системы извлечения событий из статьи. Контекст составляет до 514 токенов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

MMOPD/Qwen3-1.7B-OT3-tau — плотная языковая модель Qwen3 с 1,7 млрд параметров, разработанная MMOPD. Это дообучение MMOPD/Qwen3-1.7B-OT3-2ep методом supervised fine-tuning на траекториях использования инструментов Tau2 из inclusionAI/AReaL-tau2-data. Базовая модель ранее была дообучена на OpenThoughts3-1.2M и поддерживает режим рассуждений. Модель предназначена для диалоговых сценариев с несколькими ходами, где ассистент рассуждает и вызывает инструменты. Обучение охватило 33 531 траекторию; шаблон чата унаследован от базовой модели. Нативное окно контекста — 32 768 токенов, модель работает через Transformers и распространяется в формате safetensors. Модель может воспроизводить как успешные, так и неуспешные эпизоды использования инструментов: в обучении использовались все траектории Tau2 независимо от результата. В README не приводятся результаты оценки на отложенных данных Tau2. Также модель унаследовала ограничения базовой модели и не проходила отдельную настройку безопасности сверх неё и обучающих данных. Лицензия — Apache-2.0.

Aman/selfrag-zh_baichuan2_7b_chat — китайская версия Self-RAG, разработанная на базе Baichuan2-7B-Chat. Модель дообучена на примере данных Belle SFT с чередованием фрагментов из китайской Википедии. Она генерирует текст и предназначена для ответов с опорой на предоставленные отрывки, используя токены саморефлексии Self-RAG, согласованные с оригинальной англоязычной версией. Модель имеет плотную архитектуру BaichuanForCausalLM и 7 млрд параметров, работает с текстом и поддерживает контекст до 4096 токенов. Основной язык версии — китайский. Лицензия — MIT. Автор отмечает, что качество критической модели ограничено из-за объёма и качества обучающих данных; при генерации через vLLM наблюдались ошибки, поэтому использовался стандартный метод генерации Transformers.