I.1Поиск и навигация по информации

nickmuchi/setfit-finetuned-financial-text-classification — модель на базе MPNet, представленная как Sentence-Transformers-энкодер. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель содержит 136,7 млн параметров и рассчитана на контекст до 514 токенов. Название указывает на настройку для классификации финансовых текстов, однако README описывает применение через эмбеддинги и не приводит результатов классификации или подтверждения качества на финансовых данных. Веса доступны в формате PyTorch; лицензия и поддерживаемые естественные языки в предоставленных сведениях не указаны.

SigLIP base patch16-224 — мультимодальная модель Google для сопоставления изображений и текста, предобученная на англоязычных парах WebLI. Она использует архитектуру SigLIP и функцию потерь на основе sigmoid, которая обучает оценивать пары изображение–текст без нормализации по общей матрице сходства. Модель обрабатывает изображения с разрешением 224×224 и текстовые последовательности длиной до 64 токенов. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения и поиска изображений по тексту или текста по изображению. Её можно применять для классификации по пользовательским категориям и поиска подходящих изображений в коллекции. Данные карточки не приводят размер модели и количественные результаты оценки; обучение проводилось на английских парах изображений и текста, поэтому качество для других языков не подтверждено. Лицензия — Apache-2.0.

kornwtp/simcse-model-phayathaibert — модель эмбеддингов предложений на архитектуре CamemBERT, обученная разработчиком с помощью SimCSE на тайской Википедии. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 304,7 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. Модель подходит для поиска семантически близких текстов на тайском языке и группировки предложений по смыслу. Доступны веса PyTorch; лицензия — Apache-2.0. Ограничения: карточка сообщает об обучении на тайской Википедии, поэтому пригодность для других языков и доменов не подтверждена.

google/tapas-mini-finetuned-wtq — компактная модель TAPAS от Google для ответов на вопросы по таблицам. Это BERT-подобный Transformer с архитектурой TapasForQuestionAnswering; в метаданных указаны 12 млн параметров и контекст до 512 токенов. Модель принимает вопрос и таблицу, представленную как последовательность текста, и выбирает ячейки таблицы, формируя ответ с учётом агрегации. Модель предварительно обучалась на англоязычных текстах и таблицах Википедии, затем последовательно дообучалась на SQA, WikiSQL и WikiTable Questions (WTQ). Её можно применять для поиска сведений в таблицах и ответов на вопросы о числах, строках и связях между ячейками. Карточка описывает две версии позиционных эмбеддингов: основную с переустановкой позиции в каждой ячейке и дополнительную no_reset. Модель ориентирована на английский язык и таблицы, похожие на обучающие данные. Лицензия — Apache-2.0. Результаты на WTQ зависят от размера и варианта чекпойнта; карточка приводит для крупных и базовых версий точность на dev около 0,45–0,51, поэтому модель может ошибаться на сложных или непривычно структурированных таблицах.

Tercet-R-1.0 — диалоговая языковая модель семейства Tercet, разработанная автором репозитория kerzgrr. Это дообученная версия kerzgrr/Tercet-base, предназначенная для следования инструкциям, рассуждений и взаимодействия с инструментами через интерфейс вызова функций в формате SmolTalk JSON. Модель построена на гибридной архитектуре TinyGDN: 32 слоя GDN-2 и GQA, со скрытым размером 1024; веса опубликованы в bfloat16. Карточка указывает около 502 млн параметров, тогда как метаданные каталога — 392,2 млн. Нативная длина контекста по метаданным — 32 768 токенов. Модель принимает текст и генерирует текстовые ответы или вызовы инструментов. В карточке описан переключатель режима рассуждений, позволяющий выводить ход рассуждения либо только ответ. Модель ориентирована на англоязычный чат; среди обучающих данных указаны наборы для инструкций, рассуждений и вызова функций. Лицензия — Apache-2.0. Автор характеризует модель как компактную исследовательскую и периферийную модель, а не систему передового уровня. Для запуска требуется flash-linear-attention; совместимость с GGUF и llama.cpp в карточке не заявлена.

Карточка модели biu-nlp/abstract-sim-query-pubmed на Hugging Face совпадает с карточкой biu-nlp/abstract-sim-sentence-pubmed, поэтому описание составлено по ней. biu-nlp/abstract-sim-sentence-pubmed — модель семейства BERT, обученная на предложениях из PubMed для сопоставления текстового описания с подходящими предложениями. Она кодирует запросы и предложения в признаки, пригодные для поиска и оценки смыслового сходства в научных медицинских текстах. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и опубликована в формате PyTorch. Модель подходит для семантического поиска предложений по описаниям и подбора релевантных фрагментов аннотаций PubMed. Карточка не сообщает лицензию и подробности оценки качества.

yahyaabd/allstats-search-mini-v1-2 — модель Sentence Transformers, дообученная автором yahyaabd на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на наборе statictable-triplets-all. Она использует архитектуру BERT с усреднением токенных представлений и преобразует предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Модель предназначена для семантического поиска и сопоставления запросов с названиями статистических таблиц, а также для поиска перефразировок, кластеризации и классификации текста. В README приведён пример поиска по индонезийским статистическим таблицам и результаты оценки на наборе bps-statictable-ir. Базовая модель многоязычная, однако примеры и обучающие данные этой версии сосредоточены на индонезийской статистической тематике. Метаданные указывают контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 128 токенов; на практике следует ориентироваться на ограничение самой модели в 128 токенов. Веса опубликованы в формате safetensors. Условия лицензирования в предоставленных источниках не описаны.

browser-use_bu-30b-a3b-preview-GGUF — GGUF-квантизированная версия модели bu-30b-a3b-preview, разработанной browser-use. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для сценариев browser use, однако README не содержит подробного описания её прикладных возможностей или результатов оценки. Доступны варианты от полноразмерных BF16-весов объёмом 61,10 ГБ до квантизаций Q3–Q8 и IQ. Наиболее качественными и рекомендуемыми названы варианты Q6_K и Q6_K_L; Q4_K_M указан как типичный вариант для большинства сценариев. Модель описана как image-text-to-text и поддерживает английский язык, но сведения об архитектуре, числе активных и общих параметров, длине контекста и фактических визуальных возможностях не приведены. Модель можно запускать через LM Studio, llama.cpp и другие совместимые проекты. Ключевое преимущество — широкий выбор уровней квантизации для компромисса между качеством и требованиями к памяти; ограничение — возможное снижение качества в младших вариантах и отсутствие подробных данных о производительности. Лицензия в README не указана.

Модель KawahakuBenu/fakenews-phobert-vi — классификатор для выявления фейковых новостей на вьетнамском языке. Она дообучена на базе vinai/phobert-base-v2 и использует PhoBERT с объединением представлений CLS, среднего и максимального pooling, а затем полносвязную голову с сигмоидой для бинарной классификации. Веса содержат 162,4 млн параметров, максимальная длина контекста — 258 токенов; модель принимает текст и выдаёт вероятность класса «фейк». Модель предназначена для предварительной проверки новостных публикаций. В README приведены результаты на тестовой выборке из 1 593 примеров: F1-macro 0,9754, AUC-ROC 0,9976 и accuracy 0,97. Обучающая выборка включала 10 617 новостей с автоматическим сбором данных. Возможны ошибки из-за шума в метках, поэтому оценку следует считать вспомогательной и проверять новости по надёжным источникам. Лицензия — MIT.

overthelex/fi-legal-citation-grounded-12b — дообученная на финских юридических материалах модель на базе Google Gemma 4 12B Instruct. Она предназначена для ответов на вопросы по предоставленным фрагментам судебных решений с цитатами вида [doc:ID], точной привязкой к абзацам и отказом отвечать, если источники не подтверждают вывод. Модель обучена методом LoRA на наборе nikohann/fi-legal-sft; README указывает контекст обучения 8192 токена и оценку на 150 примерах, не включавших те же вопросы и контексты, но относящихся к решениям, представленным в обучении. Проверки в обучении отсеивали ответы с несуществующими ссылками, неверной атрибуцией преодолённых или особых мнений, неподходящими номерами абзацев и неподтверждёнными фактами. На указанной оценке дообученная модель реже ошибалась в атрибуции и номерах абзацев и лучше воздерживалась от ответов без подтверждения, чем исходная модель. Эти результаты не доказывают обобщение на ранее не встречавшиеся судебные решения; метрика атрибуции предварительная из-за ошибок в разметке корпуса. Для эксплуатации README рекомендует удалять ссылки на документы, отсутствующие в переданном контексте. Лицензия — Gemma.

munkhbayar-batkhuu/gemma-3-4b-mongolian — текстовая чат-модель на основе Gemma 3 от Munkhbayar Batkhuu. Она дообучена на тщательно отобранном корпусе с преобладанием академических текстов, новостей и книг на монгольском языке в кириллице; также содержит английские тексты. Модель предназначена для ответов на вопросы и диалога на монгольском, особенно в сценариях RAG, где ей передают фрагменты источников и просят отвечать по ним, приводить ссылки и воздерживаться от ответа при нехватке сведений. В карточке также упоминаются перевод, математические задачи и работа со словарём. Модель имеет плотную авторегрессионную архитектуру Gemma3ForCausalLM, около 4 млрд параметров и контекстное окно в метаданных 131 072 токена. При этом README сообщает об обучении на окне 1 280 токенов и заявляет поддержку только текстового ввода, без изображений и файлов. Лицензия — Gemma. Разработчик позиционирует её для исследовательского и образовательного использования, но не для решений с высокими ставками. По оценке автора, ответы заметно надёжнее при наличии источников, однако модель всё ещё может выдумывать факты и ссылки, ошибаться в арифметике и смешивать сведения о разных сущностях. Она обучена на монгольской кириллице, а не на традиционной монгольской письменности; качество английской технической лексики ограничено. Обучение преимущественно на одном вопросе за раз, поэтому модель не рассчитана на последовательный многоходовый диалог; целевой настройки безопасности, достаточной для работы с уязвимыми пользователями, нет.

Модель quarkss/indobert-base-p2-sts-arxiv-id — Sentence Transformer на базе indobenchmark/indobert-base-p2, дообученный для работы с индонезийским текстом. Разработчик дообучил BERT на наборах STS-B и arxiv_paper_cs_id; модель содержит 151,6 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 768. Максимальная длина последовательности — 512 токенов, для сравнения векторов подходит косинусное сходство. Модель предназначена для оценки семантической близости предложений, семантического поиска и поиска перефразирований. В README также указаны кластеризация и классификация текста. Для оценки сходства на наборе sts-dev приведены значения Spearman 0,8422 и Pearson 0,8244 при косинусном сходстве. Модель принимает текст и выдаёт эмбеддинги, которые можно использовать в поисковых и аналитических конвейерах. Модель ориентирована на индонезийский язык и тексты, похожие на обучающие данные, включая заголовки и аннотации научных статей по компьютерным наукам. Для других языков и существенно иных областей качество не подтверждено; вход длиннее 512 токенов превышает указанную максимальную длину последовательности. Сведения о лицензии в предоставленных источниках отсутствуют.

roger33303 дообучил модель unsloth/llama-3.2-3b-instruct-bnb-4bit для генерации текста в формате вопросов и ответов по сайтам. Это плотная авторегрессионная языковая модель семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для диалогового взаимодействия. Метаданные указывают контекст длиной до 131 072 токенов и английский язык. Модель можно применять для ответов на вопросы по содержимому сайта и создания чат-интерфейса для посетителей. Карточка не описывает обучающие данные и качество ответов, поэтому возможности в конкретных сценариях могут зависеть от данных и настройки приложения. Распространяется по лицензии Apache-2.0.

PunjabiSBERT — модель семейства BERT от L3Cube-Pune, дообученная на наборе данных NLI для получения представлений предложений на пенджабском языке. Она предназначена для вычисления семантического сходства между предложениями и извлечения эмбеддингов для поиска или группировки текстов. Модель содержит 264,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель подходит для сравнения пенджабских предложений и построения приложений на основе векторного поиска. Для использования по лицензии CC-BY-4.0 требуется атрибуция. В README отмечена отдельная улучшенная версия для сходства предложений; сведения о её сравнительных результатах здесь не приведены.

CharlieLLL/Qwen3-1.7B-BrowseComp-Worker-SFT-iter1366-0916 — дообученная методом SFT плотная языковая модель семейства Qwen3, созданная на базе Qwen/Qwen3-1.7B. Это полноточный BF16-чекпойнт, подготовленный для оценки в роли worker под управлением оркестратора в задачах поиска и ответа на вопросы BrowseComp и DR9K. Самостоятельные показатели модели README не приводит: опубликованные результаты получены в составе систем с оркестраторами и инструментами поиска. Модель имеет 1,7 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. В README указано, что это SFT-чекпойнт, а не RL-чекпойнт; детали обучающей смеси и оптимизатора не подтверждены. Репозиторий распространяется под лицензией Apache-2.0.

yuxuanw8/qwen3b-rlcr-hotpot-racpo-v1-checkpoint-240 — чекпойнт текстовой генеративной модели семейства Qwen с примерно 3,1 млрд параметров. Модель опубликована пользователем yuxuanw8 и предназначена для запуска через библиотеку Transformers. Название чекпойнта указывает на эксперименты с многошаговым рассуждением и вопросно-ответными задачами HotpotQA, однако README не содержит подробного описания обучения, архитектуры или результатов оценки. Модель поддерживает текстовый и conversational-сценарий использования, имеет контекст до 32 768 токенов и может применяться для генерации ответов, включая задачи, требующие последовательного анализа нескольких фрагментов информации. Метаданные не содержат подтверждённых языковых кодов, сведений о лицензии, датасетах, процедуре обучения или точных показателях качества, поэтому эти характеристики нельзя надёжно определить по доступным материалам. Ограничения включают неполную карточку модели, отсутствие описания рисков, тестов и рекомендаций по применению. Модель может генерировать фактически неверные ответы и не должна использоваться в критически важных решениях без проверки человеком; условия лицензирования необходимо уточнить отдельно.

sadickam/sdgBERT — разработанная в рамках академического исследования в Deakin University модель классификации текста по Целям устойчивого развития ООН (ЦУР). Она дообучена на bert-base-uncased с использованием набора OSDG Community Dataset версии 2023.10 и предназначена для отнесения текстов к первым 16 ЦУР. Модель принимает текст на английском языке; её архитектура основана на BERT и поддерживает последовательности длиной до 512 токенов. Доступны веса в форматах Safetensors и ONNX. Модель можно применять для тематической разметки публикаций, документов и материалов из разных отраслей и академических дисциплин, а также для анализа связи текстов с повесткой устойчивого развития. В карточке приведены accuracy 0,90 и коэффициент корреляции Мэтьюса 0,89. Модель распространяется по лицензии MIT.

Карточка модели mitra-mir/setfit-model-Feb11-Misinformation-on-Numbers-attendance-support-etc на Hugging Face совпадает с карточкой mitra-mir/setfit-model-Feb11-Misinformation-on-Trudeau, поэтому описание составлено по ней. Это модель Sentence-Transformers на базе MPNet, созданная для проекта классификации дезинформации о Джастине Трюдо. Она преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров и рассчитана на контекст до 514 токенов. Её можно применять для поиска текстов, семантически близких к утверждениям о Трюдо, и группировки похожих сообщений. README указывает на обучение с CosineSimilarityLoss, но не приводит сведения о датасете, метриках или точности выявления дезинформации; поэтому качество классификации фактов не подтверждено. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Amu/tao — экспериментальная модель эмбеддингов на архитектуре BERT, опубликованная автором как пробная версия. По README, автор дообучил её на небольшом наборе данных, используя метод, похожий на stella-v2; модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений. Репозиторий содержит веса PyTorch, а заявленная длина контекста составляет 1024 токена. Карточка указывает поддержку китайского языка и лицензию Apache-2.0. Автор характеризует эту версию как тестовую и сообщает о планах выпустить tao-v2 с другой структурой.

agraharr/telecom-snowflake-arctic-embed-s — компактная модель эмбеддингов предложений, дообученная автором agraharr на базе Snowflake/snowflake-arctic-embed-s для поиска по телекоммуникационным текстам. Это двунаправленная BERT-модель типа bi-encoder, построенная на Sentence Transformers; она кодирует запросы и фрагменты документов в векторы размерности 384, сравниваемые по косинусному сходству. Модель содержит около 40 млн параметров, принимает текст с контекстом до 512 токенов и рассчитана прежде всего на английский язык. Модель предназначена для векторного поиска и семантического сопоставления в телеком-сценариях: поиска ответов и документов для RAG, работы с вопросами по 5G, 3GPP, ORAN и сетевым операциям, кластеризации и удаления дубликатов. Её можно использовать для получения кандидатов перед ранжированием в ассистенте. Модель не генерирует ответы; для практических систем её выходные векторы следует сочетать с поиском, ранжировщиком или генеративной моделью. Дообучение проводилось с контрастивной целью на парах запрос—положительный фрагмент и внутрибатчевых отрицательных примерах; в README также описана возможность смешивания телеком- и общих данных. Автор рекомендует форматировать входы как query: и passage:. Лицензия — Apache-2.0. Качество нужно проверять на целевом корпусе: специализация может не улучшать общие задачи, а неанглоязычный поиск не следует считать подтверждённым. Для важных решений найденные материалы требуют проверки по авторитетным источникам.

Англоязычная модель Sentence Transformer, дообученная juanpablomesa на базе BAAI/bge-small-en-v1.5 на примерах из BIOASQ. Она кодирует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства текстов и подбора ответа к вопросу; сходство векторов можно оценивать косинусной мерой. Архитектура состоит из BERT-энкодера, CLS-пулинга и нормализации. Модель содержит около 40 млн параметров, принимает последовательности длиной до 512 токенов и распространяется по лицензии Apache-2.0. Обучающие примеры связывают вопросы с фрагментами ответов из биомедицинской литературы, поэтому модель подходит для поиска релевантных публикаций и фрагментов по англоязычным запросам в биомедицинских корпусах. Она также может использоваться для кластеризации, поиска перефразировок и признаков для классификации текста. Это модель эмбеддингов, а не генератор ответов; заявленная специализация и оценка относятся к обучающим данным BIOASQ, поэтому качество на других областях и языках может отличаться.

BioM-ELECTRA-Large-SQuAD2 — биомедицинская модель для ответов на вопросы, созданная авторами BioM-ELECTRA. Это BioM-ELECTRA-Large, предварительно обученная на аннотациях PubMed и дообученная на SQuAD 2.0; архитектура — плотный ELECTRA с 432,2 млн параметров, формат весов — PyTorch, максимальный контекст — 512 токенов. Модель предназначена для поиска ответов в предоставленном тексте, особенно в биомедицинских материалах, и для задач, подобных BioASQ. В README сообщаются результаты на SQuAD 2.0 dev: F1 87,49 и exact match 84,33; авторы также указывают, что TensorFlow-реализация с послойным затуханием скорости обучения показала иные результаты, поэтому цифры разных реализаций напрямую не сравнимы. Модель принимает текст вопроса и контекста и возвращает текст ответа либо указывает на отсутствие ответа. Лицензия в доступных данных не указана.

sindsub/cybersec-mpnet-finetuned-round2 — дообученная модель Sentence Transformers на базе sindsub/cybersec-mpnet-finetuned, разработанная для получения эмбеддингов текстов по тематике кибербезопасности. Архитектура MPNet с усреднением токенных представлений и нормализацией формирует плотные векторы размерностью 768; сходство текстов можно оценивать косинусной мерой. Модель принимает текст и подходит для поиска и извлечения релевантных предложений и абзацев. В README указаны 2 775 обучающих пар и максимальная длина последовательности 384 токена; метаданные каталога указывают контекст до 514 токенов. Обучение использует MultipleNegativesRankingLoss. Модель ориентирована на англоязычные тексты в области кибербезопасности. Лицензия в предоставленных данных не указана.

macavaney/deepct — модель DeepCT на базе bert-base-uncased, обученная на MS MARCO и подготовленная к использованию в PyTerrier. Она оценивает важность токенов документа для информационного поиска; полученные оценки можно использовать для переписывания документов и повышения качества ранжирования результатов поиска. Модель основана на BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Поддерживается английский язык. Это конвертированная в формат PyTorch версия чекпойнта, выпущенного авторами DeepCT; доступны веса PyTorch и safetensors. Условия лицензии в предоставленных данных не приведены.

macavaney/doc2query-t5-base-msmarco — модель Doc2Query на архитектуре T5-base, подготовленная Маком Эванни на основе t5-base и обученная на MS MARCO. Это конвертированная в формат PyTorch версия контрольной точки авторов Doc2Query, предназначенная для использования с pyterrier_doc2query. Модель принимает текст документа и генерирует вероятные поисковые запросы, которыми можно расширить документ перед построением поискового индекса. Модель содержит 123,8 млн параметров и имеет контекст до 512 токенов. Основной сценарий — расширение документов для информационного поиска; карточка HF помечает её задачей translation, однако README описывает генерацию запросов для расширения документов. Поддерживаемый язык по карточке — английский. Доступны веса PyTorch и safetensors. Лицензия в предоставленных данных не указана.

EMO355 — модель эмбеддингов на базе RoBERTa, разработанная procesaur и дообученная на Jerteh-355. Она предназначена для получения векторных представлений текста, в том числе для оценки сходства предложений и работы с эмоциями и эмоционально-выразительными оттенками на сербском языке. Модель содержит 453 млн параметров, принимает текст и рассчитана на контекст до 514 токенов; для загрузки и использования применяется библиотека sentence-transformers. Модель подходит для сравнения сербских предложений по смыслу и эмоциональной окраске, а также для поиска текстов со сходными эмоциональными характеристиками. Репозиторий распространяется под лицензией Apache-2.0. В предоставленном фрагменте карточки нет количественных оценок качества, поэтому пригодность для конкретного приложения следует проверять на его данных.

Erlangshen-TCBert-330M-Sentence-Embedding-Chinese — китайская модель семейства BERT, разработанная командой Fengshenbang/IDEA-CCNL. Это TCBert с заявленными в карточке 330 млн параметров; метаданные указывают 424,3 млн параметров. Модель предварительно обучена на многочисленных наборах данных классификации тем с помощью контрастного обучения на основе промптов, чтобы формировать представления предложений для задач тематической классификации. Модель рассчитана на китайский текст, имеет контекст до 512 токенов и опубликована в формате PyTorch. Её можно применять для получения векторных представлений предложений, тематической классификации и оценки сходства предложений, в том числе с промптами и whitening, как описано в карточке. Метаданные Hugging Face задают задачу fill-mask, поэтому модель также может предсказывать замаскированные токены. Лицензия — Apache-2.0. Карточка приводит результаты экспериментов на TNEWS, CSLDCP и IFLYTEK; показатели зависят от шаблонов промптов и обработки представлений. Для получения векторов и выполнения задач классификации потребуется подходящий downstream-код; самой карточкой не заявлены отдельные специализированные области применения помимо классификации тем.

Gen-Searcher-8B — мультимодальная модель-агент, разработанная авторами проекта Gen-Searcher: Reinforcing Agentic Search for Image Generation. Она предназначена для подготовки обоснованных запросов к генерации изображений: модель ищет информацию в интернете, просматривает источники и визуальные примеры, а затем рассуждает по найденным данным. Это дообученная на данных GenSearcher/Train-Data плотная модель Qwen3-VL-8B-Instruct с архитектурой Qwen3VLForConditionalGeneration; репозиторий содержит веса safetensors и рассчитан на работу через Transformers. Модель принимает текст и изображения и выдаёт текстовые ответы в диалоге. В описанном сценарии она может поддерживать поиск и анализ сведений из нескольких источников, а также поиск визуальных референсов перед генерацией; сама генерация изображений выполняется отдельной моделью-генератором. В README сообщается о приросте более 15 пунктов на бенчмарках KnowGen и WISE и о переносимости на разные генераторы изображений. Лицензия — Apache-2.0.

ai4data/gliner2_datause — модель GLiNER2, дообученная ai4data на fastino/gliner2-large-v1 для извлечения упоминаний источников данных из экономических научных статей. Она размечает фрагменты текста тремя типами: NAMED_DATA для названий и аббревиатур конкретных источников, DESCRIPTIVE_DATA для описаний источника без названия и VAGUE_DATA для общих упоминаний данных без идентифицируемого источника. Модель предназначена для поиска наборов данных, обследований, переписей и реестров в исследовательских публикациях. В проверке на отложенной выборке набора data-use-mentions-extended указаны лучшие F0.5 0,8645 при пороге 0,7 и F1 0,8632 при пороге 0,6; сравнение в README также показывает результаты извлечения и скорость обработки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает контекстное окно и языковой охват, поэтому описание не предполагает поддержку конкретных языков.

Это дообученная на HotpotQA модель bactrianus на базе Meta Llama 3 8B Instruct, предназначенная для выбора предложений, подтверждающих ответ на вопрос с несколькими переходами между фактами. На вход она получает вопрос и отобранные абзацы, а генерирует названия абзацев и нулевые индексы предложений с предполагаемыми подтверждающими фактами; результат можно передать следующему модулю для подготовки ответа. Модель рассчитана на англоязычные входы в стиле HotpotQA и каскад, где сначала отбираются абзацы, а затем предложения. Это генеративная плотная архитектура Llama с 7,5 млрд параметров и контекстом 8192 токена, доступная в формате Safetensors и используемая через Transformers. Лицензия — Llama 3. Название «Retriever» здесь не означает поиск по корпусу: модель выбирает факты только среди переданных абзацев. Она зависит от полноты отбора абзацев и точного сохранения заголовков, порядка предложений и нулевой индексации; сгенерированные пары нужно проверять на соответствие входу. Карточка не содержит результатов оценки, а точный исторический промпт и сведения об окружении неполны.