I.1Поиск и навигация по информации

rafmacalaba/gliner2_datause — дообученная модель GLiNER2, созданная для извлечения упоминаний источников данных из экономических исследовательских статей. Она выделяет названия и акронимы конкретных наборов данных, описательные упоминания неназванных источников и общие формулировки о данных без идентифицируемого источника. Модель предназначена для разметки текста и поиска упоминаний датасетов, опросов, переписей и реестров в корпусах научных публикаций. В тестировании на отложенной выборке лучший F1 составил 0,8418 при пороге 0,4, а лучший F0.5 — 0,8419 при пороге 0,6. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Diluner публикует дообученный методом supervised fine-tuning чекпойнт Qwen3-1.7B, обученный на примерах от учителя gpt-5.4-mini. Это финальная версия третьего этапа последовательной цепочки BabyAI → TextCraft → SearchQA: модель прошла по пять эпох на каждом этапе, а этап SearchQA включал 935 обновлений оптимизатора. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов; репозиторий содержит веса Safetensors и предназначен для использования через Transformers. Модель генерирует текст и поддерживает диалог. Её обучали для задач BabyAI, TextCraft и SearchQA; в тестировании SearchQA средний успех составил 46,375% по четырём попыткам на каждую задачу. Результат относится к одному чекпойнту и одной последовательной цепочке обучения, поэтому он не подтверждает обобщённое преимущество метода или воспроизводимость между разными запусками. В README лицензия не заявлена: условия использования следует сверять с лицензией базовой модели и применимыми условиями; публичный доступ к репозиторию сам по себе не задаёт лицензию.

Модель nahinfarhan/hadith-retriever-bn-v2 — текстовый Sentence Transformer, дообученный автором на базе intfloat/multilingual-e5-base для поиска хадисов. Она преобразует запросы и фрагменты текста в нормализованные плотные векторы размерностью 768 и предназначена для поиска по семантическому сходству с косинусной мерой. В обучающих примерах запросы и тексты хадисов на бенгальском языке сопоставлены как пары «запрос — релевантный фрагмент». Архитектура включает XLM-RoBERTa с усреднением токенных представлений и нормализацией; метаданные указывают 305,2 млн параметров и контекст до 514 токенов, тогда как README указывает максимальную длину последовательности 256 токенов. Модель принимает и выдаёт текстовые представления; её основное назначение — извлечение эмбеддингов для поиска, а не генерация ответов. Лицензия в предоставленных сведениях не указана.

Kanha-AI/kanha-kanha.ai-1.7b-grounded-qlora-2ep-v1 — дообученная методом QLoRA модель Qwen3-1.7B от Kanha AI для ответов на вопросы по предоставленному контексту с источниками. Это плотная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов; карточка указывает поддержку английского языка и диалогового режима. Модель предназначена для контролируемой оценки ответов на вопросы по сайтам и для исследований методов обучения на наборе данных, полученном с сайта Kanha. При генерации модель должна опираться на переданный извлечённый контекст. Если ответа в контексте нет, обученный формат предписывает сообщить об этом заданной фразой. В оценке на 26 примерах полнота для дат и URL составила 1,0, для чисел — около 0,97, а доля детерминированных успешных ответов — около 0,42; результаты ограничены указанным набором и не подтверждают пригодность для браузерного или пользовательского развёртывания. Модель может выдавать неверные, неполные или устаревшие ответы и запоминать обучающие данные. Лицензия в предоставленных сведениях не указана.

Модель Scarlet Abreu и Renso Peralta для Dominican News Question Answering Challenge. Она принимает вопрос и новостной контекст и извлекает ответ непосредственно из текста. Модель дообучена для экстрактивного вопросно-ответного поиска на наборе Lisibonny/pdqa, чтобы учитывать его особенности разметки и улучшать Exact Match. В основе лежит RoBERTa для испанского языка, уже настроенная на экстрактивный QA. В метаданных указаны архитектура RobertaForQuestionAnswering, 151,8 млн параметров и контекст до 514 токенов. Модель ориентирована на вопросы по доминиканским новостям; лицензия — Apache 2.0. На валидационной выборке авторы сообщают Exact Match 73,33% и F1 84,79%. Обучение использовало только 45 примеров, и авторы отмечают умеренное переобучение, поэтому результаты на более широком круге новостных текстов могут отличаться. В README также описаны ошибки с неполными границами извлечённого ответа.

PubMedBERT SPLADE — разреженный текстовый энкодер, созданный NeuML на основе дообученной модели PubMedBERT с использованием Sentence Transformers. Он преобразует предложения и абзацы в разреженные векторы размерности 30 522 для семантического поиска и извлечения документов по запросу, в том числе в системах RAG по медицинской литературе. Обучение проводилось на случайной выборке пар заголовков и аннотаций PubMed и похожих заголовков. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает контекст длиной до 512 токенов. Она ориентирована на англоязычные биомедицинские тексты; README сообщает о более качественных разреженных представлениях для медицинской литературы по сравнению с универсальными моделями. При оценке на наборах PubMed модель уступала некоторым базовым моделям по корреляции Пирсона, но хорошо ранжировала результаты по корреляции Спирмена. Для узких медицинских областей может потребоваться дополнительное дообучение. Лицензия — Apache-2.0.

thealper2/tapas-wtq — модель, созданная дообучением google/tapas-base на датасете WikiTableQuestions для ответов на вопросы по таблицам. Она принимает вопрос и таблицу, выбирает релевантные ячейки и определяет операцию агрегации: без агрегации, SUM, AVERAGE или COUNT. Архитектура TAPAS реализована в Transformers; модель содержит 136,7 млн параметров, использует формат safetensors и рассчитана на контекст до 1024 токенов. Поддерживаемый язык — английский. На validation-разбиении WikiTableQuestions точность ответа после нормализации составила 0,3178; точность выбора ячеек — 0,2715, а определения агрегации — 0,7412. Эти результаты относятся к указанному набору данных и не гарантируют качество на других таблицах. Лицензия — Apache-2.0.

WebBrain Compass Tiny XS v3 — компактная языковая модель, разработанная WebBrain и дообученная на Spark-X2.5-1.7B с 1,7 млрд параметров. Это плотная авторегрессионная модель для генерации текста, настроенная на диалоговое принятие решений и выполнение браузерных действий через структурированные вызовы инструментов. Модель предназначена для агентных сценариев в среде WebBrain: она может отвечать на вопросы, запрашивать недостающие сведения, выбирать браузерные инструменты и формировать аргументы на основе дерева доступности страницы, а также отказываться или передавать задачу на более высокий уровень исполнения, если данных недостаточно. Заявленная длина контекста — до 1 048 576 токенов; в README приведены результаты фиксированной оценки маршрутизации, включая 97 из 100 успешных первых структурированных вызовов. Репозиторий содержит эталонные веса BF16 с объединёнными весами; исходный LoRA-адаптер также приложен. Для исполнения внешних действий необходима среда WebBrain: она проверяет схемы инструментов, обоснованность аргументов и актуальность состояния браузера. Указана лицензия other, поэтому конкретные условия использования следует сверять с файлами лицензии репозитория.

odunola/yoruba-embedding-model — модель эмбеддингов на основе BGE-base, разработанная для семантической работы с текстами на языке йоруба. Согласно карточке, её обучали для многоязычных семантических представлений с использованием дистилляции знаний по подходу Making Monolingual Sentence Embeddings Multilingual. Модель содержит 136,7 млн параметров, использует архитектуру BERT и библиотеку Sentence Transformers; максимальная длина контекста — 512 токенов. Она преобразует предложения в векторы, подходящие для сравнения семантической близости и поиска похожих текстов. Доступны веса в формате safetensors. Модель предназначена прежде всего для текстов на йоруба. В README не указаны сведения о лицензии, поэтому условия использования следует уточнить на странице репозитория.

BGE-M3 Medical Vietnamese Dense Embedding — модель плотных текстовых эмбеддингов, созданная разработчиком nqd-301125 путём дообучения BAAI/bge-m3 на медицинских данных. Она предназначена для семантического поиска и подбора релевантных медицинских текстов на вьетнамском языке. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Итоговые веса объединяют выбранный вручную LoRA-адаптер с базовой моделью; артефакт загружается через SentenceTransformers и сохранён в формате safetensors. Модель подходит для поиска медицинской информации по смыслу и оценки сходства предложений. В карточке описана настройка именно плотного поиска, а не разреженных или многовекторных компонентов BGE-M3. Это не система медицинской диагностики; результаты следует проверять перед клиническим или иным критически важным использованием. Внутренняя оценка не заменяет внешние тесты, а данные могут не охватывать все медицинские области и реальные запросы на вьетнамском языке. Лицензия — Apache-2.0.

Xenova/distilbert-base-cased-distilled-squad — модель для извлечения ответов на вопросы по заданному контексту. Она представляет собой веб-совместимую версию distilbert-base-cased-distilled-squad, подготовленную сообществом Xenova и содержащую веса в формате ONNX для работы с библиотекой Transformers.js. Модель предназначена для сценариев question answering, включая запуск непосредственно в JavaScript-приложениях и веб-среде. Пользователь передаёт вопрос и фрагмент текста, а модель определяет соответствующий ответ в контексте. Архитектурно это дистиллированная версия BERT на базе DistilBERT с регистрозависимым токенизатором; точные размер, поддерживаемые языки, модальности и максимальная длина контекста в README не указаны. Приведённый пример относится к английскому языку, поэтому языковые возможности следует считать неуточнёнными. Сильные стороны модели — компактный формат ONNX и интеграция с Transformers.js, что упрощает использование в веб-приложениях и JavaScript-проектах. Ограничение состоит в узкой специализации: модель отвечает на вопросы только на основе предоставленного контекста и не предназначена для свободной генерации текста или поиска внешних знаний. Лицензия в README не указана; условия использования необходимо уточнять в исходном репозитории базовой модели и связанных материалах.

Модель disham993/electrical-embeddinggemma-ir_finetune_16bit — дообученная версия EmbeddingGemma-300M от Google, подготовленная для плотного информационного поиска в электротехнике и электронике. Это текстовая модель для извлечения эмбеддингов: она кодирует запросы и фрагменты документов в векторы, пригодные для семантического поиска и сравнения сходства. Чекпойнт содержит около 302,8 млн параметров, объединённые веса LoRA в формате fp16 Safetensors и контекст до 2048 токенов. Модель обучена на 20 000 парах «вопрос—фрагмент текста» из набора ElectricalElectronicsIR. Она предназначена для поиска по технической документации и материалам об электротехнике, электронике, энергосистемах и коммуникациях, включая такие темы, как протокол IEC 61850, фазированные антенные решётки, OTDR, MIMO и FPGA. В README приведены высокие результаты на тестовом разбиении этого же набора; они не гарантируют аналогичное качество на других корпусах. Модель лучше подходит для английских технических запросов и может хуже работать с неанглийским текстом, разговорными формулировками и запросами, смешивающими электротехнику с другими областями. Полные веса занимают около 1,2 ГБ. Лицензия — MIT.

FAVA — модель генерации текста для задач проверки фактов. README называет её verification model, а архитектура LlamaForCausalLM указывает на плотную авторегрессионную языковую модель семейства Llama размером 6,6 млрд параметров. Модель рассчитана на контекст до 4096 токенов и доступна в формате PyTorch. Её назначение — поддерживать проверку утверждений и генерацию текста в сценариях верификации. В README не описаны методика проверки, обучающие данные или конкретный формат ответов, поэтому возможности сверх общего назначения verification model подтвердить нельзя. Модель распространяется по лицензии MIT.

Javi0.2-4B-GGUF — экспериментальная текстовая модель с 4 млрд параметров от автора jvr0x, дообученная на основе Qwen/Qwen3.5-4B для работы в агентных клиентах для программирования и исследований, таких как grok build, omp и opencode. Репозиторий содержит квантизированные GGUF-варианты Q4_K_M и Q8_0; LoRA была объединена с базовой моделью перед квантизацией. Мультимодальная башня зрения базовой модели не включена, поэтому эта версия работает только с текстом. Модель предназначена для диалогов с инструментами: поиска актуальных сведений, проверки предпосылок вопроса и честного сообщения о том, что не удалось проверить. В тесте на 136 вопросах она завершила 134 задания и редко отвечала на вопросы о текущих событиях по памяти, однако качество итоговых ответов оказалось ниже базовой модели; ответы часто чрезмерно длинные. В README показан запуск через llama.cpp с контекстом до 131 072 токенов; обучение включало диалоги длиной до 72 000 токенов. Лицензия — Apache-2.0. Это альфа-эксперимент, а не готовая модель: она может придумывать URL и команды при сбое поиска, сдаваться после одной неудачной попытки, не перепроверять источники, ошибаться в фактах и небрежно вызывать инструменты. Без подключённых инструментов она не может выполнять поиск актуальной информации.

Это модель NchuNLP, созданная авторами Kei Yu Heish и Yao-Chung Fan из лаборатории обработки естественного языка Университета Чжунсин. Модель bert-base-chinese дообучена на наборе Legal Document Dataset для ответов на вопросы по юридическим документам. Она использует архитектуру BERT с головой BertForQuestionAnswering, содержит 129,5 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для машинного чтения юридических документов на китайском языке: пользователь задаёт вопрос и передаёт текст документа, из которого модель извлекает ответ. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

MiniDalaLM — модель для извлечения текстовых эмбеддингов, созданная Rodrigo Pereira Cruz на основе дообучения paraphrase-multilingual-MiniLM-L12-v2. Она предназначена для представления текстов на казахском языке в латинской графике, принятой в реформе 2021 года, в виде векторов для построения языковых инструментов и поиска похожих предложений. Модель основана на архитектуре BERT, содержит 124,3 млн параметров и принимает текст длиной до 512 токенов. Репозиторий распространяется по лицензии MIT. MiniDalaLM ориентирована на низкоресурсный казахский язык и может применяться для сравнения предложений и получения признаков текста. Автор описывает её как основу для дальнейших разработок, а не как готовое решение производственного уровня. Результаты могут быть нестабильны на очень коротких текстах и при смешении письменностей; качество также может снижаться на диалектных вариантах и редких символах.

KGESH/nsfw-bge-m3-v6f — текстовая модель Sentence Transformer на архитектуре XLM-RoBERTa, разработанная KGESH. Она преобразует предложения и абзацы в плотные векторы размерности 1024 и предназначена для поиска и оценки сходства по косинусной близости; максимальная длина входа — 8192 токена. Модель обучена на 196 парах текстов с OnlineContrastiveLoss, включая пары с откровенной сексуальной лексикой, поэтому подходит для поиска и сопоставления таких формулировок. Использует библиотеку sentence-transformers и распространяется в формате safetensors. Сведения о лицензии отсутствуют в предоставленных данных.

Qwen2.5-0.5B grounded SFT — компактная языковая модель на архитектуре Qwen2, дообученная Saiteja Alasyam на Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для ответов на вопросы по предоставленному отрывку: если в тексте нет ответа, модель должна отвечать фразой «The passage does not say.» Модель содержит 494 млн параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Модель обучена методом supervised fine-tuning на предпочтительных ответах из набора grounded QA, основанного на SQuAD 2.0. Для обучения использовался LoRA rank 16, затем адаптер объединили с базовыми весами. На тесте из описанного протокола SFT показала строгую точность 0,55; результаты также указывают на склонность как пропускать ответы, так и выдавать фрагмент, не подтверждённый текстом. Это специализированная модель для ответов по контексту, а не универсальный помощник. Веса распространяются по лицензии Apache 2.0; обучающие данные указаны под CC BY-SA 4.0.

Qwen3-1.7B browsing worker — judger-rl, iteration 149 — это дообученный вариант Qwen3-1.7B от CharlieLLL, опубликованный как экспорт BF16 чекпойнта, использованного в оценке 18 сентября 2026 года. Модель построена на плотной авторегрессионной архитектуре Qwen3ForCausalLM с 1,7 млрд параметров и контекстом до 40 960 токенов; она принимает текст и генерирует текст, поддерживает диалоги и интерфейс вызова инструментов. Чекпойнт предназначен для роли рабочего агента при поиске в интернете и выполнения задач BrowseComp в составе многоагентной системы. В README приведены результаты работы под оркестратором на BrowseComp и DR9K, но они не являются оценкой модели в одиночку. Для воспроизведения результатов нужны соответствующие шаблоны чата, инструменты поиска, бюджеты и конфигурация оценщика; обычная генерация в чате этих результатов не воспроизводит. Модель основана на Qwen/Qwen3-1.7B и распространяется по лицензии Apache-2.0. В README указано, что происхождение обучения и возможное пересечение обучающих данных независимо не проверялись; это стоит учитывать при интерпретации результатов.

CharlieLLL/Qwen3-1.7B-BrowseComp-Worker-OPD-iter149-0917 — экспортированный чекпойнт дообученной языковой модели Qwen3-1.7B, подготовленный как рабочая модель для поиска и ответа на вопросы BrowseComp в составе системы с оркестратором. В README указано, что это BF16-экспорт итерации 149, использованный в оценивании 18 сентября 2026 года; контекст составляет 40 960 токенов. Модель построена на плотной архитектуре Qwen3 и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. В README приведены результаты связки рабочих моделей с разными оркестраторами на BrowseComp и DR9K. Это результаты всей системы, а не точность модели при самостоятельной генерации. Для воспроизведения требуется использовать соответствующие оцениванию шаблоны чата, инструменты поиска, бюджеты и протокол; обычный диалоговый запрос не воспроизводит эти результаты. Модель предназначена для генерации текста и работы в агентном поисковом сценарии, а не описана как самостоятельная поисковая система. Лицензия — Apache-2.0.

Qwen3-4B Guardrails Embedding v1 — текстовая модель эмбеддингов, дообученная в проекте SJSU Guardrails на базе Qwen/Qwen3-Embedding-4B. Она предназначена для семантического поиска и извлечения нормативных документов в RAG-системах, связанных с управлением ИИ и соблюдением требований. Модель используют как источник проверочных фрагментов для дискуссий нескольких агентов и поиска по EU AI Act, рамкам NIST и нормативам кибербезопасности. Модель построена на архитектуре Qwen3 с decoder-only трансформером и pooling по последнему токену; размер — 3,7 млрд параметров, размерность эмбеддинга — 2560, контекст — до 40 960 токенов. README сообщает высокие значения recall@1 и MRR на тесте с четырьмя кандидатами, однако оценка проводилась на ограниченном наборе из 864 примеров и не характеризует качество на более широких пулах или иных предметных областях. Для запросов требуется использовать инструкционный префикс, а фрагменты документов кодируются без него. Модель не предназначена для генерации текста, общей семантической близости или самостоятельной классификации. Лицензия — Apache-2.0.

Модель hamzab/roberta-fake-news-classification разработана на основе roberta-base и дообучена на Fake and Real News Dataset для классификации новостных статей как достоверных или фейковых. На вход подаётся текст статьи; README рекомендует объединять заголовок и содержание в формате «заголовок содержание». Модель построена на архитектуре RoBERTa для классификации последовательностей, содержит 151,8 млн параметров и рассчитана на контекст до 514 токенов. Она предназначена для предварительной проверки новостных материалов и демонстрационных сценариев; заявленные 100% точности относятся к обучающему датасету и не гарантируют такую точность на новых данных. Поддерживается английский язык. Репозиторий распространяется по лицензии MIT.

winterForestStump/Roberta-fake-news-detector — модель классификации новостных текстов на фейковые и реальные. Автор дообучил RoBERTa на 8 000 новостных статей из источника, связанного с базой EUvsDisinfo. Модель выдаёт метку «фейковые новости» или «реальные новости»; входной текст длиннее установленного предела автоматически обрезается. Модель предназначена для первичной проверки новостных публикаций и анализа дезинформации. Это RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом 514 токенов; в README ограничение входа описано как менее 512 слов. Карточка указывает английский язык. Модель доступна в форматах PyTorch и Safetensors по лицензии GPL-2.0. Результат следует рассматривать как классификационный сигнал, а не окончательную проверку достоверности: обучающие данные ограничены 8 000 статей, а источник данных сосредоточен на материалах, связанных с прокремлёвской дезинформацией. Поэтому возможны ошибки и смещение за пределы такого набора данных.

CMB-ClimateModernBERT/A_F_CX_LRD — англоязычная encoder-only модель семейства ModernBERT, разработанная авторами проекта ClimateModernBERT. Это masked language model на 149 млн параметров, полученная продолжением предобучения answerdotai/ModernBERT-base на объединённом корпусе академических публикаций и климатических веб-текстов. Контекст модели составляет до 8192 токенов. Модель предназначена для заполнения пропусков и как основа для дообучения в задачах классификации и многометочной разметки климатических текстов, а также поиска по научной литературе, корпоративной отчётности, документам политики и климатическим новостям. В статье сообщается средний F1 74,7 на девяти климатических NLP-бенчмарках; оценка проведена с тремя начальными значениями для дообучения. Репозиторий содержит перепубликованные веса sraj/CMB_FWEdu_V2_FastTxt_MARK_CX_LRD. Модель рассчитана только на английский язык и не является диалоговой или инструкционной: она не даёт гарантированных фактических ответов. Оценка сосредоточена на задачах уровня предложения и фрагмента текста, поэтому способность обрабатывать длинный контекст изучена ограниченно. Лицензия в предоставленных данных не указана.

BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext_pub_section — модель классификации текста, разработанная на основе PubMedBERT и дообученная для определения разделов биомедицинских документов. Она присваивает тексту одну из пяти меток: BACKGROUND, CONCLUSIONS, METHODS, OBJECTIVE или RESULTS. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она предназначена для классификации разделов аннотаций и полнотекстовых публикаций в биомедицинской области. В карточке указаны результаты на тестовой выборке: accuracy 0,858 и F1 0,857. Модель работает с английским текстом. Для длинных документов текст может потребоваться разделить на фрагменты, а качество на материалах иного типа или вне биомедицинской тематики не подтверждено приведёнными метриками. Лицензия — Apache-2.0.

ClimateGPT-13B — языковая модель для вопросов и ответов о климате, разработанная Erasmus AI при обучении с AppTek. Это декодерный трансформер на архитектуре Llama, дообученный на основе Llama 2 13B: продолженное предобучение на 4,2 млрд токенов документов о климате дополнили инструкционной настройкой на примерах вопросов и ответов. Модель содержит 12,9 млрд параметров, принимает и генерирует текст, поддерживает контекст до 4096 токенов и рассчитана на английский язык. Модель подходит для ответов на климатические вопросы и синтеза междисциплинарных исследований, в том числе для учёных, журналистов и лиц, принимающих решения. Для повышения полноты и фактической точности рекомендуется использовать поиск по источникам (RAG); в контексте модель поддерживает до пяти ссылок. Она не предназначена для общего чат-бота и может выдавать предвзятые, оскорбительные или неточные ответы. Указана лицензия ClimateGPT Community License.

Это англоязычная модель классификации текста, дообученная автором репозитория mmeeeeeeee на distilbert/distilbert-base-uncased для различения фейковых и настоящих новостей. Она использует архитектуру DistilBertForSequenceClassification и предназначена для присвоения новостному тексту одного из этих классов. Базовая модель имеет контекст до 512 токенов; веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 0,0005 и accuracy 0,9999, однако датасет обозначен как None, а сведения о составе данных и методике оценки отсутствуют, поэтому эти показатели не позволяют судить о качестве на новых источниках новостей. Модель распространяется по лицензии Apache-2.0.

GLiNER-модель rafmacalaba/gliner_datause_v0 — дообученная версия urchade/gliner_large-v2.1 для извлечения из экономических научных статей упоминаний наборов данных, обследований, переписей и реестров. Она размечает фрагменты текста тремя типами: NAMED_DATA для названий и аббревиатур конкретных источников, DESCRIPTIVE_DATA для описаний неназванных источников и VAGUE_DATA для общих упоминаний данных без идентифицируемого источника. Модель предназначена для поиска источников данных в корпусах исследовательских работ и структурирования таких упоминаний. В README приведены результаты проверки на отложенной выборке: при пороге 0,50 общая точность составила 0,6948, полнота — 0,5957; качество заметно различается между группами и типами меток, а для VAGUE_DATA показатели ниже, чем для именованных источников. Это специализированный экстрактор сущностей, поэтому результаты стоит проверять, особенно для расплывчатых упоминаний. Модель распространяется по лицензии Apache-2.0.

LumynaX Doc Nougat Base — экспериментальный архивный выпуск AbteeX AI Labs для преобразования изображений страниц академических PDF в текст Markdown. Он основан на facebook/nougat-base и использует архитектуру vision-encoder-decoder; веса исходной модели сохранены без композиции, а интеграция описана как маршрутизация во время выполнения. Модель предназначена для извлечения текста из страниц научных документов, чтобы затем обрабатывать его и искать по нему. В карточке перечислены английский и маори как языки модели. Модель построена для обработки изображений страниц и выдачи текста; формат репозитория — PyTorch и safetensors, используется библиотека Transformers. Выпуск помечен как устаревший, не поддерживается и не рекомендуется для производственного применения. Лицензия — CC BY 4.0.

DeepMount00/mamba_790_hf_qa — языковая модель семейства Mamba, разработанная DeepMount00 и предназначенная для ответов на вопросы по тексту. По результатам оценки на итальянском наборе SQuAD-it модель показала F1 75,89% и Exact Match 66,71%. Модель содержит около 983,2 млн параметров и опубликована в формате Safetensors. Модель подходит для извлечения ответов из контекста и задач чтения с пониманием текста на итальянском языке. Архитектура Mamba с причинной языковой моделью также позволяет использовать её для генерации текста. Репозиторий указывает лицензию Apache-2.0.