I.1Поиск и навигация по информации

AI71ai/agrillm-Qwen3-30B-A3B — языковая модель для сельского хозяйства, разработанная ai71 в рамках инициативы AgriLLM при участии организаций аграрного сектора. Это дообученная методом LoRA модель Qwen3-30B-A3B-Instruct-2507 с архитектурой Qwen3 MoE; метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов. Модель принимает текст и генерирует ответы на вопросы, краткие изложения аграрных документов, рекомендации и анализ сценариев. Модель предназначена прежде всего для систем RAG, где внешняя база знаний помогает обосновывать ответы. Она рассчитана на аграриев, консультантов, исследователей и разработчиков профильных приложений; в метаданных указан английский язык. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия — Apache-2.0. Модель не является универсальным или самостоятельным источником агрономических рекомендаций. Результаты следует проверять, особенно для решений с высокими последствиями; она не предназначена для медицинской или ветеринарной диагностики, официальных юридических рекомендаций и замены профильных специалистов.

PeytonT/author-embedding — дообученный энкодер на базе sentence-transformers/all-MiniLM-L6-v2, разработанный как компонент исследовательского стека Repository Library. Он учится представлять авторов и научные сообщества по метаданным публикаций и графовому контексту, чтобы использовать эти представления для поиска, ранжирования, планирования и анализа научных работ. Модель построена на архитектуре BERT, содержит 25,9 млн параметров, принимает текст и формирует векторные представления; длина контекста — до 512 токенов. Обучающие данные включают метаданные arXiv: названия, аннотации, авторов и категории. Карточка не приводит лицензию, поэтому условия использования установить нельзя. Результаты следует проверять на целевом сценарии: карточка описывает экспериментальную конфигурацию, а отдельный внешний отчёт об оценке не представлен.

Safeeq/FCtiny — компактная языковая модель примерно на 573 тыс. параметров для маршрутизации запросов к инструменту веб-поиска. Она использует собственную плотную архитектуру TinyLM и обучалась на синтетическом англоязычном корпусе; доступны веса в форматах safetensors и GGUF, а лицензия MIT разрешает коммерческое использование и развёртывание на периферийных устройствах. Модель преобразует короткий запрос на английском языке в структурированный вызов web_search, включая поисковую фразу и параметр давности результатов. В README заявлен перенос маршрутизации на новые домены и невиданные задачи с точностью 95,40%, однако отдельная точность извлечения сущностей ограничена размером модели и словарём. Поддерживается только один инструмент, контекст ограничен 80 токенами, а для надёжного формата вывода требуется constrained decoding; обычная жадная генерация может давать некорректные результаты.

Industrial-Instruction Qwen3-4B — плотная языковая модель Parssky для ответов на вопросы по промышленной технической документации и сценариев с поиском по документам (RAG). Она полностью дообучена на конфигурации panasonic_qa_v1 набора Industrial-Instruction; обучающие примеры для этой версии сгенерированы моделью Qwen3-30B-A3B-Instruct. Основа — Qwen/Qwen3-4B-Instruct-2507, размер — 3,7 млрд параметров, архитектура Qwen3ForCausalLM, формат весов — safetensors; контекст — до 262 144 токенов. Модель рассчитана на исследовательские и оценочные задачи: ответы на технические вопросы с использованием найденных фрагментов, интеграцию свидетельств и промышленный QA. На тесте Panasonic с RAG дообученная версия превзошла базовую по F1, Jaccard и точности полного совпадения. Карточка также сообщает о снижении результата MMLU на 1,26 процентного пункта и проблемах с обобщением на перефразированные вопросы FailureSensorIQ. Данные получены из документации одного производителя, поэтому терминология может плохо переноситься на другие отрасли и производителей. Лицензия указана как other; конкретные условия в карточке не раскрыты.

Loom Crucible Preview — экспериментальная небольшая языковая модель от Textile Labs для кратких ответов на вопросы по найденным сведениям и предоставленным текстам. Это плотная авторегрессионная модель семейства Llama с 154,9 млн параметров: 52 слоя, размерность 512, GQA, SwiGLU, RoPE и связанными эмбеддингами. Контекст составляет 1024 токена. Модель принимает текст и выдаёт текст; в карточке указана поддержка английского языка. Модель выросла из Loom Tapestry 3 посредством функционально сохраняющего расширения ширины и глубины, после чего обучалась ещё 12 часов на перестроенном корпусе. Она предназначена для работы с поисковым результатом: может извлекать ответ из текста, отвечать на уточняющие вопросы по тому же результату и сообщать о выполненном поиске. Для использования доступны Transformers, Ollama и llama.cpp-совместимый формат. По оценкам авторов, Crucible лучше предыдущей Loom читает предоставленные отрывки, но в сквозном тесте с живым поиском пока уступает Tapestry 3; итоговый результат ограничивает качество поиска. Модель часто отвечает и тогда, когда в отрывке нет нужного факта, а без инструментов может ошибаться на общеизвестных фактах. Она не предназначена для вычислений; поисковый сценарий из README ограничен Википедией и не покрывает новости, погоду или цены. Лицензия — MIT.

CMB-ClimateModernBERT/Merge_TA_L10_LRD — англоязычная модель ModernBERT-base, опубликованная проектом ClimateModernBERT. Это encoder-only masked language model на 149 млн параметров, дообученная продолжением предобучения на корпусе климатических текстов объёмом 6,42 млрд токенов; в состав корпуса входят научные публикации, синтетические тексты и климатические веб-материалы. Модель принимает текст и предсказывает замаскированные токены, а её контекстное окно составляет 8192 токена. Модель предназначена для получения текстовых представлений и последующего дообучения для классификации, многометочной разметки и поиска по климатическим публикациям, корпоративной отчётности, политическим документам и новостям. В описанной авторами оценке она набрала в среднем 75,7 F1 по девяти климатическим NLP-бенчмаркам; показатели относятся к протоколу и задачам статьи. Это не диалоговая система и не генератор калиброванных научных ответов. Авторы отмечают, что синтетические данные по-разному влияют на задачи, а результаты корпусных экспериментов не следует обобщать за пределы климатического NLP. README не приводит лицензию модели; исходные академические материалы использовались по институциональным лицензиям и для некоммерческих исследований, а исходный текст не распространяется. Условия использования весов по имеющимся данным определить нельзя.

Модель FlorianTraugott/ms-marco-MiniLM-L6-v2-indian-tax-law — англоязычный cross-encoder-реранкер, полученный дообучением cross-encoder/ms-marco-MiniLM-L6-v2 для поиска по судебным решениям в области налогового права Индии. Она совместно обрабатывает поисковый запрос и фрагмент текста и оценивает их релевантность, чтобы переставить результаты, полученные на первом этапе поиска. Модель предназначена для второго этапа двухэтапного поиска: README сообщает о применении для переранжирования 50 результатов би-энкодера bge-small-en-v1.5-indian-tax-law-lora. В описанной оценке дообученный реранкер повысил nDCG@10 на 12,4% и Recall@10 на 11,4% относительно исходного списка. Архитектура основана на BERT, число параметров — 25,9 млн, максимальный контекст — 512 токенов; библиотека — Sentence Transformers. Модель ориентирована на англоязычные запросы и тексты об индийском налоговом праве. Результаты оценки относятся к датасету и сценарию, указанным в карточке, и не гарантируют аналогичный эффект на других данных; базовый MS-MARCO-реранкер без дообучения в описанном сценарии ухудшал качество. Лицензия — Apache-2.0.

OpenMed-NER-DiseaseDetect-BioMed-109M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученная модель на базе BiomedNLP-BiomedELECTRA-base-uncased-abstract с архитектурой BERT и 136,7 млн параметров; она выполняет токенную классификацию и размечает сущности тегами B-DISEASE и I-DISEASE. Контекст ограничен 512 токенами. Модель предназначена для извлечения названий заболеваний из научных публикаций и других биомедицинских текстов, например для индексирования литературы и построения медицинских баз знаний. В README заявлены F1 0,89, точность 0,87 и полнота 0,91 на BC5CDR-Disease. Датасет включает аннотации заболеваний в 1 500 абстрактах PubMed. Заявления о применении в клинических сценариях не заменяют отдельную медицинскую проверку результатов. Модель принимает токенизированный текст и возвращает метки для токенов, из которых можно собрать упоминания заболеваний. Карточка указывает лицензию Apache-2.0; модель распространяется в формате safetensors и интегрируется с Transformers.

OpenThai 2.0 Legal ThaiLLM — дообученная iApp модель для работы с тайским законодательством и судебными решениями на основе NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning. Она предназначена для ответов на правовые вопросы, подготовки юридических текстов и работы в RAG-системах: модель может ссылаться на применимые нормы с указанием названия закона и номера статьи в структурированном JSON. Обучение включало продолжение предобучения на тайских законах и судебных решениях, дообучение на примерах ответов с опорой на источники и настройку с подкреплением для повышения точности цитирования. Модель использует гибридную архитектуру Mamba2 и Transformer с MoE: в README указаны 30 млрд параметров всего и около 3 млрд активных на токен; метаданные каталога указывают 1,9 млрд параметров. Контекстное окно составляет 262 144 токена. Модель рассчитана прежде всего на тайский язык, также поддерживает английский. Репозиторий содержит веса в формате safetensors, для запуска локально авторы также предлагают отдельные GGUF-квантизации. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели. Модель сильна в ответах по тайскому гражданскому, коммерческому и налоговому законодательству, а также в структурированном цитировании предоставленных правовых источников. Точность зависит от качества поиска документов; выбор правильной нормы среди близких по смыслу может давать ошибки. Покрытие узких правовых тем и недавних поправок может быть неполным. Авторы рекомендуют проверять каждую ссылку по актуальному законодательству и использовать ответы как поддержку, а не как юридическую консультацию.

Модель разработана Isaac Pena и Javier Gondres для Dominican News Question Answering Challenge курса ICC-344-T. Это модель RoBERTa-base для извлекающего ответа на вопрос: она принимает вопрос и контекст новостной статьи и выделяет ответ, прямо содержащийся в контексте. Веса дообучены на испаноязычном наборе PDQA с аугментацией формулировок вопросов; базовая модель уже была настроена для извлекающего QA на испанском языке. В метаданных указано 137,1 млн параметров, архитектура BertForQuestionAnswering и контекст до 512 токенов. Модель предназначена для ответов на вопросы по доминиканским новостям. На валидационной выборке авторы сообщают 73,33 EM и 86,73 F1 для опубликованных весов при прямом использовании; полный проектный конвейер с постобработкой spaCy и гибридным ранжированием показывает 73,33 EM и 90,98 F1. Постобработка и ранжирование входят в отдельный код проекта, а не в веса этой модели. Обучение проводилось на небольшом наборе: 45 исходных примеров в обучении и 15 валидационных, поэтому результаты могут не переноситься на другие новостные источники и типы вопросов. Лицензия в предоставленных данных не указана.

Это турецкоязычная модель для поиска соответствий между изображениями и текстом. Она объединяет визуальный энкодер CLIP ViT-B/32 от OpenAI и текстовый энкодер ModernBERT-TR в двухбашенную архитектуру, которая отображает изображения и турецкие подписи в общее пространство эмбеддингов размерности 512. Модель поддерживает поиск текста по изображению и изображения по текстовому запросу; в метаданных её основная задача указана как классификация изображений без примеров. Модель обучена на турецких переводах подписей Flickr30k: для каждого изображения использовалась одна случайно выбранная подпись за эпоху. Текст обрезается до 128 токенов, изображения приводятся к размеру 224×224. На тестовом наборе автор сообщает Recall@1 68,30 для поиска подписи по изображению и 54,38 для поиска изображения по подписи. Область обучения ограничена повседневными сценами Flickr30k, поэтому обобщение на изображения других типов может быть слабым. Подписи являются машинными переводами и содержат артефакты; визуальный энкодер заморожен, а одинаковые подписи для разных изображений могут создавать ложные отрицательные примеры при обучении. Указана лицензия other, поэтому конкретные условия использования следует проверить в репозитории.

WebRL-GLM-4-9B — открытая модель, разработанная Zhipu AI на основе GLM-4-9B и дообученная для выполнения действий в веб-интерфейсах. Она предназначена для автоматизации задач на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Модель имеет плотную архитектуру ChatGLMForConditionalGeneration, содержит 11,4 млрд параметров и поддерживает контекст до 16 384 токенов. В карточке указана поддержка английского языка и диалоговый режим. В оценке WebArena-Lite модель получила средний показатель успешного выполнения 43,0; по приведённым результатам она лучше исходной GLM-4-9B-Chat на всех пяти сайтах. Метаданные указывают текстовую генерацию, а каталог также отмечает классификацию текста как поддерживаемую задачу. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели.

nfliu/deberta-v3-large_boolq — англоязычная модель классификации текста, дообученная на microsoft/deberta-v3-large для задачи BoolQ: определения, отвечает ли текст на вопрос «да» или «нет». Она принимает текст с вопросом и фрагментом текста и классифицирует ответ. Модель построена на архитектуре DeBERTa V3 Large и содержит 533,8 млн параметров; максимальная длина контекста — 512 токенов. На тестовой выборке BoolQ указаны loss 0,4601 и accuracy 0,8835. Модель распространяется по лицензии MIT. Она ориентирована на англоязычное понимание текста и не предназначена для генерации развернутых ответов; качество на других языках и задачах не описано.

ai4data/devdata-search-paraphrase-ml-minilm-cmnrl — модель эмбеддингов bi-encoder из семейства DevData Search, разработанная ai4data для семантического поиска по структурированным статистическим метаданным. Она дообучена на DevDataBench на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 с функцией потерь cmnrl. При обучении порядок полей случайно менялся, а часть полей исключалась, чтобы модель связывала значение с названиями полей, а не с порядком сериализации. Модель преобразует запросы и описания метаданных в векторы для последующего поиска и сравнения сходства; она сама не является поисковым сервисом. Максимальная длина последовательности — 512 токенов. Модель использует архитектуру BERT, содержит 124,3 млн параметров и распространяется в формате Safetensors; для работы указана библиотека Sentence Transformers. Многоязычная базовая модель поддерживает разные естественные языки, но конкретный список языков для этой версии не приведён. Лицензия — Apache-2.0. Практическое применение рассчитано на retrieval по статистическим данным и их описаниям; качество на иных типах текстов и структур может отличаться. Модель не выполняет поиск самостоятельно: для выдачи результатов её эмбеддинги нужно использовать в поисковом конвейере.

aodl/distilbert-fever — англоязычная модель классификации текста на базе DistilBERT, дообученная на наборе FEVER. Она предназначена для классификации текстовых последовательностей в сценариях проверки фактов и анализа утверждений. Модель использует архитектуру DistilBertForSequenceClassification, принимает текстовые входы и поддерживает контекст длиной до 512 токенов. На оценочной выборке FEVER модель показала точность 0,529 и значение loss 2,1761. Эти результаты дают ориентир для оценки качества, но README не уточняет схему меток и подробности оценки. Модель распространяется под лицензией Apache-2.0.

CMB-ClimateModernBERT/F_CX_LRD — англоязычная encoder-only модель ModernBERT-Base на 149 млн параметров, разработанная как часть семейства ClimateModernBERT и обученная продолжением предобучения на климатических текстах из корпуса Climate Web. Это masked language model для заполнения пропусков; её можно дообучать для классификации климатических текстов, многометочной разметки и поиска по документам. Модель принимает текст и имеет контекст до 8192 токенов. В README сообщается о среднем F1 74,5 на девяти климатических NLP-бенчмарках; оценка охватывает классификацию, разметку и retrieval. Модель предназначена для исследований и прикладных решений в климатическом NLP, однако сама не следует инструкциям и не даёт калиброванных гарантий фактической точности. Ограничения также включают только английский язык и то, что бенчмарки преимущественно оценивают предложения и фрагменты текста, а не длинный контекст. Лицензия в доступных сведениях не указана.

Это дообученная Arcee AI модель на архитектуре Mistral для генерации текста в формате диалога. Она обучена за одну эпоху на 1,6 млрд токенов данных SEC: новые блоки добавлены и обучены, а остальные слои оставлены замороженными. Модель предназначена для работы с материалами SEC и диалоговых сценариев на их основе. В метаданных указаны 8,9 млрд параметров и контекст до 32 768 токенов; файлы опубликованы в формате safetensors и рассчитаны на библиотеку Transformers. Лицензия в доступных данных не указана.

Модель adittamavincent/pgabl-legal-rag-assistant-grpo — дообученная разговорная Qwen2 для генерации текста в сценариях юридического RAG-ассистента. Разработчик — adittamavincent; модель дообучена на adittamavincent/pgabl-legal-rag-assistant с использованием Unsloth и библиотеки TRL. Она содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых ответов в юридических системах с поиском по документам; метаданные также отмечают интерфейс вызова инструментов. Карточка не описывает обучающие данные, точность, юрисдикции или конкретные юридические задачи, поэтому качество ответов и применимость к отдельным правовым системам по ней оценить нельзя. Лицензия — Apache-2.0.

PhilAI Embeddings v1.1 — модель эмбеддингов предложений на базе BERT-large-uncased, опубликованная dbourget. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для поиска семантически близких текстов и кластеризации. Модель дообучена методом TSDAE на корпусе философских текстов из открытого архива PhilArchive.org и ориентирована на улавливание сходства между высказываниями с философской терминологией. Модель использует архитектуру BERT и принимает текст, выдавая векторные представления; максимальная длина контекста — 512 токенов. Автор сообщает о неформальных тестах, где модель показала результат лучше Ada3-large, но отмечает, что качество пока далеко от идеального. Лицензия в предоставленных данных не указана.

Quanfire AI разработала англоязычный cross-encoder-реранкер для поиска по центральным законам Англии. Это дообученная модель BERT на базе intfloat/multilingual-e5-small с 124,3 млн параметров; она оценивает пары «запрос — фрагмент закона», чтобы переставить по релевантности короткий список, полученный первичным поисковиком. Модель рассчитана на второй этап поиска, а не на самостоятельное извлечение документов. На отложенной выборке из 1 494 запросов и пула из 1 205 фрагментов законов опубликованный запуск повысил Recall@1 с 0,0723 до 0,1111. В четырёх запусках процедуры прирост составил от 36% до 77%, что показывает заметную вариативность между случайными инициализациями. Контекст модели — 512 токенов, формат весов — safetensors, лицензия — Apache-2.0. Проверялась только переоценка результатов поиска по англоязычным текстам центральных законов. Модель не валидировалась на судебных решениях, региональном или подзаконном законодательстве, других языках и иных корпусах; перенос на них не подтверждён. Эффективность зависит от качества первичного поиска, а значительная часть релевантных фрагментов может оставаться за пределами его выдачи.

TEI Bibliographic Annotator — модель cmboulanger, дообученная на Qwen/Qwen2.5-3B-Instruct с помощью LoRA и объединённая с базовыми весами. Она размечает обычный текст библиографических цитат встроенными TEI XML-тегами: выделяет авторов, названия, даты, издателей и другие структурные элементы, сохраняя исходный текст без перефразирования и нормализации. Модель рассчитана на цитаты из сносок в юридико-социологических работах, включая сокращённые и анафорические ссылки вроде «Id.» и «ibid.», а также цитаты, смешанные с авторским текстом. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов. Принимает текстовую инструкцию и цитату в формате чата, выдаёт размеченный текст; карточка указывает немецкий и английский языки. На пилотной проверке корректный TEI XML получен для 99,83% записей, точное совпадение с эталонной разметкой — для 42,50%; эти результаты относятся к первому пилоту и являются ограниченной проверкой, а не полной оценкой выпущенной версии. Лицензия указана как other, конкретные условия в карточке не раскрыты.

Time-Embed BGE-M3 LMS Temporal Phase2.90 — корейская модель эмбеддингов для поиска в системах управления обучением (LMS), разработанная на основе BAAI/bge-m3 и дообученная для точного различения выражений относительного времени. Она предназначена для поиска по запросам вроде «неделю назад», «за последние 7 дней» и «прошлый месяц», а также для различения похожих временных выражений с учётом типа материала или намерения пользователя. Модель использует архитектуру XLM-RoBERTa с 658,7 млн параметров, принимает текст и выдаёт векторные представления. Контекст составляет 8194 токена. Разработчик описывает её как узкоспециализированный вариант BGE-M3, а не замену базовой модели для общих задач. Внутренние проверки показали лишь очень небольшое улучшение относительно родительского чекпойнта Phase2.74; автор рекомендует использовать её при наличии внутренних проверок качества для временного, календарного и семантического поиска. Лицензия в предоставленных сведениях не указана.

XLMR Token Classifier for Term Extraction — дообученная авторами модель XLM-RoBERTa для извлечения терминов из английского текста. Она выполняет токенную классификацию: каждому токену присваивается метка, например B-Term, I-Term, BN-Term, IN-Term или O, чтобы выделить термины, в том числе вложенные. Модель предназначена для извлечения терминологии в разных предметных областях и может применяться для распознавания именованных сущностей и извлечения информации. Её обучали на английской версии ACTER: на материалах по коррупции и ветроэнергетике, проверяли на текстах об иппотерапии, а оценивали на материалах о сердечной недостаточности. В метаданных указаны архитектура XLM-RoBERTa, 305,2 млн параметров, контекст до 514 токенов и формат PyTorch. Результаты оценки основаны на точном совпадении извлечённых строк с эталонными терминами; качество на других языках и предметных областях из этих сведений не следует. Лицензия — MIT.

recobo/agri-sentence-transformer — модель Sentence-Transformers, разработанная на базе agriculture-BERT от Recobo. Она преобразует предложения и абзацы в плотные векторы размерностью 512 для сравнения смысловой близости, кластеризации и семантического поиска по сельскохозяйственным текстам. Архитектура — BERT; модель содержит 137,2 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для поиска похожих фрагментов, группировки текстов и оценки семантического сходства в аграрной тематике. Базовый agriculture-BERT обучен на 6,5 млн фрагментов из сельскохозяйственной области. Указанный язык — английский. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

aychang/bert-base-cased-trec-coarse — модель классификации текста на основе BERT, дообученная на датасете TREC. Она предназначена для отнесения английских вопросов к укрупнённым категориям; карточка приводит примеры вопросов о месте и причине. Модель содержит 135,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и Flax. Модель подходит для классификации коротких вопросов и тематической сортировки англоязычных запросов по категориям TREC. В README она названа минимальной языковой моделью, обученной на бенчмарке, поэтому её качество за пределами этого сценария не подтверждено. Лицензия — MIT.

hamtaai/bge-m3-hadith — дообученная Hamta AI модель на базе BAAI/bge-m3 для поиска и сопоставления персидских и арабских религиозных текстов, включая хадисы. Она предназначена для семантического поиска, информационного поиска, подбора релевантных фрагментов для ответов на вопросы и межъязыкового поиска между персидским и арабским языками. Модель использует архитектуру XLM-RoBERTa и выдаёт текстовые эмбеддинги; размер — 658,7 млн параметров, контекст — до 8194 токенов. Для instruct-сценариев README рекомендует префиксы query: и passage:. Модель распространяется по лицензии Apache-2.0. Оптимизирована прежде всего для персидского и арабского; качество на других языках может быть ниже, а результаты зависят от нормализации текста.

gridwayai/bge-nuclear-finetuned-2 — англоязычная модель Sentence Transformer, дообученная GridwayAI на базе BAAI/bge-base-en-v1.5 для семантической работы с текстами в ядерной отрасли. Архитектура основана на BERT: модель преобразует предложения и абзацы в плотные эмбеддинги размерности 768 и сравнивает их с помощью косинусного сходства. Максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации текстов, связанных с ядерными реакторами и процедурами атомной энергетики. В README приведён результат cosine accuracy 0,9177 на валидации TripletEvaluator. Для использования нужны Sentence Transformers или совместимый сервис инференса эмбеддингов. Лицензия в предоставленных данных не указана.

ai4data разработала glinerdatauseextended — дообученную модель GLiNER large-v2.1 для извлечения упоминаний об источниках данных из экономических научных статей. Она выделяет три типа упоминаний: названия и аббревиатуры конкретных источников, описательные упоминания без названия и общие формулировки, по которым источник нельзя определить. Модель предназначена для разметки и анализа использования наборов данных, обследований, переписей и реестров в исследовательских публикациях. Модель обучена на расширенном наборе data-use-mentions-extended в течение пяти эпох. В README приведены результаты проверки на отложенной выборке: лучший F1 составляет 0,8493 при пороге 0,5. Порог влияет на баланс точности и полноты, поэтому его стоит настраивать под задачу; в таблице также отмечено, что другая модель GLiNER2 на том же наборе показала более высокий F1. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Loom Spark 1.5 — компактная языковая модель Textile Labs, обученная с нуля для работы в составе агентного контура. Это плотная decoder-only модель на архитектуре GPT-2 с 12,3 млн параметров, контекстом 256 токенов и собственным BPE-токенизатором. Она принимает текст и генерирует текст на английском языке. Модель предназначена прежде всего для формирования точных поисковых запросов, которые внешний harness передаёт веб-поиску. В автономном режиме она поддерживает простые реплики, сообщает о своих ограничениях и умеет воздерживаться от неподтверждённых ответов; сама веб-поиск не выполняет. По карточке, в тестовой батарее она не выдавала маркеры инструментов в обычный чат и показывала validation loss 0,326 на лучшем чекпойнте. Модель почти не содержит фактических знаний и не предназначена для ответов, где ошибка может навредить, включая медицинские, юридические и финансовые вопросы. Для корректной работы требуется соблюдать формат промпта с маркерами режима; для поиска нужен внешний harness. Лицензия — MIT.

Meditron-3 Qwen2.5 7B — языковая модель для медицинской тематики, разработанная инициативой OpenMeditron и дообученная на базе Qwen/Qwen2.5-7B-Instruct. Это плотный авторегрессионный трансформер с 7,1 млрд параметров и контекстом до 32 768 токенов; модель принимает и генерирует текст. Обучающие данные включают клинические рекомендации, медицинские публикации, синтетические диалоги для дифференциальной диагностики и медицинские вопросы с вариантами ответов. Модель предназначена для исследований возможностей LLM в клиническом информировании и поддержки изучения медицинских решений, в том числе в условиях ограниченных ресурсов и гуманитарной помощи. Основной язык — английский; метаданные также перечисляют китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия — Apache-2.0. Модель не прошла валидацию для медицинского применения и не предназначена для диагностики, лечения или принятия клинических решений. Результаты тестов на медицинских вопросах с вариантами ответов не подтверждают пригодность в реальной клинической практике. Карточка указывает, что это статическая модель, обученная на офлайн-данных.