I.1Поиск и навигация по информации

TaxRAG Embedding — Granite 97m Multilingual — компактная модель эмбеддингов предложений на базе ModernBERT, разработанная автором репозитория и дообученная на базе IBM Granite для семантического поиска по текстам индийского закона о подоходном налоге. Модель содержит 97,4 млн параметров, выдаёт нормализуемые векторы размерности 384 и поддерживает сокращение вектора до 256 или 128 измерений. Контекст — до 32 768 токенов. Модель предназначена для плотного поиска и сопоставления запросов с законодательными фрагментами на английском и хинди, а также для запросов на хинглише с латинской транслитерацией. Её можно использовать в поисковых системах по налоговым документам и в гибридных конвейерах вместе с BM25. Модель не генерирует ответы и не предназначена для классификации или общего поиска вне правовой и налоговой тематики. В описанной автором оценке Recall@5 составил 0,98 для английского, 0,94 для хинди и 0,50 для хинглиша; первые два результата могут завышать качество на реальных запросах из-за сходства обучающих и оценочных данных и лексического пересечения. Лицензия — Apache-2.0.

AFM-4.5B-Base-KDA-NoPE — экспериментальная гибридная языковая модель Arcee.ai, созданная на основе AFM-4.5B-Base методом дистилляции. В архитектуре ArceeKDA три слоя Kimi Delta Attention чередуются с одним слоем полносвязного внимания NoPE; модель содержит 6 млрд параметров по метаданным, а карточка README указывает 4,5 млрд. Она принимает текст и предназначена для исследований гибридных архитектур внимания, сравнения линейного и полного внимания и проверки компромиссов между эффективностью и возможностями модели. Модель обучена на контекстах до 32 768 токенов. По данным карточки, гибридный вариант сохраняет более высокую эффективность по памяти, чем модель с полным вниманием, и лучше проявляет себя в коротких математических рассуждениях, чем вариант только с KDA. В тесте извлечения одного факта из контекста достигал 100% до 32k, но за пределом обученной длины наблюдался резкий спад качества. Лицензия — Apache-2.0.

Hygros-LCA разработала дообученную на базе BAAI/bge-m3 модель Sentence-Transformers для поиска строительных материалов по метаданным элементов IFC в рабочих процессах KBOB и оценки жизненного цикла (LCA). Она преобразует текстовые запросы в эмбеддинги размерностью 1024 для семантического поиска и ранжирования кандидатов по каталогу материалов; сходство оценивается косинусной мерой. Максимальная длина последовательности в README — 128 токенов, хотя метаданные указывают нативный контекст 8194 токена. Модель предназначена для извлечения кандидатов по данным зданий и инфраструктуры, семантического поиска по каталогам материалов и предварительного отбора перед ручной проверкой. В оценке на 389 запросах Hit@1 составил 97,43% для обычных запросов, 88,43% при опечатках и 75,32% при пропущенных атрибутах; отсутствие семантически важных полей заметно ухудшает ранжирование. Для окончательного назначения материала нужны проверка человеком и учёт проекта, стандартов и местных норм. Модель не предназначена для автономных юридических, закупочных или критичных для безопасности решений и не заменяет экологические декларации. Лицензия — MIT.

CallForge-1B-v1 — исследовательская модель с 1 млрд параметров из репозитория solomoniw, созданная на базе openbmb/MiniCPM5-1B. Она дообучена методом LoRA с рангом 16 и генерирует вызовы инструментов во встроенном XML-диалекте. Модель предназначена для экспериментов с tool calling, function calling и агентными сценариями, а не для безнадзорного использования в производственных системах. Модель обучалась на небольшом синтетическом корпусе из 300 траекторий использования инструментов, включавших пять инструментов: get_weather, search_web, send_email, create_calendar_event и list_files. Заявленный язык — английский, тип задачи — генерация текста. Обучение проводилось с длиной последовательности 1024 токена; большое значение max_position_embeddings, унаследованное от базовой модели, не отражает подтверждённую длину рабочего контекста. Модель поддерживает выбор инструментов, обобщение на незнакомые схемы, отказ от нерелевантных вызовов и параллельные вызовы. На небольших тестовых наборах она показала 100% результат для простого выбора инструментов, обобщения на отложенные инструменты и воздержания от неподходящих вызовов, а также 9 из 10 для параллельных вызовов. Эти результаты имеют широкие доверительные интервалы из-за размеров выборок 8–10 примеров и не доказывают надёжность в общем случае. Известное ограничение — возможный пропуск предварительного шага в многоэтапной задаче; модель также не обучалась с помощью RL или preference alignment. Вызовы следует проверять по собственной схеме и выполнять только после подтверждения пользователя. Модель распространяется по лицензии Apache 2.0. Она позиционируется как research preview; результаты для BFCL v3 и других неуказанных тестов не заявляются.

AgentPublic/Faust — франкоязычная чат-модель, созданная на основе Mistral-Hermes и обученная на ответах с сайта service-public.fr и синтетических вопросах. Она предназначена для диалога и ответов на вопросы о французских государственных услугах; карточка также описывает режим RAG для ответов по предоставленным справочным материалам, но отмечает, что этот режим не тестировался. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для диалога используется формат ChatML; заявлена возможность учитывать предыдущие сообщения беседы. Модель распространяется в формате safetensors по лицензии Apache-2.0.

VenkatManda/KaggleQuestionsModelGPT2 — языковая модель на базе GPT-2, дообученная разработчиком Venkat на данных Kaggle с вопросами и ответами. Карточка описывает её как модель для ответов на вопросы с контекстом: на вход подаются вопрос и текст, из которого нужно извлечь ответ. Модель построена на архитектуре GPT-2 и использует библиотеку Transformers; максимальный контекст составляет 1024 токена. В метаданных указан английский язык и формат весов safetensors. Модель предназначена для экспериментов с ответами на вопросы по предоставленному контексту. README показывает пример загрузки через AutoModelForQuestionAnswering, но метаданные классифицируют модель как text-generation; поэтому совместимость заявленного способа использования и опубликованной архитектуры следует проверить перед применением. Модель распространяется по лицензии Apache-2.0.

OSINT Stylometry & Author Attribution Model — дообученный энкодер Sentence-BERT с сиамской архитектурой, предназначенный для сравнения авторского стиля текстов. Он преобразует посты, комментарии и сообщения в эмбеддинги, которые можно сравнивать по косинусной близости для поиска текстов, вероятно написанных одним автором, или выявления смены стиля. Модель разработана для OSINT, киберразведки и форензики; в карточке указаны 25,9 млн параметров, архитектура BERT и контекст до 512 токенов. Доступны форматы Safetensors и ONNX, лицензия MIT. Модель ориентирована на русскоязычные тексты с английским сленгом и учитывает такие стилистические признаки, как пунктуация, опечатки, сленг, эмодзи, смешение языков и длина предложений. Эмбеддинги подходят для поиска сходства между текстами и построения стилистических профилей. Карточка сообщает, что обучение преимущественно проводилось на синтетических данных. Короткие сообщения могут не содержать достаточного стилистического сигнала; результаты вероятностны и не заменяют профессиональную или юридическую экспертизу.

PatriLaCSE — модель Sentence Transformer, разработанная на основе bowphs/LaBerta и дообученная для получения векторов предложений и абзацев. Это RoBERTa с усреднением токенных представлений: модель кодирует текст в плотные 768-мерные эмбеддинги, а близость оценивается косинусным сходством. В репозитории указаны 153,2 млн параметров и библиотека Sentence Transformers; метаданные задают контекст до 514 токенов, тогда как карточка README указывает максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и использования эмбеддингов в классификации. Обучающие примеры и название модели указывают на латинские тексты патристики; базовая LaBerta описана как одноязычная модель для классической филологии. README приводит оценку на наборе patrilacse-ir, включая cosine_accuracy@1 0,51 и @5 0,6447. Модель принимает текст и выдаёт векторы; она не предназначена для генерации ответов. Лицензия в предоставленных данных не указана.

mandanya/Qwen2.5-Coder-0.5B-LCQ-v2 — дообученная модель на базе Qwen/Qwen2.5-Coder-0.5B-Instruct для составления запросов Logseq на Clojure с использованием Datalog. Она предназначена для диалоговой генерации запросов к заметкам Logseq по описанию пользователя. Модель построена на плотной архитектуре Qwen2 и содержит 494 млн параметров; принимает текст и выдаёт текст. Контекст — до 32 768 токенов. В README описан датасет примерно из 100 вручную собранных примеров и около 4500 синтетических примеров, созданных на их основе с помощью Qwen2.5-Coder-7B-Instruct. В указанном тестировании версия v2 получила общий результат 0,3333 в режиме zero-shot; оценка проводилась на небольшой синтетической тестовой части. Модель распространяется по лицензии Apache-2.0.

Style-Embedding — модель эмбеддингов предложений на базе RoBERTa, опубликованная Anna Wegmann. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по сходству, семантического поиска и кластеризации. Модель дообучена на наборе StyleEmbeddingData с Triplet Loss и косинусной метрикой расстояния, чтобы представления отражали стиль текста независимо от его содержания; в материалах автор предлагает название CISR — Content Independent Style Representations. Архитектура — RoBERTa с 151,8 млн параметров; модель принимает текст и выдаёт векторы. Максимальный контекст — 514 токенов. Указанные сценарии включают поиск и группировку текстов по стилевому сходству. Лицензия в предоставленных данных не описана.

Barcenas 8b Juridico Mexicano — языковая модель Danielbrdz для ответов на вопросы о мексиканском праве и законах Верховного суда Мексики (SCJN). Это дообученная на юридических данных версия NousResearch/Meta-Llama-3.1-8B-Instruct; архитектура Llama, плотная модель с 7,5 млрд параметров. Карточка указывает контекст до 131 072 токенов и поддержку чата. Модель предназначена для поиска ответов по мексиканскому законодательству и повышения доступности юридических знаний. В обучающем наборе заявлены 50 документов SCJN в формате вопросов и ответов. Модель распространяется по лицензии llama3.1. Ответы могут быть ограничены охватом этих данных и требуют проверки по актуальным первоисточникам; карточка не приводит оценок качества.

OELLM 9B — 128K context — Prelude anneal300b — это экспериментальный базовый языковой чекпойнт от birgermoell, полученный продолжением предобучения openeurollm/prelude. Модель построена на плотной архитектуре Qwen3 с примерно 9 млрд параметров и контекстом до 131 072 токенов. Опубликована в формате BF16 для Transformers; лицензия — Apache-2.0. Модель предназначена для генерации продолжений текста и исследований длинноконтекстного поиска и обработки документов. Она обучалась на многоязычной смеси данных с европейскими языками, кодом и научными текстами; языковая компетентность неравномерна. Это базовая модель без инструкционной настройки и выравнивания по безопасности, поэтому она не рассчитана на поведение чат-ассистента. Для конфигурации на 128K токенов следует сохранять rope_theta=32000000 и max_position_embeddings=131072. Проверка извлечения информации ограничена небольшим тестом на английском и шведском языках и не подтверждает надежную работу по всему контексту, многошаговые рассуждения, суммаризацию длинных документов или поиск по нескольким фрагментам. Для длинного контекста нужны значительные ресурсы ускорителей и настройка памяти KV-кэша; качество относительно более раннего чекпойнта Prelude на 1T токенов не гарантируется.

OVD Web: Pure CoT Reject, step 200 — контрольная точка Qwen2.5-3B-Instruct, дообученная для оценки ответов на вопросы о вебе с реальным поиском через Serper; обучение проводилось с симулированным поиском. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, использующая формат BF16 и контекст до 32 768 токенов. Карточка обозначает её как actor checkpoint из коллекции OVD; состояние оптимизатора не включено. Модель предназначена для экспериментов и оценки поведения при веб-поиске и ответах на вопросы с опорой на поиск. Она принимает текст и генерирует текст; базовая модель поддерживает многоязычный чат и выполнение инструкций. В карточке модели не приведены конкретные языки обучения, лицензия или результаты оценки, поэтому свойства базовой модели нельзя считать подтверждением качества этого чекпойнта.

GemmaColRAC-AeroExpertV4 — четвертая версия языковой модели SomosNLP, специализирующейся на авиационных правилах и нормативных требованиях Колумбии. Модель основана на архитектуре Gemma и содержит 2,5 млрд параметров; она дообучена на наборе ColombiaRAC_FullyCurated для генерации ответов и материалов по авиационному регулированию на испанском языке. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для поиска и разъяснения требований RAC Colombia, подготовки ответов на вопросы и создания черновиков нормативных материалов для авиационной отрасли. В README заявлены улучшения точности и эффективности относительно предыдущих версий, но подробности оценки и количественные результаты не приведены. Лицензия — Apache-2.0.

Карточка модели realPCH/kosolra-wiki-QA-1epoch на Hugging Face совпадает с карточкой realPCH/kosolra-wiki-QA, поэтому описание составлено по ней. realPCH/kosolra-wiki-QA — дообученная языковая модель на архитектуре Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. В README указано, что при обучении использовался набор kyujinpy/KOR-gugugu-platypus-set; метаданные также связывают модель с датасетом maywell/ko_wikidata_QA. Модель предназначена для генерации текста и ответов на вопросы по корейским энциклопедическим знаниям. Она содержит 10,7 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Для загрузки в README приведён пример с Transformers. Лицензия — MIT. Карточка содержит мало сведений об оценке качества и ограничениях; ответы могут быть неточными, особенно за пределами корейской тематики.

lamini/lamini_docs_finetuned — дообученная Lamini модель для генерации текста, обученная отвечать на вопросы об использовании платформы Lamini. Для обучения использован набор документов Lamini в формате вопросов и ответов; карточка описывает её как пример задачи. Модель основана на EleutherAI/pythia-70m и использует архитектуру GPT-NeoX с плотной нейронной сетью; в метаданных указаны 50,9 млн параметров и контекст до 2048 токенов. Модель принимает текст и генерирует текстовые ответы. Она предназначена прежде всего для вопросов о платформе Lamini. Доступна по лицензии Apache-2.0. Карточка не сообщает оценок качества или подробностей об ограничениях ответов.

MrZaper/LiteModel — компактная модель Sentence-Transformers, дообученная для семантического поиска и извлечения академических статей по кибербезопасности из журнала «Cybersecurity: Education, Science, Technology». Она кодирует запросы и фразы статей в плотные векторы размерностью 384 для поиска по сходству, кластеризации и семантического сопоставления. Для поиска в описанном сценарии запрос переводится на английский с помощью Google Translate, после чего вычисляется косинусное сходство с заранее рассчитанными эмбеддингами статей; результатом служат коды наиболее подходящих статей. Модель основана на BERT, содержит 25,9 млн параметров и имеет контекстное окно 512 токенов. README заявляет поддержку запросов на английском, украинском и других языках благодаря предварительному переводу на английский. Репозиторий также содержит предрассчитанные эмбеддинги статей и соответствующие коды. Лицензия — Apache-2.0. По описанию модель специализирована на одном журнале, поэтому её пригодность для других коллекций и предметных областей не подтверждена.

CMB-ClimateModernBERT/Merge_Soup_drop_F_LRD — англоязычный encoder-only чекпойнт ModernBERT, дообученный на климатических текстах и опубликованный в семействе ClimateModernBERT. Модель содержит 149 млн параметров, принимает последовательности длиной до 8192 токенов и решает задачу заполнения маски (fill-mask). Обучение продолжалось на академических и синтетических климатических текстах; вариант Drop-one Soup исключает корпус Climate Web. Веса идентичны репозиторию sraj/Merge_Drop_FWebEduv2, а название приведено в соответствие с обозначениями статьи. Модель предназначена для исследований в области обработки климатических текстов и для последующего дообучения под классификацию, многометочную разметку и поиск по корпоративной и климатической отчётности, политическим документам, научным публикациям и новостям. Это masked language model, а не диалоговая или инструкционная система. README не приводит отдельный агрегированный результат для этого чекпойнта; для общего применения авторы рекомендуют CMB-ClimateModernBERT/Merge_Soup_LRD, показавшую средний F1 76,3 на описанном наборе климатических тестов. Модель выпущена для исследований и последующей работы; условия лицензии в предоставленных данных не указаны.

abhishekai/slm-500m-legal-sft-v2 — англоязычная плотная модель семейства Llama с 517,7 млн параметров, разработанная путём supervised fine-tuning модели thesreedath/slm-500m-base. Она предназначена для ответов на вопросы по юридическим и финансовым фрагментам, которые пользователь передаёт в контексте, в частности в составе retrieval-augmented generation (RAG) конвейера. Контекст модели — 1024 токена; репозиторий содержит веса в формате Safetensors и шаблон чата. Версия v2 обучена на 17 170 парах вопросов и ответов; в сравнительной оценке по 300 запросам она получила 5,04 из 10. Модель может следовать инструкциям и опираться на предоставленный отрывок, но без контекста склонна к выдумкам. По README, около 3% ответов вырождаются в повторения, арифметика ненадёжна, а цитаты могут быть вымышленными. Это демонстрационная модель, не предназначенная для юридических или финансовых рекомендаций. Лицензия — Apache-2.0.

AtmicQuoterv2 — компактная модель эмбеддингов, разработанная SriRamanaAtmic для поиска цитат Раманы Махарши по вопросам и другим текстовым запросам. Это дообученная модель Sentence Transformers на базе AtmicQuoterv1, которая сама основана на BAAI/bge-small-en-v1.5. Архитектура — BERT с CLS-пулингом и нормализацией; модель преобразует текст в 384-мерные векторы и сравнивает их по косинусному сходству. В README указана максимальная длина последовательности 128 токенов; метаданные каталога указывают контекст 512 токенов. Модель предназначена для плотного поиска релевантных фрагментов из корпуса цитат по естественным вопросам, в том числе как первый этап конвейера с последующим переранжированием. Она обучена на экспертно проверенных парах вопрос—ответ и подобранных позитивных и трудных негативных примерах. В описанном авторами тесте на 89 отложенных вопросах с поиском среди примерно 2 857 фрагментов v2 улучшила полноту на этапе поиска top-20 и точность выдачи top-4 по сравнению с BGE-small и v1, однако абсолютные показатели остались низкими: правильная цитата попадала в итоговую четвёрку для 32,6% запросов. Модель принимает и выдаёт текстовые представления: эмбеддинги можно использовать для семантического поиска и сравнения предложений. Обучение и оценка ориентированы на англоязычные запросы и цитаты. Лицензия в предоставленных данных не указана.

AtmicReRanker — англоязычный BERT-large cross-encoder для переранжирования результатов поиска по вопросам и ответам о Рамане Махарши. Модель разработала SriRamanaAtmic: это дообученная версия castorini/monobert-large-msmarco с 433,9 млн параметров, представленная в формате safetensors и использующая классификационную голову BertForSequenceClassification с двумя метками. Контекст ограничен 512 токенами. Модель оценивает пары «запрос — фрагмент текста» и предназначена для повторной сортировки кандидатов, уже найденных поисковым этапом. Дообучение выполнено на 7 328 обучающих и 1 280 валидационных запросах из набора вопросов и ответов о Рамане Махарши. На указанном в README закрытом валидационном тесте она превзошла базовую MonoBERT по recall@1, recall@5 и mrr@10 при использовании SriRamanaAtmic/AtmicEmbeddingv3 для начального поиска. Для загрузки требуется совместимость с форматом MonoBERT/PyGaggle; README предупреждает, что этот чекпойнт не загружается через sentence-transformers CrossEncoder. Лицензия — MIT. Результаты бенчмарка относятся к указанному корпусу и валидационной выборке; перенос качества на другие коллекции не подтверждён.

Карточка модели YesayaAlvinK/indobert-bible-search на Hugging Face совпадает с карточкой YesayaAlvinK/bible-search-project, поэтому описание составлено по ней. YesayaAlvinK/bible-search-project — sentence-transformers-модель на базе indobenchmark/indobert-base-p1, дообученная для поиска семантически близких предложений и абзацев. Она кодирует текст в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства; архитектура включает BertModel и mean pooling. Модель рассчитана прежде всего на индонезийский текст: обучающие примеры состоят из парафраз библейских фрагментов. Максимальная длина входа — 512 токенов. Модель подходит для поиска релевантных библейских отрывков по запросу и сопоставления перефразированных фрагментов. Она принимает текст и выдаёт векторные представления, но сама не генерирует ответы. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Jibay-1.5p-30M — небольшая языковая модель команды Jibay Ai для генерации текста с упором на персидский язык и поддержкой английского. В карточке описана гибридная схема SRAG: модуль детерминированного поиска по обучающим данным сочетается с генерацией на основе 6-граммных связей. Модель рассчитана примерно на 30 млн параметров и запуск на CPU; для работы указан PHP 7.4 или новее. По заявлению авторов, модель предназначена для ответов на вопросы и генерации текста, а её входной контекст составляет до 32 000 токенов. README также заявляет до 128 000 выходных токенов, однако не приводит независимой проверки этих показателей и сообщает о небольшой обучающей базе. Лицензия репозитория — Apache-2.0.

CMB-ClimateModernBERT/Merge_Soup_drop_S_LRD — англоязычная encoder-only модель семейства ModernBERT, разработанная в рамках проекта ClimateModernBERT. Это вариант слияния модели для климатической тематики, полученный продолжением предобучения ModernBERT-Base на академических текстах и материалах климатического веба; веса повторно опубликованы из sraj/Merge_Drop_SYN_FastText и идентичны исходным. Модель содержит 149 млн параметров, работает с контекстом до 8192 токенов и обучена предсказывать замаскированные фрагменты текста. Модель предназначена для получения текстовых представлений и последующего дообучения на задачах классификации, многометочной разметки и поиска по климатическим новостям, научной литературе, корпоративной отчётности и документам климатической политики. В README указано, что для общего применения предпочтительнее другой вариант семейства — CMB-ClimateModernBERT/Merge_Soup_LRD; для этой контрольной точки не приводится сводная оценка качества. Ограничения включают поддержку только английского языка, оценку преимущественно на задачах уровня предложения или фрагмента и отсутствие режима следования инструкциям. Модель предназначена для исследовательских работ по NLP в области климата. README сообщает об ограничениях на перераспространение части исходных академических текстов, но лицензия весов в предоставленных данных не указана.

OpenMed/OpenMed-NER-SpeciesDetect-SuperMedical-125M — модель OpenMed для распознавания названий видов и организмов в тексте. Это дообученная для классификации токенов модель на архитектуре RoBERTa; в README указана базовая архитектура roberta-base. Модель обучена на корпусе LINNAEUS и размечает упоминания сущностей тегами B-SPECIES и I-SPECIES. Она предназначена для извлечения научных и обиходных названий организмов из биомедицинской литературы и других текстов, а также для построения систем поиска и анализа упоминаний видов. В карточке заявлены F1 0,92, точность 0,89, полнота 0,95 и accuracy 0,99. Модель принимает текст и выдаёт BIO-разметку сущностей; контекст составляет 514 токенов. Поддерживаемый язык — английский. Лицензия — Apache-2.0. Метки модели ограничены сущностями видов, поэтому она не предназначена для распознавания лекарств, химических соединений или других типов биомедицинских сущностей, несмотря на более широкие сценарии, перечисленные в README. Заявленные метрики относятся к описанной оценке и не гарантируют такое же качество на других доменах и текстах.

Rawi — модель-энкодер ModernBERT для классического арабского языка, разработанная Абдеррахманом Айнушем и Риадом Мулахсеном из ENSIA в рамках проекта SILA. Это masked language model с 149 млн параметров и контекстом до 8 192 токенов, дообученная на корпусе OpenITI с произведениями по истории и биографиям; тексты исламского Запада представлены с повышенным весом. Модель предназначена для заполнения пропусков и как основа для извлечения имён, нисб, географических названий, должностей, связей и поиска по историческим текстам. На отложенных западных биографических текстах Rawi снизила псевдоперплексию базовой модели и показала результат, сопоставимый с CAMeLBERT-CA при более длинном контексте. Однако качество для западных текстов остаётся ниже, чем для восточных; некоторые западные нисбы предсказываются слабо. Модель обучалась преимущественно на печатных критических изданиях без огласовок, поэтому тексты с полной диакритикой, современный литературный арабский, диалекты и рукописные транскрипции не входят в подтверждённую область применения. Для downstream-задач результаты дообучения ещё не представлены. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование.

BioGravity-Inst — биомедицинская инструкционная языковая модель компании AIGEN Sciences, разработанная дообучением Gravity-30B-A5B-Preview. Она предназначена для исследовательских задач в среде Biomni A1: ответов на вопросы, сбора свидетельств, вычислений и анализа с помощью инструментов. Модель использует архитектуру GravityMoEForCausalLM с разреженной смесью экспертов и MLA; в репозитории опубликован объединённый чекпойнт. Число параметров — 3,8 млрд, контекст — до 131 072 токенов. Основные языки — английский и корейский. В опубликованном сравнении на 433 вопросах Biomni Eval1 точность после биомедицинской адаптации составила 56,81% против 27,02% у исходной модели; результаты получены с инструментами и научными навыками среды A1 и не показывают качество автономного чата. Модель может ошибаться в фактах, объяснениях и ссылках; актуальные публикации и рекомендации нужно находить и проверять отдельно. Качество для языков, кроме английского и корейского, не гарантируется. Лицензия — Apache-2.0; модель выпущена для исследовательского применения и рассчитана на среду Biomni A1.

夫子·明察司法大模型由山东大学、浪潮云和中国政法大学联合研发，基于 ChatGLM 架构，使用中文司法语料进行增量预训练，并以法律问答、类案检索和三段论判决等数据进行微调。 Модель содержит 8,1 млрд параметров и распространяется в формате PyTorch; метаданные указывают лицензию Apache-2.0. Модель предназначена для генерации ответов на вопросы по китайскому праву, анализа обстоятельств дел и прогнозирования судебных решений. В описанных сценариях система может опираться на поиск нормативных актов и похожих судебных дел во внешней базе знаний; такие результаты зависят от доступности и качества этой базы. Основной язык модели — китайский. Ответы, включая ссылки на нормы и прогнозы исхода дела, могут содержать ошибки и требуют проверки по актуальным источникам и специалистом. Разработчики указывают, что ответы не являются юридической консультацией, а проект предназначен для академических исследований и не для коммерческого или иного потенциально вредоносного использования. Код проекта указан как Apache-2.0; условия использования весов ChatGLM-6B регулируются Model License.

marinarosa/minicpm5-1b-vivamais-v0 — дообученная на текстовых данных модель MiniCPM5-1B для ответов на вопросы по панели Viva Mais. Она предназначена для диалогового поиска ответов по данным панели с опорой на предоставленный контекст, а также для сценариев, где нужно корректно отказываться от ответа при недостатке данных. Модель использует архитектуру LlamaForCausalLM с плотными весами; содержит 837,6 млн параметров и поддерживает контекст до 131 072 токенов. Основной язык — бразильский португальский. Доступна в формате safetensors для библиотеки Transformers; лицензия — Apache-2.0. Это кандидат версии v0, обученный на открытых португальских инструкционных данных и примерах вопросов и ответов в формате схемы Viva Mais, включая случаи обоснования ответов и отказа. По внутренней оценке он превзошёл базовую MiniCPM5-1B по среднему баллу, однако автоматический контроль не пройден: отмечены ошибки утечки данных и неверной обработки вопросов без ответа. Поэтому модель следует рассматривать как версионированный кандидат для задач Viva Mais, а не как окончательно проверенное решение.

MoshiRAG — компактная полно-дуплексная речевая языковая модель Kyutai, дообученная на базе kyutai/moshika-pytorch-bf16. Репозиторий содержит фронтенд модели в формате PyTorch с точностью bf16 и весами safetensors; модель принимает речь и формирует речевые ответы на английском языке. Модель предназначена для интерактивных голосовых диалогов с асинхронным поиском внешних сведений. Она может определить, когда ответу нужны дополнительные факты, и передать контекст диалога системе поиска, пока разговор продолжается. После получения справочного текста модель использует его для обоснования последующих частей ответа. Репозиторий содержит только речевой фронтенд: для системы также требуются бэкенд поиска и потоковая ASR-модель для транскрибирования речи пользователя. Модель разработана Kyutai и распространяется по лицензии CC-BY 4.0. Авторы отмечают ограниченные возможности, возможные смещения в темах, представленных в обучающих данных, и средний уровень токсичности относительно сопоставимых моделей. Обучена воспроизводить один голос; её не рекомендуют применять для профессиональных консультаций или вредоносного использования.