I.1Поиск и навигация по информации

EMBO разработала EMBO/SourceData_NER_v1_0_0_BioLinkBERT_base — дообученную на наборе source_data модель BioLinkBERT-base для классификации токенов. Она предназначена для распознавания сущностей в биомедицинских текстах, например для извлечения терминов из научных публикаций. Модель построена на архитектуре BERT, содержит 135,4 млн параметров и принимает последовательности длиной до 512 токенов. В README указаны результаты оценки: accuracy 0,9565, precision 0,8159, recall 0,8538 и F1 0,8344; они относятся к использованному набору оценки и не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии Apache-2.0.

josedossantos/urf-txtIndexacao-legalbertpt — модель Sentence Transformers на базе BERT, дообученная разработчиком josedossantos от raquelsilveira/legalbertpt_fp для представления юридических текстов на бразильском португальском языке. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов по косинусному сходству, а также для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Модель содержит 136,1 млн параметров, использует BERT с усреднением токеновых представлений и принимает последовательности длиной до 512 токенов. Обучение описано как контрастивное на 10 962 парах юридических текстов. Для поиска или сравнения текстов обычно требуется вычислить эмбеддинги для запросов и документов, затем оценить сходство векторов. Модель рассчитана на задачи работы с юридическими документами и законодательными текстами Бразилии. Её лицензия в предоставленных данных не указана; результаты сходства зависят от предметной области и качества исходного текста, а входные последовательности длиннее 512 токенов не помещаются в контекст модели.

EMBO разработала SODA-VEC VICReg Our Contrast — модель для построения векторных представлений биомедицинских и научных текстов. Она дообучена на базе answerdotai/ModernBERT-base и обучена на 26,5 млн пар заголовков и аннотаций из PubMed Central. Модель использует ModernBERT-base с 12 слоями, mean pooling и L2-нормализацией; выдаёт эмбеддинги размерности 768 и поддерживает контекст до 8192 токенов. Она предназначена для семантического поиска, сравнения текстов и извлечения научной литературы, а также может служить основой для дообучения под прикладные задачи. Лицензия — Apache-2.0. Модель ориентирована на англоязычные тексты биомедицины и наук о жизни. Она может хуже работать в других областях; для длинных документов рекомендуется разбивать текст на фрагменты. Представления отражают смещения корпуса PubMed Central.

Hoangy2005/vietnamese-legal-embedder — текстовая модель Sentence Transformer, дообученная на основе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Архитектура включает XLM-RoBERTa, усредняющий pooling и нормализацию; максимальная длина последовательности — 514 токенов по метаданным Hugging Face. Модель предназначена для извлечения эмбеддингов и поиска релевантных текстов, в том числе семантического поиска по вьетнамским юридическим материалам и подбора похожих предложений. Карточка указывает базовую мультиязычную модель, однако не приводит конкретные обучающие данные или результаты оценки качества в юридическом домене. Использование требует библиотеки Sentence Transformers. Лицензия в предоставленных данных не указана.

Davlan/xlm-roberta-base-masakhaner — модель распознавания именованных сущностей, созданная дообучением XLM-RoBERTa на наборах MasakhaNER для африканских языков. Она размечает в тексте имена людей (PER), места (LOC), организации (ORG), даты и время (DATE), присваивая метки отдельным токенам. Модель предназначена для извлечения сущностей из новостных текстов на амхарском, хауса, игбо, киньяруанда, луганда, нигерийском пиджине, суахили, волоф и йоруба. Архитектура — XLM-RoBERTa для классификации токенов, около 305,2 млн параметров; максимальный родной контекст — 514 токенов. Доступна в формате PyTorch и рассчитана на использование с Transformers. Карточка сообщает о высокой точности на задаче NER, однако обучение проводилось на размеченных новостных статьях за ограниченный период, поэтому качество может снижаться на текстах других жанров и предметных областей. Лицензия в доступных данных не указана.

Карточка модели tals/albert-base-vitaminc-mnli на Hugging Face совпадает с карточкой tals/albert-xlarge-vitaminc-mnli, поэтому описание составлено по ней. tals/albert-xlarge-vitaminc-mnli — модель классификации последовательностей на архитектуре ALBERT. Она использована в работе «Get Your Vitamin C! Robust Fact Verification with Contrastive Evidence» (Schuster и соавторы, NAACL 2021) и предназначена для проверки утверждений с опорой на контекст и контрастные свидетельства. Модель можно применять для классификации пар «утверждение — свидетельство», например при проверке фактов и оценке того, поддерживает ли текст утверждение или противоречит ему. Максимальная длина контекста — 512 токенов; доступны веса PyTorch, Safetensors и TensorFlow. В карточке указаны наборы данных GLUE, MultiNLI и tals/vitaminc. Карточка не раскрывает точную схему меток и метрики качества, поэтому перед использованием в прикладной системе стоит проверить формат входа и выхода и оценить качество на целевых данных. При использовании модели авторы просят цитировать научную работу; лицензия в доступных данных не приведена.

Это модель для распознавания именованных сущностей в сообщениях Twitter/X, разработанная в рамках проекта T-NER. Она дообучена на bert-base-cased на наборе tner/tweetner7, используя обучающую часть train_all; архитектура — BERT для классификации токенов, размер — 135,5 млн параметров, максимальный контекст — 512 токенов. Модель выделяет семь типов сущностей: организации, произведения творчества, события, группы, локации, людей и продукты. На тестовой выборке 2021 года micro F1 составил 0,623, при этом лучший показатель по классам — для людей (0,820), а самый низкий — для произведений творчества (0,389). Для обработки предусмотрена библиотека T-NER; сообщения следует предварительно привести к формату TweetNER7, включая специальное представление имён аккаунтов и URL. Язык модели — английский. Лицензия в предоставленных данных не указана.

Модель prithivida/bert-for-patents-64d — версия BERT для патентных текстов, основанная на anferico/bert-for-patents. Разработчик сократил размер эмбеддингов с помощью PCA с 1024 до 64 измерений, чтобы уменьшить объём их хранения при работе с миллионами векторов. Модель предназначена для извлечения признаков из текста и сценариев семантического поиска по патентам, в том числе с использованием векторных баз данных. Исходная модель обучена Google на более чем 100 млн патентов, включая патенты разных стран, а не только США. У модели архитектура BERT Large, около 443,5 млн параметров и контекст до 512 токенов. Доступны веса PyTorch и TensorFlow; лицензия — Apache-2.0. Сжатие эмбеддингов снижает требования к месту для их хранения, но, согласно карточке, не ускоряет работу модели и не уменьшает память, необходимую при её запуске. README сообщает о сопоставимом качестве после сокращения размерности, но не приводит подробностей оценки.

laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg — модель сопоставления изображений и текста семейства CLIP, обученная Ross Wightman с помощью OpenCLIP на подмножестве LAION-2B. Она предназначена прежде всего для классификации изображений по текстовым описаниям без дополнительного обучения, а также для поиска изображений по тексту и поиска текста по изображению. Визуальная часть модели основана на ConvNeXt-Base, текстовая — на архитектуре OpenAI CLIP RN50x4: глубина 12 слоёв и размерность эмбеддингов 640. Модель обучалась на разрешении 256×256 с усиленной аугментацией и регуляризацией; показатель zero-shot top-1 на ImageNet составляет 71,5%. Она рассчитана на английские запросы и подписи. README указывает, что модель предназначена для исследований и не рекомендуется для развёртывания без тщательной проверки на конкретной задаче и фиксированном наборе классов. Применение для наблюдения и распознавания лиц исключено. Лицензия репозитория — MIT.

Карточка модели DIYIN/ContextPilot-E4B на Hugging Face совпадает с карточкой tencent/ContextPilot-E4B, поэтому описание составлено по ней. ContextPilot-E4B — дообученная модель семейства Gemma 4 E4B Instruct, выпущенная Tencent как часть исследовательской системы ContextPilot. Она обучена помогать агентам заранее управлять контекстом в длительных задачах: планировать работу, поддерживать долговременную структурированную память, извлекать нужные сведения и убирать менее полезный контекст, продолжая рассуждать и использовать инструменты. Модель имеет плотную архитектуру Gemma4ForConditionalGeneration и распространяется в формате Safetensors; метаданные классифицируют её для генерации текста и указывают поддержку чата. Модель предназначена для исследований агентных систем, ответов на вопросы по длинному контексту и глубокого поиска. Для управления контекстом ей требуется окружение ContextPilot с определениями инструментов, агентным runtime и конвейером оценки: одной загрузки чекпойнта недостаточно, чтобы выполнять эти операции. В README лицензия не описана, а в метаданных указано только значение «other», поэтому условия использования по доступным сведениям определить нельзя.

Joel Zhang разработал модель на базе DeBERTa-v3-large для классификации отношений между парами текстов в задаче вывода на естественном языке (NLI). Она обучалась на SNLI, MultiNLI, FEVER и трёх раундах Adversarial NLI; по результатам тестирования показала точность 0,929 на SNLI и 0,612 на ANLI R3. Модель имеет архитектуру DeBERTa v2 для классификации последовательностей, содержит около 533,8 млн параметров и принимает последовательности длиной до 512 токенов. Основной язык карточки и обучающих данных — английский. Модель подходит для проверки, следует ли гипотеза из предпосылки, противоречит ей или не связана с ней. Её можно применять для проверки фактических утверждений по текстовым источникам и анализа логических отношений между фразами. Доступны веса PyTorch. Лицензия в предоставленных данных не указана.

maastrichtlawtech/distilcamembert-lleqa — модель эмбеддингов на базе DistilCamemBERT, разработанная Maastricht Law and Tech Lab. Она преобразует предложения и абзацы на французском языке в плотные векторы размерностью 768 и дообучена на наборе LLeQA для поиска нормативных статей, релевантных юридическим вопросам. Модель подходит для семантического поиска и кластеризации; обучение на парах «вопрос—статья» использует контрастивную цель. В оценке на тестовой части LLeQA с 195 вопросами и корпусом из 27,9 тыс. статей показаны MRR@10 36,67 и Recall@500 90,17. Модель содержит 81,2 млн параметров, построена на архитектуре CamemBERT и имеет контекстное окно 514 токенов. Доступна в форматах PyTorch и Safetensors. Она предназначена прежде всего для поиска по франкоязычным правовым материалам бельгийского законодательства; результаты оценки относятся к LLeQA и не гарантируют аналогичного качества на других корпусах. Лицензия — Apache-2.0.

snumin44/fincse-multilingual-xlm-roberta-base — дообученная многоязычная модель эмбеддингов на базе XLM-RoBERTa Base, разработанная для поиска соответствующих финансовых и экономических предложений. Она кодирует тексты в представления для межъязыкового поиска и сопоставления предложений; модель оценивали на задаче поиска параллельных предложений, а не на общей оценке семантического сходства. Модель дообучена на финансовых парах предложений на корейском, английском, китайском, японском, вьетнамском и индонезийском языках. В карточке указаны 305,2 млн параметров и контекст длиной 514 токенов. Авторы сообщают о высокой точности поиска на отложенной выборке из 50 000 примеров, но эти результаты относятся к описанному финансовому набору данных. Модель распространяется в формате safetensors по лицензии MIT.

Immerwinter/gbert-large-privacy-policy-content-processing — немецкоязычная модель классификации текста, разработанная на базе deepset/gbert-large и предназначенная для разметки фрагментов политики конфиденциальности по темам обработки данных. В карточке перечислены категории Audience, Contact, Control, Deletion, LegalBasis, Policy, Processing, Purpose, Retention, Security/Privacy, Selling, Sharing, ThirdParty и UserRights; README также упоминает контекст и тему. Модель использует архитектуру BERT с классификационной головой BertForSequenceClassification и содержит 434,5 млн параметров. Она принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классов. Доступны веса в форматах Safetensors и ONNX; базовая модель распространяется по лицензии Apache-2.0. Специализация на немецком языке следует из метаданных, а англоязычная версия упоминается в README.

Immerwinter/gbert-large-privacy-policy-content-userrights — немецкоязычная модель классификации текста, разработанная на основе deepset/gbert-large и дообученная для анализа содержания политик конфиденциальности. README относит её к анализу раздела UserRights, связанного с правами пользователей. Модель использует архитектуру BERT для классификации последовательностей, содержит 434,5 млн параметров и принимает текст длиной до 512 токенов. Репозиторий включает веса safetensors и формат ONNX; лицензия — Apache-2.0. Модель подходит для выделения и классификации фрагментов политики, описывающих права пользователей. Доступная карточка не раскрывает метки классов, обучающие данные, метрики качества и подробности использования; немецкий язык указан в метаданных, а пометка «English version» в README не подтверждает поддержку английского моделью.

NeuML H.G. BERT Small Embeddings — компактная модель эмбеддингов, дообученная NeuML на базе NeuML/hgbert-small с помощью sentence-transformers. Она кодирует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, кластеризации и построения источников данных для RAG. Архитектура основана на BERT и содержит 25,9 млн параметров; максимальная длина контекста — 512 токенов. Модель специально обучена на парах заголовков и аннотаций исторических англоязычных книг, а также поисковых запросах. Обучение включало MultipleNegativesRankingLoss и генерацию сложных отрицательных примеров; дистилляция не применялась, чтобы снизить риск утечки данных и сохранить сходство, характерное для текстов до 1899 года. В указанной в README оценке на BEIR-совместимом наборе модель показала NDCG 50,12; автор также отмечает возможность работы на CPU. Модель принимает текст и выдаёт векторы, пригодные для сравнения сходства и ранжирования. Она ориентирована на исторические англоязычные материалы и может хуже подходить для современных текстов и других предметных областей. Распространяется по лицензии Apache-2.0.

InfectaVec-v2 — разработанная Yesimm модель Sentence Transformers, дообученная на базе BAAI/bge-m3 для представления предложений и абзацев в виде плотных векторов. Она предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации; обучение включало перефразированные и найденные по параллельным текстам запросы между английским и корейским языками. Модель построена на XLM-RoBERTa с pooling по CLS-токену и нормализацией векторов. Она выдаёт эмбеддинги размерности 1024, сравниваемые косинусным сходством, и поддерживает последовательности до 8194 токенов согласно метаданным. README описывает обучение на данных об инфекционных заболеваниях и приводит результаты на тестовом наборе по инфекционным заболеваниям и медицинских бенчмарках. Модель распространяется по лицензии Apache-2.0. Её применение особенно обосновано для английских и корейских медицинских текстов; приведённые оценки относятся к конкретным тестам и не гарантируют качество на других корпусах.

LaBSE_geonames_RU_RELOCATION — дообученная artefucktor модель на базе sentence-transformers/LaBSE, предназначенная для работы с названиями географических объектов. Она преобразует названия городов из набора GeoNames cities500 RU и популярных стран для переезда в плотные векторы размерности 768, пригодные для семантического поиска и кластеризации. Модель построена на архитектуре BERT, содержит 498,1 млн параметров и принимает тексты длиной до 512 токенов. Модель можно применять для поиска географических названий по смысловой близости и группировки похожих названий. Базовая LaBSE создаёт общий векторный язык для 109 языков; в карточке этой модели указаны русский и английский. Весы опубликованы в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts — модель эмбеддингов на архитектуре BERT, созданная для поиска семантически близких предложений и абзацев на португальском языке в юридических текстах. Она основана на Legal-BERTimbau-large, который происходит от BERTimbau large, и содержит около 433,2 млн параметров. Модель выдаёт плотные векторы размерностью 1024 и рассчитана на сравнение смыслового сходства, кластеризацию и семантический поиск. Обучение включало TSDAE на очищенных документах, технику GPL и дообучение для оценки семантического сходства на португальских наборах ASSIN, ASSIN2 и STS-B Multi-MT. Модель принимает текст и возвращает векторы; заявленный контекст — до 512 токенов. Она специализирована на юридическом португальском и оценке сходства предложений. Лицензия в предоставленных данных не указана.

MiniCPM4-Survey — открытая языковая модель-агент, совместно разработанная THUNLP, Народным университетом Китая и ModelBest. Она основана на MiniCPM4-8B и содержит 7,9 млрд параметров; это плотная авторегрессионная модель семейства MiniCPM для генерации текста, доступная в формате safetensors и рассчитанная на работу через Transformers. Указанная длина контекста — 32 768 токенов. Модель предназначена для автономного создания длинных обзорных научных работ по запросу пользователя. В описанном авторами процессе она планирует структуру обзора, формирует поисковые запросы, а затем синтезирует найденные материалы в связный текст с цитатами. Для работы этого сценария README также описывает подготовку базы научных статей и рекомендует отдельную модель эмбеддингов. Карточка заявляет поддержку китайского и английского языков. К сильным сторонам относятся специализация на длинных обзорах, многоэтапная схема генерации и обучение с оценкой структуры, содержания и цитирования. Модель может выдавать неточные утверждения или ссылки, поэтому результаты требуют проверки; README прямо возлагает ответственность за их оценку на пользователя. Лицензия — Apache-2.0.

MizoEmbed-1 — модель плотных текстовых эмбеддингов для языка мизо, разработанная специально для представления предложений и абзацев в виде векторов. Это Sentence Transformer на архитектуре BERT, дообученный на базе robzchhangte/MizBERT. Размерность эмбеддингов составляет 768, длина входного контекста — до 512 токенов; модель содержит 136,7 млн параметров. Модель предназначена для вычисления семантического сходства текстов, семантического поиска, поиска перефразировок, классификации текстов и кластеризации. Её можно применять для поиска по корпусам на мизо и группировки похожих фрагментов текста. Репозиторий распространяется в формате safetensors и рассчитан на использование с библиотекой Sentence Transformers. Лицензия — Apache-2.0. Модель ориентирована на мизо; её качество для других языков не подтверждено представленными материалами. Контекст ограничен 512 токенами, поэтому длинные документы потребуется разбивать на части.

vllm-sr/mmbert-embed-medical — модель Sentence Transformers, дообученная разработчиком vllm-sr на базе vllm-sr/mmbert-embed-32k-2d-matryoshka для медицинских текстов. Это плотный энкодер ModernBERT на 306,9 млн параметров: он кодирует предложения и абзацы в векторы размерности 768, пригодные для сравнения по косинусному сходству. Максимальная длина последовательности — 32 768 токенов; в README описано среднее объединение токеновых представлений. Модель предназначена для семантического поиска и сопоставления медицинских текстов, а также может использоваться для поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Репозиторий содержит веса safetensors и ONNX; метаданные указывают библиотеку sentence-transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

BCCard разработала MoAI-Embedding-0.6B — модель текстовых эмбеддингов для поиска по корейским финансовым материалам BC Card. Это дообученная с помощью LoRA модель Qwen/Qwen3-Embedding-0.6B; в опубликованной версии адаптер объединён с базовыми весами. Модель содержит 507,6 млн параметров, создаёт нормализованные эмбеддинги размерностью 1024 и принимает последовательности длиной до 1024 токенов. Для сопоставления используется косинусное сходство. Модель предназначена для роли двунаправленного кодировщика (bi-encoder) в поиске по запросу и документам, в том числе для извлечения кандидатов в RAG-системе BC Card. На тестовом наборе внутри этой предметной области авторы сообщают об улучшении NDCG@10 на 8,2% относительно базовой модели. Для запросов при использовании следует применять тот же инструкционный префикс, что и при обучении; документы кодируются без него. Модель обучена на корейских финансовых данных BC Card, охватывающих персональные, торговые, корпоративные и VIP-сценарии. Для поиска числовых и табличных сведений, а также более точного ранжирования рекомендуется дополнять её лексическим поиском или переранжировщиком. Длинные документы нужно разбивать на фрагменты: текст после 1024 токенов обрезается. Это модель извлечения и сопоставления, она не генерирует ответы. Лицензия — Apache-2.0.

Jeevesh8/more_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_5 — модель, опубликованная пользователем Jeevesh8 на Hugging Face. По идентификатору и связанным данным она представляет собой дообученную версию BERT-base-uncased для задачи QQP из набора GLUE, то есть классификации пар вопросов по признаку семантической эквивалентности. Базовую архитектуру BERT разработала Google. Модель использует архитектуру BERT Base: 12 Transformer-слоёв, скрытое представление размером 768, 12 attention-heads и около 110 млн параметров. В названии указана максимальная длина последовательности 128 токенов и англоязычная uncased-токенизация, поэтому регистр букв не учитывается. Суффикс ft_5 обозначает один из вариантов fine-tuning, но точные параметры обучения и метрики для этой версии надёжно не указаны. Модель предназначена для выявления дубликатов и смыслового соответствия вопросов, например в поиске, службах поддержки и системах модерации. Её сильная сторона — специализированное дообучение BERT под QQP; ограничения включают английский язык, ограниченный контекст и неизвестные точные показатели качества и условия лицензирования именно этой производной модели. Лицензия для репозитория Jeevesh8 в доступных источниках не подтверждена.

NanoAgent — компактная языковая модель с 134,5 млн параметров, разработанная quwsarohi на базе HuggingFaceTB/SmolLM2-135M-Instruct. Это дообученная плотная модель семейства Llama для генерации текста, диалогов, следования инструкциям и лёгких агентных задач, включая вызов инструментов с JSON-аргументами и обработку полученных от инструментов сведений. Модель рассчитана на контекст до 8192 токенов и может работать на устройствах с ограниченными ресурсами; в README отдельно описан запуск на CPU и через MLX. Модель дообучена методом supervised fine-tuning на наборах данных для следования инструкциям, математических задач, диалогов и вызова функций. В опубликованных оценках она превосходит базовую модель по нескольким тестам следования инструкциям, но точность BFCL для вызова инструментов составляет 28,99%, поэтому результаты работы агента следует проверять. Модель ориентирована на английский язык. Репозиторий распространяется по лицензии Apache 2.0; для обучающих данных сохраняются отдельные условия лицензий исходных наборов.

Nyaya-7B — инструктивно дообученная на базе Mistral-7B-Instruct-v0.3 языковая модель для извлечения структурированных сведений из судебных решений Индии в формате JSON. Она предназначена для обработки текстов решений Верховного суда и судов штатов Индии в юридических исследовательских и аналитических системах, автоматизации параюридических процессов, оцифровки архивов и построения юридического поиска и графов знаний. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; принимает текст и генерирует текст, включая структурированные JSON-данные. Карточка сообщает об обучении на материалах ILSum и InLegalNLP, преимущественно на англоязычных решениях, и указывает английский и хинди как языки модели. Модель можно запускать локально через Transformers, а адаптер был объединён с базовыми весами. README приводит оценку на тестовом наборе из 50 дел и сравнение с Gemini 2.5 Flash, но результаты не гарантируют точность на других документах. Модель не предназначена для юридических консультаций или принятия решений: она может ошибаться в цитатах и хуже работать с решениями до 1950 года, региональными и смешанными языками, новыми законами и текстом, полученным из сканов без предварительного OCR. Лицензия — Apache-2.0.

minhquan6203/paraphrase-vietnamese-law — модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2, дообученная разработчиком на парах предложений с оценками сходства. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска и сравнения текстов в юридическом контексте Вьетнама. Модель использует архитектуру XLM-RoBERTa с усреднением токенных представлений и косинусной мерой сходства. В README указана максимальная длина последовательности 300 токенов, а метаданные каталога указывают нативный контекст в 514 токенов. Карточка сообщает о применении для семантического сходства, поиска парафразов, классификации и кластеризации; результаты оценки сходства включают Spearman 0,8645 для косинусного сходства. README не сообщает лицензию, поэтому условия распространения и использования установить по доступным данным нельзя. Результаты и качество на других юридических корпусах или языках отдельно не описаны; длинный текст может требовать разбиения на фрагменты.

Qwen-encoder-0.5B-i1-GGUF — это квантизированная GGUF-версия модели Qwen-encoder-0.5B, разработанной knowledgator и подготовленной к квантизации пользователем mradermacher. Модель относится к энкодерным языковым моделям и связана с подходом LLM2Vec. В качестве обучающего набора указана англоязычная Wikipedia. Модель предназначена для задач классификации, извлечения именованных сущностей и question answering, а также для других сценариев, где требуется получать представления текста и анализировать его содержание. Указан размер около 0,5 млрд параметров, поддерживается английский язык. Модель распространяется в формате GGUF с несколькими вариантами квантизации размером примерно 0,4–0,6 ГБ, что позволяет запускать её на ограниченных по памяти устройствах. Сильными сторонами являются компактный размер, широкий выбор уровней квантизации и возможность локального использования. При этом README не содержит данных о длине контекста, точных характеристиках архитектуры, результатах оценки качества или поддержке других модальностей и языков. Низкобитные варианты могут заметно уступать по качеству; для компромисса между скоростью, размером и качеством рекомендованы Q4_K_S и Q4_K_M. Лицензия модели — Apache-2.0.

ReAG-Critic — компонент фильтрации текстовых фрагментов в мультимодальном конвейере ReAG для ответов на вопросы по изображениям с использованием внешних знаний. Модель разработана aimagelab на основе Qwen2.5-VL и принимает изображение, вопрос и найденный текстовый фрагмент, оценивая его релевантность для ответа. Для оценки сравниваются вероятности следующих токенов «Yes» и «No»; порог по умолчанию — 0,1, его можно настраивать. Модель предназначена для отсева нерелевантных результатов поиска перед передачей оставшихся фрагментов генератору ReAG. Она ориентирована на knowledge-based visual question answering и использовалась в экспериментах на Encyclopedic-VQA и InfoSeek. Архитектура — плотная Qwen2.5-VL, объём — 3,1 млрд параметров, контекст — до 128 000 токенов. Репозиторий распространяет веса в формате Safetensors; лицензия — Apache-2.0.

ClimateBERT renewable — модель на базе RoBERTa, дообученная для классификации предложений, связанных с возобновляемой энергетикой. Она использует классификационную голову и обучена на размеченном людьми наборе данных; базой послужила climatebert/distilroberta-base-climate-f. Модель подходит для отбора предложений о возобновляемой энергетике в текстах. Она содержит 95,4 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch по лицензии Apache-2.0.