I.1Поиск и навигация по информации

Malayalam Fake News Detector (MuRIL) — модель классификации текста, разработанная Manasi и дообученная на базе MuRIL. Она относит новостные статьи на малаялам к классам REAL или FAKE и предназначена для обнаружения подозрительных публикаций, исследовательских и учебных проектов, а также для включения в конвейеры проверки фактов. Модель основана на архитектуре BERT для классификации последовательностей, содержит 264,8 млн параметров и принимает текст длиной до 512 токенов. Для обучения использовался подготовленный набор публичных новостных данных на малаялам и синтетических примеров. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Предсказание отражает сходство текста с примерами REAL и FAKE и не заменяет проверку фактов по надёжным источникам. Качество зависит от разнообразия и качества обучающих данных; актуальные утверждения следует проверять отдельно. Лицензия — Apache-2.0.

ClimateModernBERT · Norm-balanced Soup — англоязычная модель-кодировщик для климатического текста, разработанная в рамках семейства ClimateModernBERT на основе продолженного предобучения ModernBERT-Base. Чекпойнт содержит 149 млн параметров, использует архитектуру ModernBertForMaskedLM и принимает последовательности длиной до 8192 токенов. Веса объединяют обучение на академических текстах, синтетических материалах и климатически релевантном веб-тексте; вариант Norm-balanced Soup уменьшает вклад корпуса Climate Web из-за большей нормы его task vector. Репозиторий повторно опубликован из sraj/Merge_Linear_NormBalanced с теми же весами. Модель предназначена для кодирования климатических текстов и дообучения под классификацию, многометочную разметку и поиск по корпоративной отчётности, документам политики, научной литературе и климатическим новостям. В README приведён средний F1 74,6 по девяти климатическим NLP-бенчмаркам; для общего применения авторы рекомендуют другой чекпойнт семейства, Merge_Soup_LRD. Это masked language model для заполнения масок, а не диалоговая система и не источник гарантированно достоверных утверждений о климате. Доступна лицензия исходного кода и весов в карточке метаданных не указана.

NMIXX-BGE-M3 — модель SentenceTransformer на базе BAAI/bge-m3, дообученная командой NMIXX-Fin для семантического сопоставления корейских финансовых текстов. Она формирует векторные представления предложений и рассчитана прежде всего на оценку семантической близости в финансовом домене; поддерживает корейский и английский языки. Модель использует архитектуру XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт эмбеддинги размерностью 1024. Максимальная длина последовательности — 8194 токена по метаданным; README указывает предел 8192 и отмечает, что стабильное качество гарантируется только до 2048 токенов. Модель обучена с triplet loss и подбором сложных негативных примеров на датасете NMIXX_train. Лицензия — Apache-2.0.

uaritm/psychology_test — модель Sentence-Transformers на архитектуре XLM-RoBERTa, разработанная Vitaliy Ostashko. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель обучена на вопросах, адресованных специалистам по неврологии, психиатрии и психотерапии, и может помогать определять, к какой из этих областей относится описанная проблема. Модель лучше всего работает с русским, украинским и английским языками. Размер составляет 305,2 млн параметров, максимальная длина контекста — 514 токенов. Для классификации автор предлагает сопоставлять результаты с тремя метками: неврология, психиатрия и психотерапия. Репозиторий содержит веса PyTorch и опубликован под лицензией CreativeML OpenRAIL-M.

RankVicuna 7B v1 noda — авторегрессионная языковая модель на архитектуре Transformer, разработанная Castorini на основе Llama 2 и дообученная на пользовательских диалогах ShareGPT без аугментации данных. Модель содержит около 6,6 млрд параметров, работает с текстом и имеет контекстное окно 4096 токенов. Модель предназначена для диалоговых ответов и исследований на пересечении больших языковых моделей и информационного поиска. В README указана оценка на DL19 и DL20; модель адресована исследователям и энтузиастам NLP и поиска. Использование регулируется Llama 2 Community License Agreement.

SaBERT-Spanish-Fake-News — классификатор испаноязычных новостных текстов, созданный командой студенческого проекта для выпускной работы по компьютерной инженерии в Университете Буэнос-Айреса. Модель построена на архитектуре BERT и дообучена на dccuchile/bert-base-spanish-wwm-uncased для бинарного определения фейковых новостей. Веса опубликованы в формате safetensors; число параметров — 137,1 млн, базовый предел контекста по метаданным — 512 токенов. Обучение проводилось на наборе из 125 000 испанских новостных статей из разных регионов, размеченных как правдивые или ложные. В README приведены accuracy 83,17%, F1 81,94%, precision 85,62% и recall 81,10%; длина входа при обучении ограничивалась 128 токенами. Модель рассчитана на классификацию испанских новостей, а не на проверку фактов или установление истинности произвольных утверждений. Распространяется по лицензии Apache-2.0.

databio/sbert-encode-cellines-tuned — англоязычная модель Sentence Transformer, дообученная разработчиком databio на sentence-transformers/all-MiniLM-L6-v2 с использованием датасета mock-stsb. Энкодер на базе BERT преобразует предложения и абзацы в плотные векторы размерности 384; для сопоставления векторов применяется косинусное сходство. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; в README заявлена максимальная длина последовательности 256 токенов. Модель предназначена для семантического сравнения текстов, семантического поиска, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. README приводит результаты на sts-dev: Spearman 0,6954 и Pearson 0,7059, а также сообщает об обучении на 1 128 примерах mock-stsb; датасет содержит короткие текстовые пары с упоминаниями клеточных линий и биологических понятий. Это узкая обучающая выборка, поэтому качество на других доменах и типах текста может отличаться. Лицензия в предоставленных источниках не указана.

SCIFACT_xlm_roberta_large — модель классификации текста на базе XLM-RoBERTa Large, дообученная на наборе SciFact. Она предназначена для классификации текстовых примеров в сценариях проверки научных утверждений и работы с научными фактами. В README указана точность 0,8819 на оценочной выборке; размер модели — 658,7 млн параметров, максимальная длина контекста — 514 токенов. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей и опубликована в формате PyTorch. Карточка не уточняет метки классов, процедуру обучения и оценивания или поддержку языков помимо английского. Модель распространяется по лицензии AGPL-3.0.

swardiantara/sentence-problem_type-embedding — модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерностью 384. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; по названию карточки модель ориентирована на тексты о типах задач, связанных с дронами. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучалась с ContrastiveLoss на основе косинусного расстояния. В репозитории указаны веса safetensors и библиотека sentence-transformers. Язык обучающих данных и лицензия в предоставленных сведениях не указаны.

Модель stjiris/t5-portuguese-legal-summarization разработана в рамках Project IRIS и представляет собой T5, дообученную на базе unicamp-dl/ptt5-base-portuguese-vocab. Для обучения использовались материалы судебной практики и их краткие изложения. Модель предназначена для суммаризации португальских юридических текстов, в частности судебных решений и материалов судебной практики. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст с контекстом до 512 токенов. Опубликованные форматы — PyTorch и Safetensors. Лицензия — MIT. Карточка не сообщает о специальных ограничениях качества или применении; результатам юридической суммаризации может потребоваться проверка специалистом.

VideoNSA — мультимодальная модель для понимания длинных видеозаписей, разработанная на базе Qwen2.5-VL-7B. Она использует разреженное внимание с обучаемым распределением видеотокенов между ветвями сжатия, отбора информативных сегментов и скользящего окна. Архитектура рассчитана на обработку до 128 000 визуально-текстовых токенов, используя около 3,6% бюджета полного внимания. Модель предназначена для анализа видео и работы с текстовыми запросами о его содержании. Заявлены оптимизация для современных GPU и конкурентные результаты на бенчмарках понимания видео. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. VideoNSA оптимизирована для видео и может быть менее эффективна на чисто изображениях. Обработка длинных видео требует достаточной памяти GPU, а результат может зависеть от разрешения и частоты кадров.

HivetechVN разработала vietnamese-sbert-base-law-768-v1 — Sentence Transformer на базе RoBERTa, дообученный на парах запросов и фрагментов вьетнамских правовых текстов. Модель кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких документов, сравнения текстов и подбора перефразировок. Для сравнения векторов используется косинусное сходство. Модель подходит для поиска ответов и правовых положений по вьетнамским формулировкам, а также для кластеризации и классификации текста на основе эмбеддингов. Максимальная длина последовательности составляет 258 токенов по метаданным. README указывает английский как язык модели, однако приведённые обучающие пары — на вьетнамском; это указывает на специализацию на вьетнамском правовом тексте, но не подтверждает широкую поддержку английского. Модель распространяется по лицензии Apache-2.0.

CMB-ClimateModernBERT/A_F_CX — англоязычная encoder-only модель семейства ModernBERT с архитектурой ModernBertForMaskedLM и 149 млн параметров. Её разработали как часть семейства ClimateModernBERT: продолжили предобучение ModernBERT-Base на академических климатических текстах и отфильтрованных климатических веб-текстах. Контекст модели составляет 8192 токена; веса хранятся в формате safetensors. Модель предназначена для исследований в области обработки климатических текстов: получения представлений текста и последующего дообучения для классификации, многометочной разметки и поиска по корпоративным раскрытиям, политическим документам, научной литературе и климатическим новостям. В метаданных основная задача обозначена как fill-mask; это маскированная языковая модель, а не диалоговая система. В описанной оценке модель достигла среднего F1 74,3 на девяти климатических NLP-бенчмарках. Модель поддерживает только английский язык; оценка в основном охватывала предложения и фрагменты текста, поэтому возможности длинного контекста проверены не полностью. Результаты зависят от задачи, а модель не даёт гарантированных фактических ответов о климатической науке. README не приводит лицензию модели, поэтому условия использования установить по доступным данным нельзя.

allenai-specter — преобразование модели AllenAI SPECTER в формат Sentence-Transformers. Это плотная модель на архитектуре BERT с 137,1 млн параметров; она кодирует заголовки и аннотации научных публикаций в векторы, располагая семантически близкие статьи рядом. Контекст ограничен 512 токенами. Модель предназначена для поиска и сопоставления научных работ по их заголовкам и аннотациям, включая поиск похожих публикаций и построение векторных индексов научной литературы. Работает с текстом на английском языке и предоставляет эмбеддинги для вычисления сходства. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Репозиторий содержит конверсию исходной AllenAI SPECTER для Sentence-Transformers, а не новую обученную модель. Лицензия — Apache-2.0. Модель ориентирована на научные публикации и не заявлена как универсальный эмбеддер для любых типов текстов.

shivashankar-chari/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная автором на парных примерах финансовых текстов на базе BAAI/bge-base-en-v1.5. Она предназначена для создания плотных векторных представлений предложений и абзацев, подходящих для семантического поиска, сравнения текстов и поиска перефразировок в финансовых материалах. Модель построена на BERT и содержит 136,7 млн параметров. Она принимает текст до 512 токенов и формирует нормализованный вектор размерностью 768; для Matryoshka-режима доступны также укороченные представления размерностью 512, 256, 128 и 64. Сходство оценивается косинусной мерой. README приводит результаты оценки поиска для этих размерностей, но не раскрывает происхождение финансовых текстов обучающего набора. Лицензия — Apache-2.0. Модель рассчитана на английский язык и специализирована на финансовом тексте; качество для других языков и областей не подтверждено. Результаты поиска зависят от данных и настройки системы, а максимальная длина входа ограничена 512 токенами.

Suchae/bge-m3-Korean-Judgment-Transducer-Verifier-v1.1 — модель Sentence Transformer на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024; сходство текстов оценивается косинусной близостью. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текстов. Название указывает на применение к корейским судебным текстам, однако README не приводит подробностей обучения или результатов на юридических задачах. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

BioLinkBERT-base — биомедицинская языковая модель, разработанная авторами работы LinkBERT: Pretraining Language Models with Document Links. Это энкодер на архитектуре BERT, предварительно обученный на аннотациях PubMed с использованием связей цитирования между документами. Модель содержит 135,4 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Модель предназначена для дообучения на задачах классификации текстов и токенов, ответов на вопросы, а также для получения векторных представлений текста. Учет междокументных связей полезен в биомедицинских сценариях, где ответ требует сопоставления сведений из разных источников. В карточке указаны высокие результаты на биомедицинских тестах BLURB, PubMedQA и BioASQ. Это базовый энкодер, а не готовая система для конкретной задачи: для прикладной классификации или ответов на вопросы обычно требуется дообучение. Контекст ограничен 512 токенами; сведения о клинической валидации и пригодности для принятия медицинских решений в карточке не приводятся.

NeuML/colbert-bert-tiny — компактная модель ColBERT v2, разработанная NeuML и дообученная на google/bert_uncased_L-2-H-128_A-2 на наборе msmarco-bm25. Она кодирует предложения и абзацы в последовательности плотных векторов размерности 128 и оценивает семантическое сходство с помощью оператора MaxSim. Модель предназначена прежде всего для модульных тестов в средах с ограниченными вычислительными ресурсами, например GitHub Actions, но подходит и для базового семантического поиска и сравнения текстов. Модель построена на архитектуре BERT, содержит 4,4 млн параметров и принимает текст с контекстом до 512 токенов. Это англоязычная модель многовекторных эмбеддингов, совместимая с Sentence Transformers версии 6.0.0 и выше. Лицензия — Apache-2.0. Карточка отмечает ограниченную пригодность для практических сценариев за пределами базовых задач и тестирования.

deka-qwen3-emb-0.6b-weight-fact — полноценно дообученная модель на базе Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она создаёт плотные текстовые эмбеддинги для поиска судебных документов по запросам; настройка рассчитана на сопоставление запросов с текстами в регистре fact и использует пулинг последнего токена с нормализацией L2. В метаданных указаны 507,6 млн параметров, контекст до 32 768 токенов и библиотека sentence-transformers. Для запросов требуется префикс инструкции, использованный при обучении; для документов префикс не добавляется. Наилучший результат разработчик получил после первой эпохи: R@10 на dev — 38,5. В тесте полнотекстового корпуса Recall@10 составил 32,86 для регистра fact, 24,76 для lawer и 8,57 для user, поэтому качество заметно зависит от регистра запроса. Модель распространяется по лицензии Apache-2.0.

EVE-Rerank-1.0-Legal — корейский cross-encoder для переранжирования судебных прецедентов в поисковой системе. Модель разработана ysmeta и дообучена на базе dragonkue/bge-reranker-v2-m3-ko; использует архитектуру XLM-RoBERTa для оценки релевантности пары «запрос — документ». Веса опубликованы в формате safetensors, модель содержит 658,7 млн параметров, поддерживает контекст до 8194 токенов; в примере использования задан max_length 512. Модель предназначена для второго этапа поиска: она сортирует найденные документы-кандидаты, повышая релевантные судебные решения в выдаче. В тесте EVE-Bench-Legal-2.0 с корейскими запросами и корпусом из 59 786 прецедентов связка с EVE-Embed-1.1 достигла nDCG@10 0,7721 и поставила релевантный прецедент на первое место для 93,6% запросов. Лицензия — Apache-2.0. Модель настроена на кандидатов, полученных именно от EVE-Embed-1.1; поведение с другими поисковыми моделями не проверено. Она охватывает судебные прецеденты, но не тексты законов, а обучающие метки релевантности созданы LLM и не проверены юристами. Ранжирование помогает находить документы, но не заменяет юридическую консультацию.

jy46604790 разработал модель для классификации новостных текстов на фальшивые и реальные. Она основана на roberta-base и дообучена на более чем 40 000 новостях из разных СМИ. Модель принимает текст новости и возвращает метку класса с оценкой уверенности: LABEL_0 означает фальшивую новость, LABEL_1 — реальную. Модель предназначена для автоматической предварительной проверки новостных публикаций и исследовательских экспериментов по выявлению дезинформации. Используется архитектура RoBERTa с классификационной головой; размер — около 151,8 млн параметров, максимальная длина контекста — 514 токенов. Более длинный текст автоматически обрезается. Модель распространяется под лицензией Apache-2.0. Описание не сообщает языковой состав обучающих данных и качество на независимых выборках, поэтому результаты не следует считать подтверждением истинности новости без дополнительной проверки.

ThomasTschinkel/fake-news-detector — англоязычный бинарный классификатор новостных статей на основе дообученной RoBERTa-Large с пользовательской классификационной головой и объединением представлений CLS-токена и среднего по токенам. Модель относит текст к классам REAL или FAKE и предназначена для первичной проверки новостных материалов и выявления потенциальной дезинформации. Модель содержит 454,1 млн параметров, принимает текст и выдаёт метки классификации с оценками. Для длинных документов действует усечение примерно после 512 токенов. В README заявлены высокие показатели на использованном наборе данных, однако обучение на одном наборе может ухудшать перенос на другие источники и темы; результат не является подтверждением фактической истинности новости. Лицензия — MIT.

Functionary Medium v2.2 — языковая модель от MeetKai для диалогов с вызовом функций и плагинов. Она принимает описания функций в формате JSON Schema, выбирает, когда их вызывать, извлекает имена функций и аргументы, может запускать несколько функций параллельно или последовательно, интерпретировать результаты и формировать на их основе ответ. Если инструменты не нужны, модель может ответить напрямую. Модель построена на архитектуре Mixtral с механизмом mixture-of-experts (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для текстовых диалогов с интерфейсом вызова инструментов; README рекомендует запускать её через OpenAI-совместимый сервер vLLM и использовать специальный шаблон запросов v2PromptTemplate. В README приведён результат 0,664 на внутреннем наборе MeetKai для точности определения функции и её аргументов; это сравнение не подтверждает качество на других наборах задач. Модель доступна в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Immerwinter/gottbert-privacy-policy-content-sharing — немецкоязычная модель классификации текста на основе RoBERTa, дообученная на GottBERT/GottBERT_base_last. Она предназначена для анализа текстов политик конфиденциальности и отнесения фрагментов к категориям, связанным с обработкой и передачей данных: например, Sharing, ThirdParty, Purpose и Retention. В README перечислены метки тематик, включая Audience, LegalBasis, Security/Privacy и UserRights, а также указана английская версия материалов. Модель содержит 153,2 млн параметров, принимает текст и выдаёт классы; максимальный контекст — 514 токенов. Репозиторий содержит веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0. Метаданные указывают немецкий язык; наличие в README пометки об английской версии само по себе не подтверждает качество классификации на английском языке.

Granite-4.1-3B-Function-Calling-xLAM-Unsloth — языковая модель на архитектуре GraniteForCausalLM с 3,4 млрд параметров, созданная дообучением ibm-granite/granite-4.1-3b компанией или автором репозитория ermiaazarkhalili. Модель дообучена методом SFT на наборе Salesforce/xlam-function-calling-60k для диалоговой генерации текста и вызова инструментов по инструкциям. Контекстное окно составляет 131 072 токена; доступен формат safetensors, библиотека Transformers. Лицензия Apache-2.0. Модель подходит для ассистентов, которым нужно выбирать инструменты и формировать вызовы функций в диалоге. В README приведены только значения обучающей потери; оценка на бенчмарках не проводилась, поэтому качество вызова инструментов отдельно не подтверждено. Обучение на одном наборе данных не проверяет поведение вне его распределения; также модель наследует смещения и ограничения базовой модели.

ArneH/harrier-semantic-v1 — модель эмбеддингов для семантического поиска по решениям швейцарских судов. Она дообучена на 55 000 пар «описание обстоятельств дела → цитируемое решение» и предназначена для поиска релевантных решений Федерального суда Швейцарии (BGer/BGE) по запросам на немецком, французском и итальянском языках. Архитектура основана на Qwen3, размер модели — около 507,9 млн параметров, контекст — до 32 768 токенов. Модель выдаёт эмбеддинги и поддерживает извлечение признаков и оценку семантического сходства; в README приведены результаты теста поиска на 800 примерах.

Holo2-8B — мультимодальная модель для управления цифровыми интерфейсами, разработанная H Company. Она дообучена на базе Qwen/Qwen3-VL-8B-Thinking и принимает изображения экранов и текстовые инструкции, чтобы распознавать элементы интерфейса, рассуждать о содержимом и предлагать действия для выполнения многошаговых задач в браузере, на компьютере и мобильных устройствах. Модель относится к семейству Qwen3-VL и использует плотную архитектуру; размер — 8 млрд параметров. Обучение включало контролируемую настройку на данных понимания интерфейсов и предсказания действий, а затем онлайн-обучение с подкреплением. В README приведены результаты на WebVoyager, WebArena, OSWorld и AndroidWorld, а также бенчмарках локализации элементов экрана. Holo2-8B предназначена для навигации и выполнения задач в графических интерфейсах, включая поиск и привязку кнопок, полей и ссылок. Это основа для агентов компьютерного управления; модель сама по себе не гарантирует безопасное или успешное выполнение действий во всех приложениях и средах. Контекстное окно в предоставленных данных не указано. Лицензия — Apache 2.0.

Turkish-NLI/legal_nli_TR_V1 — Sentence Transformers модель на базе BERTurk, дообученная на турецком датасете legal_nli_tr_v1 для работы с отношениями между юридическими текстами. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство векторов можно оценивать косинусной мерой. Архитектура использует BERT-энкодер с усреднением токеновых представлений, поддерживает последовательности до 512 токенов и рассчитана на турецкий язык. Модель подходит для поиска семантически близких юридических фрагментов, сравнения текстов, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Обучающий набор содержит около 202 тысяч примеров. В README приведены оценки на sts-dev, включая Spearman по косинусному сходству 0,2431; качество на общих задачах семантического сходства может быть ограниченным. Лицензия — Apache-2.0.

Lemone-Embed-M-Boost — модель векторных представлений текста, разработанная Louis Brulé Naudet для поиска по французским налоговым и правовым документам. Это дообученная версия intfloat/multilingual-e5-base на корпусе французских налоговых материалов, включая налоговый кодекс, процедуры налогообложения и документы BOFiP. Модель предназначена для семантического поиска и извлечения релевантных фрагментов в крупных корпусах, в том числе как компонент RAG-систем для налоговых и юридических процессов. Архитектура основана на XLM-RoBERTa и Sentence Transformers: среднее объединение токенных представлений с последующей нормализацией. Модель принимает текст и выдаёт плотные эмбеддинги размерностью 768; максимальная длина последовательности — 512 токенов. Для сравнения векторов используется косинусное сходство. Основной язык — французский. В README приведены результаты оценки поиска, однако они относятся к указанному тестовому набору и не гарантируют аналогичного качества на других корпусах. Модель распространяется по лицензии Apache-2.0. Она специализирована на французском налоговом домене, поэтому её пригодность для других тематик и языков не подтверждена представленными данными; при обработке длинных документов их потребуется разбивать на фрагменты с учётом ограничения длины контекста.

Модель разработана FAIR Data Innovations Hub при California Medical Innovations Institute для извлечения метаданных из текста научных конференционных постеров. Она преобразует исходный текст постера в структурированный JSON по схеме poster-json-schema на основе DataCite, дополненной сведениями о конференции, разделами содержания и подписями к рисункам и таблицам. Модель служит основой библиотеки poster2json и ориентирована на подготовку постеров к поиску, доступу, совместному использованию и повторному использованию данных. Это дообученная dense-модель семейства Llama 3.1 на базе meta-llama/Llama-3.1-8B-Instruct с 7,5 млрд параметров и контекстом до 131 072 токенов. Принимает текст и генерирует текст с JSON-метаданными; карточка указывает английский язык. В проверке на 10 вручную размеченных постерах заявлены 100% прохождения и метрики Word Capture 0,96, ROUGE-L 0,89 и Number Capture 0,93; небольшая выборка не гарантирует таких же результатов на других документах. Для запуска рекомендуются NVIDIA GPU с не менее чем 16 ГБ видеопамяти и 32 ГБ RAM; поддерживается 8-битная квантизация, а также vLLM и другие средства оптимизации инференса. Лицензия — Llama 3.1.