I.1Поиск и навигация по информации

MaMMUT2 moderntext ViT-B/32 — исследовательский мультимодальный чекпойнт для сопоставления изображений и текста, обученный rwightman на CC12M. Задача модели — классификация изображений по текстовым описаниям без дообучения; её также можно применять для поиска изображений по тексту и текстов по изображению. Архитектура включает визуальную башню ViT-B/32 и современный текстовый декодер с RoPE, RMSNorm, SwiGLU, gated attention и qk-нормализацией. Текстовая часть использует токенизатор tiktoken r50k с контекстом 128 токенов. Модель обучалась 32 эпохи на pixparse/cc12m-wds с целью InfoNCE и дополнительным caption loss. В сравнении с другими вариантами MaMMUT2 этот запуск показал сильные результаты в zero-shot оценке и поиске изображений по тексту; автор отмечает, что результаты также зависят от размера батча, функции потерь и оптимизатора. Это исследовательский чекпойнт, не предназначенный автором для производственного использования. Распространяется по лицензии Apache-2.0.

OpenMed-NER-DiseaseDetect-ElectraMed-109M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученная модель на основе архитектуры BERT для классификации токенов; в README базовая архитектура названа e5-base-v2. Модель обучена на наборе BC5CDR-Disease и помечает сущности тегами B-DISEASE и I-DISEASE. По метаданным, размер модели составляет 136,7 млн параметров, максимальный контекст — 512 токенов; вход — токенизированный текст, выход — BIO-разметка сущностей. Указан английский язык. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, например для поиска по литературе, анализа медицинских текстов и построения баз знаний. В README приведены F1 0,87, точность 0,85, полнота 0,88 и accuracy 0,97 для BC5CDR-Disease; эти показатели относятся к описанному там набору данных. Модель доступна под лицензией Apache-2.0.

OpenMed-NER-PathologyDetect-PubMed-v2-109M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученная модель архитектуры BERT для классификации токенов на основе BiomedNLP-BiomedBERT-base-uncased-abstract; в метаданных указано 136,7 млн параметров и контекст до 512 токенов. Модель принимает токенизированный текст и возвращает BIO-разметку: B-Disease и I-Disease. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других медицинских документов, а также для поиска упоминаний заболеваний в корпусах биомедицинской литературы. В README приведены результаты на наборе NCBI Disease: F1 0,91, точность 0,89 и полнота 0,93. Карточка указывает английский язык и совместимость с экосистемой Hugging Face Transformers. Лицензия — Apache-2.0.

parity-reranker-juridico-br-v1 — кросс-энкодер, дообученный SamuelMauli на базе cross-encoder/ms-marco-MiniLM-L-6-v2 для ранжирования документов в юридическом домене Бразилии. Он оценивает пару «юридический запрос — кандидатный документ» и подходит для поиска по материалам о государственных закупках, решениях TCU и Lei 14.133/21. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и обрабатывает последовательности длиной до 512 токенов. Поддерживает португальский язык; доступны веса Safetensors и формат ONNX для использования через sentence-transformers и Transformers.js. Модель предназначена для переупорядочивания кандидатов в поисковой выдаче, а не для генерации текста. Качество зависит от соответствия запросов и документов обучающим примерам; README указывает на обучающий набор из 313 пар, поэтому перенос на другие юридические задачи или языки может быть ограничен. Лицензия — Apache-2.0.

pat_specter — модель эмбеддингов предложений, разработанная mpi-inno-comp и дообученная на патентных текстах на базе SPECTER 2.0 от Allen Institute for AI. Она построена на архитектуре BERT и преобразует текст патента в плотный вектор размерности 768 для поиска сходства и других специализированных задач с патентными документами. Модель предназначена для сравнения патентных текстов и извлечения их векторных представлений. Она принимает текст на английском языке, поддерживает контекст до 512 токенов и распространяется в формате PyTorch. PaECTER, согласно карточке, показывает более высокую производительность. Лицензия — Apache-2.0.

quinex-context-v0-783M — модель Jülich Systems Analysis, дообученная на базе FLAN-T5 Large для извлечения контекста измерений количественных величин из текста. Она использует архитектуру T5 encoder-decoder и многошаговые вопросы и ответы, чтобы определить измеряемое свойство, сущность, временные и пространственные рамки, источник, метод и другие условия измерения. Модель предназначена для работы вместе с отдельными моделями идентификации количественных величин и может применяться к научным и техническим текстам. В карточке приведены результаты оценки на тестовом наборе, включая F1 88,29 для общего извлечения и оценки на статьях из нескольких научных областей. Метаданные указывают 385,2 млн параметров, контекст до 512 токенов, поддержку английского языка и формат Safetensors. В README указано другое число параметров — 783 млн. Лицензия Apache-2.0.

SeongryongJung/Qwen3-4B-ToolUse-SDPO-TR — экспериментальный чекпойнт Qwen3-4B, дообученный для использования инструментов методом SDPO-TR. В репозитории размещён лучший чекпойнт по валидационной метрике mean@16 на шаге 10, а финальный чекпойнт на шаге 100 доступен в checkpoints/last/. Обучение проводилось с размером батча 32. Модель относится к плотной архитектуре Qwen3ForCausalLM и содержит около 3,7 млрд параметров. Она принимает текст и генерирует текст, включая ответы для сценариев вызова инструментов. Контекстное окно — 40 960 токенов. В указанной в README оценке на наборе Tool use лучший чекпойнт показал mean@16 60,39%, финальный — 53,68%. Для загрузки автор приводит пример с Transformers и AutoModelForCausalLM. Лицензия — Apache-2.0. Результаты приведены для конкретной валидационной оценки; README не сообщает языковой состав набора данных или сравнительные результаты с базовой моделью.

PeytonT/repo-similarity — дообученная энкодерная модель на базе sentence-transformers/all-MiniLM-L6-v2 для оценки семантического сходства репозиториев. Она входит в стек Repository Library, предназначенный для индексации и поиска связей между научными публикациями, их структурированным содержимым и репозиториями. Модель принимает текстовые представления репозиториев и выдаёт оценки сходства; её применяют для поиска, ранжирования и планирования в составе этого стека. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и имеет контекстное окно 512 токенов. В README описано обучение на данных графа репозиториев и фрагментов кода, собранных внутренним конвейером Repository Library. Для оценки указаны recall@10 и NDCG@10, однако карточка не приводит результатов отдельного отчёта или внешней проверки. Модель следует проверять в целевом сценарии перед использованием; подтверждённых заявлений о безопасном промышленном применении нет. Лицензия в предоставленных данных не указана.

GPTasty/TastyRecipesEmbedder — модель Sentence Transformers, дообученная на базе sentence-transformers/all-mpnet-base-v2 для работы с текстами рецептов. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 768; для сравнения используется косинусное сходство. Архитектура основана на MPNet с усреднением токенов, максимальная длина последовательности в README — 384 токена, а контекст модели по метаданным — 514 токенов. Модель подходит для семантического поиска и сравнения рецептов, поиска перефразировок, кластеризации и классификации текстов. Её можно применять для подбора похожих рецептов по описанию или ингредиентам. Данные карточки не сообщают условия лицензии, поэтому условия использования здесь не описаны.

TEMPURA-InternVL3-2B — дообученная мультимодальная модель для анализа видео, созданная на базе OpenGVLab/InternVL3-2B-hf в рамках проекта TEMPURA. Она предназначена для рассуждений о временной и причинной структуре событий и описания длинных видео с привязкой к временным меткам. Модель выполняет плотное описание видео, разбивая его на последовательные неперекрывающиеся события, предсказывает содержание скрытого сегмента и находит по текстовому запросу нужные моменты или яркие фрагменты. На вход подаётся видео в виде последовательности кадров с временными метками; для описанного формата кадры выбираются с частотой 0,5 кадра в секунду. Модель построена на архитектуре InternVL и выдаёт текст. В README приведены сценарии оценки на Charades-STA и QVHighlights. Модель опубликована под лицензией с обозначением «other»; конкретные условия лицензии следует проверять в репозитории. Карточка не приводит количественной оценки качества.

Tropicals-T1 — модель эмбеддингов, разработанная Tropicals.cn для сопоставления китайских названий тропических видов с таксонами. Она дообучена на базе BAAI/bge-base-zh-v1.5 на наборе из 1,2 млн пар «китайское обиходное название — таксон» и предназначена для семантического поиска и связывания сущностей в корпусе из 419 950 таксонов. Модель использует архитектуру BERT, содержит 129,5 млн параметров, принимает текст, выдаёт эмбеддинги и поддерживает контекст до 512 токенов. Модель подходит для поиска таксонов по формальным китайским обиходным названиям, торговым названиям и названиям садовых сортов, а также для сверки каталогов и нормализации номенклатуры. В опубликованной оценке TropicalsBench она показала Recall@1 53,43 % на тесте с известными родами и 50,58 % на тесте с родами, отсутствовавшими в обучении. Лицензия — CC BY 4.0. Результаты ограничены покрытием обучающего корпуса и шумом в эталонных метках: часть названий была сопоставлена с авторитетными данными неточно, а многие торговые и предварительно транслитерированные названия обучены недостаточно. Для сортов, гибридов и морф животных покрытие авторитетными названиями ограничено; модель не определяет организмы по изображениям или образцам и не предназначена для создания новых китайских названий.

Модель louisbrulenaudet/tsdae-lemone-mbert-base — Sentence-Transformers на основе многоязычного BERT, адаптированная разработчиком Louis Brulé Naudet к французским юридическим текстам. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, кластеризации и извлечения признаков для последующей классификации. Обучение методом TSDAE использовало 100 000 предложений из французских кодексов, включая гражданское, уголовное, трудовое и налоговое право. Модель содержит около 194,6 млн параметров, принимает текст и имеет контекстное окно 512 токенов. Базовый mBERT предварительно обучен на 102 языках, однако эта версия специализирована на французском юридическом языке. Репозиторий предоставляет веса PyTorch, Safetensors и Flax. Лицензия — Apache-2.0. Специализация на французском праве помогает находить семантически близкие формулировки в юридических корпусах и получать признаки для downstream-задач. Модель выдаёт эмбеддинги, а не готовые юридические заключения или ответы; качество на иных языках и предметных областях может быть ниже.

Unichat-llama3-Chinese-8B-28K — диалоговая модель Китайского телекоммуникационного оператора China Unicom, выпущенная AI Innovation Center. Это полнопараметрическая инструкционная донастройка Meta-Llama-3-8B на китайских данных, а не LoRA-адаптер. Модель предназначена для ответов на вопросы и диалогов на китайском языке, включая работу с длинными текстами. Модель построена на плотной архитектуре Llama и содержит около 7,5 млрд параметров. В карточке заявлен контекст 28K токенов, тогда как метаданные указывают native context в 8192 токена. Обучающая выборка включала отобранные инструкции для длинных текстов и материалы из разных областей. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Пример в карточке показывает ответы на вопросы по содержимому длинного фрагмента книги. Это подтверждает сценарий понимания текста с последующим вопросно-ответным диалогом, но не гарантирует точность на произвольных документах или предметных областях. Языковые метаданные перечисляют китайский и английский; основное назначение модели — китайский диалог.

bqbbao6/vietnamese-legal-embedding-wsgm — модель текстовых эмбеддингов, разработанная для поиска по юридическим документам на вьетнамском языке. Она дообучена на основе intfloat/multilingual-e5-base и использует архитектуру XLM-RoBERTa с 305,2 млн параметров. Модель предназначена для семантического поиска и извлечения документов в системах RAG, особенно в юридических корпусах. Перед подачей текста требуется сегментация вьетнамских слов, например PyVi; для запросов используется префикс «query: », для документов — «passage: ». Контекст составляет до 512 токенов по README и 514 токенов в метаданных. Карточка приводит результаты оценки на двух наборах для поиска юридических текстов. Модель принимает текст и выдаёт эмбеддинги для сопоставления запросов с документами. Она рассчитана на сегментированный вьетнамский текст, поэтому качество и применимость могут снижаться при подаче несегментированного текста или для задач вне юридического поиска. Лицензия в предоставленных данных не указана.

Quockhanh05/Vietnam_legal_embeddings — модель Sentence Transformer с архитектурой RoBERTa, дообученная для поиска по юридическим документам на вьетнамском языке. Она преобразует запросы и документы в векторы, чтобы находить семантически релевантные фрагменты и оценивать сходство между текстами. Модель содержит 162,4 млн параметров, работает через библиотеку sentence-transformers и имеет контекст до 258 токенов. Модель подходит для семантического поиска юридических статей по запросам на естественном языке, сопоставления запросов с документами и поиска источников для юридических чат-ботов. По README, на бенчмарке Zalo Legal Retrieval она улучшила NDCG@10 примерно на 1,7% относительно базовой модели и превосходит BM25; при этом она не генерирует текст и может уступать универсальным эмбеддинг-моделям на текстах вне юридической тематики. Дообучена на вьетнамских наборах юридических вопросов и ответов. Лицензия — Apache-2.0.

ViLegalBERT — энкодерная языковая модель семейства ViLegalLM для анализа вьетнамских юридических текстов. Разработчики продолжили предобучение PhoBERT-base-v2 на специально собранном корпусе вьетнамских правовых материалов объёмом 16 ГБ. Модель построена на архитектуре RoBERTa, содержит 135 млн параметров и использует токенизатор PhoBERT-base-v2; контекст ограничен 256 токенами. Основной сценарий применения — адаптация энкодера для поиска и ранжирования правовых документов, ответов на вопросы и распознавания логических отношений в юридических текстах. По карточке модели, она показывает сильные результаты на нескольких вьетнамских юридических бенчмарках; также её можно использовать для извлечения признаков и оценки семантического сходства документов. В Hugging Face модель размечена задачей fill-mask. Модель обучена на вьетнамских правовых материалах и может хуже работать с другими юрисдикциями, длинными документами и изменениями законодательства после сбора корпуса. Её результаты не следует считать окончательным юридическим толкованием без проверки специалистом. Лицензия — AGPL-3.0.

Модель faodl/20250909_model_g20_multilabel_MiniLM-L12-all-labels-artificial-governance-multi-output — классификатор текста на основе SetFit, построенный на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Разработчик карточки не уточняет организацию или автора модели. Архитектура включает дообученное тело Sentence Transformer и классификационную голову MultiOutputClassifier; модель предназначена для многометочной классификации текста в области управления искусственным интеллектом. Обучение использует контрастивное дообучение Sentence Transformer и обучение классификационной головы на его признаках — эффективный подход few-shot learning. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов; карточка модели указывает максимальную длину последовательности 128 токенов. Базовая модель многоязычная, поэтому классификация ориентирована на текст на разных языках. Модель выдаёт метки классификации и может применяться для автоматической разметки текстов об управлении ИИ и обработки нескольких выходных категорий одновременно. Качество на независимых данных и точный набор меток в предоставленной карточке не приведены. Лицензия в доступных данных не указана.

AGW-35B — разработанный на основе Qwen3.5-35B-A3B агент для управления графическим интерфейсом компьютера. Модель дообучена на 79 266 синтетических примерах взаимодействия AutoGUIWorld для Chrome, Ubuntu, Windows и macOS. Она принимает инструкцию, снимок экрана и историю недавних действий, а затем выдаёт описание следующего шага и структурированный вызов инструмента computer_use с действиями мыши или клавиатуры, вводом текста, прокруткой, ожиданием либо завершением задачи. Координаты задаются на сетке 0–999 и преобразуются исполнителем в координаты экрана. Это мультимодальная модель семейства Qwen3.5 MoE на архитектуре Qwen3_5MoeForConditionalGeneration. Взаимодействие рассчитано на контекст SFT длиной 16 384 токена. В опубликованных оценках модель улучшила результаты базовой модели на OSWorld, Windows Agent Arena, macOSWorld и ScreenSpot-Pro; эти показатели относятся к указанным тестам и не гарантируют успеха в других приложениях. Модель обучена выдавать прямые действия без рассуждений в целевом ответе; для согласованной работы README рекомендует отключить thinking и сохранить шаблон чата репозитория. AGW-35B предназначена для исследований и разработки GUI-агентов и требует внешней системы, которая выполняет вызовы инструмента, делает новые снимки экрана и передаёт историю взаимодействий. Модель видит только изображение интерфейса, поэтому неоднозначные состояния и ошибки на ранних шагах могут нарушить выполнение длинных сценариев. Оценивание проводилось на английских инструкциях и интерфейсах; качество для других языков не установлено, а синтетические обучающие траектории могут содержать артефакты. Лицензия — Apache-2.0.

ALBERT for Math AR — модель на архитектуре ALBERT, разработанная на базе albert-base-v2. Она дополнительно предобучена на вопросах и ответах Mathematics StackExchange, а затем дообучена для поиска ответов на математические вопросы. На вход подаются вопрос и кандидат ответа как два сегмента текста; классификационная голова выдаёт оценку релевантности, по которой можно ранжировать ответы. Модель содержит 136,3 млн параметров и рассчитана на последовательности длиной до 512 токенов. Она предназначена для поиска и ранжирования ответов в математических Q&A-системах; подтверждена поддержка английского языка. Форматы весов — PyTorch и Safetensors. Условия лицензии в предоставленных данных не указаны.

Wi/arxiv-topics-distilbert-base-cased — модель классификации текста на базе DistilBERT, разработанная для определения основной категории научной статьи по её аннотации, заголовку и списку авторов. Она обучена на подмножестве данных, полученных через API arXiv, и предназначена для тематической разметки публикаций из этой области. Модель принимает текстовые сведения о статье и выдаёт метку категории верхнего уровня. Использует архитектуру DistilBertForSequenceClassification, работает с текстами длиной до 512 токенов и рассчитана на английский язык. Доступна в формате PyTorch по лицензии Apache-2.0. Подходит для автоматической сортировки и предварительной категоризации научных публикаций. Обучение на подмножестве данных arXiv ограничивает основания для применения к другим предметным областям; качество классификации за пределами описанного сценария не установлено.

Модель tsAspire разработана исследователями Sheshera Mysore, Arman Cohan и Tom Hope для оценки детального сходства научных документов в биомедицине. Это плотная BERT-модель на 137,1 млн параметров, обученная сопоставлять контекстуализированные векторы предложений из заголовка и аннотации статьи. При кодировании предложения учитывают контекст всего заголовка и аннотации; модель обучалась на 1,2 млн пар биомедицинских статей, связанных совместным цитированием. Модель предназначена для поиска статей по заданному аспекту: например, по предложению из статьи-запроса можно ранжировать кандидатов по минимальному L2-расстоянию между их векторами предложений. Её также можно адаптировать для классификации предложений и документов. Она рассчитана на английские биомедицинские научные тексты и принимает заголовок и аннотацию; максимальный контекст — 512 токенов. Для получения векторов предложений и ранжирования требуется дополнительный код поверх библиотеки Transformers. Обучение на биомедицинских статьях может снижать качество в других областях. Репозиторий предоставляет веса PyTorch, лицензия — Apache-2.0.

AutoGLM-Phone-9B-Multilingual — мультимодальная модель Zhipu AI для управления Android-смартфоном по запросам на естественном языке. Она дообучена на базе zai-org/GLM-4.1V-9B-Base и использует архитектуру GLM-4V с плотной моделью для обработки текста и изображений. В составе Phone Agent модель анализирует снимки экрана и помогает планировать последовательности действий в интерфейсе; фреймворк выполняет их через ADB. Модель предназначена для автоматизации мобильных сценариев, например поиска рекомендаций в приложении. В README упомянуты подтверждение чувствительных действий и передача управления человеку при входе или вводе кода подтверждения. Метаданные указывают китайский язык карточки, но название Multilingual само по себе не подтверждает список поддерживаемых языков. Модель распространяется по лицензии MIT; README позиционирует проект для исследований и обучения.

joeddav/bart-large-mnli-yahoo-answers — модель на архитектуре BART-large, разработанная на основе facebook/bart-large-mnli и дополнительно дообученная на классификации тем Yahoo Answers. Она сопоставляет текст с предложенными пользователем метками и подходит для классификации тем по меткам, которые могли не встречаться при обучении. Для лучшего результата автор рекомендует шаблон гипотезы «This text is about {}.»; модель обучалась на пяти из десяти тем Yahoo Answers. В оценке на Yahoo Answers F1 составила 0,68 для невиденных при обучении меток и 0,72 для виденных; авторы корректировали оценки виденных меток на 30 процентных пунктов. Модель содержит 252,8 млн параметров, принимает текст с контекстом до 1024 токенов и рассчитана на английский язык. Распространяется по лицензии Apache-2.0.

busecarik/berturk-sunlp-ner-turkish — модель распознавания именованных сущностей, созданная дообучением BERTurk-cased на наборе SUNLP-NER-Twitter. Она предназначена для извлечения из турецких твитов упоминаний людей, мест, организаций, времени, денежных сумм, продуктов и телешоу. Архитектура — BERT для классификации токенов, размер — 211,6 млн параметров, максимальная длина контекста — 512 токенов; доступны веса PyTorch и TensorFlow. На тестовой выборке SUNLP-NER-Twitter модель показала общий F1 82,69 по метрике seqeval. Лучше всего она распознаёт имена людей и временные выражения; качество для продуктов и телешоу заметно ниже. Обучение на 5000 твитов ограничивает надёжность переноса на другие жанры и домены. Лицензия в предоставленных данных не указана.

BioBert-PubMed200kRCT — англоязычная модель классификации биомедицинских текстов, разработанная как дообучение dmis-lab/biobert-base-cased-v1.1 на наборе PubMed200kRCT. Она использует архитектуру BERT для классификации неструктурированных фрагментов текстов рандомизированных контролируемых исследований по пяти категориям: BACKGROUND, CONCLUSIONS, METHODS, OBJECTIVE и RESULTS. Модель предназначена для автоматической разметки разделов научных публикаций и анализа текстов клинических исследований. В README указаны точность 0,8934 и значение loss 0,2832 на оценочном наборе. Модель содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Для использования доступны веса PyTorch и Safetensors. Лицензия CC BY-NC 3.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Модель специализирована на классификации текстов рандомизированных контролируемых исследований, поэтому её метрики и категории не следует переносить на другие типы документов без отдельной оценки.

BumbaLM-Embedding-4B-v0.1 — плотная модель эмбеддингов на базе Qwen3-Embedding-4B, дообученная для юридического домена Бразилии. Разработана в рамках докторского исследования по адаптации нейронных эмбеддингов к бразильскому юридическому языку. Модель кодирует предложения и абзацы, включая юридические документы, судебную практику и процессуальные запросы, в векторы размерностью 2560. Предназначена для поиска правовой информации, семантического поиска по материалам судов и формирования контекста для систем RAG. Использует архитектуру Sentence Transformer с Qwen3Model и pooling по последнему токену; максимальная длина последовательности по README — 1024 токена. Метаданные указывают 3,7 млрд параметров и контекст до 40960 токенов; фактический предел входа в описанной конфигурации Sentence Transformers составляет 1024 токена. Основной язык — португальский. В тестировании на юридических парах модель показала cosine nDCG@10 0,3687. Она оптимизирована для юридических текстов Бразилии, поэтому результаты на других языках и тематиках могут быть хуже. Лицензия в README обозначена как неизвестная; перед использованием следует проверить условия репозитория.

akdeniz27/deberta-v2-xlarge-cuad — модель DeBERTa v2 XLarge, дообученная на наборе данных CUAD для ответов на вопросы по контрактам. Она принимает текст вопроса и контрактного фрагмента и предназначена для извлечения ответов из юридических документов. Модель содержит около 1,1 млрд параметров, использует архитектуру DeBERTa v2 и поддерживает контекст длиной до 512 токенов. Карточка указывает английский язык и формат весов PyTorch и Safetensors. Модель подходит для поиска в договорах ответов на вопросы и извлечения контрактных условий. Она ограничена английскими данными CUAD и контекстом в 512 токенов; карточка не приводит подробностей о качестве на других типах документов. Лицензия в предоставленных данных не указана.

deka-qwen3-emb-0.6b-multipos-fact — текстовая модель эмбеддингов, созданная Anonymous Research на основе Qwen/Qwen3-Embedding-0.6B полным дообучением всех параметров. Она предназначена для поиска релевантных решений Верховного суда Таиланда по корпусу из 9 998 дел и обучена на оценках релевантности судебных дел с использованием supervised contrastive learning. Модель формирует нормализованные векторы размерности 1024; запросы подаются с инструкционным префиксом, а документы — без него. Базовая модель поддерживает контекст до 32 768 токенов, однако документы длиннее 1 300 токенов в описанном поисковом конвейере обрезаются. На тестовом наборе из 105 запросов дообучение повысило полноту поиска на десяти лучших результатах для запросов, сформулированных простым языком, и по фактам дела, но метрики ранжирования первого релевантного результата в этих регистрах снизились. Результаты ограничены небольшим тестовым набором, одним запуском и неполными оценками релевантности. Модель предназначена для поиска, а не для определения юридической силы прецедента или проверки актуальности решения. Лицензия — Apache-2.0.

EVE-Embed-1.1-Legal — модель эмбеддингов, разработанная ysmeta для поиска корейских судебных прецедентов по обычным вопросам, сформулированным практикующими юристами. Она дообучена на базе dragonkue/BGE-m3-ko и построена на архитектуре XLM-RoBERTa; содержит 658,7 млн параметров, принимает текст и создаёт векторные представления для семантического поиска и сравнения предложений. Максимальная длина контекста — 8194 токена. Модель ориентирована на корейский язык и юридические запросы к судебной практике. По результатам приведённой в карточке оценки на 59 786 корейских судебных решениях модель лучше базовой BGE-m3-ko на задачах поиска релевантных прецедентов по переформулированным вопросам. Она подходит для поиска похожих дел и первого этапа юридического поиска, но не выдаёт юридическое толкование и не заменяет консультацию специалиста. Корпус не включает тексты статей законов и практические финансовые документы; охват патентных и семейных дел ограничен. В карточке также отмечены ограничения бенчмарка, созданных языковой моделью запросов и разметки. Лицензия — Apache-2.0.

Gama v1.3 — модель Vinimlo для извлечения ссылок на судебные прецеденты и законодательные акты из документов на бразильском португальском языке. Это дообученная и дистиллированная версия jhu-clsp/mmBERT-base: 12 первых слоёв из 22 слоёв v1.2 обучены имитировать его вероятности. Модель использует ModernBERT и выполняет классификацию токенов по схеме BIO, выделяя три типа ссылок: нумерованные прецеденты, положения законов и судебные решения без номера. Контекст составляет 8192 токена. Модель предназначена для извлечения упоминаний права из судебных документов, в том числе как этапа проверки ссылок по внешнему корпусу судебных решений. Сама по себе она определяет границы ссылок и их тип, но не проверяет, существуют ли они в действительности; такая проверка выполняется отдельным компонентом. По README, версия v1.3 работает быстрее v1.2 и подходит для документов вне формата соревнования, хотя там возможны ложные срабатывания и пропуски. Лицензия — MIT.