I.1Поиск и навигация по информации

Immerwinter/gbert-large-privacy-policy-content-deletion — дообученная немецкоязычная модель BERT для классификации текста по теме удаления данных в политиках конфиденциальности. Карточка относит её к аналитическому конвейеру, в котором также перечислены темы Audience, Contact, LegalBasis, Retention и другие; сама модель предназначена для категории Deletion. Модель основана на deepset/gbert-large, имеет архитектуру BertForSequenceClassification и 434,5 млн параметров. Принимает текст и выдаёт метку классификации; максимальная длина контекста — 512 токенов. Доступны веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0. Модель подходит для выделения фрагментов политики конфиденциальности, относящихся к удалению персональных данных. README не раскрывает состав меток, обучающие данные, качество на тестах или процедуру инференса, поэтому пригодность для конкретного набора документов следует оценить отдельно.

ottema/gliner2-ptbr-v23 — модель извлечения именованных сущностей для бразильского португальского языка, разработанная в рамках открытого проекта Ottema GLiNER2-PTBR. Это дообученная версия fastino/gliner2-multi-v1 на данных HAREM, LFCC, синтетических примерах и псевдоразметке из португалоязычной Википедии. Архитектура GLiNER2 поддерживает извлечение сущностей с открытым набором меток; формат весов — safetensors. Модель предназначена для NER в энциклопедических и журналистских текстах на PT-BR. В оценке авторов на HAREM она показала entity F1 0,4749 по макроусреднению на уровне примеров и задержку 31 мс на GPU. Результат зависит от протокола оценки и не гарантирует аналогичного качества на других наборах данных. Репозиторий помечен как устаревший: для новых интеграций авторы рекомендуют ottema/gliner2-ptbr-harem; текущая версия сохранена для воспроизводимости и обратной совместимости и обновляться не будет. На разговорных сообщениях модель может работать хуже; качество определения границ сущностей уступает указанной авторами модели BERT-CRF. Лицензия — Apache-2.0.

llmware разработала industry-bert-sec-v0.1 — англоязычную модель эмбеддингов на основе BERT и Sentence Transformers, дообученную на общедоступных документах и регуляторных материалах Комиссии по ценным бумагам и биржам США (SEC). Модель предназначена для получения векторных представлений текстов и может служить заменой эмбеддингов в финансовых и регуляторных сценариях. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Её можно применять для семантического поиска, сравнения текстов и поиска релевантных фрагментов в документах SEC и других финансовых материалах. Лицензия — Apache 2.0. Качество результатов может снижаться за пределами финансовой и регуляторной тематики; возможны аномалии в пространстве эмбеддингов. В README отмечено, что специальные меры для устранения смещений в данных не применялись.

bhavyagiri/InLegal-Sbert — модель sentence-transformers на базе InLegalBert, адаптированная для индийской юридической области. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения сходства и кластеризации юридических текстов. Обучение проводилось на корпусе судебных решений индийских судов. Модель использует архитектуру BERT, содержит 136,7 млн параметров и поддерживает контекст до 512 токенов. Для работы можно использовать Sentence-Transformers либо Transformers с подходящей операцией pooling. Репозиторий содержит веса PyTorch и опубликован под лицензией MIT. Язык корпуса и качество для иных юридических систем в доступных сведениях не определены.

Mannas/legal-bge-in — англоязычная модель эмбеддингов для семантического поиска по решениям Верховного суда Индии и Высокого суда Дели. Это дообученная Mannas версия BAAI/bge-base-en-v1.5 на базе BERT с 136,7 млн параметров; модель создаёт нормализованные векторы размерности 768 для юридических текстов. При сравнении через скалярное произведение получается косинусное сходство. Контекст ограничен 512 токенами. Модель предназначена для поиска судебных решений по юридическим вопросам и ранжирования релевантных фрагментов: например, помогает различать дела о неоплате чека по §138 NI Act и мошенничестве по §420 IPC, а также запросы об anticipatory и regular bail. В описанной проверке на 447 синтетических вопросах по фиксированному набору кандидатов модель превзошла базовую BGE по Recall@10 и MRR@10; абсолютные оценки относятся к сокращённому набору, а вопросы сгенерированы ИИ, поэтому результаты не гарантируют такую же эффективность на реальных запросах. Обучение проводилось на парах вопросов и фрагментов публичных судебных решений без человеческой разметки. Лицензия — MIT.

Lemone-Embed-L — модель Sentence Transformers, разработанная Louis Brulé Naudet для поиска и сравнения документов в области французского налогообложения. Она дообучена на intfloat/multilingual-e5-large на корпусе налоговых и правовых материалов, включая Налоговый кодекс Франции и документы налоговой администрации. Обучающий набор содержит 296 234 примера; лицензия — Apache-2.0. Модель использует XLM-RoBERTa и преобразует текстовые запросы и документы в нормализованные плотные эмбеддинги размерностью 1024, сравниваемые по косинусному сходству. Максимальная длина последовательности — 514 токенов по метаданным Hugging Face (в README указано 512). Основной язык — французский. Модель предназначена для семантического поиска по налоговым корпусам, извлечения релевантных документов для RAG, сравнения предложений, кластеризации и классификации текста. Она специализирована на французской налоговой и правовой терминологии; результаты в других областях и языках могут быть менее надёжными.

RobBobin/math-embed — дообученная модель эмбеддингов на базе allenai/specter2_base для семантического поиска математических документов. Она предназначена прежде всего для поиска научных статей и их фрагментов по запросам о комбинаторике, включая теорию представлений, симметрические функции и алгебраическую комбинаторику. Модель использует плотный BERT-энкодер на 137,1 млн параметров и выдаёт 768-мерные векторы; обучение с Matryoshka Representation Learning позволяет сокращать размерность до 512, 256 или 128. Метаданные указывают английский язык, библиотеку Sentence Transformers и контекст до 512 токенов; в README для обучения указана максимальная длина последовательности 256 токенов. В описанном авторами тесте поиска математических статей модель показала MRR 0,816 и NDCG@10 0,736 на 108 запросах и 4 794 фрагментах статей. Её область обучения ограничена главным образом публикациями по комбинаторике, поэтому качество поиска в других областях математики и науки может быть ниже. Модель распространяется по лицензии Apache-2.0.

huyg1108 выпустил модель sentence-transformers, дообученную на основе truro7/vn-law-embedding для создания векторных представлений предложений и абзацев. Она использует XLM-RoBERTa с mean pooling и нормализацией, формирует плотные эмбеддинги размерностью 768 и сравнивает их с помощью косинусного сходства. Максимальная длина входа — 512 токенов; модель предназначена для работы с вьетнамскими юридическими текстами. Модель подходит для семантического поиска юридических документов, ранжирования релевантных фрагментов, поиска похожих формулировок и подготовки эмбеддингов для кластеризации или классификации текста. В README приведена оценка на alqac25-triplet: точность cosine@1 составляет 0,5194, @3 — 0,7528, @5 — 0,8147. Для использования доступны веса в формате safetensors; библиотека модели — Sentence Transformers. Условия лицензии в предоставленных данных не приведены.

Модель flair/ner-german-legal — модель распознавания именованных сущностей в немецких юридических текстах, распространяемая как стандартная модель библиотеки Flair. Она предназначена для извлечения юридически значимых сущностей из документов; README сообщает о 19 тегах, включая адвокатов, европейские стандарты и законы. Модель построена на эмбеддингах Flair с архитектурой LSTM-CRF и обучена на наборе LER German. В README указан F1-результат 96,35 на этом наборе. Модель принимает немецкий текст и присваивает метки его фрагментам; репозиторий содержит веса PyTorch. Лицензия не указана в предоставленных данных.

openlm-3b-202407-grpo-obqa-v3 — разговорная языковая модель на архитектуре OpenLM, дообученная с помощью TRL. По карточке модель предназначена для генерации ответов в диалоге; название указывает на обучение методом GRPO для сценария open-book question answering, то есть ответов на вопросы с опорой на предоставленные сведения. Модель содержит 2,7 млрд параметров, принимает текст и генерирует текст, её контекст составляет 2048 токенов. Модель можно использовать для прототипирования диалоговых систем и ответов на вопросы по переданному контексту. В карточке базовая модель указана как None, поэтому определить её идентификатор по доступным данным нельзя. Репозиторий содержит веса Safetensors; лицензия в предоставленных данных не указана.

OpenMed-NER-DiseaseDetect-ElectraMed-33M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер для задачи разметки токенов: модель присваивает словам BIO-метки B-DISEASE и I-DISEASE и тем самым выделяет названия болезней. В README указана базовая архитектура e5-small-v2; метаданные описывают архитектуру как BERT для классификации токенов, содержат размер 40 млн параметров и контекст 512 токенов. Модель предназначена для извлечения заболеваний из научных публикаций, медицинских записей и других биомедицинских документов, в том числе для поиска по литературе и аналитики медицинских текстов. Она обучена на наборе BC5CDR_DISEASE; в README приведены F1 0,82, точность 0,79 и полнота 0,85. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

datalyes/patembed-base_long_4096 — модель Sentence Transformers, разработанная в рамках проекта PatenTEB для получения векторных представлений патентных текстов. Она построена на архитектуре gte-modernbert-base с расширенным контекстом и дообучена методом многозадачного обучения на 13 задачах бенчмарка PatenTEB. Модель предназначена для поиска патентов и предшествующего уровня техники, извлечения похожих документов, классификации и кластеризации патентов, а также анализа технологических направлений. Она создаёт эмбеддинги размерности 768; в README указано максимальное окно последовательности 4096 токенов, а метаданные указывают нативный контекст 8192 токена. Для оптимального результата при инференсе следует использовать инструкции, специфичные для задачи. Модель содержит 149 млн параметров, имеет 22 слоя и поддерживает английский язык. Репозиторий использует формат safetensors и библиотеку sentence-transformers. Лицензия CC BY-NC-SA 4.0 требует атрибуции и ограничивает коммерческое использование.

patembed-basesmall — модель Sentence Transformer из проекта PatenTEB, предназначенная для построения эмбеддингов патентных текстов. Она разработана для поиска и анализа патентных документов; при выводе рекомендуется использовать специализированные для задачи инструкционные префиксы. Модель основана на архитектуре BERT и дистиллирована из datalyes/patembed-large с использованием слоёв 0, 3, 6, 9, 12, 15, 18 и 21. В карточке указаны 143 млн параметров, 8 слоёв, размер скрытого состояния 1024, эмбеддинги размерности 512 и максимальная длина последовательности 512 токенов; метаданные каталога оценивают размер в 175 млн параметров. Модель рассчитана на английские тексты и принимает текст, выдавая векторные представления для сравнения семантической близости. Подходит для поиска патентов и предшествующего уровня техники, классификации и кластеризации патентных документов, а также анализа технологических направлений. Лицензия CC BY-NC-SA 4.0 требует атрибуции и ограничивает коммерческое использование; модель ориентирована на патентные тексты и английский язык.

patembed-largenoprompts — модель Sentence Transformer семейства patembed, разработанная в рамках проекта PatenTEB для построения эмбеддингов патентных текстов. Это вариант без инструкционных префиксов, созданный как абляция для оценки влияния подсказок на качество. Архитектура основана на BERT для патентных текстов; метаданные указывают 443,5 млн параметров, а в README приведены 344 млн, 24 слоя и размер эмбеддинга 1024. Максимальная длина последовательности — 512 токенов. Модель рассчитана на английский язык и принимает текст, выдавая векторные представления для поиска и сравнения сходства. Модель предназначена для патентного поиска и извлечения документов, поиска предшествующего уровня техники, классификации и кластеризации патентов, а также анализа технологических направлений. Обучение проводилось в режиме многозадачного обучения на 13 задачах бенчмарка PatenTEB. Лицензия — CC BY-NC-SA 4.0, предусматривающая указание авторства, распространение производных материалов на тех же условиях и ограничения на коммерческое использование.

PatentMap-V0-SecPair-Claim — англоязычная модель эмбеддингов для патентных текстов, созданная как часть коллекции PatentMap V0 на базе anferico/bert-for-patents. Модель дообучена контрастивным обучением InfoNCE на парах разделов патентных заявок: аннотации и формулы изобретения. Архитектура BERT Large содержит 340 млн параметров; размерность эмбеддинга — 1024, максимальная длина последовательности — 512 токенов. Модель принимает текст патента с маркерами разделов, например `[claim]` для формулы изобретения; аннотацию можно передавать вместе с названием через `[SEP] [abstract]`. Она предназначена для поиска патентов и аналогов, оценки сходства, обнаружения известного уровня техники, классификации IPC и анализа патентного ландшафта. Обучение проводилось на англоязычных патентных заявках USPTO 2010–2018 годов из корпуса HUPD. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

QuantOsimo Curriculum Embeddings v1 — дообученная модель Sentence Transformers, созданная Samuel Osagiede для поиска учебного контента в платформе QuantOsimo. Она преобразует текстовые фрагменты в нормализованные векторы размерности 384 и предназначена для семантического поиска и сравнения предложений и абзацев в RAG-сценариях. Модель основана на sentence-transformers/all-MiniLM-L6-v2 и дообучена на 1 077 учебных триплетах, составленных по фрагментам официальных спецификаций AQA, Edexcel и OCR для математики и естественных наук на уровнях KS2–KS5. В архитектуре используются BERT-энкодер, mean pooling и нормализация; сходство измеряется косинусной метрикой. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст до 512 токенов. Модель рассчитана на поиск материалов британской школьной программы и может быть полезна для подбора источников к вопросам учеников и преподавателей. В README приведены высокие результаты на триплетной оценке, но они относятся к указанным учебным данным и не гарантируют качество на других предметах, программах или языках. Репозиторий не сообщает лицензию.

Amer-Surur1/quran-finetuned-mpnet — дообученная модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2. Она использует архитектуру XLM-RoBERTa с усредняющим pooling и содержит 305,2 млн параметров. Модель преобразует предложения и абзацы в плотные векторы размерности 768, сравниваемые косинусной близостью. Модель предназначена для семантического сопоставления арабских фрагментов Корана и подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Обучение выполнено на 16 929 парах предложений с MultipleNegativesRankingLoss. Репозиторий указывает максимальную длину последовательности 128 токенов; метаданные указывают нативный контекст 514 токенов. При работе следует учитывать лимит последовательности модели и проверять качество на целевых текстах. Лицензия в предоставленных данных не указана.

Это контрольная точка Qwen3-8B TMax AENV v39b, созданная willamazon1 на 149-й итерации обучения с подкреплением. Модель основана на willamazon1/qwen3-8b-tmax-sft-v3-iter353, который, в свою очередь, является SFT-версией Qwen/Qwen3-8B. Обучение проводилось методом group-relative policy optimization на асинхронных многошаговых сценариях в агентной среде. Модель предназначена для диалоговой генерации текста и сценариев, где агент взаимодействует с инструментами и выполняет последовательность действий в несколько ходов. Это плотная причинная языковая модель Qwen3 с 7,6 млрд параметров и контекстом 40 960 токенов. Веса bf16 сохранены в формате safetensors; репозиторий использует Transformers и имеет лицензию Apache-2.0. Это промежуточный чекпойнт отдельного запуска обучения; опубликованы и другие итерации, позволяющие сравнить изменения по ходу обучения. README сообщает о проверке весов на NaN и Inf и о пробном запуске, но не приводит оценки качества или поддерживаемые языки.

RetrievalRouter (λ=0.3) — обученный авторами статьи RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval маршрутизатор поисковых конвейеров для RAG. По текстовому запросу он выбирает один из пяти вариантов поиска, сочетая текстовый или мультимодальный режим с плотным поиском и поздним переранжированием. Модель предназначена для систем с несколькими заранее подготовленными индексами: она решает, какой конвейер запустить для запроса, но сама документы не ищет и не ранжирует. В основе — Qwen/Qwen3-0.6B-Base с LoRA-дообучением; адаптеры объединены с весами. Представление запроса размерности 1024 формируется усреднением скрытых состояний энкодера, а линейная голова предсказывает распределение по пяти вариантам поиска. Чекпойнт λ=0.3 балансирует качество результатов и задержку. Обучение использовало 85 103 запроса из 11 бенчмарков; данные охватывают финансовые, научные и открытые домены на английском языке. Модель подходит для выбора экономичного поискового конвейера для простых запросов и более мощного мультимодального или переранжирующего варианта для сложных запросов, включая вопросы по изображениям страниц и графикам. В README сообщается о приросте nDCG@5 на 2,5% и скорости в 12,4 раза выше сильнейшего статического конвейера. Другие языки и домены не проверялись; необходимы собственные поисковые индексы и реализации выбранных конвейеров. Лицензия — MIT.

Модель ro-political-fake-news-v2 разработана Manuel Raileanu и представляет собой румынскую BERT-модель, дообученную для оценки достоверности утверждений в тексте. Она выдаёт одно регрессионное значение по шкале 0–100: низкие значения соответствуют проверяемым фактическим утверждениям, около 50 — сомнительным заявлениям и преувеличениям, высокие — дезинформации и теориям заговора. Для бинарной разметки автор предлагает использовать порог 50. Модель предназначена для анализа румынских политических публикаций и других текстов на предмет дезинформации. Она основана на dumitrescustefan/bert-base-romanian-cased-v1, содержит 151,6 млн параметров и принимает текст с контекстом до 512 токенов. В обучении использованы размеченные данные из нескольких румынских новостных и социальных корпусов; часть меток получена с помощью gemma2:9b. Модель не определяет, написан ли текст человеком или ИИ. В тестировании автор сообщает MAE 9,34 и точность бинарной классификации 0,833 при пороге 50. Регрессионное значение может немного выходить за пределы шкалы 0–100, поэтому при необходимости его следует ограничивать. Модель распространяется по лицензии Apache-2.0.

SaulLM-54B-Instruct — языковая модель для юридической сферы, разработанная Equall совместно с MICS при CentraleSupélec (Université Paris-Saclay). Модель построена на архитектуре Mixtral с разреженной экспертной моделью (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Карточка описывает её как предварительно обученную и дообученную на юридических данных модель с инструкционным интерфейсом. Модель предназначена для исследовательской адаптации к юридическим сценариям: работы с англоязычными юридическими текстами, судебными решениями и законодательными документами США и Европы. Она может помогать формулировать ответы и разбирать юридические материалы, но не заменяет юриста. Данные об обучении ограничены определённым временным срезом, а применимость к правовым системам за пределами США и Европы может быть ниже; ответы могут содержать ошибки и смещения. Модель распространяется по лицензии MIT. В карточке указана базовая модель Equall, основанная на продолженном предобучении моделей Mixtral; точный идентификатор исходного репозитория не приведён.

SBERT Legal Paragraph Retrieval — англоязычный энкодер предложений, разработанный для поиска релевантных абзацев в корпусе судебных решений Индии. Модель создана дообучением sentence-transformers/all-MiniLM-L6-v2 и использует архитектуру Sentence Transformer с энкодером BERT, усреднением токенов и нормализацией векторов. Она преобразует запросы и абзацы в векторы размерности 384; косинусное сходство отражает юридическую релевантность. Максимальная длина последовательности в карточке README — 256 токенов; метаданные указывают контекст 512 токенов. Модель предназначена для первого этапа поиска по судебной практике: она сопоставляет естественно-языковой запрос юриста с оригинальными абзацами решений и соответствующими краткими резюме. Обучение на 90 142 парах из 693 индийских судебных решений включало запросы разного стиля и примеры как с оригинальным текстом, так и с LLM-резюме. На отложенной выборке точность cosine_accuracy@1 составила 0,5051, @3 — 0,7408, @5 — 0,8375. Модель рассчитана на английский язык и индийские судебные решения. Она не предназначена для генерации юридических советов, прогнозирования исхода дела или самостоятельного принятия решений; качество зависит от разбиения документов на абзацы. Тексты длиннее 256 токенов обрезаются, а модель не проверена на других юрисдикциях, законах, договорах и текстах общего назначения. README также сообщает о некотором преимуществе при поиске по LLM-резюме перед оригинальным текстом. Лицензия — Apache 2.0.

SciLitLLM1.5-14B — языковая модель Uni-SMART для понимания научной литературы. Она основана на Qwen2.5-14B и сочетает продолженное предобучение на научных текстах с supervised fine-tuning для улучшения следования инструкциям в специализированных задачах. Модель имеет плотную архитектуру Qwen2, содержит 14 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой работы с научными публикациями и задач понимания научной литературы. В README сообщается о результатах на бенчмарках SciAssess и SciRIFF, но подробные сценарии, языковой охват и сравнительные условия приведены не полностью. Модель распространяется под лицензией MIT.

Vi-Legal-Bi-Encoder-v2 — модель эмбеддингов предложений и абзацев, опубликованная NghiemAbe и построенная на архитектуре RoBERTa с библиотекой Sentence-Transformers. Она преобразует текст в плотные векторы размерности 768 и предназначена для сравнения семантической близости, поиска и кластеризации. Модель ориентирована на вьетнамские юридические тексты; автор приводит результаты оценки на Dev-Legal-Dataset и сравнивает её с несколькими многоязычными и вьетнамскими моделями.

Модель SophieTr/xlm-roberta-base-claim-detection-clef21-24 — мультиязычный классификатор на основе XLM-RoBERTa, дообученный на данных задачи 1 соревнований CLEF2021-CheckThat и CLEF2024-CheckThat. Она оценивает, заслуживает ли текст проверки фактов, и предназначена для использования как компонент автоматизированного фактчекинга, в том числе для мультиязычных текстов. Модель содержит 305,2 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и выдаёт класс классификации. Поддерживаемые языки: английский, болгарский, испанский, турецкий, арабский и нидерландский. Разработчик не назван в карточке. Модель распространяется по лицензии Apache-2.0.

Anah-7b-GGUF — это квантизированная версия модели opencompass/anah-7b, подготовленная mradermacher в формате GGUF. Модель ориентирована на обнаружение галлюцинаций и классификацию текста; заявленный язык — английский. В метаданных указана библиотека Transformers, однако подробности архитектуры и точные параметры исходной модели не приведены, кроме обозначения размера 7B. Модель предназначена для сценариев, где требуется анализировать текст и выявлять признаки недостоверных или вымышленных утверждений. Доступны варианты с разными уровнями квантизации: от Q2_K размером около 3,1 ГБ до f16 размером около 15,6 ГБ. В README варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, а Q8_0 — как обеспечивающий лучшее качество среди перечисленных квантизированных вариантов. К сильным сторонам относятся возможность локального запуска в компактных вариантах GGUF и выбор между размером, скоростью и качеством. Ограничения связаны с квантизацией, возможной потерей качества по сравнению с полной точностью, специализацией на обнаружении галлюцинаций и отсутствием сведений о максимальном контексте, мультимодальности, датасетах и результатах оценки. Модель распространяется по лицензии Apache-2.0.

BC5CDRSciBERTNER — дообученная модель на основе allenai/scibert_scivocab_uncased для распознавания названий химических веществ и заболеваний в научных текстах. Она выполняет разметку токенов, относя их к классам Chemical и Disease, и подходит для извлечения этих сущностей из биомедицинской литературы. Модель основана на архитектуре BERT, содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Для английских названий химических веществ на оценочной выборке указаны precision 0,92, recall 0,94 и F1 0,93; для заболеваний — precision, recall и F1 по 0,98. Модель использует лицензию базовой модели только если она применима к этому чекпойнту; сведения о лицензии в предоставленных источниках отсутствуют.

BERT Tiny, дообученная модель от mrm8488 для классификации текстов с целью выявления потенциально недостоверных новостей. Модель основана на архитектуре BERT и содержит около 4,4 млн параметров; поддерживает английский язык и обрабатывает входные последовательности длиной до 512 токенов. Для запуска предназначена экосистема Transformers и PyTorch. Модель подходит для предварительного скрининга новостных публикаций, сообщений и других англоязычных текстов на признаки fake news. Небольшой размер делает её удобной для локального применения и сервисов с ограниченными вычислительными ресурсами, однако результаты классификации не следует рассматривать как окончательное доказательство достоверности информации. В доступных данных лицензия и точная схема классов не указаны.

wilfredomartel/bge-m3-tripLegalCL-300k — модель Sentence Transformers, дообученная разработчиком на базе BAAI/bge-m3 на 300 тыс. пар запросов и релевантных документов из набора TripLegal-CL. Она кодирует испанские предложения и абзацы в нормализованные плотные векторы размерности 1024; сходство между ними можно оценивать по косинусной мере. Архитектура основана на XLM-RoBERTa с CLS-пулингом, а максимальная длина входа составляет 8192 токена. Модель предназначена для семантического поиска и сопоставления испанских юридических запросов с документами, а также для поиска перефразировок, кластеризации и классификации текстов. В README приведены высокие показатели cosine accuracy на наборах оценки юридического поиска на испанском языке. Лицензия Apache-2.0. Описанные данные и оценки относятся к юридическому корпусу на испанском; качество для других языков и областей не подтверждено.

deka-qwen3-emb-0.6b-infonce-lay — плотная модель эмбеддингов, разработанная anonymousresearch123 путём полного дообучения Qwen/Qwen3-Embedding-0.6B. Она предназначена для поиска решений Верховного суда Таиланда по текстовым запросам: вариант обучен на запросах в простом регистре lay, сопоставляемых с текстом fact. Для получения эмбеддингов используются последний токен при левом дополнении и L2-нормализация; запросы должны содержать префикс-инструкцию, использованную при обучении, а документы — нет. Модель содержит 507,6 млн параметров, использует архитектуру Qwen3 и поддерживает контекст до 32 768 токенов. README приводит результаты полно-корпусной оценки с чистыми релевантными документами: Recall@10 составляет 19,52 для запросов user, 26,19 для lawer и 31,9 для fact. Модель выпущена под лицензией Apache-2.0.