I.1Поиск и навигация по информации

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по документам Верховного суда Бразилии (Supremo Tribunal de Justiça). Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 и подходит для поиска семантически близких фрагментов, сравнения текстов и кластеризации. Модель основана на крупной португалоязычной версии BERTimbau, дообученной на юридических текстах и затем на задачах семантического сходства с использованием наборов ASSIN, ASSIN2, STS-B Multi-MT для португальского языка и IRIS STS. Контекст ограничен 512 токенами. Веса доступны в форматах PyTorch и Safetensors; лицензия — MIT. Модель рассчитана на поиск и сопоставление португалоязычных юридических предложений и документов. Для работы с другими языками или задачами качество не подтверждено; при обработке длинных документов их следует разделять на фрагменты в пределах контекстного окна.

deka-qwen3-emb-0.6b-multipos-lay — текстовая модель эмбеддингов, созданная anonymousresearch123 полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она кодирует запросы и документы в векторы для семантического поиска и ранжирования; использует архитектуру Qwen3, пуллинг последнего токена с левым паддингом и L2-нормализацию. Модель содержит 507,6 млн параметров и поддерживает контекст до 32 768 токенов, хотя при обучении максимальная длина документа составляла 1300 токенов, а запроса — 256. Обучение оптимизировало поиск документов с несколькими положительными примерами; запросы обучались сопоставляться с текстами фактической части дела. В тестах на полном корпусе Recall@10 составил 16,67 для запросов пользовательского регистра, 25,24 для юридического и 30,95 для регистра fact. Для работы запросу требуется добавлять использованный при обучении инструкционный префикс, а документам — нет. Модель распространяется по лицензии Apache-2.0.

distilled-embeddinggemma — статическая модель эмбеддингов Model2Vec, созданная путём дистилляции google/embeddinggemma-300m. Она предназначена прежде всего для быстрого поиска санскритских текстов по смыслу и сопоставления запросов с фрагментами; в README приведены примеры на деванагари и английском. Модель использует таблицу эмбеддингов без трансформера на этапе вывода: 256 измерений, float16, PCA-256, mean pooling и нормализацию; размер таблицы — около 2,5 млн параметров. Метаданные указывают архитектуру StaticModel, библиотеку model2vec, формат safetensors и контекст 1 000 000 токенов. README сообщает, что на тесте гибридного поиска по санскритским стихам модель сохранила 89% качества учителя, при этом кодирование выполнялось примерно в 39 000 фрагментов в секунду на CPU. Статическое усреднение не учитывает порядок слов и контекст, поэтому хуже справляется с формами, где сандхи и сложение слов скрывают соответствия, а также с английскими перефразированиями. Для таких сценариев автор рекомендует использовать её как компонент гибридного поиска вместе с полнотекстовым поиском и лексическими данными. Лицензия модели — MIT; для распространения производной модели следует также учитывать условия Google Gemma для базовой модели.

Eyla Qwen3-8B Tools v2 — модель на основе Qwen3-8B, разработанная Adioris / Eyla для локальных агентных сценариев. Это плотная decoder-only языковая модель с 7,6 млрд параметров, дообученная методом полного SFT для выбора и вызова инструментов по запросам на естественном языке. Модель выдаёт структурированные вызовы инструментов в формате JSON; её основной сценарий — работа внутри агентной оболочки, которая проверяет и выполняет эти вызовы. Модель рассчитана на английский, бенгальский и смешанную речь Banglish. Она предназначена для офлайн-работы на устройстве, например для чтения и записи файлов, поиска в интернете и обращения к памяти. Контекст составляет 40 960 токенов; веса опубликованы в формате safetensors, а в README описан локальный запуск после 4-битной квантизации. В оценке в агентной оболочке модель успешно выполнила 5 из 8 задач. Она лучше подходит на роль вызова инструментов в агентном цикле, чем для самостоятельного диалога. Неоднозначные запросы и выбор инструментов вне обучающих сценариев могут быть ненадёжны; модель может чрезмерно выбирать shell-инструменты или менять переданный путь. Лицензия — Apache-2.0.

Holo3-35B-A3B — мультимодальная модель типа Vision-Language Model, разработанная H Company для GUI-агентов. Она анализирует визуальные интерфейсы веб-сайтов, настольных и мобильных приложений, рассуждает над содержимым и помогает выполнять точные действия в цифровых средах, включая многошаговые бизнес-сценарии. Модель дообучена на Qwen/Qwen3.5-35B-A3B и использует разреженную архитектуру Mixture-of-Experts с 35 млрд общих и 3 млрд активных параметров. Принимает текст и изображения интерфейсов, выдаёт текстовые ответы и действия для компьютерного агента. В карточке заявлены результаты на бенчмарках OSWorld-Verified, ScreenSpot-Pro и OSWorld-G; заявленный результат OSWorld-Verified — 77,8%. Модель поддерживает английский язык. Лицензия — Apache 2.0.

ml6team/keyphrase-extraction-kbir-kpcrowd — англоязычная модель команды ML6 для извлечения ключевых фраз из текста. Она основана на KBIR и дообучена на датасете KPCrowd; архитектура RoBERTa решает задачу токенной классификации, помечая начало и продолжение ключевой фразы, а также слова вне неё. Модель предназначена для быстрого выделения тем и значимых фраз в документах, особенно в транскрипциях новостных передач. Она поддерживает английский язык, имеет 454,1 млн параметров и контекст до 514 токенов. Модель обучалась на 500 англоязычных новостных историях из десяти тематических категорий. В README указана оценка на тестовой выборке Inspec: F1@5 — 0,12, F1@10 — 0,20, F1@M — 0,33. Разработчики предупреждают, что модель зависит от датасета и не рекомендуют применять её в других предметных областях. Лицензия — MIT.

CMB-ClimateModernBERT/Merge_Norm_CX — англоязычный энкодер ModernBERT, разработанный в рамках семейства ClimateModernBERT для обработки текстов о климате. Это masked language model с архитектурой ModernBERTForMaskedLM на 149 млн параметров, обученная продолжением предобучения answerdotai/ModernBERT-base на корпусе из научных публикаций, климатических веб-текстов и синтетических материалов. Контекст составляет до 8192 токенов. Модель предназначена для получения текстовых представлений и последующей тонкой настройки на классификацию, многометочную разметку и поиск по климатическим публикациям, корпоративной отчётности, документам политики и новостям. В README указана средняя оценка F1 75,9 по девяти климатическим NLP-бенчмаркам; результаты получены при тонкой настройке и не означают, что базовая masked language model сама выполняет эти задачи без дополнительной настройки. Модель не следует использовать как инструкционную систему или источник гарантированно точных фактов о климате. Карточка не сообщает лицензию модели.

MindNano Ling3 Compass — экспериментальная схема рассуждений по базе знаний на основе Ling-3.0-tiny, опубликованная Sariel00. Репозиторий содержит веса Ling3 в форматах BF16 GGUF и safetensors, движок на C++, интерфейс базы знаний SQLite и компоненты H1/H2. Базовые веса Ling3 не дообучались; H1 и H2 используют отдельные обученные головы. Лицензия — Apache-2.0. Система предназначена для ответов на вопросы по зарегистрированным документам. При создании базы она сохраняет исходный текст, эмбеддинги Qwen3-Embedding-0.6B и состояния Ling3. При запросе H1 использует скрытые представления обычного прохода вопроса для поиска, H2 оценивает наличие подходящего свидетельства и может отказаться отвечать, а H3 формирует ответ по выбранному пакету материалов. Поддерживаются текстовый RAG и режимы с полными или сжатыми состояниями KV; это решение с движком и дополнительными компонентами, а не только самостоятельная языковая модель. В описанных испытаниях использовались короткие пакеты документов и вопросы на китайском, английском и японском. Сжатие activation960 уменьшало медианный размер файла состояния примерно в 22 раза относительно полного KV, но снижало точность: в парной проверке строгие ответы с EOS составили 84,4% против 88,5% у полного KV. Проверки ограничены указанными наборами и условиями, не устанавливают превосходство над специализированными реранкерами и не подтверждают качество режима Think. Репозиторий обозначен как экспериментальный; опубликованная лицензия Apache-2.0.

Impresso NER — модель распознавания именованных сущностей в оцифрованных исторических документах, разработанная командой Impresso в EPFL. Она предназначена для анализа архивных текстов на английском, французском и немецком языках, включая тексты с ошибками OCR, вариативным написанием и нестандартной языковой формой. Модель использует стековую архитектуру на основе BERT: к предобученному многоязычному историческому BERT добавлены один или два слоя Transformer и декодер CRF. Это модель классификации токенов с 49,9 млн параметров и контекстом до 512 токенов. Она размечает сущности разных типов и уровней детализации, включая людей, организации, продукты, временные выражения и места; для людей может также извлекать имя, титул и функцию в контексте. Модель дообучена на базе dbmdz/bert-medium-historic-multilingual-cased и оценивалась на датасете HIPE-2020. Она подходит для исторического извлечения информации, но не предназначена для современных новостей и социальных сетей; качество может снижаться на неевропейских языках и при сильном шуме OCR. Лицензия — AGPL-3.0-or-later.

saitejasathiraju/nomic-embed-bns-legal — текстовая модель эмбеддингов, созданная автором карточки путём дообучения nomic-ai/nomic-embed-text-v1.5 для поиска по индийскому уголовному законодательству. Она предназначена для RAG-сценариев: сопоставляет англоязычный вопрос с нужным разделом BNS 2023, IPC 1860, BNSS 2023 или BSA 2023 и помогает отличать похожие положения внутри одного раздела закона. Модель основана на архитектуре NomicBert, содержит 136,7 млн параметров и принимает текст, формируя векторные представления для семантического поиска. Обучение проводилось контрастивным методом TripletLoss на 11 587 триплетах с трудными отрицательными примерами. Для запросов и документов следует сохранять префиксы search_query: и search_document:. Контекст составляет 2048 токенов; модель использует английский язык. В отложенной выборке точность ранжирования правильного раздела выше одного подобранного похожего раздела составила 0,9983; это не оценка полноты или качества поиска по полному корпусу. Модель не обучалась на судебных решениях и других законах, а карточка ограничивает её англоязычными запросами. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-AnatomyDetect-SuperMedical-355M — дообученную модель RoBERTa для распознавания анатомических сущностей в биомедицинских текстах. Она выделяет названия анатомических структур и частей тела, присваивая токенам метки B-Anatomy и I-Anatomy. Модель предназначена для извлечения анатомических упоминаний из медицинских записей, научных публикаций и других документов здравоохранения. Её можно применять для клинического анализа текста, поиска по биомедицинской литературе и построения баз знаний. README сообщает F1, precision и recall на уровне 0,90 и accuracy 0,98 на наборе ANATOMY. Модель основана на архитектуре RoBERTa; в метаданных указано 454,1 млн параметров и контекст до 514 токенов. Она принимает токенизированный текст и выдаёт BIO-разметку сущностей. Указана лицензия Apache-2.0. Модель обучена на анатомической разметке, поэтому не предназначена для извлечения всех типов медицинских сущностей: например, README описывает метки только для анатомии. Показатели качества приведены для ANATOMY и сами по себе не гарантируют такую же точность на других данных или в клинической практике.

OpenMed-NER-DiseaseDetect-ElectraMed-560M — модель OpenMed для распознавания названий заболеваний в биомедицинских текстах. Она выполняет token classification и размечает упоминания заболеваний тегами B-DISEASE и I-DISEASE, обучена на наборе BC5CDR-Disease. Архитектура в метаданных указана как XLM-RoBERTa для классификации токенов; размер — 658,7 млн параметров, максимальный контекст — 514 токенов. Модель предназначена для извлечения заболеваний из научных публикаций и медицинских документов, например для поиска по литературе и структурирования биомедицинских данных. README сообщает F1 0,87 на BC5CDR-Disease. Поддерживается английский язык, файлы представлены в формате safetensors. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-GenomicDetect-TinyMed-65M — специализированную модель для распознавания именованных сущностей в биомедицинских текстах. Это дообученная версия DistilBERT с архитектурой DistilBertForTokenClassification, примерно 65 млн параметров и контекстом до 512 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей; в карточке указаны метки B-Cell-line-name и I-Cell-line-name, поэтому подтверждённая область распознавания — названия клеточных линий. Модель предназначена для извлечения таких сущностей из научной литературы и других биомедицинских документов, а также для последующего поиска и структурирования упоминаний в корпусах. В README приведены результаты на GELLUS: F1 0,98, точность 0,99 и полнота 0,98; эти показатели относятся к описанной оценке и не гарантируют такого же качества на других данных. Язык карточки — английский. Репозиторий использует формат Safetensors, лицензия — Apache-2.0.

OpenMed/OpenMed-NER-OncologyDetect-ModernClinical-149M — модель OpenMed для распознавания и классификации биомедицинских сущностей в текстах об онкологии и генетике рака. Это дообученная модель ModernBERT для token classification с 149 млн параметров и контекстом до 8192 токенов. Она принимает токенизированный текст и возвращает метки сущностей в формате BIO, включая типы рака, генов и их продуктов, аминокислот, клеток, тканей, органов и химических веществ. Модель предназначена для извлечения сущностей из научной литературы, клинических текстов и медицинских документов. Её можно применять для поиска онкологических биомаркеров и генов, анализа литературы по раку и построения биомедицинских баз знаний. В README указаны обучение на BioNLP 2013 CG и F1 0,77, точность 0,78, полнота 0,77 и accuracy 0,92; эти результаты относятся к описанному бенчмарку и не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

OpenMed/OpenMed-NER-PathologyDetect-SuperMedical-125M — специализированная модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученная RoBERTa-модель для классификации токенов на основе roberta-base; она выделяет границы названий заболеваний метками B-Disease и I-Disease и формирует BIO-разметку. В README указаны 151,8 млн параметров и оценка F1 0,88 на корпусе NCBI Disease. Модель предназначена для извлечения заболеваний из медицинских записей и научных публикаций, а также для биомедицинского поиска и анализа текста. Она принимает текст и выдаёт разметку сущностей. Карточка указывает английский язык и контекст до 514 токенов. Модель распространяется по лицензии Apache-2.0. Хотя README заявляет о пригодности для клинических сценариев, приведённые результаты относятся к конкретному корпусу и сами по себе не подтверждают точность для реальных медицинских решений.

PHOENIX — разработанная для поиска патентных изображений модель на основе CLIP ViT-B/16 от OpenAI, дообученная с помощью иерархического многоположительного контрастивного обучения. Она кодирует технические чертежи и иллюстрации из патентных документов в векторные представления, чтобы находить визуально или семантически близкие изобретения, в том числе из разных патентов и подклассов Locarno. Модель предназначена для поиска аналогов и предшествующего уровня техники, группировки изображений патентов и анализа сходства дизайнов. В README сообщается об оценке на наборе DeepPatent2 и улучшении поиска внутри категорий и переноса между связанными категориями; для получения эмбеддингов и вычисления косинусного сходства приведён сценарий использования через Transformers. Модель принимает изображения и выдаёт векторные представления, пригодные для поиска по сходству. Она адаптирована к патентным техническим изображениям и использует иерархию классификации Locarno. Репозиторий распространяется по лицензии MIT. README описывает обёртку с классом PatentEmbeddingModel, тогда как метаданные указывают архитектуру CLIPModel; реализацию интеграции следует сверить с файлами репозитория. Модель предназначена для извлечения признаков и поиска изображений, а не для генерации изображений.

Qwen3-8B TMax AENV v39b — контрольная точка обучения на итерации 129, разработанная willamazon1. Модель представляет собой плотную авторегрессионную архитектуру Qwen3ForCausalLM на 7,6 млрд параметров, дообученную методом обучения с подкреплением на асинхронных многопользовательских траекториях в агентных средах. Она предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов через интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов; файлы весов представлены в safetensors и имеют точность bfloat16. Чекпойнт продолжает SFT-модель willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая основана на Qwen/Qwen3-8B. В коллекции опубликованы соседние итерации обучения, что позволяет сравнивать состояние модели на разных этапах. Модель принимает текст и генерирует текст; языки, на которых она специально обучалась, в предоставленных данных не определены. Лицензия — Apache-2.0. Это промежуточная контрольная точка конкретного RL-запуска; результаты могут зависеть от задачи и конфигурации агентной среды, а оптимизатор обучения в репозитории отсутствует.

SciFive-base-PMC — англоязычная модель семейства T5, разработанная авторами работы SciFive для работы с биомедицинской литературой. Это трансформер text-to-text на 123,8 млн параметров, дообученный на корпусе открытых статей PMC. Метаданные Hugging Face указывают задачу text-classification; архитектура модели поддерживает генерацию текста по схеме T5. Модель подходит для классификации текстов биомедицинских публикаций и других задач анализа научной литературы, которые можно представить как преобразование текста в текст. В карточке указан английский язык и контекст до 1024 токенов. Репозиторий содержит веса PyTorch, Safetensors и TensorFlow. Лицензия в предоставленных данных не указана.

Vamba-Qwen2-VL-7B — гибридная модель для понимания видео, представленная в репозитории TIGER-Lab. Она сочетает Mamba-2 блоки для обработки видеотокенов и трансформерные механизмы внимания: самовнимание применяется к текстовым токенам, а текстовые запросы обращаются к видеотокенам через cross-attention. Такой подход предназначен для снижения вычислительной сложности при анализе длинных видео, включая ролики длительностью до часа. Модель содержит 7,1 млрд параметров, построена на архитектуре Qwen2-VL и поддерживает контекст длиной 32 768 токенов. Она принимает видео и текстовые запросы и формирует текстовые ответы, например описание событий или ответы на вопросы о содержимом ролика. В метаданных указаны библиотека Transformers и формат safetensors. Лицензия — MIT.

AIRealNet — модель Modotte для бинарной классификации изображений: она определяет, создано ли изображение ИИ или является реальной фотографией человека. Модель дообучена на базе SwinV2 Tiny (microsoft/swinv2-tiny-patch4-window16-256) и использует архитектуру Swinv2ForImageClassification. Изображения при обработке приводятся к размеру 256×256; классификатор выдаёт один из двух классов: «создано ИИ» или «реальное фото человека». Модель предназначена для проверки изображений в социальных сетях, публикациях и цифровых медиа, а также для поддержки модераторов, исследователей и фактчекеров. Для дообучения использован набор Parveshiiii/AI-vs-Real размером 14 тысяч изображений; автор описывает выборку как сбалансированную и сообщает, что личные фотографии не включались. Лицензия — MIT. Карточка предупреждает, что качество на контролируемых данных может завышать ожидаемое качество в реальных условиях: модель плохо выявляет тонкие правки и изображения людей, изменённые ИИ, а её точность может снижаться для незнакомых генераторов и необычных изображений. Предсказания не следует использовать как самостоятельное юридическое подтверждение.

XSY/albert-base-v2-fakenews-discriminator — классификатор новостных заголовков, дообученный автором на базе albert-base-v2. Он относит заголовок к одному из двух классов: фейковая новость или настоящая. Модель предназначена для автоматической предварительной проверки заголовков и исследовательских экспериментов по выявлению дезинформации. Модель построена на архитектуре ALBERT и содержит 136,3 млн параметров. Она принимает текст, обрабатывает последовательности длиной до 512 токенов и выдаёт метку класса. В README указаны точность 0,9758 и loss 0,0910 на оценочной выборке; состав этой выборки и методика оценки не описаны, поэтому эти результаты не гарантируют качество на других источниках и темах. Датасет назван набором реальных и фейковых новостей, но его точный состав неизвестен. Лицензия — Apache-2.0.

81melody/algerian-law-marbert — текстовая Sentence Transformer-модель на архитектуре BERT, дообученная разработчиком на базе UBC-NLP/MARBERTv2 для поиска правовой информации по семейному законодательству Алжира. Энкодер формирует векторы размерности 768 для запросов и текстов статей; для оценки близости используется косинусное сходство. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска статей Кодекса семьи Алжира по вопросам, сформулированным на алжирском разговорном арабском, арабизи или литературном арабском; обучающие примеры также включают смешение языков. Она обучена на 1 000 парах вопрос–статья с CachedMultipleNegativesRankingLoss. В README для оценки на триплетах приведена cosine accuracy 0,7411. Модель может служить энкодером для плотного поиска в правовой системе извлечения информации. Модель выпущена под лицензией Apache-2.0. Это инструмент поиска, а не источник юридически авторитетных заключений; качество за пределами алжирского семейного права и указанных языковых вариантов не подтверждено.

Модель Legal BERTimbau разработана в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии (Supremo Tribunal de Justiça). Это дообученная модель семейства BERTimbau large, представленная в формате Sentence-Transformers: она преобразует предложения и абзацы на португальском языке в плотные векторы размерностью 1024 для сравнения смысловой близости, кластеризации и семантического поиска. Обучение включало TSDAE на юридических текстах примерно из 30 тысяч документов, а затем дообучение для оценки семантического сходства на наборах ASSIN, ASSIN2 и STS-B Multi-MT для португальского языка. Модель имеет 433,2 млн параметров и принимает последовательности длиной до 512 токенов. Она предназначена прежде всего для поиска и сопоставления юридических текстов на португальском языке; качество за пределами этой области не описано. Доступна по лицензии MIT.

Bert-MLM_arXiv-MP-class_arXiv — модель Sentence Transformers на архитектуре BERT, разработанная для вычисления семантического сходства коротких математических текстов. Она кодирует предложение или короткий абзац в плотный вектор размерности 768, который можно использовать для поиска похожих материалов, кластеризации и сравнения текстов. Модель создана как дополнительный ресурс к работе «On modelling similarity of short mathematical texts» для CICM'24. В основе лежит доменно-адаптированная math-similarity/Bert-MLM_arXiv с mean pooling и последующим дообучением на cosine similarity. Для обучения использовались пары заголовков и аннотаций arXiv: тексты считались похожими, если имели общий классификационный код. Метаданные указывают 136,7 млн параметров и контекст до 512 токенов; README сообщает, что по умолчанию входы длиннее 256 word pieces обрезаются. Модель принимает математический текст и выдаёт эмбеддинги; указаний на поддержку конкретного естественного языка нет. Лицензия в предоставленных данных не указана. Модель рассчитана на короткие математические тексты и может хуже подходить для общих текстов или задач, отличающихся от поиска семантического сходства; обучающий набор из карточки не включён в репозиторий.

BlueBERT — англоязычная модель семейства BERT, разработанная исследователями Computational Biology Branch при NCBI и предварительно обученная на аннотациях PubMed. Этот вариант использует uncased-токенизацию и конфигурацию с 24 слоями, скрытым размером 1024 и 16 attention-головами; в репозитории указано около 433,9 млн параметров и контекст до 512 токенов. Доступны веса в форматах PyTorch и Flax. Модель предназначена как языковая основа для задач обработки биомедицинских текстов, например классификации публикаций, извлечения сущностей и ответов на вопросы после дообучения под конкретную задачу. Предварительное обучение проводилось на корпусе PubMed объёмом около 4 млрд слов. Карточка не описывает готовый диагностический инструмент: результаты не следует использовать для клинических решений без проверки специалистом. Лицензия — CC0-1.0.

CeLLaTe-ner-2class-pubmedbert-combData-tapt-tokenizer-original-baseline — англоязычная модель для разметки последовательностей на основе BERT, разработанная как дообучение Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-original-baseline-combinedData. Она обучена для задачи NER на наборе OTAR3088/CeLLaTe-ner-2class-iob_final и предсказывает метки сущностей для токенов текста. Модель содержит 136,7 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. В README приведены результаты на оценочном наборе: micro F1 — 0,7571, precision — 0,7784, recall — 0,7370, accuracy — 0,9841. Распространяется по лицензии Apache-2.0; ограничения вне указанных результатов в карточке не описаны.

Law Text2Vec — модель, представленная chestnutlzj для вычисления сходства между юридическими текстами. Она основана на архитектуре BERT, содержит 129,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучена на 936 727 примерах из национальной базы судебных дел с оценками сходства и подходит для построения векторных баз и поиска похожих юридических фрагментов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Модель ориентирована на китайские юридические тексты. Её можно применять для поиска похожих судебных дел, сопоставления формулировок правовых вопросов и организации поиска по юридическим коллекциям. Карточка не описывает результаты независимой оценки качества или поддержку языков помимо китайского.

deka-qwen3-emb-0.6b-multipos-lawyer — текстовая модель эмбеддингов, разработанная anonymousresearch123 полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она сопоставляет запросы с судебными документами и предназначена для семантического поиска по корпусу дел; вариант lawyer обучен для документов с регистром lawyer, а запросы при обучении сопоставлялись с текстами fact. Модель построена на архитектуре Qwen3, содержит 507,6 млн параметров, использует pooling последнего токена и L2-нормализацию. Нативная длина контекста — 32 768 токенов; в обучении применялись максимальные длины 1 300 токенов для документов и 256 для запросов. Основной язык карточки — тайский. Для корректной работы запросы должны содержать использованный при обучении префикс-инструкцию, а документы — нет. В тестах на полном корпусе значение R@10 составило 29,52 для lawyer, 32,38 для fact и 13,33 для user. Распространяется по лицензии Apache-2.0.

Это плотная модель текстовых эмбеддингов, созданная Anonymous Research путём полного дообучения Qwen/Qwen3-Embedding-0.6B для поиска дел по решениям Верховного суда Таиланда. Она кодирует запросы и документы в векторы для семантического поиска и оценки сходства предложений; для запросов требуется префикс инструкции, использованный при обучении, а документы подаются без него. Модель основана на Qwen3, использует pooling последнего токена с левым дополнением и L2-нормализацию. Размер — 507,6 млн параметров, контекст — до 32 768 токенов; в обучении максимальная длина документов составляла 1300 токенов, запросов — 256. В тесте на полном корпусе для регистра fact достигнуты R@10 28,57 и MRR 0,2309; показатели различаются в зависимости от регистра запросов. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Карточка модели EdgeAIMed/EdgeAIMed-NER-DiseaseDetect-TinyMed-135M на Hugging Face совпадает с карточкой OpenMed/OpenMed-NER-DiseaseDetect-TinyMed-135M, поэтому описание составлено по ней. OpenMed-NER-DiseaseDetect-TinyMed-135M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер DistilBERT для token classification с архитектурой distilbert-base-multilingual-cased и контекстом до 512 токенов; модель выдаёт BIO-метки B-DISEASE и I-DISEASE для найденных сущностей. В README указаны данные BC5CDR-Disease и показатели на них: F1 0,88, точность 0,87 и полнота 0,89. Модель предназначена для извлечения названий заболеваний из медицинских записей и научных публикаций, а также для поиска по биомедицинской литературе и поддержки аналитики. Несмотря на многоязычную базовую архитектуру, карточка описывает обучение и оценку только на BC5CDR-Disease и указывает английский язык; перенос на другие языки и жанры медицинских текстов требует отдельной проверки. Лицензия — Apache-2.0.