I.1Поиск и навигация по информации

historical_newspaper_ner — дообученная модель RoBERTa-large от Dell Research и Harvard для распознавания именованных сущностей в тексте исторических газет, включая текст с ошибками OCR. Она размечает людей (PER), организации (ORG), места (LOC) и прочие сущности (MISC); предназначена для запуска через Transformers pipeline для NER. Модель принимает текст и выдаёт метки для отдельных токенов. Она обучена на исторических англоязычных новостях из американских газет; длина контекста составляет 514 токенов, число параметров — около 454,1 млн. На тестовых данных общий F1 составил 86,5 при строгой оценке. Модель подходит для извлечения именованных сущностей из оцифрованной исторической прессы и подготовки новостных корпусов к дальнейшему анализу. Она может отражать предубеждения своего исторического периода, перенос на другие типы текстов может быть ограничен, а выход иногда требует постобработки из-за разметки отдельных частей слов. Лицензия — CC BY 2.0.

Merge_Soup_drop_A_LRD — англоязычная модель-энкодер ClimateModernBERT на архитектуре ModernBERT-base, разработанная как часть семейства климатических моделей. Это чекпойнт продолженного предобучения на синтетических текстах и климатических веб-материалах; веса перепубликованы из sraj/Merge_Drop_MARK_FastText без изменений. Модель содержит 149 млн параметров, работает с контекстом до 8192 токенов и доступна в формате safetensors для Transformers. Модель предназначена для заполнения маскированных пропусков и как основа для дообучения под классификацию климатических текстов, многометочную разметку и поиск по корпоративной отчётности, политическим документам, научным публикациям и климатическим новостям. README сообщает, что для общего применения авторы предпочитают Merge_Soup_LRD: для этого чекпойнта не приведён агрегированный результат бенчмарка, а удаление академического корпуса сопровождалось снижением среднего F1 на 4,0 пункта относительно полной смеси. Лицензия в предоставленных данных не указана.

Mistral-Military-24B — плотная языковая модель на 24 млрд параметров, выпущенная Racine.ai для тематики обороны и безопасности. Она основана на Mistral-Small-3.1-24B: веса дообучены на примерно 4 млрд токенов открытых материалов военной тематики, после чего объединены методом TIES с инструкционной версией базовой модели для сохранения диалоговых возможностей. Модель предназначена для исследовательской и образовательной работы с военной доктриной НАТО и Франции, военной историей, оборонной политикой, техникой и профильной терминологией. В карточке заявлена специализация прежде всего на французском языке; обучающий корпус охватывает 30 языков, включая английский, русский, китайский, немецкий и другие. На Hard Mil Bench модель показала 57,6% против 50,9% у базовой модели. Репозиторий содержит веса Safetensors для библиотеки Transformers. Разработчик указывает исследовательское и образовательное назначение и исключает поддержку выбора целей, интеграцию в системы управления огнём и автономное оружие. Результаты модели требуют проверки человеком. Лицензия — Apache-2.0.

OpenMed-NER-DNADetect-SuperMedical-125M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная на корпусе JNLPBA архитектура RoBERTa для классификации токенов; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. Модель размечает сущности BIO-тегами и распознаёт белки, ДНК, РНК, клеточные линии и типы клеток. Модель предназначена для извлечения биомедицинских терминов из научных публикаций и медицинских документов, а также для поиска сущностей при анализе литературы и построении биомедицинских баз знаний. В карточке приведены метрики на JNLPBA: F1 0,80, точность 0,76, полнота 0,86 и accuracy 0,93. Заявления карточки о пригодности для клинического применения не заменяют отдельную проверку на целевых данных. Модель принимает токенизированный английский текст и выдаёт метки сущностей; лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-SuperMedical-355M — специализированную модель для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная RoBERTa для классификации токенов: она размечает фрагменты текста тегами B-Disease и I-Disease в формате BIO. В README указана архитектура roberta-large, а в метаданных — 454,1 млн параметров и контекст до 514 токенов. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других медицинских документов. Она обучена на корпусе NCBI Disease и поддерживает английский язык. В README приведены показатели на этом наборе данных: F1 0,88, точность 0,87 и полнота 0,88; результаты зависят от данных и способа применения. Модель можно использовать как компонент клинического text mining, анализа литературы и построения биомедицинских баз знаний. Она размечает сущности заболеваний, но сама по себе не выполняет диагностику, нормализацию понятий или извлечение лекарств. Лицензия — Apache-2.0.

Qwen3-VL-32B-Thinking-Desktop-Teacher — разработанная проектом UI-MOPD мультимодальная модель для взаимодействия с графическим интерфейсом настольных компьютеров. Это дообученная на траекториях взаимодействия из настольной части набора Uni-GUI модель Qwen/Qwen3-VL-32B-Thinking; архитектура Qwen3-VL плотная, модель загружается через Transformers и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для роли платформенного учителя в конвейере дистилляции UI-MOPD, а также для самостоятельного выполнения задач на компьютере: навигации в браузере, управления файлами и приложениями. В README сообщается результат 46,3% успешных задач в OSWorld против 41,0% у базовой модели. Модель принимает изображения и текстовые инструкции, а её целевые действия для интерфейса представлены текстом. Карточка не сообщает длину контекста или подробные ограничения эксплуатации.

ReSB2-Bi-Encoder — модель Sentence Transformer, дообученная для поиска семантически связанных законопроектов Бразилии. Она кодирует текст в плотные векторы размерности 768; для сравнения векторов используется косинусное сходство. Архитектура основана на ModernBERT с усреднением токенных представлений. В README указан максимальный размер последовательности 1500 токенов, а метаданные каталога — контекст до 8192 токенов; для практической работы с длинными входами следует учитывать ограничение конфигурации Sentence Transformers. Модель подходит для поиска похожих законопроектов и ранжирования документов по семантической близости в корпусах бразильского законодательства. В README приведена оценка на наборе для семантического сходства: Spearman по косинусному сходству — 0,7286. Данных о лицензии в предоставленных источниках нет, поэтому условия использования определить нельзя.

roberta-base-ca-v2-cased-te — модель распознавания текстового следования на каталанском языке, разработанная подразделением Text Mining Unit центра Barcelona Supercomputing Center в рамках Projecte AINA. Она дообучена на базе roberta-base-ca-v2 и принимает пары текстов, чтобы определить, следует ли один текст из другого. Модель построена на архитектуре RoBERTa и содержит 151,8 млн параметров; максимальная длина контекста — 514 токенов. Модель подходит для проверки текстовых гипотез и классификации отношений между предпосылкой и выводом. На тестовой части каталанского набора TE-ca она показала точность 83,14%. Результат зависит от области применения и обучающих данных; модель может хуже обобщать на другие сценарии. Разработчики не оценивали систематически встроенные смещения, а обучающие корпуса RoBERTa собраны из открытых источников и веб-краулинга. Лицензия — Apache-2.0.

sentence-transformers/roberta-large-nli-stsb-mean-tokens — модель Sentence-Transformers на базе RoBERTa Large, обученная командой Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысловой близости, семантического поиска и кластеризации. Модель принимает текст и выдаёт эмбеддинги; её также можно применять для извлечения признаков. Контекст составляет до 514 токенов, размер — 454,1 млн параметров. Модель распространяется по лицензии Apache-2.0 и доступна в форматах PyTorch, TensorFlow, Flax, ONNX и OpenVINO. Авторы README предупреждают, что качество эмбеддингов низкое, и не рекомендуют использовать эту модель; для новых проектов стоит выбрать более современные модели Sentence-Transformers.

SanadAI-AraModernBERT-IslamicNER — модель Abir Korched для распознавания именованных сущностей и выделения смысловых фрагментов в арабских исламских текстах. Она дообучена на базе NAMAA-Space/AraModernBert-Base-V1.0 и использует архитектуру ModernBERT с классификацией токенов; размер модели — 148,9 млн параметров, контекст — до 8 192 токенов. Модель выделяет аяты Корана, текст матна хадиса и цепочки иснада. Для сегментов иснада в README не приведено отдельной метки.

Aditya109/us-openfda-drug-embed-v1 — экспериментальная текстовая модель Sentence Transformers, разработанная дообучением FremyCompany/BioLORD-2023 на парах и триплетах записей о лекарственных препаратах из каталога openFDA National Drug Code Directory. Модель на базе MPNet с 136,7 млн параметров преобразует описания препаратов в плотные векторы размерностью 768 для поиска семантически близких записей и сопоставления продуктов. В обучающих текстах используются торговое название, действующие вещества, дозировка, лекарственная форма и путь введения; указанная в README максимальная длина последовательности — 32 токена, а метаданные указывают контекст в 514 токенов. Для сравнения векторов применяется косинусное сходство. Модель предназначена для исследовательских экспериментов по поиску и сопоставлению записей о препаратах. README приводит точность поиска точного продукта методом ближайшего соседа 0,8171 и точность на триплетах 0,9416 на отложенной оценке. Данные openFDA обычно доступны на условиях CC0 или общественного достояния, но лицензии базовой модели и программных зависимостей сохраняют собственные условия. Модель не предназначена для диагностики, назначения лечения, выбора дозировки, проверки взаимодействий или автоматической замены лекарств.

ViCLIP-OT — мультимодальная модель для поиска соответствий между вьетнамскими текстами и изображениями, разработанная авторами проекта ViCLIP-OT. Она использует двухэнкодерную архитектуру: текстовый энкодер на основе Vietnamese-SBERT и визуальный энкодер DINOv3 ViT-B/16. Модель объединяет контрастивное обучение в стиле CLIP с функцией потерь SIGROT, основанной на регуляризованном оптимальном транспорте, чтобы сопоставлять тексты и изображения в общем пространстве признаков. В модели 221 млн параметров; она принимает текст длиной до 256 токенов и изображения размером 224 × 224 пикселя. Модель предназначена прежде всего для поиска изображений по вьетнамскому запросу и поиска текстов по изображению, а также для семантического мультимодального поиска и извлечения признаков в последующих задачах. В README заявлены результаты уровня state of the art на бенчмарках поиска изображений и текстов на вьетнамском языке, а также обобщение в zero-shot-сценариях. Лицензия репозитория — GPL-3.0. Модель ориентирована на вьетнамский язык; возможности за пределами описанных сценариев поиска и извлечения признаков не подтверждены.

akiseid/Amharic-News-Classification — модель классификации текстов на базе XLM-RoBERTa, дообученная автором на наборе данных, который в карточке обозначен как None. Она предназначена для присвоения меток текстам; название указывает на классификацию новостей на амхарском языке. Архитектура — XLMRobertaForSequenceClassification, размер — 305,2 млн параметров, формат весов — safetensors, максимальный контекст — 514 токенов. В README приведены результаты оценки: точность 0,9387 и loss 0,2719. Модель может подойти для классификации амхарских новостных текстов и автоматической сортировки новостных материалов по категориям. Опубликована под лицензией MIT. В карточке не раскрыты метки классов, состав обучающих данных и подробные ограничения, поэтому результаты на других источниках и текстовых жанрах не гарантированы.

Amicus NER v2 — модель распознавания именованных сущностей в юридических текстах Нигерии, разработанная WhiteRoomProdigy. Она выделяет восемь типов сущностей в судебных решениях, юридических документах и кратких изложениях дел, включая названия дел, ссылки на судебные отчёты и законодательные акты. Модель построена на BERT-base nlpaueb/legal-bert-base-uncased и дообучена методом LoRA на базе Amicus NER v1; архитектура для классификации токенов содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Обучающие данные включают автоматически размеченные примеры из нигерийских юридических баз и 600 синтетических предложений с юридическими сущностями. Модель принимает текст и возвращает метки сущностей для его токенов. Карточка заявляет готовность к производственному использованию; лицензия — Apache-2.0. Основной язык — английский, а область применения ограничена юридическими текстами Нигерии.

CMB-ClimateModernBERT/A_S_CX — англоязычная encoder-only модель семейства ModernBERT, разработанная в рамках проекта ClimateModernBERT. Это чекпойнт ModernBERT-Base на 149 млн параметров, дообученный продолжением предобучения на академических и синтетических климатических текстах. Модель использует архитектуру ModernBertForMaskedLM, работает с контекстом до 8192 токенов и предназначена для заполнения маскированных пропусков, получения представлений климатических текстов и последующего дообучения для классификации, многометочной разметки и поиска. Модель рассчитана на исследовательские и прикладные задачи климатического NLP: анализ научной литературы, новостей, корпоративных раскрытий и документов климатической политики. В описанной авторами оценке на девяти климатических бенчмарках средний F1 составил 74,8; результат зависит от задачи и настройки последующего дообучения. Это маскированная языковая модель, а не чат-бот: она не следует инструкциям и не гарантирует достоверность климатических утверждений. Данные обучения включали синтетические тексты, влияние которых различается в зависимости от задачи. Лицензия в предоставленных сведениях не указана.

beyan-quran-bge-m3 — модель Sentence Transformers, дообученная expri34 на базе BAAI/bge-m3 для семантического поиска по текстам, связанным с Кораном. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 1024; сходство между ними можно оценивать косинусной мерой и использовать для поиска релевантных фрагментов. Модель построена на XLM-RoBERTa с пулингом CLS и рассчитана на последовательности до 8194 токенов. Обучение описано как сопоставление пар текстов с MultipleNegativesRankingLoss на примерах из 29 923 пар; в README приведены арабские тексты и турецкие и английские соответствия. Лицензия в предоставленных данных не указана.

deka-qwen3-emb-0.6b-infonce-lawyer-anompos — плотная модель эмбеддингов на базе Qwen3-Embedding-0.6B, дообученная anonymousresearch123 для поиска решений Верховного суда Таиланда по текстовым запросам. Она предназначена для семантического поиска по корпусу судебных дел: запросы обучались на сопоставление с фактическим изложением дела, а модель проверялась на пользовательских, юридических и фактических формулировках. Модель содержит 507,6 млн параметров, использует архитектуру Qwen3 и библиотеку sentence-transformers. Она кодирует текст в L2-нормированные векторы; при обработке запросов требуется добавлять префикс инструкции, использованный при обучении, а к документам его добавлять не следует. Контекстное окно — 32 768 токенов; в обучении максимальная длина документа составляла 1300 токенов, запроса — 256. Обучающие данные относятся к тайскому языку. В тестировании на полном корпусе чистых релевантных оценок значение R@10 составило 16,19 для пользовательских запросов и 24,76 для юридических и фактических формулировок; качество заметно зависит от типа запроса. Модель распространяется по лицензии Apache-2.0.

Модель anonymousresearch123/deka-qwen3-emb-0.6b-multipos-lawyer-anompos — полноценно дообученная версия Qwen/Qwen3-Embedding-0.6B для поиска судебных дел Верховного суда Таиланда. Она преобразует запросы и документы в нормализованные текстовые эмбеддинги для семантического поиска и сопоставления предложений. Используются архитектура Qwen3 и библиотека sentence-transformers; число параметров — 507,6 млн, контекст — до 32 768 токенов. Для запросов требуется префикс-инструкция, использованный при обучении, а для документов он не нужен. Модель обучена сопоставлять запросы, сформулированные в регистре lawyer, с текстами фактов и предназначена для поиска по юридическим материалам на тайском языке. В тестах на полном корпусе результат Recall@10 составил 25,24 для регистра lawyer и 27,62 для fact; показатели для user были ниже — 12,38. Репозиторий распространяется под лицензией Apache-2.0.

Это текстовая модель эмбеддингов anonymousresearch123, созданная полным дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел по Верховному суду Таиланда. Она сопоставляет запросы с документами на тайском языке; модель обучалась на запросах в разговорном регистре, связанных с текстами фактической стороны дела. Для получения эмбеддингов используется представление последнего токена с левым дополнением и L2-нормализацией. В README приведены результаты поиска по полному корпусу: для запросов пользовательского регистра R@10 составляет 15,24, для юридического регистра — 23,33, для фактического — 28,1. Модель основана на Qwen3-Embedding-0.6B с 507,6 млн параметров и поддерживает контекст до 32 768 токенов. Для корректной работы запросы должны содержать префикс-инструкцию, использованную при обучении, а документы подаются без него. Репозиторий использует Sentence Transformers, веса представлены в safetensors; лицензия — Apache-2.0.

jhu-clsp/ettin-encoder-400m — англоязычная модель-энкодер семейства Ettin, разработанная исследователями Johns Hopkins University Center for Language and Speech Processing. Это плотная архитектура ModernBERT с примерно 394,7 млн параметров, обученная для masked language modeling; она принимает текст и предсказывает замаскированные токены. Максимальная длина контекста — 7 999 токенов. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения на задачах классификации и извлечения представлений. В описании семейства Ettin сообщается о результатах энкодеров на GLUE, поиске по английским текстам и коде; эти показатели относятся к семейству и не гарантируют такого же качества именно у этого чекпойнта. Веса доступны в формате PyTorch. Лицензия MIT разрешает использование, изменение и распространение с соблюдением её условий. Модель обучена преимущественно на английском языке, поэтому её применимость к другим языкам не подтверждена. Как энкодер для masked language modeling она не предназначена для свободной генерации длинных текстов.

EVE-Embed-1.0-Legal — модель эмбеддингов, разработанная ysmeta для поиска корейских судебных прецедентов по запросам, сформулированным обычным языком практикующих юристов. Это дообучение dragonkue/BGE-m3-ko на парах запрос–прецедент; архитектура — XLM-RoBERTa, размер — 658,7 млн параметров, библиотека — Sentence Transformers, веса представлены в safetensors. Модель принимает текст и выдаёт векторные представления для семантического поиска и сравнения предложений. Контекст — до 8194 токенов по метаданным; в обучении использовалась максимальная длина последовательности 384 токена. По оценке на корейских судебных решениях модель улучшает поиск по практическим запросам относительно базовой модели, сохраняя её качество на общих корейских запросах. Карточка сообщает, что версия 1.1 превосходит её на обновлённом бенчмарке; версию 1.0 имеет смысл использовать для воспроизведения опубликованных результатов. Она ориентирована на корейские судебные прецеденты, а не на поиск статей законов; охват некоторых категорий дел, в частности патентных и семейных, ограничен. Результаты поиска не являются юридическим толкованием или консультацией. Лицензия — Apache-2.0.

Репозиторий WootzappLab сохраняет точную копию чекпойнта Fara 1.5-9B от Microsoft для воспроизводимых базовых оценок браузерного агента. Это плотная мультимодальная модель семейства Qwen 3.5 с архитектурой Qwen3_5ForConditionalGeneration; исходный чекпойнт — microsoft/Fara1.5-9B. Весами модели не дообучали: репозиторий содержит файлы закреплённой версии Microsoft, включая веса Safetensors, конфигурацию и процессор. Модель предназначена для выполнения задач в браузере по визуальному содержимому страниц и для сценариев компьютерного управления. В репозитории описаны две оценки на наборах из 90 и 40 задач; опубликованные результаты показывают, что чекпойнт служит именно baseline, а не специально улучшенной версией для этих тестов. README не сообщает длину контекста и список поддерживаемых языков. Лицензия — MIT.

olgapoletkina/fine-tuned-nuf-room-classifier — дообученная модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2, разработанная для сравнения текстов о помещениях. XLM-RoBERTa преобразует предложения и абзацы в плотные векторы размерностью 768; сходство между ними оценивается косинусной мерой. В README указаны максимальная длина последовательности 128 токенов и обучающая выборка из 528 906 пар предложений с метками сходства. Модель подходит для семантического поиска по описаниям помещений, сопоставления похожих формулировок, поиска перефразирований, кластеризации и классификации текстов. Она принимает текст и возвращает эмбеддинги; метаданные также указывают поддержку извлечения признаков и вычисления сходства предложений. Лицензия в предоставленных данных не указана.

samirmsallem/gbert-base-definition_classification — немецкоязычный классификатор предложений, дообученный автором на базе deepset/gbert-base для поиска определений в научных текстах. Модель на основе BERT содержит 137,1 млн параметров, принимает текстовые входы и классифицирует предложение как определительное или не содержащее определения. Контекст — до 512 токенов. Модель обучена на специально размеченном наборе примерно из 10 000 обучающих и 2 000 тестовых примеров из немецких статей Википедии. В карточке сообщается о точности около 96% на оценочной выборке; тестовые метрики после четырёх эпох включают accuracy 0,963. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель подходит для автоматического поиска определений в немецкоязычных научных материалах и подготовки кандидатов для последующей разметки или извлечения терминов. Результаты могут хуже переноситься на другие жанры и области, поскольку обучение проводилось на предложениях из Википедии. Лицензия в предоставленных сведениях не описана.

CalebMaresca/matrix-game-embeddings-ft-v1 — дообученная Caleb Maresca модель Sentence Transformers на базе Snowflake/snowflake-arctic-embed-l. Она кодирует предложения и абзацы в плотные векторы размерности 1024, нормализует их и сравнивает с помощью косинусного сходства. Архитектура основана на BERT с объединением CLS-токена; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов о настольной ролевой игре Matrix Game: в обучающей выборке запросы сопоставлялись с развёрнутыми фрагментами игровых материалов. Её также можно применять для поиска парафразов, кластеризации и классификации текстов, а эмбеддинги использовать в retrieval-системах. README приводит результаты оценки поиска, однако выборка мала — 370 пар, поэтому качество на других темах и типах текстов не подтверждено. Модель работает с текстом и выдаёт векторы; язык данных явно не указан. Репозиторий использует Sentence Transformers и формат safetensors. Лицензия в предоставленных данных отсутствует.

Dqdung205/medical_vietnamese_embedding — модель Sentence Transformer, созданная разработчиком Dqdung205 дообучением Alibaba-NLP/gte-multilingual-base на наборе medical-vietnamese-qa. Она преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерности 768 для сравнения по косинусному сходству. Модель предназначена для поиска медицинских ответов и документов по смыслу, оценки сходства текстов, поиска перефразировок, кластеризации и классификации. Максимальная длина входа — 8192 токена. В README приведена оценка поиска на ViHealthQA; результаты относятся к указанному тестовому набору.

NYSgpt/nsr-reranker — англоязычный переранжировщик научной литературы по ядерной физике, разработанный NYSgpt. Это cross-encoder на базе ModernBERT с 149 млн параметров, дообученный от Alibaba-NLP/gte-reranker-modernbert-base на экспертных парах запрос–статья из корпуса Nuclear Science References (NSR), включающего 277 068 записей. Модель принимает запрос и документ, затем выдаёт оценку релевантности для сортировки уже найденных кандидатов в двухэтапном поиске или RAG. Она предназначена для поиска публикаций NSR по ключевым запросам и EXFOR-запросам, особенно как второй этап после плотного или гибридного поиска. В описанном авторами тесте переранжирование топ-50 результатов bge-m3 повысило Recall@1 с 0,080 до 0,180 и nDCG@10 на 76% для экспертных ключевых запросов. Модель рассчитана на английский язык; базовый контекст составляет до 8192 токенов, хотя в примере использования задан max_length=256. Модель распространяется под лицензией Apache-2.0 и используется через sentence-transformers CrossEncoder. Её качество ограничено составом входного списка: переранжировщик не найдёт статью, отсутствующую среди кандидатов. Оценки в README относятся к конкретным тестовым наборам NSR и EXFOR и не гарантируют такие же результаты на других коллекциях.

OpenMed разработала ElectraMed-33M — специализированную модель на архитектуре BERT для распознавания химических сущностей в биомедицинских текстах. Она выделяет названия химических соединений и веществ, присваивая токенам BIO-метки B-CHEM и I-CHEM. Модель дообучена на корпусе BC4CHEMD и предназначена для извлечения химических сущностей из научных публикаций, медицинских записей и других биомедицинских документов. Такие результаты можно использовать для поиска упоминаний препаратов, анализа литературы и построения биомедицинских баз знаний. Размер модели — около 40 млн параметров, максимальная длина контекста — 512 токенов; входом служит текст, выходом — разметка токенов. В README заявлены F1 0,92, точность 0,91 и полнота 0,93 на BC4CHEMD. Модель распространяется по лицензии Apache-2.0. Результаты предназначены для выделения химических сущностей и сами по себе не подтверждают клинические выводы или обнаружение лекарственных взаимодействий. README называет базовую архитектуру e5-small-v2, тогда как метаданные указывают семейство BERT; точная связь с конкретным базовым репозиторием не подтверждена.

OpenMed/OpenMed-NER-DNADetect-EuroMed-212M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный EuroBERT с архитектурой EuroBertForTokenClassification, примерно 211,7 млн параметров и контекстом до 8192 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку для белков, ДНК, РНК, клеточных линий и типов клеток. Модель предназначена для извлечения сущностей из научной биомедицинской литературы и медицинских документов, включая анализ упоминаний генов и белков, поиск по корпусам публикаций и построение биомедицинских баз знаний. В README указаны результаты на JNLPBA: F1, точность и полнота 0,73, accuracy 0,92. Карточка заявляет английский язык и совместимость с Transformers; лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-ModernClinical-395M — дообученную модель семейства ModernBERT для распознавания и классификации биомедицинских сущностей в тексте. Она предназначена для извлечения белков, ДНК, РНК, клеточных линий и типов клеток из клинических документов, научных публикаций и биомедицинских текстов. В README указана базовая архитектура BioClinical-ModernBERT-large; модель содержит около 394,7 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Она выдаёт BIO-разметку токенов; карточка приводит для JNLPBA F1 0,78, точность 0,74 и полноту 0,83. Модель может применяться для поиска биомедицинских сущностей в медицинских записях и научной литературе, а также как этап извлечения данных для мониторинга нежелательных явлений, поиска информации для разработки лекарств и построения биомедицинских графов знаний. Обучение описано на корпусе JNLPBA с аннотациями пяти типов сущностей. Поддерживаемый язык — английский. Модель распространяется по лицензии Apache-2.0. Показатели относятся к указанному бенчмарку и не гарантируют ту же точность на произвольных клинических документах.