I.1Поиск и навигация по информации

OpenMed разработала OpenMed-NER-PathologyDetect-BioClinical-108M — модель распознавания заболеваний в биомедицинских текстах. Это дообученная Bio_ClinicalBERT с архитектурой BERT для классификации токенов: она помечает упоминания заболеваний тегами B-Disease и I-Disease в текстах медицинских документов и научных публикаций. Модель обучена на корпусе NCBI Disease и рассчитана на английский язык; размер составляет 135,5 млн параметров, контекст — до 512 токенов. Модель подходит для извлечения названий заболеваний из клинических записей и биомедицинской литературы, а также для анализа медицинских текстов и построения баз знаний. В README приведены показатели на NCBI Disease: F1 0,88, точность 0,86 и полнота 0,90. Она выдаёт BIO-разметку токенов; нормализация упоминаний до медицинских понятий не заявлена как выход самой модели. Распространяется по лицензии Apache-2.0.

OpenMed-NER-PathologyDetect-ElectraMed-560M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это трансформер XLM-RoBERTa с архитектурой классификации токенов и примерно 658,7 млн параметров; модель дообучена на корпусе NCBI Disease. Она принимает токенизированный текст и размечает фрагменты тегами B-Disease и I-Disease. В карточке указаны F1 0,90, точность 0,87, полнота 0,92 и accuracy 0,97 на NCBI Disease. Модель предназначена для извлечения названий заболеваний из медицинских документов и научных публикаций, а также для биомедицинского поиска и анализа текстов. Контекст составляет до 514 токенов; в метаданных указан английский язык. Распознавание ограничено сущностями заболеваний: модель не размечает лекарства или другие типы сущностей. Лицензия — Apache-2.0.

OpenMed-NER-PathologyDetect-SuperClinical-184M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер DeBERTa V2 для разметки токенов: он присваивает словам метки B-Disease и I-Disease, формируя BIO-разметку. По карточке модель обучена на корпусе NCBI Disease и рассчитана на англоязычные клинические документы, медицинскую литературу и другие тексты о здоровье. Модель подходит для извлечения названий заболеваний из клинических записей и научных публикаций, а также для последующего анализа упоминаний в системах биомедицинского поиска и текстовой аналитики. В карточке указаны F1 0,89, точность 0,86, полнота 0,92 и accuracy 0,97 на NCBI Disease. Размер составляет 211,6 млн параметров, максимальная длина контекста — 512 токенов; веса доступны в формате safetensors и модель совместима с Transformers. Распознаются только сущности заболеваний; карточка не подтверждает извлечение лекарств, химических соединений или нормализацию сущностей в качестве выходной функции модели. Метрики относятся к указанному набору данных и не гарантируют качество на других типах клинических текстов. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-TinyMed-66M — дообученную модель DistilBERT для распознавания упоминаний заболеваний в биомедицинском тексте. Модель использует архитектуру distilbert-base-uncased, содержит около 66 млн параметров и выполняет токенную классификацию с BIO-метками B-Disease и I-Disease. Максимальная длина контекста — 512 токенов. Модель предназначена для извлечения названий заболеваний из научных публикаций и медицинских документов. Она обучена на корпусе NCBI Disease; в карточке указаны F1 0,87, точность 0,86 и полнота 0,88. Подходит для поиска упоминаний болезней в корпусах текстов и подготовки данных для последующего анализа. Модель ориентирована на английский текст. Она не выполняет нормализацию сущностей или диагностику, а качество на иных типах текстов и языках может отличаться от результатов на NCBI Disease. Распространяется по лицензии Apache-2.0.

OpenMed-ZeroShot-NER-Disease-Small-166M — модель распознавания сущностей из области биомедицины, разработанная OpenMed на архитектуре GLiNER. Она дообучена на наборе BC5CDR-Disease и предназначена прежде всего для выделения названий заболеваний и патологических состояний в биомедицинских текстах. Модель поддерживает zero-shot извлечение: пользователь может задавать типы сущностей без отдельного дообучения, хотя основная специализация этой версии — заболевания. Модель принимает текст и возвращает распознанные сущности с метками; в карточке указана задача token-classification. Её можно применять для индексации заболеваний, анализа медицинской литературы и извлечения упоминаний из клинических текстов. В README сообщается F1 0,77 на тестовой выборке BC5CDR-Disease, исключённой из обучения; результат зависит от текста, меток сущностей и порога предсказания. Поддержка в метаданных указана для английского языка. Распространяется по лицензии Apache-2.0.

ParlBERT-Topic-German — модель классификации немецкоязычных парламентских интерпелляций по 20 темам из кодбука Comparative Agendas Project. Её разработчик дообучил доменно адаптированную GermanBERT, ранее настроенную на корпусе DeuParl, на примерно 10 тысячах вручную размеченных интерпелляций. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,3 млн параметров и принимает текст длиной до 512 токенов. Модель предназначена для определения темы парламентского запроса к правительству; пример в карточке относит текст о государственных инвестиционных расходах к макроэкономике. Она может быть полезна для тематической разметки и анализа немецких парламентских документов. Карточка сообщает об оценке на отложенной части данных, но не приводит полные результаты в доступном фрагменте. Качество может снижаться на темах и типах текстов, не представленных в обучающей выборке. Сведения о лицензии в предоставленных данных отсутствуют.

Psych-Search — англоязычная модель на архитектуре BERT, разработанная nlp4good для NLP-сценариев в области психического здоровья. Она создана на основе allenai/scibert_scivocab_uncased посредством продолженного предобучения на аннотациях исследований по психологии и психиатрии из PubMed. Модель содержит 137,1 млн параметров, принимает текст и рассчитана на контекст до 512 токенов; доступны реализации PyTorch и Flax. Модель предназначена как основа для классификаторов и систем понимания текста, в том числе для расширения таксономии MeSH категориями профилактических стратегий и защитных факторов, а также извлечения и стандартизации факторов риска и защиты. Для оценки её дообучили на задаче биомедицинской индексации, похожей на BioASQ Task A; в описанном эксперименте micro-F1 составил 0,7415. В метаданных основная задача указана как заполнение маски (fill-mask). Это специализированная языковая модель, а не готовый клинический инструмент или законченная система поиска. Обучающие данные имеют сильный дисбаланс по представленности сексуальных и гендерных меньшинств и некоторых этнических групп, что может влиять на информационный поиск и последующие модели. Лицензия — Apache-2.0.

QulBERT — модель sentence-transformers, разработанная Ferdaws Rashid для представления арабских предложений и абзацев в виде плотных векторов размерности 768. Она дообучена на базе CAMeL-Lab/bert-base-arabic-camelbert-ca и ориентирована на семантическое сравнение текстов о хадисах, поиск по смыслу и кластеризацию. Модель построена на архитектуре BERT, содержит 136,3 млн параметров, принимает текст, поддерживает арабский язык и обрабатывает контекст длиной до 512 токенов. Векторы подходят для поиска семантически близких фрагментов и группировки текстов; для работы можно использовать Sentence-Transformers либо Transformers с соответствующей операцией pooling. Модель распространяется по лицензии Apache-2.0.

Qwen3-8B-Base-TauSFT-Tau — промежуточный чекпойнт на базе Qwen3-8B-Base, дообученный автором репозитория с помощью SFT на траекториях tau-bench и последующего обучения с подкреплением. Модель предназначена для агентных диалогов с использованием инструментов и задач tau-bench. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors в bf16. Модель принимает текст и генерирует текст, включая ответы и вызовы инструментов в соответствующем интерфейсе. Чекпойнт создан на основе Qwen/Qwen3-8B-Base, обучен с использованием slime, Megatron-LM и SGLang и опубликован под лицензией Apache-2.0. Он не проходил настройку безопасности, а README характеризует его как промежуточный исследовательский чекпойнт; применяются также ограничения базовой модели.

Qwen3-VL-8B-Thinking-UI-MOPD-Student — мультимодальная модель-агент для управления графическим интерфейсом, разработанная в проекте UI-MOPD. Это дообученная на базе Qwen/Qwen3-VL-8B-Thinking плотная модель Qwen3-VL с визуальным вводом и текстовым диалоговым интерфейсом. Она обучалась методом дистилляции с несколькими учителями и подкреплением: отдельные учителя для настольной и мобильной платформ передавали модели навыки с учётом типа платформы. Модель предназначена для выполнения задач в интерфейсах компьютеров и мобильных устройств: навигации по сайтам и приложениям, управления настройками и работы с файлами. В README приведены результаты на тестах OSWorld и MobileWorld, а также проверках визуального понимания и привязки к элементам интерфейса. Метаданные указывают поддержку английского и китайского языков и лицензию Apache-2.0. Результаты зависят от среды и протокола оценки; приведённые показатели не гарантируют успешного выполнения произвольных задач.

CSHaitao/SAILER_en_finetune — англоязычная версия модели SAILER, разработанной Haitao Li, Qingyao Ai и коллегами для поиска и сопоставления судебных дел. Модель основана на архитектуре BERT и использует структурную информацию юридических документов, уделяя внимание ключевым правовым элементам. Веса содержат 136,7 млн параметров, а максимальный контекст составляет 512 токенов. Модель предварительно обучена на английских судебных документах и дообучена на обучающей выборке COLIEE. Она преобразует тексты в плотные векторы для извлечения признаков и позволяет ранжировать или различать дела по содержанию, в том числе без юридической разметки на целевой задаче. Лицензия — MIT.

RinKana/sentence-t5-base-iran-us-news-embedder — дообученная модель Sentence Transformers на базе sentence-transformers/sentence-t5-base, разработанная для создания векторных представлений английских новостных заголовков и текстов об Иране и США. Она кодирует предложения и абзацы в плотные 768-мерные векторы, которые можно сравнивать по косинусному сходству для поиска и сопоставления новостных материалов. Модель использует архитектуру T5EncoderModel; библиотека Sentence Transformers. В метаданных указан контекст до 512 токенов, а в README — максимальная длина последовательности 256 токенов, поэтому для практического использования следует учитывать ограничение в 256 токенов. Модель обучена на 2 057 парах предложений и абзацев с использованием MultipleNegativesRankingLoss. В опубликованной оценке retrieval качество невысокое: cosine_accuracy@5 составляет 0,0218. Модель принимает текст и выдаёт эмбеддинги; её применение ориентировано на англоязычные новостные тексты. Лицензия в предоставленных данных не указана.

TAPAS small — модель семейства TAPAS на базе трансформера BERT, опубликованная Google и дообученная для ответов на вопросы по таблицам. Она принимает таблицу и вопрос на естественном языке, выбирает релевантные ячейки и при необходимости применяет агрегирование; обучение проходило последовательно на SQA и WikiSQL после предварительного обучения на английских текстах и таблицах Википедии. Модель рассчитана на вопросы по структурированным таблицам, включая поиск значений и простые числовые рассуждения. Вариант по умолчанию использует относительные позиционные эмбеддинги с обнулением индексов для каждой ячейки; доступен также вариант no_reset с абсолютными позиционными эмбеддингами. Размер — 32,4 млн параметров, максимальная длина входа при дообучении — 512 токенов. Поддерживаются реализации PyTorch и TensorFlow. Модель ориентирована на английские таблицы и вопросы. Ограничение контекста в 512 токенов затрудняет работу с большими таблицами; качество для языков и предметных областей, отличных от английских таблиц WikiSQL и SQA, не подтверждено. Лицензия — Apache-2.0.

Thoth-30B-A3B-i1-GGUF — это квантизированная версия языковой модели Thoth-30B-A3B, разработанной командой thuml и преобразованной в формат GGUF пользователем mradermacher. В метаданных модель связана с архитектурой Qwen3, обучением на временных рядах и задачами ответов на вопросы; заявленный язык — английский. README описывает модель как результат mid-training, однако подробности исходной архитектуры и процесса обучения не приведены. Доступны варианты с разными типами квантизации i1, включая IQ1–IQ4, Q2–Q6 и другие форматы, размером примерно от 6,5 до 25,2 ГБ. Варианты отличаются компромиссом между размером, скоростью и качеством; в README рекомендуются i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как сбалансированный по размеру, скорости и качеству. Модель предназначена для локального запуска совместимыми инструментами, работающими с файлами GGUF. Сильной стороной является широкий выбор квантизаций, позволяющий адаптировать модель к доступным ресурсам. При этом низкобитные варианты могут заметно уступать по качеству, а точные параметры контекста, мультимодальность, результаты тестирования и аппаратные требования не указаны. Лицензия модели — Apache 2.0.

Модель louisbrulenaudet/tsdae-lemone-mbert-tax — sentence-transformers-модель на базе mBERT, разработанная Louis Brulé Naudet для работы с французским налоговым и юридическим языком. Она преобразует предложения и абзацы в плотные векторы размерности 768; README указывает на адаптацию к французской налоговой тематике с помощью Transformer-based Sequential Denoising Auto-Encoder для обучения эмбеддингов без учителя. Модель предназначена для семантического поиска и кластеризации французских налоговых и правовых текстов, а также для извлечения признаков, которые можно использовать в классификаторах с размеченными данными. Основана на архитектуре BERT, содержит 194,6 млн параметров и принимает последовательности длиной до 512 токенов. Базовая модель обучалась на 102 языках, но эта версия адаптирована прежде всего для французского языка и налогового домена. Модель опубликована под лицензией Apache-2.0. Её эмбеддинги отражают специализацию на французском налоговом праве, поэтому пригодность для других языков и тематик может быть ниже; контекст ограничен 512 токенами.

VideoChat-R1_7B — мультимодальная модель OpenGVLab для диалога и ответов на вопросы по видео. Она построена на архитектуре Qwen2.5-VL-7B и дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct; содержит 7,1 млрд параметров и рассчитана на контекст до 128 000 токенов. Для работы используется библиотека Transformers, веса опубликованы в формате safetensors. Модель принимает видеоданные и текстовые запросы и формирует текстовые ответы, например, описывает содержание ролика или отвечает на вопросы о событиях в нём. Карточка не приводит конкретные оценки качества или перечень поддерживаемых языков помимо английского в метаданных. Лицензия — Apache-2.0.

poltextlab разработала XLM-RoBERTa Large OntoLISST Minor v3 — модель классификации текста на базе FacebookAI/xlm-roberta-large, распространяемая в формате safetensors и предназначенная для работы с Transformers. Она относит тексты к 44 тематическим категориям OntoLISST, включая жилищные вопросы, городскую среду, инфраструктуру, экологию и энергопотребление. Модель используется в CAP Babel Machine — инструменте для сравнительных исследований. В карточке приведены общая точность 80% и макро F1 0,79. Токенизатор SentencePiece; для старых версий Transformers до 4.27 требуется отдельно установить sentencepiece. Модель опубликована по лицензии CC BY 4.0.

19c-ModernBERT-mini-B Newspaper Gated v2 — это дообученный энкодер ModernBERT, разработанный для работы с OCR-текстами газет XIX века. Модель содержит 58,3 млн параметров, использует архитектуру ModernBERT и принимает последовательности длиной до 512 токенов. Она обучена продолжением предобучения masked language modeling на отфильтрованном корпусе газетных текстов; версия v2 разбивает полный текст статей на последовательные блоки, чтобы использовать корпус полнее, чем предыдущая версия. Основная задача модели — предсказывать замаскированные токены. Её можно применять как основу для извлечения именованных сущностей, классификации, получения эмбеддингов и извлечения фрагментов из текстов газет XIX века. Модель не настроена на выполнение инструкций и не предназначена для генерации связных ответов. Лицензия — MIT.

AtmicEmbedding v3 — плотная модель эмбеддингов на архитектуре XLM-RoBERTa, разработанная SriRamanaAtmic для поиска passage по запросам на английском языке о диалогах и учении Раманы Махарши. Это контрастивно дообученная версия AtmicEmbeddingv2 с 658,7 млн параметров; обучение использовало экспертные вопросы и ответы, перефразированные и ситуационные вопросы, а также триплеты теоретических диалогов с негативными примерами. Для получения эмбеддингов применяются префиксы `query: ` и `passage: `, mean pooling и L2-нормализация. Контекст составляет 514 токенов. Модель предназначена для семантического поиска и сопоставления английского запроса с релевантным фрагментом текста. В описанных тестах v3 показала более высокие результаты, чем базовая модель и v2, на собственном наборе с более разнообразными данными. При этом на наборе 161_pass она уступает v2 и близка к базовой модели, поэтому качество поиска на этом корпусе следует проверять отдельно. Модель распространяется по лицензии MIT.

Carnice-V3 — дообученная модель Kai-OS для работы в роли агента Hermes. Это полный слитый чекпойнт Qwen3.8-27B: плотная мультимодальная архитектура с 27,78 млрд параметров, сохранённая в BF16 в формате safetensors и загружаемая через Transformers. Модель принимает текст и изображения и выдаёт текст; её обучали на примерах вызова инструментов, многошаговых задач и ответов в формате Hermes. Карточка указывает английский язык, а метаданные базовой модели также описывают поддержку анализа видео и программирования. Carnice-V3 предназначена для агентских сценариев, где модель планирует шаги, формирует вызовы инструментов и отвечает по результатам их выполнения. Чекпойнт дообучен методом rank-64 rsLoRA на восьми частных траекториях и затем объединён с базовой моделью; это небольшой набор, поэтому широкая обобщающая способность не подтверждена. Внутренняя диагностика выявила снижение надёжности на длинных задачах и точности соблюдения контрактов инструментов относительно базовой модели. Зрение отдельно не дообучалось. Лицензия — Apache-2.0.

deka-qwen3-emb-0.6b-infonce-lay-anompos — 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 извлечения релевантных дел; обучалась сопоставлять запросы на разговорном тайском языке с текстами фактических обстоятельств дела методом InfoNCE. Модель использует архитектуру Qwen3 с плотными эмбеддингами, библиотеку sentence-transformers, объединение по последнему токену и L2-нормализацию; содержит 507,6 млн параметров и поддерживает контекст до 32 768 токенов. Для запросов требуется добавлять префикс инструкции, использованный при обучении; для документов префикс не нужен. На тесте качество поиска различалось в зависимости от типа текста запроса, поэтому результаты следует оценивать на данных целевого сценария. Модель распространяется по лицензии Apache-2.0.

KBLab/emotional-classification — модель SetFit на основе архитектуры BERT для классификации эмоций в шведских текстах. Она разработана KBLab и обучена на новостных заголовках, размеченных вручную. Модель относит текст к одной из семи категорий: отсутствие эмоции, радость, любовь или эмпатия, тревога или страх, грусть или разочарование, гнев или ненависть, надежда или ожидание. Обучение проходило в два этапа: контрастивное дообучение шведского Sentence Transformer от KBLab и обучение классификационной головы на полученных признаках. Модель предназначена для автоматической разметки эмоциональной тональности текстов на шведском языке; также в каталоге отмечены извлечение признаков и сходство предложений. Размер составляет 151,9 млн параметров, контекст — до 512 токенов. Лицензия Apache-2.0. Оценка в карточке основана на очень маленьком тестовом наборе из 35 примеров, подобранных как хорошие представители категорий, поэтому она не отражает надёжно качество на реальных данных. Авторы указывают, что полноценная оценка на реальных данных запланирована позднее.

Historical NER Baseline — модель распознавания именованных сущностей в исторических газетных текстах, опубликованная в рамках экспериментов historical-ner. Она основана на многоязычной BERT-модели dbmdz/bert-base-historic-multilingual-cased и дообучена для классификации токенов; размер составляет 137,8 млн параметров, контекст — до 512 токенов. Модель предназначена прежде всего для выделения сущностей в исторских французских текстах. Она предсказывает укрупнённые метки людей, мест, организаций, продуктов и дат; в README приведена оценка F1 0,7668 в целом, с заметно различающимися результатами по классам. Метаданные также связывают модель с французским, английским и немецким языками и набором HIPE-2022. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0. Результаты на других языках и типах текстов, а также качество на современных документах не подтверждены; наибольшая оценка в приведённых результатах относится к местам, а распознавание дат показывает более низкий F1.

llmware разработала industry-bert-insurance-v0.1 — англоязычную BERT-модель Sentence Transformer, дообученную для получения эмбеддингов текстов страховой тематики. Она предназначена для использования как замена эмбеддинговой модели в прикладных системах страховой отрасли. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Доступна в формате PyTorch и распространяется по лицензии Apache 2.0. Модель подходит для семантического поиска по страховым документам, сравнения текстов и построения поиска с дополненной генерацией (RAG), где нужны эмбеддинги по материалам страховой отрасли. За пределами этой тематики качество может снижаться; в пространстве эмбеддингов возможны аномалии. Разработчик также отмечает отсутствие специальных мер защиты и снижения смещений в данных обучения.

Investment Research Bot — Router Model — это компактная языковая модель на 1,5 млрд параметров, созданная разработчиком IbrahimKhan7208 на базе Qwen2.5-1.5B-Instruct и дообученная в несколько этапов: CPT, SFT и GRPO. Она принимает исследовательский вопрос об инвестициях и формирует структурированный ответ, распределяя подзадачи между RAG, веб-поиском и инструментом данных об акциях, а также извлекая названия компаний, годы и поисковые запросы для каждого маршрута. Модель предназначена для встраивания в многоинструментальные агенты финансовых исследований: она объединяет классификацию вопроса и извлечение параметров в один вызов. Архитектура — плотная Qwen2 с причинной генерацией текста; поддерживает диалоговый интерфейс, структурированный вывод и вызов инструментов. Контекстное окно — 32 768 токенов. Карточка указывает английский язык, а веса опубликованы в формате safetensors. Известные ограничения: модель не приводит распространённые названия компаний к каноническим именам (например, Facebook к Meta), хотя разрешение по тикерам работает. При маршрутах WEB и STOCK извлечение явно указанного года остаётся неполным. Бенчмарки в карточке основаны на небольших выборках и не характеризуют надёжно производственную нагрузку. Лицензия — Apache-2.0.

IremTRNL/legal-e5-tr — модель эмбеддингов для поиска по турецким юридическим текстам. Это дообученная на решениях Верховного и Государственного советов Турции версия intfloat/multilingual-e5-base, созданная с применением Multiple Negatives Ranking Loss и подбора сложных негативных примеров. Модель построена на XLM-RoBERTa, содержит 305,2 млн параметров и доступна в формате safetensors через библиотеку sentence-transformers. Модель предназначена для семантического поиска и сопоставления запросов с фрагментами юридических документов на турецком языке. В примере использования запросу добавляется префикс «query:», а тексту документа — «passage:». Для обучения использовалось около 5000 пар запрос–фрагмент из набора Turkish-Law-Documents-700k-clustered; качество оценивалось на TurkLegalBench. Контекст модели составляет 514 токенов. Лицензия — MIT. Описание не приводит численных результатов оценки; модель специализирована на турецком правовом поиске, поэтому её пригодность для других языков и областей не подтверждена.

Merge_DARE_D07_LRD — англоязычный климатический энкодер из семейства ClimateModernBERT, разработанного для исследований обработки текстов о климате. Модель основана на ModernBERT-Base и прошла дальнейшее предобучение на корпусе из академических публикаций, синтетических текстов и веб-материалов о климате; в метаданных указано 149 млн параметров и контекст до 8192 токенов. Это masked language model для заполнения пропусков, которую также можно дообучать для классификации, многометочной разметки и поиска по климатическим текстам. В README сообщается о среднем F1 74,3 на девяти климатических NLP-бенчмарках при заданном протоколе оценки. Модель рассчитана на английский язык; это не чат-ассистент и не система для генерации ответов с проверенной фактической точностью. Авторы отмечают, что оценка в основном охватывает предложения и фрагменты текста, поэтому возможности длинного контекста проверены не полностью; эффект синтетических данных зависит от задачи. README не сообщает лицензию модели.

Это дообученная модель mmBERT для распознавания упоминаний источников СМИ в текстах исторических газет Impresso. Она выполняет токенную классификацию и выделяет названия информационных агентств и радиостанций; модель предназначена для обогащения газетных корпусов и помощи при курировании данных, а не для общего распознавания именованных сущностей. Модель основана на ModernBERT: в ходе адаптации были разморожены верхние четыре слоя. Веса обучены на наборе impresso-project/impresso-mediaagencies-ner-dataset версии v2.0.0; опубликованная версия v2.0.1 обновляет runtime-пайплайн без повторного обучения. Размер составляет 306,9 млн параметров, поддерживаемая длина контекста — до 8192 токенов. Карточка указывает французский, немецкий и люксембургский языки; базовая модель mmBERT — многоязычная. На отложенном тестовом наборе точность составила 0,9346, полнота — 0,8644, F1 — 0,8981. Для применения необходимо соблюдать токенизацию unicode-word-punctuation-v1 и декодирование first_subtoken_viterbi, настроенное для модели. Лицензия — MIT.

allenai/multicite-multilabel-roberta-large — англоязычная модель AllenAI для многометочной классификации цитирований. Она анализирует текст и может назначать ему несколько классов, что подходит для разметки упоминаний цитат в научных публикациях. Модель построена на архитектуре RoBERTa для классификации последовательностей и содержит 454,1 млн параметров; максимальный контекст составляет 514 токенов. Она представлена в формате PyTorch и распространяется по лицензии MIT. Карточка модели не содержит дополнительных сведений о конкретных метках, обучающих данных или качестве классификации.

OpenMed-NER-ChemicalDetect-ElectraMed-109M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер для токенной классификации: он присваивает токенам BIO-метки B-CHEM и I-CHEM, чтобы выделять названия химических соединений и веществ. В карточке указана архитектура e5-base-v2, а метаданные Hugging Face классифицируют модель как BERT с головой BertForTokenClassification; размер составляет 136,7 млн параметров, контекст — до 512 токенов. Модель обучена на корпусе BC4CHEMD с аннотациями химических упоминаний в биомедицинской литературе. Её можно применять для извлечения соединений из научных публикаций и медицинских записей, а также как компонент систем поиска сведений о лекарствах и анализа биомедицинских документов. README приводит F1 0,94, точность 0,93, полноту 0,94 и accuracy 0,98, но не описывает условия оценки, поэтому эти показатели не гарантируют такое же качество на других данных. Для клинического применения результаты следует проверять на целевых текстах. Модель распространяется по лицензии Apache-2.0.