I.1Поиск и навигация по информации

OpenMed разработала OpenMed-NER-DiseaseDetect-SuperMedical-125M — модель для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная RoBERTa-модель для классификации токенов, основанная на roberta-base и обученная на наборе BC5CDR-Disease. Она выделяет сущности заболеваний с BIO-метками B-DISEASE и I-DISEASE. Модель предназначена для извлечения названий болезней из медицинских записей, научных публикаций и других медицинских документов. Её можно применять для поиска заболеваний в литературе и подготовки данных для биомедицинских баз знаний и аналитики. По README, на BC5CDR-Disease заявлены F1 0,88, точность 0,86 и полнота 0,89. Архитектура — RobertaForTokenClassification; размер — 151,8 млн параметров, контекст — 514 токенов. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Показатели из README относятся к указанному бенчмарку и сами по себе не подтверждают качество на иных корпусах или в реальных клинических сценариях.

OpenMed-NER-DiseaseDetect-TinyMed-82M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученный трансформер на базе distilroberta-base с архитектурой RoBERTa для классификации токенов; в метаданных указано 95,2 млн параметров и контекст до 514 токенов. Модель обучена на корпусе BC5CDR-Disease и выделяет сущности метками B-DISEASE и I-DISEASE. Модель предназначена для извлечения названий болезней из аннотаций PubMed, медицинских записей и других биомедицинских документов. Такие результаты можно использовать для поиска по медицинской литературе, анализа клинических текстов и построения биомедицинских баз знаний. В README приведены значения F1 0,86, precision 0,84, recall 0,88 и accuracy 0,97 для оценки на BC5CDR-Disease. Модель обрабатывает английский текст и возвращает BIO-разметку сущностей. Она не предназначена для постановки диагноза: качество на других жанрах и языках отдельно не подтверждено. Лицензия — Apache-2.0.

OpenMed-NER-DNADetect-ModernMed-395M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный ModernBERT-large с архитектурой ModernBertForTokenClassification, примерно 395 млн параметров и контекстом до 8192 токенов. Модель принимает токенизированный текст и присваивает токенам BIO-метки для белков, ДНК, РНК, клеточных линий и типов клеток. Модель предназначена для извлечения этих сущностей из медицинских текстов и научных публикаций, включая анализ медицинских записей, мониторинг нежелательных явлений, поиск по биомедицинской литературе и построение графов знаний. В README заявлены обучение на JNLPBA и результаты F1 0,78, точность 0,74 и полнота 0,81; показатели приведены для задач распознавания сущностей и не гарантируют качество на иных типах документов. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0 и интегрируется с Transformers.

OpenMed-NER-PathologyDetect-ElectraMed-33M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер архитектуры BERT для классификации токенов, обученный на корпусе NCBI Disease; он выделяет сущности метками B-Disease и I-Disease и выдаёт BIO-разметку. В README также указана базовая архитектура e5-small-v2, однако идентификатор базовой модели не приведён. По метаданным модель содержит 40 млн параметров, принимает последовательности токенов с контекстом до 512 токенов и распространяется в формате safetensors. Модель подходит для извлечения названий заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, а также для построения систем поиска и анализа медицинской литературы. README приводит F1 0,82, точность 0,79 и полноту 0,85 на NCBI Disease; эти результаты относятся к указанному корпусу. Модель ориентирована на английский язык. Лицензия — Apache-2.0. Её задача ограничена распознаванием заболеваний: README упоминает более широкие сценарии вроде извлечения лекарств, но поддержка соответствующих сущностей не заявлена.

OpenMed-ZeroShot-NER-Chemical-Small-166M — специализированная модель OpenMed для распознавания упоминаний химических веществ в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе BC4CHEMD; заявленный размер — 166 млн параметров. Модель принимает текст и возвращает найденные сущности с их типами, включая малые молекулы, лекарства, реагенты и химические синонимы. Основной сценарий — извлечение химических сущностей из аннотаций и полнотекстовых научных статей для индексации соединений, поиска по фармакологической литературе и последующей привязки к ChEBI или DrugBank. Модель поддерживает zero-shot распознавание: пользователь задаёт типы сущностей при запуске, но карточка указывает только CHEM как обученный тип. Для BC4CHEMD заявлен F1 0,84; результаты зависят от порога извлечения и текста, а показатель не гарантирует такую же точность на других типах сущностей и источниках. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.,

PhysBERT cased — специализированная модель текстовых эмбеддингов на основе BERT, разработанная Thorsten Hellert, João Montenegro и Andrea Pollastro при поддержке Министерства энергетики США и Lawrence Berkeley National Laboratory. Модель дообучена методом SimCSE на корпусе из 1,2 миллиона публикаций по физике с arXiv и предназначена для поиска и анализа научной литературы в этой области. Модель формирует векторные представления текста для поиска релевантных публикаций, классификации цитирований и кластеризации документов. Она содержит 136,7 млн параметров, использует архитектуру BertModel и принимает последовательности длиной до 512 токенов. Основной язык — английский. Для общего NLP PhysBERT не специализируется; её сильная сторона — задачи, связанные с физической литературой. Лицензия в доступных данных не указана.

Модель premsa/political-bias-prediction-allsides-mDeBERTa — классификатор текстов для оценки политической предвзятости, обученный разработчиком Premsa на материалах AllSides. Это плотная модель DeBERTa v2 с 306 млн параметров, предназначенная для классификации последовательностей. Максимальная длина входа составляет 512 токенов. В README указаны пять эпох обучения, dropout 0,05 и выбор чекпойнта по минимальной потере на валидационной выборке. Для выбранной модели сообщается F1 0,9184 на тестовой выборке. Пример в карточке дан на немецком языке, но полный перечень поддерживаемых языков не приведён. Модель распространяется по лицензии Apache-2.0.

kev-KOH/time-embed-bge-m3-lms-temporal-v1-7-2 — дообученная модель BAAI на базе BGE-M3 для поиска эквивалентных временных выражений в запросах к корейским системам управления обучением (LMS). Она преобразует текст в эмбеддинги, сближая выражения с одинаковым временным значением и отделяя похожие по словам, но разные по смыслу выражения. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и принимает последовательности длиной до 8194 токенов. Обучение проводилось на корейском датасете временных запросов; лицензия — Apache-2.0. Карточка приводит оценку на тестовом наборе из 31 857 примеров: средняя оценка положительных пар составила 0,9673, отрицательных — 0,4183. При этом строгий порог near_one_rate не пройден; остаётся слабость в различении точного будущего временного интервала и границы окна, например «через три дня» и «в течение трёх дней». Для работы в примере используется FlagEmbedding с пуллингом CLS и fp16.

Sami92/XLM-R-Large-Disinfo-Narrative-Classifier — модель на базе XLM-R Large, дообученная для классификации текстов, поддерживающих распространённые нарративы дезинформации. Она предназначена для автоматизированного анализа утверждений и публикаций в контексте фактчекинга. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст с контекстом до 514 токенов. Обучающие данные на немецком языке объединяют синтетические примеры и публикации из Telegram со слабой разметкой, подготовленной с помощью GPT-4o. В карточке приведены результаты проверки на текстах из публикаций немецких фактчекинговых организаций. Хотя базовая архитектура многоязычная, работу модели на других языках не проверяли, а тестовый набор несбалансирован и включает не все классы. Модель опубликована под лицензией CC BY 4.0.

stjiris/bert-large-portuguese-cased-legal-mlm-nli-sts-v0 (Legal BERTimbau) — модель эмбеддингов на архитектуре BERT large, разработанная в рамках проекта IRIS для семантического поиска по решениям Верховного суда Португалии. Она преобразует предложения и абзацы в плотные векторы размерности 1024, пригодные также для сравнения смысловой близости и кластеризации. Модель основана на stjiris/bert-large-portuguese-cased-legal-mlm, юридической версии BERTimbau large, и дообучалась на юридических предложениях, а затем на задачах NLI и семантического сходства с использованием ASSIN, ASSIN2 и STS-B Multi-MT для португальского языка. Размер модели — 433,2 млн параметров, максимальный контекст — 512 токенов. Модель подходит для поиска похожих юридических фрагментов, сопоставления судебных текстов и кластеризации документов на португальском языке. Лицензия — MIT. Она создавалась для юридического поиска в конкретном судебном контексте, поэтому качество на других предметных областях и языках не подтверждено; длина входного текста ограничена контекстом модели.

Модель Legal BERTimbau разработана в рамках проекта IRIS для семантического поиска по документам Верховного суда Бразилии. Это sentence-transformers-модель на архитектуре BERTimbau large, которая преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для сравнения смысловой близости, поиска и кластеризации. Модель обучалась на юридических предложениях примерно из 30 тысяч документов с использованием TSDAE, затем дообучалась на данных NLI и задачах семантического сходства с наборами ASSIN, ASSIN2 и STS-B Multi-MT. Она принимает текст, поддерживает контекст до 512 токенов и выдаёт эмбеддинги. Лицензия — MIT. Карточка указывает на специализацию в юридическом семантическом поиске; качество за пределами португальского юридического текста не подтверждено.

ClimateGPT-70B — языковая модель Erasmus AI, обученная совместно с AppTek и адаптированная для климатологии. Это декодерный трансформер с 68,7 млрд параметров на основе Llama 2 70B: модель прошла дополнительное обучение на 4,2 млрд токенов климатических материалов и инструктивную настройку на парах запросов и ответов, собранных при участии климатологов. Модель предназначена для ответов на вопросы о климате и синтеза междисциплинарных исследований; её целевая аудитория — учёные, специалисты, принимающие решения, журналисты и разработчики прикладных систем. Она работает с текстом на английском языке, поддерживает контекст до 4096 токенов и может учитывать до пяти цитируемых источников в контексте. Для актуальности и фактической точности разработчики рекомендуют использовать её с поиском по документам (RAG); расширение языкового охвата предполагает каскадный машинный перевод. Модель не предназначена для универсального чат-бота и может выдавать предвзятые, оскорбительные или неточные ответы. Лицензия — ClimateGPT Community License; метаданные Hugging Face обозначают её как «other», поэтому перед использованием следует проверить условия лицензии сообщества.

Модель deka-qwen3-emb-0.6b-triplet-lawyer разработана anonymousresearch123 и представляет собой полноценно дообученную Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она кодирует тексты запросов и судебных документов в нормализованные эмбеддинги для семантического поиска; модель обучалась по triplet objective, с сопоставлением запросов с текстами фактических обстоятельств дела. Для запросов требуется префикс-инструкция, использованный при обучении, а документы подаются без него. Модель построена на архитектуре Qwen3, содержит 507,6 млн параметров, использует pooling последнего токена и поддерживает контекст до 32 768 токенов. Карточка указывает тайский язык и лицензию Apache-2.0. В опубликованной оценке на полном корпусе показатели R@10 составили 11,9 для пользовательских запросов, 24,76 для запросов в регистре юристов и 32,86 для текстов фактических обстоятельств; качество зависит от типа запроса, поэтому для других регистров и корпусов результаты могут отличаться.

jhu-clsp разработала эту модель как часть набора Ettin — открытого семейства парных энкодеров и декодеров для сопоставления архитектур и переноса между целями обучения. Это энкодер на архитектуре ModernBERT с 149 млн параметров, полученный продолжением обучения декодера Ettin как masked language model. Репозиторий содержит веса PyTorch; модель обучена для заполнения пропусков в английском тексте. Модель подходит для предсказания замаскированных токенов и может служить основой для задач классификации, поиска и получения текстовых эмбеддингов после соответствующей настройки. Набор Ettin предназначен также для исследований архитектур и переноса между masked language modeling и causal language modeling. Контекст модели составляет 7 999 токенов. В карточке семейства отмечены сильные результаты энкодеров Ettin на GLUE и англоязычном поиске MTEB, однако эти показатели не являются отдельной оценкой именно данного чекпойнта. Модель выпущена под лицензией MIT. Описанные в карточке сценарии сравнительного анализа и исследовательского применения не заменяют проверку качества на конкретных данных и задачах.

kobert-patent-baseline — дообученная модель классификации текста на базе monologg/kobert, опубликованная пользователем ingyoun. Она предназначена для классификации корейских текстов; название указывает на патентную тематику, однако README не уточняет набор классов и обучающие данные. Модель использует архитектуру BERT и содержит 119,4 млн параметров. Максимальная длина контекста — 512 токенов. В карточке приведены результаты оценки: weighted F1 0,8105, micro F1 0,8111, macro F1 0,7857 и precision at k от 0,8940 при k=1 до 0,9788 при k=5. Эти показатели относятся к оценочному набору, описание которого не раскрыто, поэтому их нельзя напрямую переносить на другие данные. Модель распространяется по лицензии Apache-2.0.

LegalParam — специализированная языковая модель BharatGen для вопросов по индийскому праву. Она дообучена на базе Param-1-2.9B-Instruct на корпусе индийских законов, политик и нормативных актов; в карточке указано 2,3 млрд параметров. Модель предназначена для ответов на юридические вопросы, краткого изложения правовых документов и упрощения сложных текстов о политике и регулировании. Модель использует плотную архитектуру ParamBharatGenForCausalLM с grouped-query attention и контекстом до 2048 токенов. Она рассчитана на работу на английском и хинди, поддерживает диалоговый режим и распространяется в формате Safetensors для Transformers. Лицензия — Apache-2.0.

Lemone-Embed-S — модель эмбеддингов на базе Sentence Transformers, разработанная Louis Brulé Naudet для семантического поиска по французским налоговым и правовым материалам. Она дообучена на intfloat/multilingual-e5-small на примерах запросов, релевантных и нерелевантных фрагментов из французских налоговых кодексов и административных документов; обучающий набор включает 296 234 примера. Модель использует архитектуру BERT с усреднением токенных представлений и нормализацией, кодирует текст в плотные векторы размерности 384 и поддерживает последовательности до 512 токенов. Векторы можно сравнивать по косинусному сходству для семантического поиска, ранжирования релевантных фрагментов, поиска похожих формулировок и построения RAG-систем в области налогообложения. README приводит результаты оценки поиска, но их переносимость на другие корпуса не гарантирована. Модель рассчитана прежде всего на французский язык и налоговую тематику; лицензия — Apache 2.0. Для текстов на других языках или вне налогового домена качество в карточке не подтверждено.

Merak-7B-v2 — языковая модель на архитектуре Llama, разработанная для работы с индонезийским языком. Это дообученная версия Meta Llama-2-7B-Chat-HF: автор повторно обучил её с помощью QLoRA на очищенных статьях индонезийской Википедии. В версии v2 использовано около 600 тысяч статей, а стиль вопросов в обучающих примерах изменён по сравнению с v1. Модель предназначена для генерации текста и ответов на вопросы на основе знаний, представленных в обучающих данных. Она содержит 6,6 млрд параметров, принимает текст и имеет контекст до 4096 токенов. В карточке заявлена поддержка индонезийского и английского языков; основное назначение — индонезийский язык. Автор сообщает, что модель может работать с 16 ГБ видеопамяти, но отмечает повышенный расход видеопамяти при использовании 4-битной квантизации BitsAndBytes. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает атрибуцию, сохранение той же лицензии для производных работ и некоммерческое использование. Обучение на Википедии ограничивает надёжность и актуальность ответов рамками её данных; карточка не приводит результатов оценки качества.

CMB-ClimateModernBERT/Merge_TIES_D07_LRD — англоязычная модель семейства ModernBERT, разработанная проектом ClimateModernBERT для исследований в области обработки климатических текстов. Это encoder-only модель типа BERT с 149 млн параметров и контекстом до 8192 токенов; она обучена продолжением предобучения ModernBERT-Base на академических, синтетических и отфильтрованных климатических веб-текстах, а затем объединена методом TIES. Модель предназначена для представления климатических текстов и дообучения под классификацию, многометочную разметку и поиск по корпоративной отчётности, политическим документам, научной литературе и новостям. В карточке сообщается о среднем F1 75,6 на девяти климатических NLP-бенчмарках. Модель поддерживает задачу заполнения пропусков в маскированном тексте, но не является диалоговой системой и не выдаёт калиброванных гарантий фактической точности. Оценка длинного контекста в описанных экспериментах ограничена; синтетические данные помогают одним типам задач и ухудшают другие, требующие тонкого понимания дискурса. Использование рассчитано на исследования в климатическом NLP; лицензия в предоставленных данных не указана.

Модель meutsabdahal/nepali-ner-roberta — версия RoBERTa для распознавания именованных сущностей в непальском тексте, разработанная на основе IRIISNEPAL/RoBERTa_Nepali_110M и дообученная на наборе EverestNER. Она размечает токены по схеме IOB2 и выделяет пять типов сущностей: людей, места, организации, даты и события. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метки токенов; контекст — до 514 токенов. Модель предназначена прежде всего для новостных текстов на непальском языке, похожих на материалы EverestNER, где хорошо представлены политические, географические и организационные названия. На тестовой части EverestNER средний micro-F1 по трём запускам составил 0,9185. Авторы представляют этот чекпойнт как исследовательский артефакт и результат сравнения энкодеров; вне домена EverestNER он не оценивался. Распознавание событий ненадёжно из-за малого числа примеров этого класса в тесте. Лицензия указана как other; конкретные условия использования в доступных данных не описаны.

OpenMed разработала OpenMed-NER-DiseaseDetect-PubMed-335M — дообученную модель на базе BiomedNLP-BiomedBERT-large-uncased-abstract для распознавания названий заболеваний в биомедицинских текстах. Это трансформер семейства BERT с архитектурой BertForTokenClassification и примерно 433,9 млн параметров; модель принимает токенизированный текст и присваивает токенам BIO-метки B-DISEASE и I-DISEASE. Контекст ограничен 512 токенами. Модель обучена на компоненте BC5CDR-Disease корпуса BioCreative V, содержащем аннотации заболеваний в PubMed-абстрактах. Она предназначена для извлечения упоминаний заболеваний из научной литературы и медицинских записей, включая поиск по корпусам и подготовку данных для биомедицинского анализа. В карточке приведены результаты на BC5CDR-Disease: F1 0,9097, точность 0,8932, полнота 0,9268 и accuracy 0,9849. Модель ориентирована на английские биомедицинские тексты; перенос результатов на другие языки и типы документов не подтверждён карточкой. Она распознаёт сущности заболеваний, а не выявляет лекарственные взаимодействия и не ставит диагнозы самостоятельно. Лицензия — Apache-2.0.

OpenMed-NER-DiseaseDetect-SuperClinical-141M — модель OpenMed для распознавания названий заболеваний в биомедицинском тексте. Она основана на архитектуре DeBERTa-v2 и дообучена для классификации токенов на наборе BC5CDR-Disease; в README указана базовая архитектура deberta-v3-small. Модель содержит 155 млн параметров, принимает токенизированный текст и возвращает BIO-разметку сущностей типов B-DISEASE и I-DISEASE. Контекст ограничен 512 токенами. Модель предназначена для извлечения заболеваний из медицинских записей и научных публикаций, а также для биомедицинского поиска и анализа литературы. README приводит для BC5CDR-Disease F1 0,89, точность 0,87 и полноту 0,92; эти показатели относятся к указанной в карточке оценке и не гарантируют качество на других данных. Указана лицензия Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-TinyMed-82M — дообученную модель RoBERTa для распознавания биомедицинских сущностей в тексте. Она размечает последовательности токенов BIO-тегами и извлекает белки, ДНК, РНК, клеточные линии и типы клеток из научных статей, медицинских записей и других биомедицинских документов. Модель основана на distilroberta-base, имеет около 95,2 млн параметров и контекст до 514 токенов. Она обучена на корпусе JNLPBA с аннотациями биомедицинских сущностей; в карточке указаны F1 0,80, точность 0,75 и полнота 0,85. Подходит для извлечения сущностей и последующего поиска по литературе или построения биомедицинских баз знаний. Модель принимает текст на английском языке и выдаёт метки сущностей для токенов. Показатели из карточки относятся к JNLPBA и не гарантируют аналогичного качества на других типах текстов; модель не следует считать самостоятельным средством клинического принятия решений. Лицензия — Apache-2.0.

OpenMed/OpenMed-NER-GenomicDetect-BioMed-109M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Это дообученная архитектура BERT для token classification, основанная на BiomedNLP-BiomedELECTRA-base-uncased-abstract. Модель принимает токенизированный текст и выдаёт BIO-разметку; в карточке указана метка сущности B-Cell-line-name/I-Cell-line-name. Размер модели — 136,7 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для извлечения генетических и биомедицинских упоминаний из научной литературы и медицинских документов, включая поиск клеточных линий для последующего анализа и текстового майнинга. В README также перечислены сценарии клинической аналитики и поиска по литературе, однако заявленные там показатели качества и более широкие типы сущностей не подтверждены приведённым списком меток. Карточка указывает обучение на корпусе GELLUS. Язык карточки — английский. Лицензия — Apache-2.0.

silencesys/paraphrase-xlm-r-multilingual-v1-fine-tuned-for-medieval-latin — модель Sentence-Transformers на базе XLM-RoBERTa, дообученная для работы с латинскими текстами средневекового периода. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель рассчитана на поиск текстов по смыслу и группировку похожих фрагментов на средневековой латыни. Для использования предусмотрены Sentence-Transformers и Transformers; при работе через Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Данные README указывают на обучение с DenoisingAutoEncoderLoss. В карточке и метаданных лицензия не приведена. Оценки качества для средневековой латыни в предоставленных материалах не указаны.

SeongryongJung/Qwen3-8B-ToolUse-SDPO-TR — экспериментальный чекпойнт Qwen3-8B, дообученный для использования инструментов методом SDPO-TR. Репозиторий содержит выбранный по validation mean@16 лучший чекпойнт на шаге 40 и финальный чекпойнт на шаге 100; размер модели — 7,6 млрд параметров, архитектура — плотная Qwen3ForCausalLM, формат весов — safetensors. Для загрузки README приводит пример с Transformers. Модель предназначена для генерации текста и сценариев, где языковой модели нужно вызывать инструменты. Валидация на наборе Tool use показала mean@16 66,36% у лучшего чекпойнта и 61,40% у финального; README не уточняет протокол и метрику подробнее, поэтому эти значения не гарантируют качество на других задачах. Базовая модель поддерживает несколько языков, однако README не описывает языковое покрытие именно этого дообучения. Лицензия — Apache-2.0.

LilyPersilly/SBERT_swedish_politics — дообученная модель Sentence Transformers на базе KBLab/sentence-bert-swedish-cased, разработанная LilyPersilly. Она преобразует текстовые предложения в плотные векторы размерности 768 и предназначена для оценки семантического сходства с помощью косинусного сходства, семантического поиска, поиска перефразирований, классификации и кластеризации. Модель ориентирована на тексты о шведской политике; для обучения использовалось 291 размеченное пара предложений. Архитектура включает BERT и усредняющий pooling. README указывает максимальную длину последовательности 384 токена, а метаданные — контекст до 512 токенов. Базовая модель поддерживает шведский и английский языки; обучающие примеры в карточке — на шведском. Выход модели — векторное представление текста. Дообученные веса распространяются по лицензии NCPL: использование разрешено для некоммерческих целей, а встраивание в коммерческие продукты, платные API и SaaS запрещено. Размер обучающей выборки невелик, поэтому качество может быть ограничено за пределами тематических текстов о шведской политике.

VNLegal-LAL — модель эмбеддингов для вьетнамских юридических текстов, разработанная как дообученная версия mainguyen9/vietlegal-harrier-0.6b. Она использует архитектуру Qwen3 в составе Sentence Transformers и создаёт векторы размерности 1024; в README указана максимальная длина последовательности 2048 токенов, а метаданные каталога указывают нативный контекст 32768 токенов. Модель предназначена для семантического поиска и сопоставления юридических запросов с документами, а также для ранжирования найденных текстов по сходству. В тестировании на бенчмарке Zalo AI Legal Text Retrieval авторы сообщают NDCG@10 0,8488, MRR@10 0,7993 и Recall@10 0,9772. Модель принимает текст и выдаёт векторные представления; поддерживаемый язык — вьетнамский. Модель распространяется по лицензии Apache 2.0. Указанные в README результаты относятся к конкретному юридическому бенчмарку и сами по себе не гарантируют качество на других наборах документов или вне вьетнамской юридической тематики.

timotheeplanes/anti-doping-bert-base — модель Sentence-Transformers на основе BERT, адаптированная к языку антидопинговой практики. Разработчик дообучил предварительно обученную трансформерную модель на антидопинговых текстах с помощью задачи masked language modeling и обучения эмбеддингов методом Transformer-based Sequential Denoising Auto-Encoder. Модель преобразует предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и извлечения признаков для последующих задач, например классификации размеченных предложений. Поддерживает английский язык; максимальная длина контекста — 512 токенов, размер модели — 136,7 млн параметров. Модель подходит для поиска и анализа текстов в антидопинговой области, но сама по себе не выполняет классификацию без отдельного обученного классификатора. Лицензия — Apache-2.0.

AtmicQuoterv1 — дообученная SriRamanaAtmic модель на базе BAAI/bge-small-en-v1.5 для преобразования предложений и абзацев в плотные векторы размерностью 384, пригодные для поиска релевантных текстов и сравнения по косинусному сходству. Архитектура Sentence Transformer использует BERT, CLS-пулинг и нормализацию; библиотека модели — Sentence Transformers. По примерам обучающих данных модель ориентирована на поиск цитат и фрагментов, связанных с учением Раманы Махарши. Контекст ограничен 512 токенами по метаданным; README указывает максимальную длину последовательности 128 токенов. На наборе atmic-val приведены метрики cosine_accuracy@1 0,6785, @3 0,8372 и @5 0,8841. Это англоязычная модель; лицензия в предоставленных данных не указана.