I.1Поиск и навигация по информации

AutoGLM-Phone-9B — мультимодальная модель Zhipu AI для управления смартфоном в составе фреймворка Phone Agent. Она анализирует снимки экрана и текстовые запросы, чтобы понимать интерфейс и поддерживать выполнение заданных пользователем задач на мобильном устройстве. Система использует ADB для управления Android-устройством, планирует последовательности действий и может передавать человеку сценарии входа или ввода кода подтверждения; чувствительные действия требуют подтверждения. Модель дообучена на базе zai-org/GLM-4.1V-9B-Base, использует архитектуру GLM-4V и распространяется в формате Safetensors для Transformers. В карточке указаны китайский язык и задача image-text-to-text; базовая модель поддерживает китайский и английский. Лицензия — MIT. Проект предназначен для исследований и обучения; практическое использование зависит от фреймворка Phone Agent и доступа к Android-устройству через ADB.

BERTurk-Legal — турецкая языковая модель на архитектуре BERT, разработанная для юридических текстов. Она предварительно обучена на корпусе турецкого права с помощью masked language modeling без разметки для поиска предыдущих судебных дел. Модель можно применять для получения представлений документов и последующего поиска похожих судебных решений; в README также описаны результаты zero-shot классификации дел Верховного кассационного суда Турции. В репозитории представлены веса PyTorch и Safetensors размером около 211,6 млн параметров. Контекст модели — до 512 токенов; основной язык — турецкий. Лицензия — MIT. Хотя карточка описывает поиск правовых прецедентов и получение эмбеддингов, тег Hugging Face указывает задачу fill-mask; эмбеддинги можно использовать в отдельном поисковом конвейере, но сам репозиторий не заявляет отдельный pipeline для поиска или ранжирования.

ClimateGPT-7B — специализированная языковая модель для вопросов и ответов о климате, разработанная Erasmus AI совместно с AppTek и аутентифицированная EQTYLab. Это декодерный трансформер на 6,6 млрд параметров, основанный на Meta Llama 2 7B и адаптированный к климатической тематике продолженным предобучением на корпусе из 4,2 млрд токенов, а затем дообученный на инструкциях. Модель принимает текст, генерирует текст и рассчитана на английский язык; длина контекста — 4096 токенов. Модель предназначена для ответов на климатические вопросы и синтеза междисциплинарных исследований для специалистов, принимающих решения, учёных и журналистов. Она поддерживает диалоговый режим и обучена работе с дополнением контекста до пяти ссылок; разработчики рекомендуют применять её с RAG для расширения знаний и повышения фактической точности. Для расширения языкового охвата предусмотрен каскадный машинный перевод. По данным разработчиков, на климатических бенчмарках ClimateGPT-7B превосходит Llama-2-70B Chat. Модель не предназначена для универсального чат-бота и может выдавать предвзятые, оскорбительные или неточные ответы. Лицензия — ClimateGPT Community License (в метаданных указана как other); перед использованием следует ознакомиться с её условиями.

deka-qwen3-emb-0.6b-infonce-fact — плотная модель эмбеддингов, созданная дообучением Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда (deka). Она обучена методом InfoNCE сопоставлять запросы с текстами раздела fact; для запросов требуется префикс инструкции, использованный при обучении, а документы подаются без него. Модель использует pooling последнего токена с левым padding и L2-нормализацию; максимальная длина при обучении составляла 256 токенов для запросов и 1300 для документов. Базовая модель поддерживает контекст до 32768 токенов. На тесте по полному корпусу для запросов и документов раздела fact показатель R@10 составил 33,81, тогда как для запросов раздела user — 8,57, что указывает на существенную зависимость качества от регистра текста. Модель содержит 507,6 млн параметров, использует библиотеку sentence-transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

EUUkraine — дообученный бинарный классификатор на базе jhu-clsp/mmBERT-base, разработанный для определения, посвящено ли предложение из парламентской речи Европейскому союзу. Модель обучена на вручную размеченных парламентских выступлениях, включая данные Верховной рады Украины и других европейских парламентов; она относит предложения к классам «о ЕС» и «не о ЕС». Архитектура — ModernBERT для классификации последовательностей, размер — 306,9 млн параметров, максимальный контекст по метаданным — 8192 токена. В обучении использовалась длина последовательности 320 токенов. Модель предназначена для исследований парламентской риторики и анализа упоминаний ЕС в корпусах выступлений. Многоязычная база позволяет работать с речами разных европейских парламентов, однако качество для конкретного языка или парламента зависит от охвата обучающих данных и схемы разметки. Предварительные оценки распространённости тем желательно калибровать на выборке, отражающей реальные базовые частоты. Лицензия — MIT.

Fara-TARS-7B — мультимодальная модель-агент, созданная слиянием Microsoft Fara-7B и ByteDance-Seed UI-TARS-1.5-7B. Она сочетает планирование и генерацию текстовых рассуждений с анализом скриншотов и выдачей действий для графического интерфейса, например координат клика или команды ввода текста. Модель содержит 7,1 млрд параметров, построена на архитектуре Qwen2.5-VL, принимает изображения и текст и выдаёт текстовые ответы и команды агента. Контекст — до 128 000 токенов; модель рассчитана на английские инструкции. Подходит для автоматизации веб-сайтов и настольных интерфейсов, сопоставления текстовых инструкций с элементами на экране и составления планов. Для корректной работы с агентскими командами README требует заданный системный промпт и конфигурацию генерации; без них модель может выдумывать названия инструментов. На очень длинных списках возможны повторы. Лицензия — Apache-2.0.

Mungert/granite-3.1-8b-lora-intrinsics-v0.1-GGUF — экспериментальный GGUF-вариант LoRA-адаптера IBM Research для модели ibm-granite/granite-3.1-8b-instruct. Адаптер сохраняет основные возможности исходной инструктивной модели и добавляет три функции: оценку уверенности ответа, обнаружение галлюцинаций в сценариях RAG и классификацию небезопасных запросов. Модель предназначена для исследовательского тестирования и анализа поведения LLM. Оценка уверенности возвращается числом от 0 до 9, соответствующим диапазону от 5% до 95% уверенности и рассчитанным на калибровку вероятности правильного ответа. Модуль обнаружения галлюцинаций отвечает Y, если ответ не подтверждается предоставленными документами, и N в противном случае. Модуль Safety Exception отвечает Y для потенциально небезопасных запросов, включая насилие, угрозы, сексуальный и явно выраженный контент, а также запросы на получение персональных данных, и N в остальных случаях. Это LoRA-адаптер для текстовой генерации; базовая модель имеет размер 8B. Для вызова intrinsics используются специальные роли или шаблон чата, а результат состоит из одного токена. GGUF-файлы созданы с помощью llama.cpp; в описании также указана модифицированная стратегия квантования с повышением точности отдельных слоёв, что может увеличивать размер файла и улучшать точность при заданном уровне квантования. Язык модели в карточке указан как английский. Точные сведения о длине контекста и поддерживаемых модальностях отсутствуют. Модель имеет статус экспериментальной и не рекомендуется для реальных развёртываний. К её ограничениям относятся предварительный характер проекта, необходимость использования совместимой базовой модели и специальных процедур вызова intrinsics, а также потенциальное влияние квантования на качество. Лицензия — Apache 2.0.

Keural Cortex 8B — 64K — это базовая авторегрессионная модель семейства Qwen3, разработанная MKD Co., Ltd. на основе Qwen/Qwen3-8B-Base методом продолженного предобучения. Модель содержит 7,6 млрд параметров по метаданным и рассчитана на контекст до 65 536 токенов с масштабированием YaRN 2.0. Модель ориентирована на генерацию и продолжение текста, особенно на корейском языке, а также на эксперименты с длинным контекстом и дальнейшее дообучение. В описанных тестах она извлекла контрольный код из длинных документов на разных глубинах контекста и показала умеренный прирост на корейском KMMLU относительно исходной базовой модели. Это базовая модель без настройки на выполнение инструкций: она продолжает текст, а не гарантированно отвечает на вопросы. У неё нет обученного интерфейса чата или вызова инструментов; результаты бенчмарков предварительны, поскольку проверка на загрязнение тестовых данных не проводилась. Лицензия — Apache-2.0.

lca-qwen3-embedding — специализированная модель эмбеддингов для поиска по данным оценки жизненного цикла продукции (LCA). Она дообучена разработчиком на базе Qwen/Qwen3-Embedding-0.6B и предназначена для сопоставления запросов с описаниями процессов, потоков и техническими записями с географическими, технологическими и временными полями. Модель использует архитектуру Qwen3 с 28 слоями и размером скрытого состояния 1024. Она кодирует предложения и короткие фрагменты в L2-нормализованные векторы размерности 1024; применяются pooling по последнему токену и косинусная близость. Максимальная длина последовательности в конфигурации — 1024 токена, хотя базовая модель поддерживает контекст до 32768 токенов. README сообщает об улучшении метрик поиска относительно базовой модели на внутренней оценке по записям TianGong LCA. Основные сценарии — семантический поиск, оценка сходства и кластеризация LCA-текстов. Модель обучалась и оценивалась преимущественно на английских технических данных, поэтому качество на других языках и в других областях может быть ниже; результаты внутренней оценки следует проверять на собственных данных. Лицензия — MIT.

msbayindir/legal-text-embedding-turkish-v1 — модель Sentence Transformers, разработанная на основе distilbert/distilroberta-base и дообученная для сопоставления турецких юридических текстов. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и подходит для поиска семантически близких документов, оценки сходства, поиска перефразировок, кластеризации и классификации текста. Архитектура включает RoBERTa-трансформер с mean pooling; метаданные указывают 95,2 млн параметров и контекст до 514 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Для оценки сходства применяется косинусная мера; в README приведены результаты на наборе tr-dev: Spearman 0,9262 и Pearson 0,9287. Модель специализируется на турецких юридических текстах, поэтому её пригодность для других языков и областей не подтверждена. Лицензия в предоставленных данных не указана.

curiousily/Llama-3-8B-Instruct-Finance-RAG — дообученная модель на основе Meta Llama 3 8B Instruct, созданная для ответов на вопросы по финансовому контексту в сценариях RAG. Модель обучена с помощью LoRA на 4 000 примерах набора virattt/financial-qa-10K и принимает вопрос вместе с предоставленной информацией, чтобы сформировать ответ на её основе. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 8 192 токенов. Она предназначена для диалоговой генерации текста на английском языке и распространяется в формате safetensors под лицензией Llama 3. Её сильная сторона — настройка на финансовые вопросы с опорой на переданный контекст; модель не заменяет проверку финансовых выводов и зависит от полноты и точности контекста.

Local Minutes contextualizer — дообученная DuaneMB модель на базе Qwen3.5-4B для подготовки контекста к фрагментам муниципальных документов. Она принимает исходные страницы перед фрагментом и сам фрагмент, а затем формирует JSON с названием собрания, текущей темой и короткими пояснениями ссылок, имён, должностей и терминов, которые в отрывке не раскрыты. Такой контекст добавляют к фрагменту перед индексацией для поиска и RAG. Модель построена на плотной текстовой архитектуре Qwen3.5, содержит 3,4 млрд параметров и поддерживает контекст до 262 144 токенов. Она обучалась на англоязычных документах муниципалитетов Вермонта: сначала методом SFT с LoRA, затем методом GRPO; LoRA-веса объединены с базовой моделью. По оценке на тестовых отрывках дообученная версия чаще давала полезный контекст и реже пропускала нужные пояснения, чем исходная модель и прежний производственный вариант. Модель предназначена для узкой задачи контекстуализации, а не для ответов на вопросы, суммаризации или работы в качестве общего ассистента. Она может ошибочно связывать одноимённых людей; примерно в 8–11% контекстов встречались неподтверждённые источником утверждения. Обучение охватывало документы Вермонта, английский язык и один формат запроса, поэтому качество на других типах документов и форматах не гарантируется. Лицензия — Apache-2.0.

OpenMed-NER-DiseaseDetect-ModernMed-149M — дообученная OpenMed модель на базе ModernBERT-base для распознавания названий заболеваний в биомедицинском тексте. Она выполняет token classification и размечает найденные сущности тегами BIO: B-DISEASE и I-DISEASE. Модель содержит 149 млн параметров, принимает токенизированный текст и рассчитана на контекст до 8192 токенов. Модель обучена на наборе BC5CDR-Disease, содержащем аннотации заболеваний в рефератах PubMed. Она предназначена для извлечения заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, например для поиска по литературе и построения биомедицинских баз знаний. В карточке указаны F1 0,86, точность 0,85 и полнота 0,86 на BC5CDR-Disease. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Она извлекает только сущности заболеваний; качество на других типах текстов и вне целевого набора данных может отличаться. Результаты не заменяют проверку специалистом и не являются медицинским диагнозом.

OpenMed/OpenMed-NER-DNADetect-SuperMedical-355M — модель OpenMed для распознавания биомедицинских именованных сущностей. Это дообученная модель на архитектуре RoBERTa для классификации токенов; она принимает текст и возвращает BIO-разметку. Модель выделяет белки, ДНК, РНК, клеточные линии и типы клеток в научной и медицинской литературе. В README заявлены обучение на корпусе JNLPBA и показатели F1 0,8177, точности 0,7716, полноты 0,8697 и accuracy 0,9318. Метаданные указывают 454,1 млн параметров, контекст до 514 токенов и лицензию Apache-2.0. Модель подходит для извлечения биомедицинских сущностей при анализе публикаций и медицинских документов, а также для построения поисковых систем и баз знаний. Заявленные показатели относятся к JNLPBA; качество на иных типах текстов и в клинических сценариях может отличаться. Поддерживается английский язык.

OpenMed-NER-PathologyDetect-MultiMed-568M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Она дообучена для задачи NER на корпусе NCBI Disease и выдаёт метки BIO для сущностей типов B-Disease и I-Disease. По метаданным, модель использует архитектуру XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. README сообщает F1 0,88, точность 0,87 и полноту 0,89 на NCBI Disease. Модель предназначена для извлечения названий заболеваний из научных публикаций и медицинских документов, а также для последующего поиска и анализа таких упоминаний. Карточка приводит дополнительные сценарии — мониторинг нежелательных явлений, анализ литературы и построение биомедицинских графов знаний, однако описанные метки относятся к заболеваниям, а не к лекарствам или химическим веществам. Данные о поддерживаемом языке в карточке и метаданных указывают на английский. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-SnowMed-568M — специализированную модель распознавания упоминаний заболеваний в биомедицинских текстах. Она дообучена на корпусе NCBI Disease и предназначена для извлечения названий болезней из медицинских записей, научных статей и других медицинских документов. Модель выполняет token classification: присваивает токенам BIO-метки B-Disease и I-Disease, которые можно объединить в целостные упоминания заболеваний. Архитектура — XLM-RoBERTa с примерно 658,7 млн параметров; заявленная длина контекста — 8194 токена. Для корпуса NCBI Disease в карточке приведены F1 0,89, точность 0,87 и полнота 0,91. Модель принимает токенизированный текст и выдаёт метки сущностей. В метаданных указан английский язык; применение к другим языкам карточка не подтверждает. Модель подходит для извлечения заболеваний при анализе медицинских записей и биомедицинской литературы, в том числе как компонент систем поиска и аналитики. Карточка заявляет также клинические сценарии, однако приведённые метрики относятся к NCBI Disease и не подтверждают точность на произвольных клинических данных. Лицензия — Apache-2.0.

OpenMed-NER-SpeciesDetect-SuperClinical-141M — модель OpenMed для распознавания названий видов и организмов в биомедицинских текстах. Это трансформер DeBERTa для классификации токенов, дообученный на корпусе LINNAEUS; он выделяет сущности метками B-SPECIES и I-SPECIES и возвращает BIO-разметку. В README приведены показатели на наборе оценки: F1 0,94, точность 0,93, полнота 0,95 и accuracy 1,00. Модель предназначена для извлечения упоминаний видов из научной литературы, клинических документов и других биомедицинских текстов, например для поиска организмов в публикациях и построения биомедицинских баз знаний. Она принимает текст и выдаёт метки сущностей; контекст ограничен 512 токенами. Поддержка английского подтверждается метаданными. Репозиторий содержит веса в формате safetensors, размер модели — 155 млн параметров. Лицензия Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Oncology-Medium-209M — специализированная модель OpenMed для распознавания именованных сущностей в онкологических и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе BioNLP 2013 CG, посвящённом генетике рака. Модель выделяет гены и их продукты, клеточные процессы, опухоли, химические вещества, ткани и другие биомедицинские сущности; метки сущностей можно задавать под конкретную задачу без отдельного дообучения. Модель предназначена для извлечения данных из научной литературы и медицинских документов, включая поиск онкологических биомаркеров, генов-драйверов и элементов молекулярных путей. В README сообщается F1 0,8765 на тестовом наборе BioNLP 2013 CG, исключённом из обучения. Поддерживается английский язык. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

Original-PubMedBERT-BC5CDRChemical — биомедицинская модель на архитектуре BERT, размещённая пользователем ghadeermobasher и дообученная для разметки химических сущностей в научных текстах. Модель основана на PubMedBERT, разработанном Microsoft для работы с биомедицинской литературой, и предназначена для задачи token classification на корпусе BC5CDR-Chemical. Модель содержит 136,7 млн параметров и поддерживает контекст длиной до 512 токенов. Она рассчитана на англоязычные биомедицинские тексты и может применяться для извлечения названий химических веществ из аннотаций и других научных документов. Ограничения включают специализированность на химической сущностной разметке, контекстное окно 512 токенов и зависимость качества от предметной области и формата текста. Лицензия в доступных данных не установлена.

Модель schlenker/parl-german-ner-bt разработана в рамках проекта GePaDeU для разметки именованных сущностей в выступлениях на пленарных заседаниях Бундестага Германии. Это модель токеновой классификации на архитектуре BERT, полученная полным дообучением deepset/gbert-large; она выделяет сущности нескольких типов, включая геополитические объекты, людей и организации, по схеме, адаптированной из OntoNotes. Модель принимает текст на немецком языке и имеет контекстное окно 512 токенов. Модель предназначена для анализа парламентских выступлений и извлечения из них именованных сущностей. Обучение и оценка проводились на 267 вручную размеченных выступлениях, содержащих 10 564 сущности; карточка также упоминает отдельную модель schlenker/parl-german-ner, обученную на новостях и парламентских выступлениях. Для практического применения инструкция по формату входных данных вынесена в репозиторий проекта. Лицензия в предоставленных данных не указана.

Модель premsa/political-bias-prediction-allsides-DeBERTa — классификатор текста на базе DeBERTa-v2 с 211,6 млн параметров, дообученный для предсказания политической предвзятости по материалам AllSides. Она предназначена для классификации текстов; в README приведён пример запуска через Transformers pipeline. Обучение проводилось пять эпох с максимальной длиной последовательности 512 токенов; лучший чекпойнт показал F1 0,9427 на тестовой выборке. Модель принимает текст и возвращает метку классификации. Доступна в формате safetensors, лицензия — Apache-2.0. README не раскрывает состав меток, языки данных и точные правила подготовки датасета, поэтому результаты могут зависеть от домена и распределения текстов; длина входа ограничена 512 токенами.

Lexemo/roberta_large_legal_act_extraction — дообученная Lexemo модель RoBERTa-large для извлечения упоминаний нормативных актов и их статей из текста. Она присваивает метки токенам, включая обозначения актов, связанные с ними сокращения и ссылки на статьи; результаты можно использовать для построения карты связей между законодательными актами. Модель предназначена для анализа англоязычных юридических документов. Это архитектура RoBERTa для классификации токенов с 454,1 млн параметров и контекстом до 514 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Модель узкоспециализирована: README предупреждает, что она рассчитана на юридические тексты и не рекомендуется для других областей. Применимость к текстам на других языках не заявлена.

TAPAS medium — модель Google на архитектуре TAPAS, основанной на BERT и предназначенной для вопросов и ответов по таблицам. Версия дообучена на SQA и WikiSQL после предварительного обучения на англоязычных таблицах и связанных текстах Википедии; в репозитории доступны варианты с относительными и абсолютными позиционными эмбеддингами. Модель содержит 49,2 млн параметров и обрабатывает вход длиной до 512 токенов. На вход подаются вопрос и таблица, преобразованная в последовательность текста. Модель выбирает ячейки таблицы и определяет способ агрегирования ответа, что позволяет отвечать на вопросы по табличным данным, включая простые числовые запросы. Она рассчитана на английский язык и задачи, близкие к WikiSQL; качество на иных языках, типах таблиц и более сложных запросах может быть ограничено. Распространяется по лицензии Apache-2.0.

AraBART — арабоязычная модель семейства BART, разработанная для обработки арабского текста. Её кодировщик и декодировщик предварительно обучались сквозным образом; архитектура соответствует BART-Base и включает 6 слоёв кодировщика, 6 слоёв декодировщика и скрытое измерение 768. В README указано 139 млн параметров, тогда как метаданные Hugging Face указывают 95 млн; точный размер поэтому неоднозначен. Контекст модели — до 1024 токенов. Модель предназначена прежде всего для абстрактивного суммирования: в README сообщается о высоких результатах на нескольких наборах данных суммирования на арабском языке относительно ряда сильных базовых моделей. Метаданные Hugging Face классифицируют репозиторий как fill-mask, поэтому этот тег указан как основная задача каталога; описанные в README результаты суммирования не подтверждены соответствующим pipeline-тегом. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

AVIOT — видеоязыковая модель для ответов на вопросы по видео с компрессией визуальных токенов во время инференса. Модель разработана авторами исследования Aggregating Visual Information with Optimal Transport for VideoLM Token Compression; чекпойнт включает языковую модель, визуальный энкодер, мультимодальный проектор и модули AVIOT. В основе языковой части используется архитектура Qwen2, а визуального энкодера — SigLIP. Модель анализирует видео и формирует текстовые ответы на вопросы о его содержании. AVIOT сжимает последовательности визуальных токенов с помощью оптимального транспорта, направляя больше ёмкости на содержание, важное для вопроса, и объединяя информацию из разных временных отрезков. Чекпойнт содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов. По умолчанию обрабатываются кадры с частотой 2 кадра в секунду, максимум 224 кадра размером 384 × 384 пикселя; коэффициент сжатия можно выбирать при инференсе. Для загрузки требуется публичный код AVIOT: стандартная загрузка через AutoModel.from_pretrained() не поддерживается. В README сообщается о результатах на нескольких бенчмарках понимания видео, но конкретные метрики не приведены. Модель выпущена под лицензией Apache-2.0.

Shankarblr/bert-based-MovieQA — англоязычная модель для ответов на вопросы о фильмах, созданная дообучением DistilBERT. Она использует экстрактивный подход: находит ответ в переданном контексте, содержащем сведения о названии фильма, жанре, годе выхода, бюджете, сборах или описании. Модель обучена на пользовательском наборе данных, сформированном из IMDB movie data в формате, близком к SQuAD, и предназначена для поиска фактов в текстовом представлении данных о фильмах. Модель подходит для чат-ботов, извлечения атрибутов и поиска по каталогам фильмов, если нужные сведения уже включены в контекст. Архитектура — DistilBERT для вопросно-ответных задач, формат весов — safetensors; максимальная длина контекста составляет 512 токенов. Лицензия — MIT. Ответы ограничены предоставленным контекстом и доменом обучающих примеров; модель не предназначена для генерации сведений, отсутствующих в контексте.

Модель biomedtra-small-es-squad2-es разработана SOMOS NLP в рамках хакатона 2022 года по извлечению ответов на вопросы в биомедицине. Это модель ElectraForQuestionAnswering с 20,5 млн параметров, дообученная на испанском mrm8488/biomedtra-small-es для датасета squad_es версии 2; она принимает вопрос и контекст и извлекает ответ непосредственно из текста. Модель предназначена для ответов на вопросы по испанским биомедицинским текстам, включая случаи, когда в контексте нет ответа. Максимальная длина контекста — 512 токенов. В README приведены результаты оценки на dev-выборке hackathon-pln-es/biomed_squad_es_v2 и сравнение с другими моделями хакатона. Это ориентир для указанного набора данных, а не гарантия качества на других текстах. Лицензия в предоставленных данных не указана.

pzryathzsdhc/cti-ner-securebert — англоязычная модель для распознавания именованных сущностей в текстах киберразведки. Это дообученная на CISA advisories модель SecureBERT с архитектурой RoBERTa и классификатором BIO для разметки токенов. Она извлекает 16 типов сущностей, включая идентификаторы и названия техник атак, CVE и CWE, хеши и пути файлов, IP-адреса, семейства вредоносных программ, группы угроз, инструменты, тактики и метки TLP. На отложенной выборке из восьми рекомендаций CISA модель показала micro F1 0,71 при строгом совпадении границ сущности и метки и 0,76 при более мягкой оценке. Лучше распознаются идентификаторы CWE и техники атак; распознавание групп угроз и инструментов даётся труднее. Контекст модели — 514 токенов, поэтому для длинных документов следует применять разбиение на окна: обычный единичный проход может обрезать текст. Модель выпущена под лицензией MIT.

Модель deka-qwen3-emb-0.6b-triplet-lay-anompos разработана anonymousresearch123 как полноразмерное дообучение Qwen/Qwen3-Embedding-0.6B для поиска дел Верховного суда Таиланда. Она кодирует запросы и документы в нормализованные текстовые эмбеддинги для семантического поиска и ранжирования кандидатов; при обучении использованы триплетная цель и сопоставление запросов с текстами фактических обстоятельств дела. Модель основана на плотной архитектуре Qwen3, содержит 507,6 млн параметров и поддерживает контекст до 32 768 токенов. Для запросов необходимо добавлять инструкционный префикс, использованный при обучении, а документы передавать без него. На тесте качество различалось по регистру запросов: R@10 составил 12,38 для пользовательских запросов, 26,67 для запросов юристов и 30,0 для запросов в регистре фактических обстоятельств. Модель предназначена для тайского юридического корпуса; лицензия Apache-2.0.

DTAEC Type Normalizer — модель aehrm, обученная с нуля для нормализации исторического немецкого написания в современную орфографию. Это encoder-decoder-модель семейства BART с 4,2 млн параметров; она принимает один токен без пробелов и генерирует его нормализованный вариант. Для работы с неоднозначными формами в полном контексте модель используется в составе более крупной системы с дополнительной GPT-моделью. Модель обучена на лексиконе aehrm/dtaec-lexica, созданном на основе параллельных текстов Немецкого текстового архива, где исторические печатные документы сопоставлены с современными изданиями. В README указаны точность на уровне слов 0,9546 и точность для слов вне обучающего словаря 0,9096 на оценочном наборе. Контекст ограничен 1024 токенами, хотя обычный сценарий модели — обработка отдельного слова. Лицензия — CC0 1.0.