I.1Поиск и навигация по информации

Модель Biblical-Embedding-PTBR разработана PLVictor для семантического поиска библейских стихов по запросам на бразильском португальском языке. Она кодирует запросы и тексты в векторы, чтобы находить стихи по эмоциональному и духовному смыслу, даже когда формулировки запроса не совпадают с текстом стиха по ключевым словам. Это дообученная модель Sentence Transformers на архитектуре BERT с 124,3 млн параметров и контекстом до 512 токенов. По README, обучение проводилось на примерно 9 000 парах «запрос — стих» на португальском языке с использованием MultipleNegativesRankingLoss. Модель предназначена для семантического поиска и сопоставления предложений; лицензия — Apache 2.0. README также упоминает оптимизированный файл RKNN для запуска на NPU RK3588, однако метаданные описывают основной репозиторий в формате safetensors. Модель не возвращает готовый стих или теологическое объяснение сама по себе: для этого README предлагает отдельный API. Результаты поиска зависят от текстов стихов и способа ранжирования, используемых приложением.

CNMBert — китайская BERT-модель, разработанная для преобразования сокращений, записанных начальными буквами пиньиня, в китайские слова и выражения. Она основана на hfl/chinese-bert-wwm-ext и адаптирована к этой задаче изменением задачи предобучения. В метаданных указана архитектура BertForMaskedLM, 167,2 млн параметров, максимальный контекст 512 токенов и формат safetensors. Модель предназначена для раскрытия сокращений вроде «bhys» в «不好意思» и «ys» в «原神». README также описывает варианты CNMBert-Default и CNMBert-MoE, обученные на корпусе из двух миллионов записей Википедии и Zhihu, и приводит сравнительные показатели точности и ранжирования. Автор заявляет о результатах уровня SOTA относительно дообученных GPT-моделей и GPT-4o; это утверждение README, не независимая оценка. Для применения требуются китайский текст и соответствующий токенизатор; модель выдаёт текстовые кандидаты для подстановки вместо сокращения. README отмечает ограниченную обобщающую способность из-за небольшого обучающего корпуса и допускает дополнительное дообучение. Лицензия модели — AGPL-3.0.

Карточка модели jhu-clsp/ettin-dec-from-enc-150m на Hugging Face совпадает с карточкой jhu-clsp/ettin-encoder-17m, поэтому описание составлено по ней. jhu-clsp/ettin-encoder-17m — англоязычная модель-энкодер из набора Ettin, разработанного исследователями Johns Hopkins University. Это компактная модель с 16,8 млн параметров на архитектуре ModernBERT, обученная методом masked language modeling; она предсказывает замаскированные токены в тексте. По описанию набора, модели Ettin обучались на общей открытой смеси данных и предназначены для сопоставления энкодерных и декодерных архитектур. Для этой версии README указывает размер XXS и сценарии мобильных и периферийных устройств. Модель подходит для заполнения пропусков в английском тексте и как основа для задач классификации и получения эмбеддингов после соответствующей настройки. В метаданных указаны контекст до 7 999 токенов, форматы PyTorch и ONNX и лицензия MIT. В README заявлены сильные результаты семейства Ettin в классификации и поиске, однако конкретные метрики для версии 17M не приведены. Это энкодер для понимания текста, а не генеративная модель для свободного продолжения текста; также она не предназначена для обработки языков, кроме английского, согласно доступным языковым тегам.

AdaptLLM/finance-chat — англоязычная чат-модель для финансовой области, разработанная авторами исследования Adapting LLMs to Domains via Continual Pre-Training. Она основана на LLaMA-2-Chat-7B и адаптирована к домену финансов продолжительным предварительным обучением на профильных текстах, преобразованных в формат вопросов и ответов для сохранения способности следовать запросам. В репозитории указаны архитектура LLaMA, 6,6 млрд параметров и контекст длиной 4096 токенов. Модель предназначена для ответов на вопросы и диалога по финансовой тематике. Авторы сообщают, что их метод улучшает prompting после доменного дообучения и что 7B-модель конкурирует с более крупными финансовыми моделями; приведённые в карточке результаты бенчмарков относятся к оценке модели авторами. Модель принимает и генерирует текст, а карточка указывает английский язык. Лицензия — Llama 2; применимые условия использования определяются лицензией исходной модели.

FX-Yi-34B — китайская общая языковая модель для юридической сферы, разработанная DHU-BLLAB путём инструкционного дообучения Yi-34B-Chat с помощью QLoRA. Авторы применяли алгоритм LESS для отбора наиболее подходящих обучающих примеров; в набор данных вошли юридические вопросы и ответы, новости, судебные документы и сообщения клиентов. Модель предназначена прежде всего для ответов на вопросы о праве Китая и помощи при анализе судебных документов. В карточке также приведены примеры общих вопросов и ответов. Архитектура — плотная LLaMA, около 33,9 млрд параметров; модель поддерживает чат, работает с текстом и имеет контекст 4096 токенов. Данные и примеры ориентированы на китайский язык. Ответы в юридической сфере могут содержать ошибки и устаревшие сведения, поэтому их следует проверять по действующему законодательству и у квалифицированного специалиста. Лицензия в предоставленных данных не указана.

JaunBERT — баскская языковая модель, разработанная исследовательским центром HiTZ и группой IXA Университета Страны Басков UPV/EHU. Это энкодер ModernBERT с 307 млн параметров, дообученный на основе BSC-LT/MrBERT для задачи masked language modeling. Модель принимает текст и предсказывает замаскированные в нём токены; её можно использовать напрямую или дообучить для других задач. Модель ориентирована на баскский язык. Семейство JaunBERT предварительно обучено на корпусе latxa-corpus-v2; для отдельных вариантов использованы дополнительные юридические, новостные и научные подкорпуса. Максимальная длина контекста — 8192 токена. Для поиска и классификации текстов модель может служить основой после соответствующего дообучения, но сама карточка заявляет задачу заполнения пропусков. Лицензия — Apache 2.0.

Meditron-3-Phi4-14B — языковая модель для медицинских задач, разработанная инициативой OpenMeditron на базе Phi-4 от Microsoft. Это плотный авторегрессионный трансформер с декодером, содержащий 14,1 млрд параметров; он принимает и генерирует текст, а длина контекста составляет 16 384 токена. Основной язык — английский. Модель дообучена на экспертно отобранных клинических рекомендациях, медицинских публикациях, синтетических примерах дифференциальной диагностики, медицинских тестах и общих данных. Она предназначена для исследовательской оценки ответов на медицинские вопросы и доступа к доказательной медицинской информации, в том числе в условиях ограниченных ресурсов. По карточке, модель не проходила дополнительную настройку для следования инструкциям; в описанной оценке ответы на вопросы получали через примеры в контексте или отдельное дообучение. Модель доступна по лицензии MIT. Это исследовательский инструмент, который не валидирован для диагностики, лечения или принятия клинических решений; результаты требуют проверки квалифицированными специалистами. Авторы также предупреждают, что модель может не учитывать локальные рекомендации и потребности конкретных групп пациентов.

OpenMed разработала эту модель для распознавания названий организмов и видов в тексте. Это дообученная модель BERT для классификации токенов: она находит упоминания видов и помечает их тегами B-SPECIES и I-SPECIES. Модель обучена на корпусе SPECIES800, содержащем аннотации научных и общеупотребительных названий видов в биомедицинской литературе. Модель принимает токенизированный текст и возвращает BIO-разметку упоминаний организмов. Архитектура насчитывает 135,5 млн параметров, а контекст ограничен 512 токенами. В карточке указаны F1 0,82, точность 0,81 и полнота 0,82 на SPECIES800. Модель рассчитана на извлечение видов из научных публикаций и биомедицинских текстов; заявленные в карточке применения включают анализ литературы и построение баз знаний. Лицензия — Apache-2.0. Качество может снижаться на текстах, отличающихся от SPECIES800, а длина одного обрабатываемого контекста ограничена 512 токенами. Модель выделяет упоминания видов, поэтому заявленные сценарии, связанные с лекарствами и клиническими исходами, требуют дополнительных специализированных компонентов.

OpenMed-NER-SpeciesDetect-ModernMed-149M — модель OpenMed для распознавания названий видов и организмов в биомедицинских текстах. Это дообученная для классификации токенов модель ModernBERT примерно на 149 млн параметров; она принимает токенизированный текст и возвращает BIO-разметку сущностей B-SPECIES и I-SPECIES. Для распознавания использован корпус LINNAEUS, ориентированный на упоминания видов в научной литературе. Модель подходит для извлечения названий организмов из научных публикаций, клинических документов и других биомедицинских текстов, а также для последующего анализа литературы и построения баз знаний. Заявленная длина контекста — 8192 токена; карточка приводит F1 0,85, precision 0,89 и recall 0,81. Указана лицензия Apache-2.0. Карточка также перечисляет более широкие сценарии биомедицинского NLP, но модель размечает только сущности видов, поэтому её не следует считать моделью для извлечения лекарств или выявления взаимодействий препаратов.

Fatih Burak Karagöz разработал Ottoman-NER Latin — модель распознавания именованных сущностей в исторических османских текстах, записанных латинской транслитерацией. Это BERT-модель для классификации токенов, дообученная на основе dbmdz/bert-base-turkish-cased на специально размеченном наборе данных в формате CoNLL. Модель выделяет имена людей (PER), географические названия (LOC) и организации (ORG). Она предназначена для исторической обработки текстов и проектов цифровой гуманитаристики; размер модели — 137,8 млн параметров, максимальная длина контекста — 512 токенов. В README приведены метрики на тестировании: precision 89,4%, recall 87,1% и F1 88,2%; они не гарантируют такое же качество на других корпусах. Лицензия — MIT.

Ovis-Omni-Embedding-3B-mixed-w2-w4-w8-ct — это экспериментальная версия модели ATH-MaaS/Ovis-Omni-Embedding-3B, подготовленная в формате compressed-tensors для запуска через backend vLLM. В трансформерных блоках языковой модели применено смешанное сжатие весов: W2A16 для слоёв 0–13, W4A16 для слоёв 14–26 и W8A16 для слоя 27; мультимодальные аудио- и визуальные модули, а также вспомогательные веса talker/token2wav сохранены в BF16. Архитектура основана на Qwen2.5-Omni. Модель предназначена для получения эмбеддингов через vLLM в сценариях, где требуется векторное представление входа; README сообщает о нормализованном векторе размерности 2048 при тестовом запуске. Артефакт проверен на RTX 3080 Laptop GPU с 8 ГБ памяти при ограничении контекста 256 токенов. Проверка качества выявила значительное расхождение с BF16-версией: средний cosine similarity составил −0,0357, совпадение ближайших соседей и Recall@1 — 10%, поэтому модель не является качественно эквивалентной заменой исходной. Лицензия в доступных материалах не приведена; README отсылает к карточке исходной модели ATH-MaaS/Ovis-Omni-Embedding-3B. Перед использованием следует проверить её условия. Метаданные указывают pipeline-тег text-to-audio, но README описывает тест эмбеддингов, а каталог также классифицирует модель как text-to-audio; подробные входные сценарии для эмбеддингов в карточке не раскрыты.

Это дообученная модель Qwen2.5-0.5B-Instruct от автора репозитория rautaditya: LoRA-адаптер ранга 16 объединён с исходными весами в единый чекпойнт MLX. Модель содержит около 494 млн параметров, построена на плотной архитектуре Qwen2 и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов с вызовом инструментов: в карточке показаны примеры вызова get_weather и calculator с передачей аргументов в JSON. Модель обучена на небольшом наборе из 101 примера для обучения и 11 для валидации; лучший чекпойнт выбран на 300-й итерации. В описанных проверках адаптер улучшил результаты на наборах тестов для формата вызова и выбора инструмента, однако отдельные ошибки сохраняются: модель может неверно обработать незнакомое написание города, неоднозначно запросить уточнение или дать неподтверждённый факт в ответе без вызова инструмента. Для запуска предназначен MLX-LM на Apple Silicon; README не сообщает лицензию этой модели.

Radiantloom Support Assist 7B — языковая модель Radiantloom AI для автоматизации клиентской поддержки. Это дообученная на 3 000 специально подготовленных примерах версия Zephyr-7B-Beta с архитектурой Mistral и 7,1 млрд параметров. Модель принимает текст и генерирует текст; в метаданных указан контекст до 32 768 токенов. README приводит длину контекста 4 096 токенов, поэтому фактический предел может зависеть от конфигурации модели. Модель предназначена для чат-ботов центров поддержки и диалогов в сценариях RAG, в том числе для B2B SaaS, электронной коммерции и корпоративных или персональных сайтов. Карточка указывает английский язык. Модель поставляется в формате safetensors и распространяется по лицензии Apache-2.0. Разработчик отмечает, что модель уступает более современным и крупнее предобученным моделям в общих задачах. Она может выдавать фактически неверные, предвзятые, непристойные или оскорбительные ответы, поэтому перед запуском требуется оценка качества и безопасности.

TsekTxt RoBERTa-Tagalog Taglish Misinformation Classifier — модель Ханса Джио Арки, созданная в рамках выпускного исследовательского проекта. Это дообученная модель jcblaise/roberta-tagalog-base с архитектурой RoBERTa и классификационной головой на два класса; она содержит 136,3 млн параметров и принимает последовательности длиной до 514 токенов. Модель классифицирует короткие и средние сообщения на тагальском, английском и их смешении Taglish как подозрительные или не подозрительные. Модель предназначена для выявления потенциальной дезинформации в сообщениях социальных сетей и может использоваться в конвейере проверки достоверности с атрибуцией значимости токенов через Integrated Gradients. В описанном тестировании на 2540 примерах указана точность 0,97. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с указанием авторства. Данные обучения смещены в сторону развлекательной и политической тематики. Качество на преимущественно англоязычных сообщениях отдельно не оценивалось; модель также не проверялась на новостных статьях, длинных документах и текстах вне филиппинского контекста. Её оценки не следует использовать как единственное основание для проверки фактов или решений с юридическими и репутационными последствиями.

dbmdz/bert-base-historic-multilingual-cased — многоязычная модель BERT от команды dbmdz, предварительно обученная на исторических текстах для задач распознавания именованных сущностей. Обучающие данные включают немецкие и французские корпуса Europeana, английский корпус British Library, а также финские и шведские тексты Europeana; общий объём корпусов составляет 130 ГБ. Для OCR-текстов использовалась фильтрация по уверенности распознавания. Модель имеет архитектуру BERT для masked language modeling, около 137,8 млн параметров и контекст до 512 токенов. Карточка указывает поддержку немецкого, французского, английского, финского и шведского языков; метаданные классифицируют модель для заполнения маски. Она может служить языковой основой для анализа исторических текстов и извлечения сущностей, однако конкретные показатели качества NER не приведены. Модель распространяется по лицензии MIT.

Go-Gourmet — дообученная модель Sadiah на базе mistralai/Mistral-7B-Instruct-v0.2 для создания структурированных карточек ресторанов по названию и местоположению. Это плотная авторегрессионная модель Mistral на 7,1 млрд параметров с контекстом до 32 768 токенов; она обучена методом QLoRA с помощью SFT Trainer на пользовательском наборе ресторанных данных. Карточки могут включать кухню, часы работы, адрес, рейтинг, средний чек, рекомендуемые блюда, необходимость бронирования, дресс-код и сайт. Модель подходит для ресторанных и туристических приложений, которым нужно формировать краткие структурированные справки по заведениям. Основной язык карточки — английский. Сведения могут быть неточными или устаревшими, особенно если данных о заведении нет в обучающем наборе, поэтому их следует проверять по официальным источникам. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

manupande21/GPT2_PMC — модель генерации текста на архитектуре GPT-2, дообученная на примерно 8 000 парах вопросов и ответов, созданных по открытым научным статьям из PubMed Central. Она предназначена для генерации ответов на вопросы по материалам этих статей и других близких научных текстов. Модель использует формат safetensors, имеет контекстное окно 1 024 токена и распространяется по лицензии MIT. Обучение на научных вопросах и ответах может быть полезно для прототипов систем поиска и ответов по биомедицинским публикациям. Карточка не приводит оценок качества, подробностей о датасете или результатов проверки, поэтому надёжность ответов и пригодность для клинических решений не установлены.

Harrier Tipitaka v1 — Sentence Transformer, дообученный dhammanana на базе microsoft/harrier-oss-v1-270m для семантического поиска по буддийским текстам. Модель преобразует предложения и абзацы в плотные векторы размерности 640; близость текстов оценивается косинусным сходством. Архитектура включает Gemma3TextModel, pooling по последнему токену и нормализацию эмбеддингов. В метаданных указано 257 млн параметров и контекст до 32 768 токенов, тогда как карточка модели задаёт максимальную длину последовательности 128 токенов. Модель предназначена для поиска релевантных отрывков Типитаки и сопоставления буддийских пассажей по смыслу. Для обучения использованы пары запрос–документ с MultipleNegativesRankingLoss; README приводит пример сопоставления палийского текста с английским переводом. Прикладной сценарий ограничен текстом, а качество для других тематик и языков карточка не подтверждает. Репозиторий содержит веса Safetensors и ONNX; сведения о лицензии в предоставленных данных отсутствуют.

HoloGeo — мультимодальная модель на базе Qwen/Qwen2.5-VL-7B-Instruct, разработанная для геолокации изображений и геопространственных рассуждений. Она анализирует регионы изображения и объединяет признаки архитектуры, растительности, рельефа, климата, инфраструктуры, текста и культурного контекста, чтобы предсказывать страну и город, снижая зависимость от одного заметного ориентира. Модель принимает изображения и текстовые инструкции, а выдаёт текстовый разбор визуальных свидетельств и прогноз местоположения. Обучение включало дообучение LoRA и GRPO; выпущенные веса объединены с базовой моделью. HoloGeo предназначена для исследований геолокации изображений, устойчивости к смещению в сторону известных ориентиров и мультимодальных географических рассуждений. Лицензия модели — Apache 2.0. Предсказания могут быть ошибочными или чрезмерно уверенными, особенно для удалённых, редких или визуально похожих мест и регионов, недостаточно представленных в обучении. Анализ может содержать галлюцинации и необоснованные географические ассоциации; результат зависит от качества изображения, охвата данных и формулировки запроса, поэтому его следует проверять независимо.

Med-LLaMA3.2-3B Medical — медицинская языковая модель Mohamed Ahmed, созданная дообучением Llama 3.2 3B Instruct методом QLoRA с последующим объединением LoRA-весов с базовой моделью. Это самостоятельный чекпойнт для Transformers с 3,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для ответов на медицинские вопросы, поиска клинических знаний и вспомогательной поддержки клинических решений. Она обучалась на медицинских инструкциях, вопросах с вариантами ответа, научной литературе и диалогах с пациентами. Основной язык — английский; качество на других языках не оценивалось. Формат репозитория — safetensors, лицензия — Llama 3.2. Размер 3B предлагает компромисс между вычислительными требованиями и возможностями модели. Она может уверенно формулировать ошибочную медицинскую информацию, испытывает трудности с неоднозначными сокращениями и может отражать смещения обучающих данных. Это не медицинское устройство; результаты требуют проверки квалифицированным специалистом, а модель не предназначена для самостоятельной диагностики, назначения лечения или принятия решений о помощи пациенту.

NewsBERT_1800-1920 — англоязычная доменно-адаптированная модель BERT, разработанная TextMachineProject на основе google-bert/bert-base-uncased. Её дообучили с задачей masked language modeling на исторических газетных текстах 1800–1920 годов из коллекций HMD14 и LwM. Модель сохраняет архитектуру и словарь BERT-base uncased: 136,7 млн параметров, WordPiece из 30 522 токенов, 12 слоёв, 12 голов внимания, размер скрытого состояния 768 и максимальную длину последовательности 512 токенов. Основное применение — предсказание замаскированных слов в историческом газетном английском. Представления CLS также можно использовать для кодирования текстов и сравнения статей по сходству. Модель принимает текст и выдаёт текстовые предсказания; она рассчитана на английский язык и специализирована на газетах XIX — начала XX века. Лицензия — MIT.

OpenMed разработала OpenMed-NER-OrganismDetect-BioMed-109M — дообученную модель BERT для распознавания названий организмов в биомедицинском тексте. Модель обучена на корпусе SPECIES800 и выделяет упоминания видов, включая научные и общеупотребительные названия, разметкой B-SPECIES и I-SPECIES. Модель принимает токенизированный текст и выдаёт BIO-разметку для извлечённых сущностей. Её применяют для поиска упоминаний организмов в научных аннотациях и биомедицинских документах, а также для анализа биоразнообразия и таксономической литературы. Архитектура — BertForTokenClassification на базе BiomedNLP-BiomedELECTRA-base-uncased-abstract; размер — 136,7 млн параметров, контекст — до 512 токенов. В README указаны F1 0,79, точность 0,76 и полнота 0,83 на SPECIES800. Модель рассчитана на английский язык. Она распознаёт сущности видов, а не лекарства или химические соединения; заявленные в README сценарии извлечения лекарств и обнаружения взаимодействий не подтверждаются описанными метками. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-SpeciesDetect-ElectraMed-335M — дообученную модель на базе архитектуры BERT для распознавания названий видов и организмов в биомедицинских текстах. Она выполняет токенную классификацию с BIO-метками B-SPECIES и I-SPECIES и обучена на корпусе LINNAEUS, ориентированном на распознавание научных и общеупотребительных названий организмов в литературе. Модель принимает токенизированный текст и выдаёт метки сущностей; максимальная длина контекста составляет 512 токенов, размер — около 433,9 млн параметров. Указанный в карточке показатель F1 на LINNAEUS — 0,88. Модель предназначена для извлечения упоминаний видов и организмов из научных публикаций и других биомедицинских документов, в том числе для таксономического поиска и анализа литературы. Карточка также перечисляет клинический анализ текстов и обработку медицинских записей, но описанная задача и разметка специализированы на видах, поэтому извлечение лекарств и других типов сущностей не подтверждено. Модель доступна в формате safetensors и совместима с Transformers; лицензия — Apache-2.0.

ghadeermobasher/BC4_Original-BiomedNLP-PubMedBERT-base-uncased-abstract — модель на архитектуре BERT для token classification, разработанная ghadeermobasher на основе BiomedNLP-PubMedBERT Microsoft. Она дообучена для распознавания упоминаний химических соединений и лекарственных средств в англоязычных научно-медицинских текстах, в частности в аннотациях PubMed и корпусе BioCreative IV CHEMDNER. Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Её основное применение — извлечение химических сущностей из биомедицинской литературы для последующего поиска, индексации и построения систем текстового анализа. Модель предназначена для английского языка и не является генеративной. Сильная сторона модели — специализация на биомедицинской терминологии и задаче распознавания химических сущностей. Ограничения связаны с узкой предметной областью, зависимостью от схемы разметки BC4CHEMD и максимальной длиной контекста; качество на других языках, типах документов и задачах общего назначения не гарантируется.

BDI-batch — англоязычная модель Sentence Transformers, разработанная Marcos Fernández-Pichel и David E. Losada из CiTIUS, USC. Это дообученный контрастивным обучением двухэнкодерный MPNet для поиска предложений, связанных с 21 симптомом депрессии из опросника Beck Depression Inventory (BDI). Модель основана на sentence-transformers/all-mpnet-base-v2, содержит 136,7 млн параметров, формирует эмбеддинги размерностью 384 и рассчитана на контекст до 514 токенов. Модель предназначена для исследовательского поиска психологических маркеров в текстах социальных сетей и тонкого различения близких симптомов BDI. Обучение проводилось на наборе DepreSym примерно из 21,5 тыс. размеченных предложений с использованием контрастивной функции MultipleNegativesRankingLoss и пар, сформированных с учётом структуры опросника. В README сообщается об улучшении метрик retrieval на наборах eRisk 2023 и 2024 относительно базовых эмбеддингов. Модель не предназначена для постановки диагноза, скрининга без участия специалиста, автоматических вмешательств или производственных медицинских систем без отдельной проверки. Она обучена на англоязычных публикациях в социальных сетях, может пропускать неявные упоминания и ограниченно переносится на другие опросники и культурные контексты. Лицензия — Apache-2.0.

Модель disham993/electrical-ner-distilbert-base разработана на основе distilbert/distilbert-base-uncased и дообучена для распознавания именованных сущностей в технических текстах по электротехнике. Она размечает упоминания компонентов, материалов, стандартов и проектных параметров, встречающиеся в описаниях проектирования схем, испытаний, обслуживания, монтажа, поиска неисправностей и исследований. Архитектура — DistilBERT для классификации токенов; модель принимает текст, поддерживает английский язык и имеет контекстное окно 512 токенов. В оценке на ElectricalNER указаны F1 0,922, точность 0,9132 и полнота 0,9309. Датасет был сформирован с помощью GPT-4o-mini, поэтому возможны ошибки разметки и неверная классификация сущностей; модель может хуже работать с неоднозначными фрагментами и не предназначена для других предметных областей. Результаты следует проверять перед применением в критически важных сценариях. Лицензия — MIT; автор рекомендует исследовательское и образовательное использование.

Gemma-SEA-LION-v3-9B-IT-Cebuano — модель Lucas Joyce, созданная слиянием базовой Gemma-SEA-LION-v3-9B-IT и LoRA-адаптера для словарных запросов на Cebuano (Binisaya). Это плотная авторегрессионная модель Gemma 2 примерно на 9,3 млрд параметров; она принимает текст и генерирует ответы, в том числе переводы и толкования слов на Cebuano и английском. Контекст составляет 8192 токена, веса доступны в формате safetensors, адаптер уже объединён с базовой моделью. Модель предназначена прежде всего для поиска английских значений Cebuano-слов по словарным данным, собранным из двух источников, включая словарь John U. Wolff и данные Wiktionary. Авторы указывают, что точность зависит от формулировки запроса: редкие слова и перефразированные вопросы могут приводить к уверенным, но неверным толкованиям; ответы следует проверять по словарю. Глоссы могут быть длинными и неудобными для изучающих язык, а модель склонна придумывать значения для несуществующих слов. Для лучших результатов рекомендуется использовать шаблонные формулировки и низкую температуру генерации. Лицензия модели — Gemma Terms of Use; повторное использование данных Wiktionary требует атрибуции и соблюдения CC BY-SA 4.0.

shashankmc/gysbert-citation-ner-v2b — модель на основе BERT, дообученная на GysBERT для обнаружения в нидерландских текстах полных ссылок на римское право. Она размечает токены в формате BIO-2: метка LEG охватывает цитату целиком, например «L 1 § 2 ff de minoribus»; предназначена для автоматического извлечения таких ссылок из исторических юридических рукописей. Модель содержит 136,7 млн параметров, использует контекст до 512 токенов и распространяется в формате safetensors. На отложенной рукописи модель показала F1 67,0%, точность 71,1% и полноту 63,3% при окне обработки 512 подслов; рекомендованный порог уверенности — 0,5. Результат оценки основан на сравнении с эталонным методом проекта и не гарантирует такую же точность на других рукописях. Лицензия в предоставленных данных не указана.

bactrianus/HotpotQA-Reader-Llama-3-8B-Instruct — дообученная диалоговая причинная языковая модель на базе Meta Llama 3 8B Instruct, разработанная для этапа генерации ответа в конвейере HotpotQA. Она получает вопрос и заранее отобранные подтверждающие предложения с заголовками источников и формулирует краткий ответ на английском языке. Поиск в Wikipedia и отбор свидетельств выполняются отдельно; модель рассчитана на исследование и оценку этапа reader, в том числе в составе конвейера selector–reader. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Это исторический чекпойнт Llama 3, а не вариант Llama 3.1 из более поздней работы. Веса опубликованы в формате safetensors; лицензия — Llama 3. Качество ответа зависит от полноты и точности переданных свидетельств, а выходной текст может быть неподтверждённым или требовать нормализации перед оценкой.

hyb16-swa1k-s0 — компактная причинная языковая модель семейства GDN2 от Berlm, выпущенная для исследования гибридных механизмов внимания. Она содержит около 291 млн параметров по метаданным Hugging Face; в README приведена конфигурация на 366 млн параметров, поэтому размер в источниках расходится. Модель обучена с нуля на 15 млрд токенов FineWeb-Edu с последовательностями длиной 16 384 токена и использует токенизатор Llama 2. Архитектура включает 24 слоя: 18 слоёв с gated sliding-window attention и окном 1 024 токена, а также 6 слоёв полнослойного внимания. Модель предназначена для генерации текста и экспериментов с обработкой длинного контекста; в описанных тестах она сохраняет качество поиска одного фрагмента на контекстах до 32K токенов. Поддерживаемый язык по карточке — английский. Это небольшая исследовательская базовая модель, а не чат-ассистент: она не проходила instruction- и safety-тюнинг, поэтому может выдавать фактически неверный или оскорбительный текст. Для запуска требуются CUDA GPU, код модели из репозитория и дополнительные библиотеки. Лицензия — MIT.