I.1Поиск и навигация по информации

Kanha-AI/kanha-kanha.ai-1.7b-qlora — дообученная методом QLoRA модель Kanha-AI на базе Qwen/Qwen3-1.7B. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров, рассчитанная на генерацию текста и диалоги; длина контекста составляет 40 960 токенов. Чекпойнт обучен на небольшом наборе данных, полученном с сайта Kanha, и предназначен для контролируемой оценки ответов на вопросы по его содержимому и сравнения методов обучения. Модель принимает текст и генерирует текст. В карточке указаны английский язык и сценарий вопросов и ответов по сайту; базовая Qwen3 описана как многоязычная, но поддержка других языков именно этим чекпойнтом не подтверждена. В оценке хорошо восстанавливались даты и URL, однако точность списков была низкой, а доля неподтверждённых значений — высокой. Ответы могут быть ошибочными, неполными или устаревшими, а модель может запоминать обучающие данные; результаты следует проверять. Веса представлены в формате safetensors, также доступны артефакты MLC с квантизацией q4f16_1. Лицензия в предоставленных данных не указана.

OpenMed-NER-GenomeDetect-ElectraMed-560M — модель OpenMed для распознавания упоминаний генов и белков в биомедицинском тексте. Это дообученный трансформер с архитектурой XLM-RoBERTa и примерно 658,7 млн параметров; модель принимает токенизированный текст и выдаёт BIO-метки для токенов. Контекст составляет до 514 токенов. Модель предназначена для извлечения генов и белков из научных публикаций, медицинских записей и других биомедицинских документов. Её можно применять для разметки текста при поиске по литературе и построении биомедицинских баз знаний. В README указаны BC2GM как обучающий набор и F1 0,87 на этом корпусе; упомянутые сценарии выявления лекарственных взаимодействий и побочных эффектов требуют дополнительных этапов обработки и не являются непосредственным выходом модели. Модель распространяется по лицензии Apache-2.0. Карточка описывает её как готовую к применению, но приведённые метрики относятся к BC2GM и сами по себе не подтверждают точность на клинических документах или других типах текста.

OpenMed-NER-GenomeDetect-SnowMed-568M — специализированная модель OpenMed для распознавания упоминаний генов и белков в биомедицинских текстах. Она предназначена для разметки сущностей в научных публикациях, клинических записях и других медицинских документах, например для поиска генов в литературе и извлечения упоминаний из медицинских текстов. Модель использует архитектуру XLM-RoBERTa и задачу классификации токенов, выдавая метки BIO для сущностей B-GENE/PROTEIN и I-GENE/PROTEIN. Размер — около 658,7 млн параметров, контекст — до 8194 токенов. В README указано, что модель дообучена на корпусе BC2GM; сообщаемая оценка F1 на этом наборе составляет 0,87. Метаданные указывают английский язык и формат safetensors. Модель может помогать в извлечении генов и белков для биомедицинского поиска и анализа, однако обучалась на распознавании именно таких упоминаний и не классифицирует другие типы сущностей. Показатели приведены для BC2GM и не гарантируют такое же качество на клинических документах или иных корпусах. Лицензия — Apache-2.0.

OpenMed разработала эту модель для распознавания упоминаний генов и белков в биомедицинских текстах. Это дообученная RoBERTa-модель для классификации токенов с 151,8 млн параметров и контекстом до 514 токенов; она принимает токенизированный текст и выдаёт BIO-разметку сущностей B-GENE/PROTEIN и I-GENE/PROTEIN. Модель обучена на корпусе BC2GM и предназначена для анализа научной литературы и медицинских документов, извлечения сущностей для последующего поиска и построения биомедицинских баз знаний. В карточке указаны F1 0,87, точность 0,85 и полнота 0,89 на BC2GM. Эти результаты относятся к указанному набору данных и не гарантируют такого же качества на клинических записях или текстах из других источников. Модель распознаёт именно гены и белки; карточка не подтверждает распознавание лекарств или побочных эффектов. Лицензия — Apache-2.0.

OpenMed/OpenMed-NER-ProteinDetect-MultiMed-568M — модель OpenMed для распознавания и классификации биомедицинских сущностей в тексте. Это дообученный XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и примерно 658,7 млн параметров; модель принимает токенизированный текст и выдаёт BIO-разметку. Указанный контекст составляет 8194 токена. Модель обучена на корпусе FSU и распознаёт белки, белковые комплексы, семейства и группы белков, а также варианты белков. Модель предназначена для извлечения сущностей из научной биомедицинской литературы и других текстов о молекулярной биологии, например для поиска упоминаний белков при анализе взаимодействий и построении баз знаний. В README приведены результаты на FSU: F1 0,9579, точность 0,9564, полнота 0,9595 и accuracy 0,9788; эти показатели относятся к указанному набору данных. Карточка указывает лицензию Apache-2.0. Заявленное применение к медицинским записям требует отдельной проверки: описанные типы сущностей и корпус ориентированы на белки и молекулярную биологию.

Samuel Mauli разработал parity-embedding-juridico-br-v4 — плотную модель эмбеддингов на базе BERT, дообученную для бразильской юридической тематики и государственных закупок. Она преобразует текстовые фрагменты в векторы для семантического поиска, сравнения сходства и кластеризации; подходит для поиска по решениям и сводкам TCU, законодательству о закупках и связанной литературе. Модель основана на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, содержит 124,3 млн параметров и принимает последовательности длиной до 512 токенов. В README описано обучение на контрастивных парах и трудных отрицательных примерах; выходные векторы имеют размерность 384. Модель ориентирована на португальский язык Бразилии и узкую правовую область, поэтому её не рекомендуют для общих задач эмбеддингов. README предупреждает, что обучение проводилось на небольшом наборе примерно из 130 триплетов. Лицензия — Apache-2.0.

thangvip разработал эту модель как специализированную версию Qwen3 для сложных юридических вопросов на вьетнамском языке. Это плотная причинная языковая модель семейства Qwen3 с 3,7 млрд параметров, дообученная методом GRPO на сложных задачах юридического вопросно-ответного формата; она продолжает обучение модели thangvip/qwen3-4b-vietnamese-legal-grpo. Метаданные указывают контекст до 40 960 токенов. Модель предназначена для многошагового юридического анализа, построения силлогистических аргументов, предварительного изучения правовых вопросов и учебных сценариев. Она может формировать структурированные ответы и приводить юридические ссылки. Оптимизирована для вьетнамского правового контекста; вывод может быть длинным. Указанные в README ссылки и правовые выводы требуют проверки человеком, модель не заменяет профессиональную юридическую консультацию. Модель доступна по лицензии Apache-2.0. README описывает этап 2 обучения на сложных примерах и сообщает о контексте до 8 192 токенов, тогда как метаданные каталога указывают нативный контекст 40 960 токенов; эти значения относятся к разным характеристикам и не дают оснований считать их взаимозаменяемыми.

aozalevsky/search_slm_demo — дообученная модель на 4 млрд параметров, созданная на базе Qwen/Qwen3.5-4B и предназначенная для преобразования запросов на естественном языке в структурированные запросы к RCSB PDB Search API v2. Она также может редактировать предыдущий запрос по уточнению пользователя и возвращать структурированную ошибку, если запрос не относится к поиску структур или в нём не хватает данных для поиска. Модель рассчитана на запуск через Transformers на одной видеокарте с 16 ГБ памяти и обучена на англоязычных запросах к макромолекулярным структурам.

Это экспериментальный SFT-чекпойнт проекта slm-calibration-rlcd, разработанный 25b3nk на основе HuggingFaceTB/SmolLM2-360M-Instruct. Модель дообучена целиком на 3000 примерах обучающей части google/boolq и предназначена для ответов «да» или «нет» на вопросы по отрывку с указанием уверенности от 0,0 до 1,0. Архитектура — плотная LlamaForCausalLM примерно на 361,8 млн параметров; контекст — до 8192 токенов, веса представлены в safetensors. Чекпойнт обучен только методом SFT и служит стартовой точкой перед GRPO: этап GRPO на нём ещё не проводился. В README для среза из 500 примеров BoolQ указаны точность 0,804 и Brier score 0,167; эти результаты относятся к описанной оценке и не гарантируют качество на других данных. Модель рассчитана на английские BoolQ-подобные отрывки и вопросы. Лицензия — Apache-2.0.

BGE-Meteo-zh — китайская модель эмбеддингов для метеорологических текстов, дообученная разработчиками репозитория на базе BAAI/bge-large-zh-v1.5. Она предназначена для семантического поиска и извлечения материалов о погоде и метеорологии в системах RAG. Модель использует архитектуру BERT, содержит 424,3 млн параметров, формирует векторы размерности 1024 и принимает контекст длиной до 512 токенов. Для дообучения применялось контрастивное обучение InfoNCE на вопросах и ответах, созданных по метеорологическим книгам, с трудными отрицательными примерами. В описанном тесте на отложенных книгах модель улучшила метрики поиска по сравнению с базовой BGE; эффективность проверена также на открытом наборе AtmosphericQA. Модель рассчитана на китайский язык и метеорологическую тематику; качество на английских текстах и перенос на другие области не оценивались. Лицензия — MIT.

FinShibainu — языковая модель aiqwe для вопросов и генерации текста по финансовой и бухгалтерской тематике. Она создана на базе Qwen2.5-7B-Instruct и дообучена с помощью LoRA (r=8, alpha=64); модель имеет 7,1 млрд параметров, архитектуру Qwen2 и контекст до 32 768 токенов. Вес опубликован в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для ответов на вопросы, многошаговых вопросов с выбором ответа и работы с финансовыми справочными материалами. В README отмечено, что ответы точнее при передаче справочного фрагмента вместе с вопросом; без него ответы могут быть короче и менее разнообразны. Карточка описывает обучение преимущественно на корейских финансовых и экономических материалах, поэтому основным языком модели следует считать корейский. Для инференса автор приводит пример использования vLLM и указывает RTX 3090 или более мощный GPU как типичную конфигурацию.

Экспериментальная чат-модель на базе GPT-2 Medium, разработанная egonrp и дообученная на португалоязычных наборах wiki_pt и squad_v1.1_pt. Она предназначена для генерации текста в диалоговом сценарии, включая ответы на вопросы и продолжение текста на португальском языке. Модель использует архитектуру GPT-2 с плотными слоями и доступна в формате PyTorch. Размер контекста — 1024 токена. В карточке автор называет её экспериментом; подробные сведения об оценке качества и ограничениях не приведены. Лицензия — MIT.

K2 — языковая модель для геонаук, созданная командой daven3 на основе LLaMA. Она прошла дополнительное предобучение на очищенной геонаучной литературе, включая научные статьи открытого доступа и страницы Википедии. В карточке указано 6,6 млрд параметров; архитектура — плотная LlamaForCausalLM, формат весов — PyTorch. Репозиторий содержит delta-веса после дополнительного предобучения, а не полную базовую модель. Модель предназначена для генерации текста и ответов на вопросы по геологии, географии и наукам об окружающей среде. Для адаптации под инструкции использовались данные GeoSignal, а предварительная оценка проводилась на бенчмарке GeoBenchmark. Авторы сообщают о результатах выше нескольких моделей сравнимого размера на объективных и субъективных заданиях этого бенчмарка. Веса опубликованы по лицензии Apache-2.0; README отмечает, что delta-веса выпущены для соблюдения лицензии базовой LLaMA. Для использования требуется базовая модель, а README отсылает к репозиторию K2 за инструкциями. Заявления об оценке относятся к указанному бенчмарку и сами по себе не гарантируют качество в других сценариях.

Legal SLM — специализированная языковая модель на 401,5 млн параметров, разработанная Tirth2109 для работы с юридическими текстами. Это плотная авторская архитектура LegalSLMForCausalLM в стиле Llama: причинный декодер с 24 слоями, размером скрытого состояния 1024 и контекстом до 1024 токенов. Модель обучена с нуля на корпусах индийского и международного права, а затем дообучена на юридических вопросах и ответах и синтетических запросах для GraphRAG. Модель предназначена для генерации ответов на юридические вопросы и работы в сценариях RAG, где ответ опирается на предоставленный контекст. При предварительном обучении использовалось контрастивное выравнивание юридических сущностей и связей графа знаний. Основной акцент сделан на Уголовном кодексе Индии и праве Индии; языковая карточка указывает английский. Это экспериментальная исследовательская модель ранней стадии с ограниченными вычислительными ресурсами и небольшим размером: на сложных многошаговых запросах возможны повторы и ухудшение связности, а правовые нормы Индии могут ошибочно применяться к другим юрисдикциям. Модель не заменяет квалифицированного юриста. Для загрузки используется формат safetensors и требуется разрешить загрузку пользовательского кода. Лицензия — Apache-2.0.

Модель potsawee/longformer-large-4096-answering-race — версия Longformer Large, дообученная на наборе RACE для ответов на вопросы с выбором из нескольких вариантов. Она принимает контекст, вопрос и варианты ответа, объединённые в последовательность, и выдаёт оценку (logit) для каждого варианта; вероятности можно получить нормализацией оценок. Модель служит компонентом QA в исследовательском проекте MQAG. Модель построена на архитектуре Longformer и содержит около 454,1 млн параметров. Родная длина контекста — 4098 токенов. Она рассчитана на англоязычные задачи понимания прочитанного и выбора ответа. Лицензия — Apache-2.0.

OpenMed разработала эту специализированную модель для распознавания сущностей, связанных с хроническим лимфолейкозом (ХЛЛ), в медицинских и научных текстах. Это дообученная ModernBERT-base с 149 млн параметров, архитектурой ModernBertForTokenClassification и контекстом до 8192 токенов. Модель принимает токенизированный текст и возвращает BIO-разметку; указаны метки B-CL и I-CL. Карточка заявляет поддержку английского языка. Модель предназначена для извлечения упоминаний ХЛЛ из медицинской документации и научной литературы, а также для анализа терминологии, биомаркеров и лечения в гематологии и онкологии. В карточке приведены точность 1,00, полнота 0,35 и F1 0,52 на корпусе CLL: высокая точность сопровождается низкой полнотой, поэтому модель может пропускать многие подходящие сущности. Лицензия — Apache-2.0.

OpenMed разработала эту модель для распознавания клинических сущностей, связанных с хроническим лимфолейкозом (ХЛЛ), в медицинских и научных текстах. Это дообученная модель DistilBERT для классификации токенов; она размечает сущности тегами B-CL и I-CL и выдаёт предсказания в формате BIO. Размер модели — 65 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для извлечения упоминаний о ХЛЛ из клинических записей, медицинской литературы и документов здравоохранения. Её можно применять для анализа терминологии заболевания, поддержки медицинского текстового майнинга и исследований в гематологии и онкологии. В карточке приведены результаты на CLL-корпусе: F1 0,85, точность 0,78, полнота 0,94 и accuracy 0,97; эти показатели относятся к указанному набору данных. Модель принимает текст на английском языке и выдаёт метки сущностей для токенов. Область разметки узкая: карточка указывает только классы CL, поэтому описание сценариев для извлечения лекарств, взаимодействий или нежелательных явлений следует рассматривать как заявленные примеры применения, а не как отдельные типы сущностей. Лицензия — Apache-2.0.

OpenMed-NER-GenomicDetect-MultiMed-568M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Это дообученная модель XLM-RoBERTa для классификации токенов размером 658,7 млн параметров с контекстом до 8194 токенов. По карточке, она обучена на корпусе GELLUS и размечает сущности типа Cell-line-name с BIO-тегами. Модель предназначена для извлечения упоминаний клеточных линий из научной и клинической литературы и других биомедицинских документов. Такие разметки можно использовать для поиска и анализа упоминаний в геномике и молекулярной биологии. README также заявляет сценарии вроде анализа медицинских записей и поиска по литературе, но перечисленные метки ограничены типом Cell-line-name. Карточка сообщает о точности, полноте и F1, равных 1,00 на текущей оценке, однако методика и независимая проверка этих результатов не приведены. Модель принимает токенизированный текст и выдаёт метки токенов; языковой тег — английский. Лицензия — Apache-2.0.

OpenMed разработала модель для распознавания упоминаний организмов и видов в научных текстах. Это дообученная модель семейства BERT с архитектурой BertForTokenClassification, примерно 136,7 млн параметров и контекстом до 512 токенов. Она принимает токенизированный текст и размечает названия видов тегами B-SPECIES и I-SPECIES. Модель обучена на корпусе SPECIES800, содержащем аннотации упоминаний организмов в биомедицинских публикациях. Её можно применять для извлечения названий видов из аннотаций PubMed, биомедицинского текстового поиска и анализа литературы по биоразнообразию и таксономии. В README приведены оценки на SPECIES800: F1 0,8458, точность 0,8287 и полнота 0,8637. Базовая архитектура — BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext. Модель поддерживает английский язык; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Показатели и область применения описаны для распознавания видов в биомедицинских текстах, поэтому качество на иных жанрах и языках не подтверждено.

PMC_LLaMA_13B — языковая модель семейства LLaMA, разработанная авторами проекта PMCLLaMA для задач в медицинской области. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст. Максимальная длина контекста — 2048 токенов; веса представлены в формате PyTorch. Модель предназначена для генерации текста и ответов на медицинские вопросы. По карточке, она показывает сопоставимые с ChatGPT результаты на медицинских бенчмарках вопросов и ответов. В описании проекта указано, что MedLLaMA_13B получила медицинские знания в ходе дополнительного предобучения на медицинском корпусе, а PMC_LLaMA_13B была настроена на наборе инструкций; базовой моделью названа LLaMA-13B. Лицензия модели — OpenRAIL. Карточка не приводит подробностей о медицинских ограничениях или пригодности ответов для клинических решений.

premsa/political-bias-prediction-allsides-mBERT — модель классификации текста на базе BERT, обученная для предсказания политической предвзятости по материалам AllSides. Она предназначена для автоматической оценки политических формулировок и анализа новостных текстов. В README приведён пример классификации немецкого предложения и описано обучение с проверкой на валидационной выборке; лучший результат на тестовой выборке составил F1 0,8842. Модель содержит 194,6 млн параметров, принимает текст длиной до 512 токенов и доступна в формате safetensors. Обучение проводилось в течение пяти эпох с выбором чекпойнта по валидационной потере; в README указано, что наилучшая потеря была у второй эпохи. Лицензия — Apache-2.0. README не уточняет набор меток, используемое семейство mBERT или языковой охват, поэтому пример на немецком сам по себе не подтверждает поддержку других языков.

philipp-zettl/all-MiniLM-L6-v2-mtg-v2 — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2. Энкодер на архитектуре BERT преобразует текст в нормализованные плотные векторы размерности 384; для сравнения используется косинусное сходство. Контекст модели — до 512 токенов по метаданным, а карточка указывает максимальную длину последовательности 256 токенов. Модель обучена на 2 132 917 парах текстов с MultipleNegativesRankingLoss и предназначена для поиска и сопоставления запросов с документами, в частности для текстов о картах Magic: The Gathering. Её можно применять для семантического поиска, извлечения релевантных описаний и ранжирования по сходству. Прикладной язык и домен обучения — англоязычные карточки Magic: The Gathering; качество на других языках и темах карточка не характеризует. Лицензия в предоставленных данных не указана.

alpha-umi-caller-13b — модель-вызыватель инструментов размером 13B из разработанной авторами статьи «Small LLMs Are Weak Tool Learners: A Multi-LLM Agent» системы обучения агентов alpha-UMi. Это плотная авторегрессионная модель семейства Llama для генерации текста; в метаданных указаны 12,9 млрд параметров, контекст до 4096 токенов и библиотека Transformers. Модель предназначена для работы в составе много-модельного агента: она взаимодействует с alpha-umi-planner и alpha-umi-summarizer и применима к ToolBench. Карточка не описывает поддержку других задач или сценариев и не приводит сведения о языках обучения; метаданные отмечают английский язык. Модель распространяется по лицензии Apache-2.0.

Это модель семейства RoBERTa, разработанная MediaBiasGroup и дообученная для классификации предложений по наличию медийной предвзятости. Она предварительно обучалась на слабых метках для обнаружения медийной предвзятости, а затем была дообучена для классификации предложений на датасете BABE в рамках исследования о применении аннотаций LLM при разметке данных. Модель предназначена для анализа англоязычных медиатекстов на уровне предложений и может использоваться для разметки и исследовательского изучения медийной предвзятости. Архитектура — RobertaForSequenceClassification, около 151,8 млн параметров; максимальный контекст составляет 514 токенов. Модель принимает текст и выдаёт метки классификации. Репозиторий содержит веса PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

deka-qwen3-emb-0.6b-triplet-lay — плотный текстовый энкодер, созданный anonymousresearch123 полным дообучением Qwen/Qwen3-Embedding-0.6B. Модель предназначена для поиска дел Верховного суда Таиланда: сопоставляет пользовательский запрос с релевантными судебными делами, обучаясь по triplet objective; сторона документов настроена на регистр lay, а запросы обучались на текстах fact. Модель использует архитектуру Qwen3Model с извлечением представления последнего токена, левым дополнением последовательностей и L2-нормализацией. Размер — 507,6 млн параметров, максимальный контекст — 32 768 токенов. Для получения запросных эмбеддингов требуется добавлять инструкционный префикс, использованный при обучении; к документам его добавлять не следует. В тестах на полном корпусе чистых релевантностей Recall@10 составил 12,86 для пользовательских запросов, 25,24 для запросов в регистре lawer и 29,52 для fact. Модель рассчитана на поиск по тайским судебным документам, поэтому её результаты на других языках и предметных областях не подтверждены. Доступна под лицензией Apache-2.0.

disham993/electrical-ner-ModernBERT-base — англоязычная модель распознавания именованных сущностей в текстах по электротехнике, созданная дообучением answerdotai/ModernBERT-base. Это encoder-модель семейства ModernBERT с 149 млн параметров, архитектурой для классификации токенов и контекстом до 8192 токенов. Она выделяет компоненты, материалы, стандарты и параметры проектирования в технических текстах об электрических схемах, испытаниях, обслуживании, монтаже и устранении неисправностей. Модель обучена на наборе disham993/ElectricalNER, подготовленном с помощью GPT-4o-mini. В карточке указаны результаты оценки: F1 0,9177 и точность 0,9664. Модель рассчитана на английский язык и электротехническую тематику; в других областях её качество не гарантируется, а неоднозначный контекст и ошибки в автоматически созданных обучающих данных могут приводить к неверной разметке. Лицензия — MIT; автор рекомендует проверять результаты перед применением в критичных сценариях.

Это MLX-конверсия чекпойнта NVIDIA Nemotron-3.5-Lightning-30B-A3B-NVFP4-DSpark для Apple Silicon, подготовленная Sawfwair как companion-модель для спекулятивного декодирования с mere.run. Она предназначена для совместной работы с целевой моделью Nemotron-3.5-Lightning и не является самостоятельной чат-моделью. Семейство Nemotron-3.5-Lightning — гибридная языковая модель для диалога, рассуждений и агентных сценариев; DSpark-чекпойнт служит для ускорения её генерации. В README указаны 967 млн параметров, контекст до 1 млн токенов и поддержка английского, испанского, французского, немецкого, итальянского и японского языков. Метаданные указывают 741,7 млн параметров и архитектурный класс Qwen3DSparkModel; расхождение в подсчёте параметров не разрешено источниками. Модель рассчитана на текстовый ввод и вывод; ответы, рассуждения, вызовы инструментов и структурированные данные зависят от шаблона чата и настроек приложения. README описывает исходную DSpark-версию как NVFP4-квантизированную, тогда как этот репозиторий — детерминированная конверсия в формат MLX. Лицензия обозначена как other в метаданных; README требует соблюдения OpenMDW-1.1. Качество ответов базовой модели может быть неточным и зависеть от предметной области, языка и длины контекста; перед внедрением требуется оценка на прикладных данных.

OpenMed разработала специализированную модель распознавания клинических сущностей, дообученную для выявления терминов, связанных с хроническим лимфолейкозом (CLL), в биомедицинских текстах. Это модель семейства BERT с архитектурой BertForTokenClassification; в метаданных указано 433,9 млн параметров и контекст 512 токенов. Модель принимает токенизированный биомедицинский текст и возвращает метки сущностей в формате BIO; заявленный тип сущности — B-CL и I-CL. Модель предназначена для извлечения CLL-связанных сущностей из научных публикаций и медицинских документов, например для анализа упоминаний заболевания, биомаркеров и лечения. README сообщает F1 0,53, точность 0,48, полноту 0,60 и accuracy 0,91 на датасете CLL, поэтому качество извлечения может быть ограниченным и требует проверки для конкретного применения. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала специализированную модель распознавания клинических сущностей, дообученную для выявления понятий, связанных с хроническим лимфолейкозом (CLL), в биомедицинских текстах. Она использует архитектуру BERT для классификации токенов и выдаёт разметку сущностей в формате BIO; заявленная базовая архитектура — BiomedNLP-BiomedBERT-base-uncased-abstract. Модель принимает токенизированный текст и поддерживает контекст до 512 токенов. Модель предназначена для извлечения терминов CLL из медицинских записей и научных публикаций, включая упоминания заболевания, биомаркеров, лечения и клинических понятий. В карточке указаны метрики на наборе CLL: F1 0,57, точность 0,76 и полнота 0,45, поэтому извлечённые сущности требуют проверки, особенно при сценариях, где пропуски критичны. Репозиторий распространяется под лицензией Apache-2.0.

Это дообученная Sergio Torres Aguilar модель XLM-RoBERTa для распознавания именованных сущностей в средневековых документах. Она извлекает имена людей и географические названия из текстов, включая вложенные сущности, и может представлять разметку в формате BIO/CoNLL. Модель обучена на 8 тысячах размеченных текстов средневековой латыни, старофранцузского и староиспанского языков XI–XV веков. Это чекпойнт XLM-RoBERTa с 658,7 млн параметров и контекстом до 514 токенов; он принимает текст и выдаёт метки токенов. Лицензия CC BY-NC 4.0 требует указания авторства и ограничивает коммерческое использование.