I.1Поиск и навигация по информации

imone/pangu_2_6B — репозиторий с PyTorch-версией модели PanGu-α, разработанной совместной технической командой под руководством PCNL. В репозитории размещены предварительно обученные веса на 2,6 млрд параметров в точности FP32, преобразованные из исходного чекпойнта MindSpore; метаданные указывают 3 млрд параметров и архитектуру GPTPanguForCausalLM. Это плотная авторегрессионная языковая модель для генерации текста с контекстом до 1024 токенов. Модель предназначена прежде всего для генерации текста на китайском языке, включая ответы на вопросы по знаниям, извлечение и рассуждение по знаниям, а также чтение и понимание текста; карточка отмечает возможности few-shot обучения. Репозиторий предоставляет реализацию на PyTorch, а для загрузки через Transformers требуется доверенная загрузка удалённого кода. Лицензия в предоставленных данных не указана.

PhotonBERT-30M-1B — англоязычный двунаправленный энкодер с 29,7 млн параметров, разработанный RikkaBotan на основе иерархии PHOTON и обученный с нуля для masked language modeling. Архитектура делит последовательность на чанки нескольких масштабов: контекст кодируется на пониженной частоте, затем локальные декодеры восстанавливают представления токенов. Модель принимает последовательности длиной до 1 024 токенов; лимит контекста в метаданных указан как 8 192 токена. Используются токенизатор ModernBERT с 50 368 элементами словаря и веса в форматах PyTorch и Safetensors. Модель предназначена для заполнения маскированных токенов и может служить энкодером для классификации текста и задач GLUE, а также для извлечения признаков и retrieval-сценариев. В README приведены результаты на части задач GLUE, но checkpoint обучен только на первом этапе и имеет ограниченный бюджет — 1 млрд токенов. README сообщает, что для загрузки требуется trust_remote_code=True. Лицензия — Apache-2.0.

wesjos/Qwen3-4B-toolcall — дообученная wesjos модель на базе Qwen/Qwen3-4B, предназначенная для диалогов и работы с вызовами инструментов. В README указано, что при дообучении использовались наборы interstellarninja/tool-calls-single-reasoning, mlabonne/FineTome-100k и unsloth/OpenMathReasoning-mini; метаданные описывают модель как плотную причинную языковую архитектуру Qwen3ForCausalLM с 3,7 млрд параметров. Модель генерирует текст, поддерживает чат и рассчитана на контекст до 40 960 токенов. README приводит улучшения на отдельных оценках GPQA, GSM8K и ToolBench после дообучения, однако результаты ограничены указанными тестами и не гарантируют такого же качества в других сценариях. В карточке заявлена лицензия Apache-2.0.

reazonspeech-nemo-v2 — модель автоматического распознавания речи, разработанная Reazon Research и обученная на корпусе ReazonSpeech v2.0. Она преобразует японскую речь из аудиозаписей в текст и предназначена в том числе для расшифровки длинных записей продолжительностью до нескольких часов. Модель основана на улучшенной архитектуре Conformer из Fast Conformer с линейно масштабируемым механизмом внимания. Это субсловная RNN-T-модель с 619 млн параметров: кодировщик использует Longformer attention с локальным контекстом 256 и одним глобальным токеном, а словарь декодера содержит 3000 токенов SentencePiece unigram. Для использования разработчик рекомендует библиотеку reazonspeech. Модель ориентирована на японскую речь и длительные аудиозаписи. Лицензия Apache-2.0.

sandalidahanayake/sinhala-plagiarism-model — модель Sentence-Transformers на базе XLM-RoBERTa, дообученная разработчиком для сравнения предложений и абзацев. Она преобразует текст в плотные векторы размерностью 768 и рассчитывает сходство по косинусной мере; архитектура включает XLMRobertaModel и mean pooling. Модель подходит для поиска семантически похожих текстов, выявления перефразирований, кластеризации и классификации текста, в том числе для сопоставления сингальских предложений. Базовая модель обучена для многоязычного семантического сравнения. В карточке указана максимальная длина последовательности 128 токенов; метаданные каталога указывают контекстное окно 514 токенов. Для точной работы с длинными текстами их следует разбивать на фрагменты. Дообучение описано на 260 примерах пар предложений с оценками сходства, поэтому качество для выявления плагиата и других сценариев за пределами этого набора может быть ограниченным. Лицензия в предоставленных сведениях не указана.

SynCSE-partial-RoBERTa-large — языковая модель для извлечения признаков, опубликованная SJTU-LIT и распространённая HKUST-NLP. Она основана на архитектуре RoBERTa и предназначена для получения векторных представлений текста, которые можно использовать в последующих NLP-задачах. В метаданных указано около 454,1 млн параметров, поддержка английского языка и контекст до 514 токенов. В README говорится об обучении на 26,2 тыс. синтетических примеров и о возможных стереотипных и вредоносных смещениях в предсказаниях. Карточка содержит противоречивые указания на родительскую модель: в тексте названа «RoBERTa-largbe», а пример загрузки использует SynCSE-partial-RoBERTa-base, поэтому точную базовую модель установить нельзя. Лицензия в предоставленных данных не указана.

TF-ID-large — модель компьютерного зрения, разработанная Yifei Hu для поиска таблиц и рисунков на страницах научных статей. Это версия семейства TF-ID с 0,77 млрд параметров, дообученная на контрольных точках Microsoft Florence-2. На вход подаётся изображение одной страницы статьи; модель возвращает рамки объектов и их метки, включая подписи к таблицам и рисункам. Модель предназначена для извлечения структурных элементов научных публикаций и подготовки страниц к дальнейшему разбору или индексации. В проверке на 258 страницах статей вне обучающей выборки корректный результат получен для 253 страниц (98,06%); при этом возможны лишние или дробящие один объект рамки. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — MIT.

ViCLIP-L-14-BVD-V-50M-s50M-b32K — видеоязыковая модель семейства ViCLIP от LAION, основанная на архитектуре ViT-L/14. Она обучена на 50 млн пар видео и текста из набора BVD-V-50M и доступна через Transformers. Модель предназначена для классификации видео без дообучения, поиска соответствий между видео и текстом и изучения визуальных представлений видео. Её можно применять для линейного зондирования и дообучения под задачи классификации, строить системы поиска видео по текстовым запросам и использовать как компонент мультимодальных моделей. В README приведены результаты на Kinetics-400, UCF-101, HMDB51, MSR-VTT и MSVD. Лицензия — MIT. Разработчики позиционируют модель для исследований возможностей zero-shot-классификации видео, поиска видео по тексту и обобщения видеоязыковых моделей. Она рассчитана только на английский язык; авторы исключают применение для наблюдения и распознавания лиц, а также неконтролируемое развёртывание без проверки на целевых данных.

wav2vec2-large-slavic-parlaspeech-hr — модель автоматического распознавания хорватской речи от разработчиков Classla. Она основана на facebook/wav2vec2-large-slavic-voxpopuli-v2 и дообучена на 300 часах записей и расшифровок заседаний хорватского парламента из набора ParlaSpeech-HR v1.0. Архитектура — Wav2Vec2ForCTC семейства wav2vec2; размер составляет 402,7 млн параметров. Модель принимает аудио и выдаёт текстовую расшифровку. Модель подходит для транскрибирования выступлений и записей парламентских заседаний на хорватском языке. На тестовой части ParlaSpeech-HR v1.0 указаны CER 0,0222 и WER 0,0679; отдельная версия с языковой моделью показала лучшие метрики CER и WER. Лицензия в предоставленных материалах не указана.

newreyy/xlm-roberta-ner-v2 — дообученная на распознавании именованных сущностей модель XLM-RoBERTa-Base, разработанная для анализа неформальных публикаций и комментариев в социальных сетях. Она выполняет классификацию токенов и размечает сущности в текстах на индонезийском и английском языках, включая людей, организации, географические объекты и другие категории из заданного набора меток. Модель подходит для фильтрации публикаций, помощи в модерации, мониторинга политических тем и отслеживания упоминаний брендов и организаций. Архитектура — XLM-RoBERTa с 305,2 млн параметров; максимальная длина контекста — 514 токенов. В README приведена оценка на валидационном наборе: micro-F1 0,8387. Качество может снижаться на смешанных языках, при обилии сленга, сарказма, коротких или неоднозначных сообщениях; модель не предназначена для формальных академических и юридических текстов. Она может наследовать смещения обучающих данных, поэтому результаты для модерации и других чувствительных сценариев следует проверять человеком. Лицензия — Apache-2.0.

Ælæctra — датская модель на базе ELECTRA-Small, дообученная Malte Højmark-Bertelsen для распознавания именованных сущностей в датском тексте на датасете DaNE. Это компактный трансформер с 20,8 млн параметров и контекстом до 512 токенов; доступны веса PyTorch и TensorFlow. Модель предназначена для разметки токенов и извлечения именованных сущностей из датских документов и текстов. В оценке на тестовом наборе DaNE вариант Cased показал micro-F1 80,08 без метки MISC. В README отмечено, что результат немного ниже, чем у датского BERT и multilingual BERT, зато модель значительно компактнее и требует меньше вычислительных ресурсов. Лицензия — MIT. કાર

Albertina 100M PTBR — энкодер для бразильского варианта португальского языка, разработанный совместной командой Университета Лиссабона и Университета Порту. Это модель семейства BERT на архитектуре DeBERTa с 151,8 млн параметров по метаданным; карточка описывает базовую версию как модель примерно на 100 млн параметров с 12 слоями и размером скрытого состояния 768. Модель принимает текст и предсказывает пропущенные в нём токены, а также может служить основой для задач понимания португальского языка. Модель обучали на 3,7 млрд токенов отфильтрованных веб-документов OSCAR с отбором доменов Бразилии. В карточке приведены результаты оценки на португальской версии набора PLUE для сходства предложений, распознавания следования и кореференции. Контекст составляет до 512 токенов, формат распространения — PyTorch и Safetensors. Модель доступна по лицензии MIT. Результаты карточки относятся к отдельным downstream-тестам и не гарантируют качество на других данных и задачах.

ArabicT5-news-classification-generation — модель на архитектуре T5, разработанная Hezam и дообученная для классификации и генерации текстов арабских новостей. Она принимает текст новости и формирует текстовый ответ, где число обозначает одну из восьми категорий: политика, экономика, здоровье, спорт, культура, технологии, искусство или происшествия. Модель содержит 89,8 млн параметров, использует библиотеку Transformers и формат safetensors; родной контекст — 512 токенов. В карточке приведены результаты оценки: точность классификации 96,17% и генерации 87,16%. Модель подходит для автоматической категоризации арабских новостных материалов и генерации связанных с категорией ответов. Лицензия в предоставленных данных не указана.

SinaLab/ArabicWojood-FlatNER — модель SinaLab для распознавания именованных сущностей в арабском тексте с плоской разметкой, то есть без вложенных сущностей. Она основана на архитектуре BERT и предназначена для token classification; в метаданных указаны 162,4 млн параметров и контекст до 512 токенов. Модель ориентирована на современный стандартный арабский и диалекты и связана с корпусом Wojood объёмом 550 тыс. токенов. README сообщает micro-F1 0,883847 для плоского NER. Модель подходит для выделения сущностей в арабских текстах и оценки таких систем. Репозиторий содержит веса PyTorch; лицензия MIT.

mrsinghania/asr-question-detection — классификатор текста на основе BERT, разработанный автором репозитория для различения вопросов и утверждений. Модель обучена на более чем 7 тысячах примеров устной речи из интервью и предназначена для обработки распознанных высказываний: например, чтобы определять, содержит ли реплика вопрос.

Это мультимодальная CLIP-модель LAION с визуальным энкодером ViT-B/32, обученная с помощью OpenCLIP на 1,4 миллиарда примеров набора DataComp-1B. Она сопоставляет изображения и текст, чтобы классифицировать изображения по текстовым описаниям без дополнительного обучения, а также поддерживает поиск изображений по тексту и поиск текстов по изображениям. Модель подходит для исследовательских экспериментов с классификацией и retrieval; её можно дообучать для задач классификации, использовать для линейного пробника и как условие для генерации изображений. В оценке на наборе из 38 датасетов модель показала точность top-1 72,7% на ImageNet-1k при классификации без обучения. Результаты могут зависеть от выбранной таксономии классов и предметной области, поэтому для конкретной задачи требуется отдельная проверка. README не рекомендует развёртывание модели, в том числе коммерческое, без тщательного тестирования; распознавание лиц и наблюдение прямо отнесены к недопустимым сценариям. Модель опубликована под лицензией MIT.

ku-nlp/deberta-v3-base-japanese — базовая модель семейства DeBERTa V3, разработанная Nobuhiro Ueda и предварительно обученная на корпусе LLM-jp corpus v1.0.1. Она подходит для задач понимания японского текста и masked language modeling, а также может служить основой для дообучения под прикладные задачи NLU. Модель имеет плотную архитектуру DeBERTa-v2, содержит 187,7 млн параметров и использует контекст до 512 токенов. Обучение проводилось на японских и английских текстах, а также на коде; токенизатор основан на Unigram с byte fallback и словаре, преобразованном из llm-jp-tokenizer v2.2. Предварительная морфологическая сегментация токенизатору не требуется. Модель распространяется по лицензии Apache-2.0. README описывает применение для masked language modeling и приводит результаты дообучения на японских задачах JGLUE; модель сама по себе не является специализированной генеративной чат-моделью.

DocuBrief — языковая модель для суммаризации документов, созданная разработчиком samandar1105 путём дообучения Qwen/Qwen2.5-1.5B-Instruct с помощью QLoRA. Модель обучена на 4000 примерах, подготовленных на основе CNN/DailyMail, и предназначена для работы вместе с RAG- или chunking-слоем, который передаёт ей содержимое документа. Модель формирует ясные, структурированные и ориентированные на исходный текст краткие пересказы. Её можно применять для суммирования новостных статей и документов на английском языке; для длинных документов предполагается обработка фрагментов с помощью map-reduce или RAG. Это плотная авторегрессионная архитектура Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Модель обучалась на новостных текстах, поэтому для юридических, медицинских, научных и других узкоспециализированных документов качество может быть ниже. Для произвольных больших документов требуется внешний слой разбиения и передачи содержания. Лицензия — Apache-2.0.

FactAlign-gemma-2b-sft — языковая модель, дообученная командой Columbia-NLP в рамках подхода FactAlign для повышения фактической точности длинных ответов. Она предназначена для генерации связных развёрнутых текстов, где важно поддерживать фактическую согласованность. Модель основана на Gemma, имеет плотную архитектуру GemmaForCausalLM и содержит 2,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и доступна в формате safetensors. В карточке указана связь с базовой моделью Columbia-NLP/gemma-2b-zephyr-sft. Лицензия не приведена в предоставленных данных.

Это предварительно обученная модель векторных представлений fastText для японского языка, опубликованная Facebook. Она предназначена для получения векторов слов и использования этих представлений в задачах извлечения признаков, классификации текста и определения языка. Векторы обучены на данных Common Crawl и Википедии с помощью CBOW с позиционными весами. Размерность векторов — 300; модель использует символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. Для токенизации японского текста применялся MeCab. fastText рассчитан на работу на обычном оборудовании и может использоваться для прототипирования и в прикладных системах. Модель подходит для анализа семантической близости слов и подготовки признаков для классификаторов. Векторы отражают возможные предубеждения обучающих данных и могут приводить к смещённым результатам. Лицензия — CC BY-SA 3.0.

GODEL-v1_1-base-seq2seq — предварительно обученная диалоговая модель Microsoft на архитектуре Transformer encoder-decoder семейства T5 с 123,7 млн параметров. Она обучена генерировать ответы, опираясь на внешний текст, например найденный документ, и предназначена для адаптации к диалоговым задачам с небольшим количеством примеров. Версия v1.1 обучена на 551 млн многоходовых диалогов из обсуждений Reddit и 5 млн диалогов с инструкциями и ответами, основанными на знаниях. Модель подходит для создания диалоговых систем, которые отвечают с учётом контекста беседы и предоставленных сведений, а также для непринуждённого общения. Она принимает и генерирует текст; поддержка чата отражена в метаданных. Контекст ограничен 512 токенами. Репозиторий содержит веса PyTorch, модель распространяется по лицензии MIT. Карточка описывает предварительно обученную базовую модель, которую можно дообучать под конкретные диалоговые задачи. Приведённые данные об обучении не устанавливают конкретный набор поддерживаемых языков; диалоги Reddit также могут вносить характерные для источника особенности в ответы.

Kimi-K3-Alis-MLX-Dynamic — 2.10 bpw — это квантованная версия мультимодальной модели Kimi K3 от Moonshot AI, подготовленная пользователем avlp12 для запуска на Apple Silicon с использованием MLX. Модель основана на Kimi-K3 с архитектурой MoE и заявленным общим размером 2,8 трлн параметров; поддерживает генерацию текста и обработку изображений благодаря сохранённой vision-компоненте MoonViT-3d. Сборка предназначена для локального инференса и веб-чата на двух компьютерах Apple Silicon, каждый из которых должен иметь около 512 ГБ unified memory. Общий размер весов составляет 737,1 ГБ при средней точности 2,096 bpw. Маршрутизируемые эксперты используют ternary codebook-квантизацию, часть экспертных экземпляров переведена в MXFP4, а attention, dense-слои и shared experts имеют 6-битное представление; vision tower оставлен без квантизации в bf16. В модели используется маршрутизация top-16-of-896. README не указывает полный список поддерживаемых языков, но качество отдельно измерялось на английском и корейском корпусах. Сильной стороной сборки является существенное уменьшение размера при сохранении качества: по приведённым измерениям она превосходит предыдущую версию v2 на тестах wikitext и корейской Википедии, а также ближе к исходной teacher-модели по KL-дивергенции и доле изменений top-1 предсказаний. Ограничения — чрезвычайно большой объём памяти, необходимость двух связанных машин Apple Silicon и специализированного runtime MLX; запуск на одном компьютере заявлен как невозможный. Лицензия обозначена как kimi-k3-license; точные условия следует уточнять в лицензии базовой модели Moonshot AI.

Apollo Raines создал эту поведенчески модифицированную версию Llama-3.1-8B-Instruct с помощью инструмента jBlaze. Модель предназначена для диалогов и генерации текста с усиленным акцентом на фактическую точность, осторожность в выводах и точность численных ответов; примеры также показывают решение простых математических и программных задач и отказ от некоторых потенциально опасных запросов. В основе лежит плотная архитектура LlamaForCausalLM с 7,5 млрд параметров по метаданным, веса опубликованы в формате safetensors. Указанное контекстное окно — 131 072 токена. README заявляет, что изменения внесены непосредственно в веса без дополнительного обучения, однако метаданные классифицируют связь с базовой моделью как finetune. Для языка карточки указан английский. Модель распространяется по лицензии Llama 3.1. Автор описывает выпуск как демонстрационную версию с намеренно ограниченной выраженностью возможностей. В карточке заявлено, что известных проблем не наблюдалось, но это не является независимой оценкой качества; усиление осторожности может приводить к отказам на отдельных запросах.

Llama-3.2-3B-F1-Reasoning-Instruct (Formosa-1-Reasoning, F1-Reasoning) — языковая модель на архитектуре LlamaForCausalLM, совместно разработанная Twinkle AI и APMIC при техническом содействии Национального центра высокоскоростных вычислений Тайваня. Это дообученная на инструкциях модель с 3 млрд параметров, ориентированная прежде всего на традиционный китайский язык в тайваньском контексте, а также на английский. Она предназначена для диалогов, следования инструкциям и задач рассуждения; авторы указывают сценарии в области права, образования и повседневных запросов. Модель обучена в формате Hermes и поддерживает параллельные вызовы инструментов через соответствующий шаблон чата. В карточке приведены результаты оценивания на наборах TMMLU+, по праву Тайваня, MMLU, MATH-500 и GPQA Diamond; они описывают тестирование авторов и не гарантируют качество на других задачах. Для запуска с указанной в README конфигурацией вызова инструментов требуется vLLM версии 0.8.3 или выше. Модель распространяется по лицензии llama3.2.

shtoshni/longformer_coreference_ontonotes — модель Longformer-large, дообученная автором репозитория на данных OntoNotes для разрешения кореференции. Она предназначена для анализа документов: связывает упоминания одного и того же объекта или лица в разных частях текста. В README указано, что этот энкодер документов нужно использовать вместе с остальными параметрами модели для выполнения задачи; отдельно он предоставляет извлечения признаков. Модель основана на архитектуре Longformer и содержит 454,1 млн параметров. Максимальная длина контекста — 4098 токенов; формат репозитория — PyTorch. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

amin/medical_embedding_1 — англоязычная модель эмбеддингов на базе Sentence Transformers, дообученная разработчиком на abhinand/MedEmbed-small-v0.1 для работы с медицинскими текстами. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними можно оценивать по косинусной близости. Архитектура включает BERT, пулинг CLS-токена и нормализацию. Максимальная длина входа — 512 токенов, библиотека — sentence-transformers. Модель предназначена для семантического поиска медицинских текстов и сравнения их по смыслу. Её также можно применять для поиска перефразировок, кластеризации и классификации текстов с использованием полученных эмбеддингов. В README приведена оценка сходства на неназванном наборе данных, однако этих результатов недостаточно, чтобы судить о качестве в конкретных прикладных сценариях. Лицензия в предоставленных данных не указана.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-pl — модель на базе архитектуры ModernBERT для token classification, предназначенная для разметки отдельных токенов в текстах. По идентификатору модели она ориентирована на выявление синтетических галлюцинаций в ответах на вопросы с использованием сценариев retrieval-augmented generation и данных RAGTruth для польского языка. Модель содержит 140,5 млн параметров и поддерживает контекст до 8192 токенов. Её можно применять для анализа ответов QA-систем, поиска фрагментов с потенциально недостоверным содержанием и построения компонентов контроля качества RAG. Это не генеративная модель и не предназначена для самостоятельного создания ответов. README не содержит сведений о разработчике, лицензии, точных языках обучения, метриках или результатах оценки.

MyAwesomeModel — модель из репозитория SOTAagi2030/MyAwesomeModel-TestRepo, распространяемая через Hugging Face и предназначенная по метаданным для извлечения признаков из текста. Она интегрируется с библиотекой Transformers и реализуется на PyTorch; в тегах также указана BERT-совместимая архитектурная принадлежность. В README модель описывается как обновлённая система с улучшенными рассуждениями, математическими и логическими задачами, программированием, ответами на вопросы, классификацией, суммаризацией, диалогами, переводом и вызовом функций. Однако эти возможности не согласуются напрямую с основной меткой feature-extraction и не сопровождаются достаточным описанием архитектуры, размера, контекстного окна или языковой поддержки. Документация также упоминает уменьшение галлюцинаций и рекомендации по системному промпту и температуре 0,6. Модель доступна по лицензии MIT. Для каталогизации её следует прежде всего рассматривать как Transformers-модель для получения текстовых представлений, а заявленные генеративные и рассуждательные возможности подтверждать дополнительным тестированием.

PolizzeDonut-SoloPDF-3Epochs-tot — модель преобразования изображений документов в текст, дообученная на базе naver-clova-ix/donut-base. Архитектура — vision-encoder-decoder Donut; репозиторий содержит веса в формате safetensors. Модель предназначена для извлечения текста и структурированных сведений из изображений документов, в частности страховых полисов, что следует из названия модели и специализации базовой Donut. На оценочном наборе указана функция потерь 0,3961. В карточке не описаны конкретные поля извлечения, языки и ограничения качества, поэтому применять модель стоит с проверкой полученных результатов. Лицензия — MIT.

TencentARC/QA-CLIP-ViT-B-16 — модель семейства Chinese CLIP, разработанная лабораторией QQ-ARC совместно с Tencent PCG. Она обучена сопоставлять изображения с китайскими текстовыми описаниями и предназначена для классификации изображений без дообучения по заданным текстовым меткам. Её также оценивали на задачах поиска изображений по тексту и текста по изображениям на китайских наборах данных. Модель обучали на 100 миллионах пар изображений и китайских описаний, отобранных из 400 миллионов публично доступных URL изображений с текстом. В репозитории представлены веса PyTorch, лицензия — Apache-2.0. Конкретные размер контекста и число параметров в предоставленных данных не приведены.