I.3Извлечение и структурирование данных

distilbert/distilbert-base-cased-distilled-squad — англоязычная модель для ответов на вопросы от Hugging Face. Это компактный вариант Transformer-архитектуры DistilBERT, дообученный дополнительной дистилляцией на SQuAD v1.1 для извлечения ответа из предоставленного текста. Модель подходит для поиска ответов в документах и контекстных фрагментах; её контекст ограничен 512 токенами. В карточке модели указаны результат F1 87,1 на тестовой части SQuAD v1.1 и лицензия Apache 2.0. Модель работает с текстом и рассчитана на английский язык. Как и другие языковые модели, она может наследовать предвзятости обучающих данных, а ответы могут быть неверными или содержать стереотипы; её не следует использовать как источник подтверждённых фактов о людях и событиях.

Модель mrm8488/distilbert-multi-finetuned-for-xqua-on-tydiqa создана Мануэлем Ромеро как дообучение distilbert-base-multilingual-cased для извлечения ответов из текста. Она получает вопрос и фрагмент текста, содержащий ответ, и выделяет в нём непрерывный участок символов с ответом. Модель обучена для задачи TyDi QA Gold Passage на многоязычных данных; README приводит результаты на проверочной выборке: EM 63,85 и F1 75,70. Для отдельных языков указаны результаты для арабского, бенгальского и английского. Архитектура — DistilBertForQuestionAnswering, формат весов — PyTorch, максимальная длина контекста — 512 токенов. Модель подходит для извлечения ответов из предоставленного контекста, например из абзацев документов или справочных материалов. Оценка ограничена сценарием Gold Passage: ответный фрагмент заранее гарантированно содержит ответ, а неотвечаемые вопросы исключены. README не указывает лицензию.

philschmid/distilbert-onnx — англоязычная модель для ответов на вопросы, разработанная на основе DistilBERT-base-cased. Это чекпойнт DistilBERT, дополнительно дистиллированный и дообученный на SQuAD v1.1; репозиторий содержит веса в формате ONNX. Модель извлекает ответ из предоставленного текста в ответ на вопрос, а не предназначена для свободного диалога. Модель использует архитектуру DistilBertForQuestionAnswering и рассчитана на контекст до 512 токенов. В README указана оценка F1 87,1 на dev-наборе SQuAD v1.1; для сравнения приведён результат 88,7 у bert-base-cased. Лицензия — Apache-2.0. Результаты зависят от качества и релевантности входного контекста; модель не предназначена для ответов на вопросы, требующие сведений вне него.

rrainn публикует побайтную копию официального предобученного чекпойнта PARSeq из docTR; модель не обучалась и не изменялась rrainn. Она распознаёт текст на изображениях уже выделенных слов и предназначена для этапа распознавания в OCR-конвейере. Архитектура сочетает Vision Transformer для кодирования изображения и авторегрессионный декодер последовательностей с перестановками; модель работает на PyTorch через python-doctr и ожидает RGB-вход размером 3 × 32 × 128. Максимальная длина последовательности — 32 символа. Модель подходит для транскрибации документов, оценки OCR и как начальная точка для дообучения под конкретный домен. Это не детектор текста на полной странице: для такого сценария её нужно сочетать с детектором или подавать на вход обрезанные изображения слов. Поддерживается настроенный латинский/французский набор символов; качество может снижаться на рукописном, размытом, изогнутом или вертикальном тексте и на данных, отличающихся от обучающих. Состав обучающей выборки раскрыт не полностью, а уверенность последовательности не гарантированно откалибрована. Лицензия — Apache-2.0.

google/electra-base-discriminator — англоязычный текстовый энкодер семейства ELECTRA, разработанный Google. Модель основана на Transformer и обучалась различать исходные токены текста и заменённые токены, сгенерированные другой нейросетью. Веса содержат 136,7 млн параметров, контекст — до 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Модель предназначена для тонкой настройки на задачи классификации текста, ответов на вопросы и разметки последовательностей, включая извлечение фрагментов текста. Это базовый дискриминаторный энкодер, а не готовая модель для генерации ответов: для прикладных задач обычно требуется соответствующая голова и дообучение. Лицензия — Apache 2.0.

deepset/electra-base-squad2 — англоязычная модель для извлекающего ответа на вопросы, разработанная командой deepset. Она дообучена на ELECTRA-base для поиска ответа в предоставленном тексте: на вход подаются вопрос и контекст, а модель определяет фрагмент контекста, который отвечает на вопрос. Обучение и оценка проводились на SQuAD 2.0; модель умеет воздерживаться от ответа, когда контекст не содержит ответа. Модель построена на архитектуре ELECTRA и содержит 136,7 млн параметров. Контекст ограничен 512 токенами. Её можно применять в Haystack для поиска ответов в документах и в Transformers. Лицензия — CC BY 4.0.

google/electra-small-discriminator — англоязычный текстовый энкодер семейства ELECTRA, разработанный Google. Модель с архитектурой ElectraForPreTraining содержит 20,4 млн параметров и принимает последовательности длиной до 512 токенов. Она предварительно обучена различать исходные токены и заменённые токены, сгенерированные другой нейросетью. Энкодер предназначен для тонкой настройки на задачах классификации текста, ответа на вопросы и разметки последовательностей, включая классификацию предложений, извлечение ответов и разбор текста на фрагменты. Для работы с весами доступны реализации PyTorch, TensorFlow и Flax. Лицензия Apache-2.0 разрешает использование на её условиях.

GLiClass Base v3.0 — компактная модель классификации последовательностей от Knowledgator. Она предназначена для классификации текста без дополнительного обучения: пользователь задаёт возможные метки, а модель оценивает текст по ним. В README также указаны анализ тональности и повторное ранжирование результатов в RAG-системах как сценарии применения. Модель построена на архитектуре GLiClass и выполняет классификацию за один прямой проход, что, согласно карточке, делает её вычислительно эффективнее cross-encoder-подхода. Версия Base содержит 384M LoRA-параметров; при дообучении на логических задачах использовались LoRA-адаптеры. В опубликованных тестах приведены результаты нулевого обучения на нескольких наборах данных и скорость инференса для других вариантов GLiClass v3.0. Модель принимает текст и выдаёт оценки классов. Карточка не подтверждает конкретные поддерживаемые естественные языки и длину контекста. Лицензия — Apache-2.0. Результаты зависят от формулировки меток и задачи; в README приведены тесты лишь на части наборов данных, поэтому они не гарантируют качество для произвольных предметных областей.

DataSign разработала gliner-ja-pii-v1 — модель GLiNER для обнаружения и извлечения персональных данных в японском тексте. Она дообучена на синтетических японских данных на базе urchade/gliner_multi_pii-v1 и поддерживает NER с задаваемыми естественным языком метками сущностей. Модель ищет восемь категорий: имена, телефоны, адреса, адреса электронной почты, даты, URL, номера счетов и секреты, включая пароли, API-ключи и коды аутентификации. Модель предназначена для выявления чувствительной информации в японских документах и текстах. В README приведена оценка на 600 синтетических примерах; результаты зависят от метки и порога обнаружения. Для японского текста требуется предварительная сегментация с помощью Janome и специального splitter, исключающего токены только из пробелов; стандартный whitespace splitter применять не следует. Максимальная длина входа — 160 токенов, более длинные тексты нужно разбивать. Лицензия — Apache-2.0.

GPT-5.5 — фронтирная модель OpenAI для сложных профессиональных задач. Она развивает GPT-5.4, уделяя особое внимание рассуждению, надёжности и эффективности использования токенов при решении трудных задач. В README также указано контекстное окно более 1 млн токенов. Модель предназначена для сложных рабочих сценариев. Имеющихся сведений недостаточно, чтобы подтвердить архитектуру, поддерживаемые модальности, языки, лицензию или конкретные ограничения, поэтому эти характеристики не описаны.

davidkim205/hades-2-2b — дообученная модель на базе unsloth/gemma-4-E2B-it, созданная для классификации новостных статей и извлечения названий компаний. Модель класса 2B обучалась методом ORPO на небольшой внутренней выборке примерно из 1,6 тыс. примеров на корейском и английском языках; веса представлены в формате BF16. Модель принимает текст статьи, обычно заголовок и основной текст, и формирует JSON-подобный ответ для извлечения компаний, отнесения статьи к одному или нескольким разделам и выбора экономической либо неэкономической категории. Внутренняя оценка на 1 207 примерах показала улучшение общей точности относительно базовой модели, однако результаты различаются между задачами и языками. Рекомендуемая длина контекста — до 16 384 токенов, хотя базовая конфигурация поддерживает до 131 072 токенов. Модель подходит для классификации новостного потока и извлечения упоминаемых компаний. Она обучена на небольшой внутренней выборке, поэтому качество на других форматах статей, схемах меток, языках и предметных областях может отличаться; корректность JSON не гарантируется. Лицензия — Gemma.

harpertoken/harpertokenConvAI — англоязычная модель на базе DistilBERT для извлечения ответов на вопросы по заданному контексту. В карточке указано обучение на Stanford Question Answering Dataset (SQuAD); модель предназначена для понимания вопроса и контекста и выдачи точного ответа. Её можно применять для поиска ответов в текстах и контекстных диалоговых сценариях. Модель использует архитектуру DistilBertForQuestionAnswering, принимает текст и выдаёт текстовый ответ. Размер контекстного окна — до 512 токенов. Метаданные указывают форматы PyTorch и Safetensors, лицензию MIT. В карточке приведены показатели Exact Match 75% и F1 85% на SQuAD.

Карточка модели OpenPipe/Hermes-2-Theta-Llama-3-8B-32k на Hugging Face совпадает с карточкой NousResearch/Hermes-2-Theta-Llama-3-8B, поэтому описание составлено по ней. Hermes-2 Θ (Theta) — экспериментальная объединённая и дополнительно обученная модель Nous Research, созданная совместно с Charles Goddard из Arcee. В основе лежит Hermes-2-Pro-Llama-3-8B: веса объединены с Meta Llama 3 Instruct, после чего модель дополнительно обучали с помощью RLHF. Это плотная причинно-языковая модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена. Модель предназначена для диалогов и выполнения инструкций на английском языке. Она поддерживает формат ChatML, многоходовое общение, вызов функций и генерацию структурированных ответов в JSON. Репозиторий содержит веса safetensors; для запуска описан пример с Transformers. В карточке приведены результаты оценок на нескольких наборах тестов, но они не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии Apache-2.0. Практические ограничения: карточка называет её экспериментальной; вызовы инструментов нужно самостоятельно разбирать и исполнять в коде приложения. Указанная в README рекомендация LM Studio относится к квантованным версиям и не обещает поддержку вызова функций в этом интерфейсе.

Huihui-Qwen3-VL-30B-A3B-Instruct-abliterated — мультимодальная диалоговая модель Huihui AI на базе Qwen3-VL-30B-A3B-Instruct от Qwen. Это дообученная версия с ослабленными отказами: abliteration применена к текстовой части, а обработка изображений не изменялась. Модель принимает текст и изображения и предназначена для диалога, анализа изображений и видео, распознавания текста на изображениях и пространственных рассуждений; также поддерживает интерфейс вызова инструментов. Архитектура относится к семейству Qwen3 VL MoE, веса доступны в формате safetensors для Transformers. Ослабление защитных отказов может приводить к чувствительным, спорным или неподходящим ответам, поэтому результаты следует проверять. Лицензия — Apache-2.0.

Классификатор Institutional Books Topic Classifier разработан Institutional Data Initiative при Harvard Law School Library для присвоения книгам тематических категорий верхнего уровня из схемы Library of Congress Classification Outline. Модель принимает текстовые метаданные тома — например, название, автора, год, язык и примечание — и относит их к одной из 20 категорий, включая историю, право, медицину, науку, литературу и искусство. Поля метаданных можно передавать по отдельности или опускать. Это дообученная для классификации последовательностей модель BERT на базе google-bert/bert-base-multilingual-uncased, с 194,6 млн параметров и контекстом до 512 токенов. В описанных проверках указаны macro F1 0,961, micro F1 0,9694 и точность 97,8% на отдельном наборе из 1000 примеров. Модель подходит для тематической разметки книжных каталогов и коллекций; метрики относятся к данным и условиям эксперимента авторов и не гарантируют такую же точность на других коллекциях. Лицензия — Apache-2.0.

Jisr-Align-29M — разработанная oddadmix контрастивно дообученная с нуля модель на базе Marian для выравнивания арабских и английских предложений. Это энкодер с 29 млн параметров, шестью слоями и размерностью представлений 448; модель принимает пары предложений и выдаёт векторные представления для оценки их соответствия. Максимальная длина контекста — 1024 токена. Для выравнивания документов README рекомендует сочетать энкодер с динамическим поиском по монотонному пути, который формирует связи 1-к-1, 1-ко-многим, многие-к-1 и нулевые связи с оценкой уверенности. Модель подходит для поиска параллельных текстов, сопоставления предложений между арабскими и английскими документами и поиска переводных соответствий. В README приведены результаты на FLORES devtest и египетском диалекте арабского языка; отдельная адаптация на диалектные данные не проводилась. Ограничения поиска: он не восстанавливает перестановки предложений, а связи 2-к-2 выбираются редко из-за стоимости шага в используемом DP-поиске. Модель распространяется по лицензии Apache-2.0.

KBevo-Qwen3-1.7B-GRPO — дообученная языковая модель kilian-group на базе Qwen3-1.7B, финальный чекпойнт GRPO-обучения для двухэтапной работы со структурированными знаниями. Модель размером 1,7 млрд параметров использует архитектуру Qwen3 и поддерживает контекст до 40 960 токенов; репозиторий содержит веса Safetensors для Transformers. Модель предназначена для ответов на многошаговые вопросы по набору текстовых фрагментов. Сначала она извлекает из них компактную базу знаний в виде типизированных троек «сущность — отношение — значение», затем отвечает на вопросы с помощью типизированных запросов к этой базе. Этапы построения базы и рассуждения используют общие веса. GRPO-обучение оптимизировало ответы по метрике F1 на HotpotQA; в README также приведены результаты на MuSiQue, 2WikiMultiHopQA и PopQA. Основной сценарий — запуск двухэтапного процесса через эталонную реализацию KBevo для оценки или воспроизведения результатов. README рекомендует этот чекпойнт для инференса и оценки. Указаны английский язык и лицензия Apache-2.0. Приведённые в карточке результаты относятся к указанным бенчмаркам; модель описана как специализированная на многошаговых вопросах через структурированную базу знаний.

KBevo-Qwen3-4B-GRPO — финальный чекпойнт модели KBevo от Kilian Group, созданный для исследования Co-Evolving Structured Knowledge and Reasoning in Language Models и представленный на COLM 2026. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, дообученная методом GRPO на базе KBevo-Qwen3-4B-SFT; заявленный базовый контекст — 40 960 токенов. Модель рассчитана на двухэтапные задачи: извлечение из набора текстовых фрагментов компактной базы знаний в виде типизированных троек «сущность — отношение — значение», затем ответы на вопросы через типизированный поиск по этой базе. Обучение GRPO оптимизировало совместную политику на сквозном вознаграждении answer-F1 для HotpotQA. Модель предназначена для оценки и воспроизведения подхода KBevo, в том числе на многопереходных вопросах; для полноценного двухэтапного инференса авторы рекомендуют использовать эталонную реализацию KBevo. Карточка приводит результаты на HotpotQA, MuSiQue, 2WikiMultiHopQA и PopQA, но не сообщает показатели данного чекпойнта во всех строках таблицы. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Labira/LabiraPJOK_2x_50 — дообученная на неизвестном наборе данных модель семейства BERT от Labira для ответа на вопросы. Она использует архитектуру BertForQuestionAnswering, содержит 137,8 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для извлечения ответа на вопрос из предоставленного текста. Модель распространяется в формате TensorFlow по лицензии MIT. В README приведены результаты обучения: Train Loss 0,0131 и Validation Loss 4,2318 на 44-й эпохе; назначение, данные обучения и подробные ограничения не описаны.

LFM2-700M — компактная языковая модель Liquid AI для локального и периферийного запуска на смартфонах, ноутбуках и других устройствах с CPU, GPU или NPU. Она содержит около 654 млн параметров по метаданным и построена на гибридной плотной архитектуре LFM2: 10 блоков коротких свёрток с двойными вентильными механизмами и 6 блоков внимания GQA. Модель предназначена для диалогов, агентных сценариев, извлечения данных, RAG и генерации творческих текстов; поддерживает шаблон чата в стиле ChatML и вызов инструментов. Модель поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. В карточке указан контекст 32 768 токенов, тогда как метаданные каталога сообщают native context в 128 000 токенов. Liquid AI описывает ускорение обучения и вывода и повышенную эффективность по памяти относительно предыдущих моделей и некоторых сопоставимых моделей; эти заявления относятся к оценкам разработчика. Для узких сценариев рекомендуется дообучение. Модель не рекомендуется для задач с высокими требованиями к знаниям или навыкам программирования. Лицензия в метаданных обозначена как other; конкретные условия следует проверить в репозитории модели.

LFM2-8B-A1B от Liquid AI — гибридная языковая MoE-модель для локального запуска на телефонах, планшетах и ноутбуках. Вариант unsloth/LFM2-8B-A1B дообучен на основе LiquidAI/LFM2-8B-A1B; архитектура включает 18 блоков коротких свёрток и 6 блоков внимания GQA. В README указаны 8,3 млрд параметров всего и 1,5 млрд активных; метаданные Hugging Face сообщают 1,4 млрд параметров. Контекст — до 128 000 токенов. Модель предназначена для диалогов, следования инструкциям, вызова инструментов, извлечения данных, RAG, творческого письма и агентных сценариев. Она поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки; карточка рекомендует использовать её для узких задач после дополнительной настройки. Лицензия обозначена как other. По карточке, модель не рекомендуется для задач, требующих обширных знаний или программирования; сведения о конкретных условиях лицензии в предоставленных данных отсутствуют.

raimundsz/Llama-3.2-3B-Instruct_4TINA2 — дообученная текстовая модель семейства Llama 3.2, созданная для TINA AI. Она анализирует сообщения пользователей, определяет их намерение и возвращает результат на английском языке в JSON-подобной структуре с полями intent, object и parameters. Модель основана на unsloth/Llama-3.2-3B-Instruct, имеет 3,2 млрд параметров и контекст до 131 072 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для распознавания намерений в пользовательских запросах, в том числе для маршрутизации запросов и извлечения связанных объектов и параметров. Метаданные перечисляют английский, немецкий, французский, итальянский, испанский, португальский, хинди и тайский, однако README явно задаёт английский язык для результата. Лицензия — llama3.2. Карточка не сообщает оценок качества или дополнительных ограничений.

knowledgator/Llama-encoder-1.0B — двунаправленный текстовый энкодер на архитектуре LLaMA с 1 млрд параметров, разработанный Knowledgator на основе Tiny-LLaMA-1.0B. Модель обучена на Википедии с masked token prediction; авторы сообщают, что обучали все веса для усиления двунаправленного представления контекста. В отличие от обычного причинного декодера, она предназначена для получения контекстных представлений текста и адаптации к дискриминативным задачам. Модель подходит для классификации текстов, ответов на вопросы и разметки токенов, включая распознавание сущностей. В метаданных указаны задачи question-answering и text-generation, библиотека Transformers и окно контекста 2048 токена; язык карточки — английский. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. README описывает энкодер и его обучение, но не приводит результатов бенчмарков или подробностей о качестве на конкретных наборах задач. Для специализированного применения могут потребоваться адаптация и дообучение; генерация текста указана в метаданных, хотя основное назначение модели — кодирование текста для дискриминативных задач.

NVIDIA Nemotron ColEmbed V2 — мультимодальная модель векторного поиска с поздним взаимодействием, дообученная для сопоставления текстовых запросов с документами в виде изображений. Она объединяет визуальную часть на основе google/siglip2-giant-opt-patch16-384 и языковую часть на основе meta-llama/Llama-3.2-3B; заявленный размер — около 4,4 млрд параметров. Модель принимает текст и изображения страниц, а для каждого входного токена формирует 3072-мерный вектор, пригодный для ColBERT-подобного поиска. Модель предназначена для мультимодального RAG, поиска по страницам документов, графикам, таблицам и инфографике, а также для межъязыкового поиска. В README указана оценённая длина контекста до 10 240 токенов; изображения разбиваются на плитки, рекомендованная конфигурация использует до восьми плиток и миниатюру. Обучение включало публичные наборы данных и мультиязычные синтетические запросы; модель оценивали на бенчмарках ViDoRe. Карточка заявляет улучшенную точность поиска по сравнению с предыдущей версией. Модель рассчитана на запуск с Transformers и Flash Attention, оптимизирована для GPU NVIDIA и протестирована на A100 и H100 под Linux. Лицензия обозначена как other; README ограничивает использование некоммерческими и исследовательскими целями. Качество зависит от языка, структуры документа и сценария поиска; максимальный контекст и настройки разбиения изображений отражают испытанную конфигурацию, а не универсальную гарантию.

MolmoE-1B-0924 — открытая мультимодальная модель семейства Molmo, разработанная Allen Institute for AI. Это предварительная версия модели для анализа изображений и генерации ответов на текстовые запросы о них. Модель построена как Mixture-of-Experts на базе OLMoE-1B-7B-0924 и объединяет языковую модель с визуальной составляющей. В ней 1,5 млрд активных и 7,2 млрд общих параметров; контекст — до 32 768 токенов. Модель обучалась на тщательно отобранных парах изображений и текстов PixMo и предназначена для визуальных вопросов и ответов, понимания диаграмм, документов и изображений. README заявляет высокие результаты на академических тестах и в оценке людьми среди мультимодальных моделей сопоставимого размера. Это предварительный чекпойнт: сопутствующие артефакты обучения, код и оценки планировалось опубликовать позднее. Модель может испытывать трудности с прозрачными изображениями; рекомендуется предварительно добавлять белый или тёмный фон. Лицензия — Apache-2.0.

NER4Legal_SRB — модель распознавания и классификации именованных сущностей в юридических текстах на сербском языке. Её разработали для автоматизации работы с документами, включая архивирование, поиск и извлечение сведений; модель обучена на публичных судебных решениях с ручной разметкой и предназначена для выделения заданных типов сущностей. Это дообученная модель classla/bcms-bertic на архитектуре ELECTRA с 137,8 млн параметров и контекстом до 512 токенов. Она принимает текст и возвращает метки для токенов. В перекрёстной проверке на размеченном наборе данных авторы сообщают средний F1 0,96; модель можно запускать на CPU и GPU. Показатели относятся к описанному набору данных и не гарантируют такую же точность на иных текстах. Лицензия — Apache-2.0.

PII-Tracer — модель Perplexity AI для обнаружения и маскирования персональных данных в разговорных текстах, представленная в рамках PII-TRACE. Она использует двунаправленный энкодер Qwen3 примерно на 600 млн параметров на основе perplexity-ai/pplx-embed-v1-0.6b и две выходные головы: классификатор токенов с BIOES-разметкой для девяти категорий чувствительных данных и классификатор чувствительности разговора. Для разметки токенов применяется ограниченное декодирование Витерби. Модель предназначена для поиска имен, номеров счетов, URL, дат, адресов, адресов электронной почты, телефонов, других персональных данных и секретов в разговорных данных. Максимальная длина последовательности — 4096 токенов. Модель принимает текст и выдаёт разметку токенов и оценку чувствительности разговора. В карточке указаны английский и многоязычный режимы; конкретный перечень поддерживаемых языков не приведён. Для загрузки указаны PyTorch и Transformers версии 5.2 или новее, а для использования требуется trust_remote_code. Лицензия — MIT.

POINTS-1.5-Qwen-2.5-7B-Chat — двуязычная визуально-языковая модель WeChat AI, дообученная на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалогов по изображениям и генерации текстовых ответов: понимает изображения высокого разрешения, отвечает на вопросы по их содержимому и поддерживает сценарии распознавания текста на изображении. В README указаны английский и китайский языки; среди обучающих данных есть наборы для OCR и общего визуального диалога. В модели используется визуальный энкодер в стиле NaViT, который обрабатывает изображения разных разрешений без разбиения на фрагменты. README также сообщает о применении техники model soup и приводит результаты на MMBench, MMStar и MMMU. Модель опубликована в формате safetensors по лицензии Apache-2.0. Метаданные каталога указывают чат и интерфейс вызова инструментов; фактические результаты и надёжность этих возможностей зависят от сценария применения.

PP-OCRv6_small_det_safetensors — компактная модель обнаружения текстовых областей из семейства PP-OCRv6, разработанного командой PaddleOCR. Она предназначена для локализации текста на изображениях как часть конвейера OCR; для распознавания найденных строк требуется отдельный модуль распознавания. Модель использует backbone LCNetV4 и neck RepLKFPN, содержит 2,48 млн параметров и распространяется в формате safetensors. Семейство PP-OCRv6 рассчитано на работу с 48 языками и разными видами текста, включая рукописный, печатный, повернутый, изогнутый и декоративный; метаданные этой карточки отмечают английский и китайский языки. Лицензия — Apache-2.0. Модель подходит для встраивания обнаружения текста в приложения и OCR-конвейеры с ограничениями по размеру. README не приводит отдельные метрики для варианта small_det. Одна модель обнаружения сама по себе не выполняет распознавание текста и не заменяет полный OCR-конвейер.

consciousAI/question-answering-roberta-base-s-v2 — модель для извлечения ответов из предоставленного контекста по вопросу. Это энкодер RoBERTa-base с головой для Question Answering, дообученный на наборе SQUADx; README приводит результаты exact match 84,83 и F1 91,80. Модель принимает текст вопроса и контекста, а возвращает текст ответа, его фрагмент в контексте и оценку уверенности. Модель содержит около 151,8 млн параметров и поддерживает контекст длиной до 514 токенов. Она предназначена для систем поиска ответов, где ответ должен опираться на переданный текст. В метаданных указан pipeline question-answering; файлы представлены в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель извлекает ответ только из заданного контекста, поэтому качество зависит от его полноты и релевантности; заявленные метрики относятся к оценке на SQUADx. Языки обучения или поддержки в доступных данных не установлены.