I.3Извлечение и структурирование данных

fabriceyhc/bert-base-uncased-dbpedia_14 — дообученная модель на основе BERT base uncased для классификации текстов по категориям набора DBpedia 14. Она принимает текст и относит его к одному из 14 классов; архитектура — BertForSequenceClassification, число параметров — 136,7 млн, максимальная длина контекста — 512 токенов. В README указана точность 0,9903 и loss 0,0547 на оценочном наборе. Модель подходит для тематической классификации текстов, похожих на примеры из DBpedia 14. Карточка не описывает дополнительные сценарии применения или языковую поддержку; основа BERT uncased рассчитана на английский текст. Модель опубликована в формате PyTorch по лицензии Apache-2.0.

Terrificfantasm/bert-base-uncased-squad-qa — англоязычная BERT-модель для извлечения ответов на вопросы из предоставленного текста. Автор дообучил google-bert/bert-base-uncased на SQuAD 1.1 методом полного fine-tuning; модель содержит 136,7 млн параметров и обрабатывает контекст длиной до 512 токенов. Она находит в контексте фрагмент, соответствующий вопросу, и рассчитана на сценарии, где ответ уже присутствует в тексте. На отложенной выборке SQuAD 1.1 из README модель показала exact match 73,6 и F1 83,28 по шкале от 0 до 100. Она не генерирует новые ответы и не оценивает возможность воздержаться от ответа. Результаты получены на одной выборке и с одним seed; модель не проверялась на испанских текстах и корпоративных документах. Лицензия в предоставленных данных не указана.

badokorach/bert-finetuned-260124 — дообученная модель семейства BERT, разработанная пользователем badokorach на основе badokorach/bert-finetuned-210124. Модель предназначена для поиска ответа на вопрос в предоставленном тексте. Она содержит 32,4 млн параметров, принимает контекст длиной до 512 токенов и опубликована в формате TensorFlow. В README указано дообучение на неизвестном наборе данных и приведены нулевые значения train loss и validation loss после 14 эпох; этих метрик недостаточно, чтобы судить о качестве ответов. Лицензия не указана в предоставленных данных.

Модель mrm8488/bert-italian-finedtuned-squadv1-it-alfa — версия итальянской BERT base cased, дообученная Manuel Romero на датасете SQuAD-it v1.1 для извлечения ответов на вопросы из предоставленного текста. Она предназначена для фактологических вопросов на итальянском языке, когда ответ содержится в контексте. Архитектура — BERT для вопросно-ответной задачи, размер — 137,1 млн параметров, максимальная длина контекста — 512 токенов; доступны веса PyTorch и Flax. В описанных тестах на 7 609 примерах модель показала exact match 62,51 и F1 74,16. Она подходит для поиска ответов в итальянских документах и текстовых фрагментах, но не предназначена для генерации свободных ответов или работы без контекста. Лицензия в предоставленных данных не указана.

mrm8488/bert-tiny-5-finetuned-squadv2 — компактная модель семейства BERT, созданная Google Research и дообученная Manuel Romero на SQuAD 2.0 для ответов на вопросы по заданному тексту. Архитектура — BertForQuestionAnswering; модель содержит 7,1 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и Flax. Модель извлекает ответ из предоставленного контекста и умеет воздерживаться от ответа, если в тексте нет достаточных оснований. Англоязычная версия BERT-Tiny предназначена для сценариев с ограниченными вычислительными ресурсами. На тесте SQuAD 2.0 в карточке указаны EM 57,12 и F1 60,86. Эти результаты относятся к указанному набору данных и не гарантируют аналогичное качество на других текстах. Сведения о лицензии в предоставленных материалах отсутствуют.

AgentPublic/camembert-base-squadFR-fquad-piaf — франкоязычная модель ответов на вопросы, созданная дообучением базовой CamemBERT на объединении трёх наборов данных: PIAF v1.1, FQuAD v1.0 и SQuAD-FR, автоматически переведённого на французский язык. Модель на архитектуре CamemBERT с примерно 137,8 млн параметров предназначена для извлечения ответа на вопрос из предоставленного текстового контекста. Её можно применять для поиска фактов во франкоязычных документах и построения систем вопросов и ответов на французском языке. Максимальная длина контекста составляет 514 токенов. Модель поддерживается форматами PyTorch, Safetensors и TensorFlow. Сведения о лицензии в предоставленных источниках отсутствуют.

Карточка модели psikosen/canopy-258m-r3-v6 на Hugging Face совпадает с карточкой psikosen/canopy-258m-r3, поэтому описание составлено по ней. Canopy-258M-R3 — компактная языковая модель для генерации текста и управления браузерными агентами. Автор карточки описывает её как рекуррентную MoE-модель с координацией нескольких браузерных движков и агентным взаимодействием. В метаданных указаны архитектура CanopyForCausalLM, 136,8 млн параметров, библиотека Transformers и формат safetensors; README приводит другую оценку размера — около 258,56 млн параметров, поэтому точный размер по источникам расходится. Модель предназначена для автоматизации веб-навигации: сбора ссылок и структуры страниц, взаимодействия с формами, работы с защищёнными сайтами и координации нескольких агентов. README описывает использование Lightpanda, Obscura и Chromium, но эти браузерные движки и их заявленные характеристики относятся к экосистеме исполнения, а не подтверждают сами по себе возможности весов модели. Карточка также заявляет рекуррентную архитектуру и активные параметры на токен, однако такие сведения присутствуют только в README. Модель принимает и генерирует текст; в карточке указан английский язык. Лицензия — Apache-2.0. Ограничения качества, результаты независимой оценки и требования к ресурсам модели в предоставленных материалах не описаны.

Модель carted-nlp/categorization-finetuned-20220721-164940-pruned-20220803-184651 — дообученный классификатор текста на базе RoBERTa, разработанный carted-nlp. Она предназначена для категоризации текстовых последовательностей и относится к архитектуре RobertaForSequenceClassification; содержит около 120,9 млн параметров и принимает последовательности длиной до 514 токенов. В карточке приведены результаты оценки: accuracy 0,8760 и F1 0,8751 при loss 0,4673. Датасет указан как None, а назначение категорий, языки и прикладная область не раскрыты. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

CrisperWhisper — вариант Whisper для точной дословной транскрибации речи и получения временных меток на уровне слов. Карточка описывает модель как доработку Whisper с изменённым токенизатором и дополнительной функцией потерь для повышения точности выравнивания; в метаданных указаны архитектура Whisper, 905,2 млн параметров и формат safetensors. Базовые модели по данным каталога — nyrahealth/CrisperWhisper и openai/whisper-large-v3; каталог отмечает слияние моделей. Модель предназначена для сценариев, где важны заполнители пауз, повторы, запинки и ложные старты, например для анализа записей совещаний, интервью и выступлений. Для получения словных временных меток применяется выравнивание по cross-attention с помощью Dynamic Time Warping. README приводит результаты сравнения на нескольких наборах данных, но качество зависит от аудио и задачи; в отдельных примерах показаны лишние фрагменты распознавания. Поддержка карточкой указана для немецкого и английского языков. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

osiria/deberta-italian-question-answering — модель DeBERTa-v2 для ответов на вопросы на итальянском языке. Она дообучена для извлечения ответа из предоставленного контекста на датасете SQuAD-IT; версия 3.0 также проходила последовательное дообучение на английском SQuAD v2, итальянском SQuAD и его варианте в нижнем регистре. Модель насчитывает 151,8 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для сценариев, где вопрос и ответный фрагмент находятся в переданном тексте: например, для поиска фактов в документах или ответов по материалам базы знаний. В README приведены результаты версии 3.0 на тестовом наборе SQuAD-IT: F1 81,01 для текста с учётом регистра и 80,74 без учёта регистра. Если нужной информации в контексте нет, модель всё равно может выдать ответ, который окажется неверным. Качество также ограничено особенностями SQuAD-IT, значительная часть которого получена машинным переводом. Модель выпущена под лицензией MIT.

DeBERTa-v3-large-tasksource-nli — англоязычная модель sileod на базе DeBERTa-v3-large, дообученная многозадачным обучением на коллекции tasksource из 600 задач. Это общий энкодер с классификационной головой MNLI; обучение охватывало задачи вывода, классификации и множественного выбора. Модель предназначена для классификации текста по заданным категориям без отдельного дообучения, а также может служить основой для дальнейшей настройки под классификацию и тесты с вариантами ответа. Среди заявленных характеристик — сильные результаты zero-shot на ряде задач и хорошие показатели линейного зондирования CLS-эмбеддинга. Модель содержит около 533,8 млн параметров и принимает последовательности длиной до 512 токенов. Для использования доступны веса PyTorch и Safetensors через Transformers. Лицензия — Apache-2.0. Модель ориентирована на английский язык. Как и другие классификаторы на основе NLI, она может ошибаться при неоднозначных формулировках или категориях, отличающихся от обучающих; ограничение контекста — 512 токенов.

Это англоязычная модель ответов на вопросы от Hugging Face: DistilBERT-base-uncased, дополнительно дообученная методом дистилляции на SQuAD v1.1. Она принимает вопрос и текстовый контекст и извлекает из контекста краткий ответ; подходит для ответов по предоставленным документам и фрагментам текста. Архитектура — компактный Transformer DistilBERT; модель была создана для более быстрого и экономичного вывода, чем BERT-base, при сохранении высокой точности на языковых задачах. Контекст ограничен 512 токенами. Модель ориентирована на английский язык и задачу question answering. На валидационном наборе SQuAD v1.1 указана оценка F1 86,9. Она может выбирать неподтверждённый контекстом или неверный ответ, а также воспроизводить стереотипы и предвзятость из данных; её не следует считать источником проверенных фактов о людях и событиях. Лицензия — Apache 2.0.

Gam/distilbert-base-uncased-finetuned-CUAD-IE — дообученная модель семейства DistilBERT от автора репозитория Gam. Она предназначена для извлечения ответа на вопрос из текста; название указывает на связь с CUAD и извлечением информации, но карточка не раскрывает обучающий набор и сценарии применения. Модель использует архитектуру DistilBertForQuestionAnswering, принимает текст и выдаёт текстовый ответ. Окно контекста составляет 512 токенов. Веса доступны в формате PyTorch, лицензия — Apache-2.0. В карточке приведён результат на оценочном наборе: loss 0,0108, однако набор данных и методика оценки не описаны. Поэтому этот показатель не позволяет судить о качестве на других задачах или текстах; для работы с длинными документами может потребоваться разбивать их на фрагменты.

Rocketknight1/distilbert-base-uncased-finetuned-squad — англоязычная модель для извлечения ответов на вопросы из предоставленного текста. Она создана дообучением distilbert-base-uncased и использует архитектуру DistilBertForQuestionAnswering; модель принимает вопрос и контекст и предсказывает фрагмент контекста как ответ. Указан лимит контекста 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстовым отрывкам. В README приведены метрики обучения и валидации, но датасет и подробности назначения не раскрыты. Модель распространяется по лицензии Apache-2.0.

Модель kbulutozler/distilbert-base-uncased-FT-ner-BC5CDR-chem — англоязычная модель DistilBERT, дообученная для распознавания химических сущностей в тексте. Она выполняет токенную классификацию и предназначена для извлечения названий химических веществ, в том числе из биомедицинских текстов. Модель обучена на обучающей выборке BC5CDR-chem из набора BLURB; для тестовой выборки указаны precision 0,89, recall 0,87 и micro-F1 0,88. Архитектура — DistilBertForTokenClassification, размер контекста — до 512 токенов. Модель принимает текст и возвращает разметку токенов. Лицензия — Apache-2.0.

FormatClassifier-NoURL — англоязычный классификатор WebOrganizer, дообученный на базе Alibaba-NLP/gte-base-en-v1.5. Он относит текст веб-страниц к одной из 24 категорий, используя содержание страниц без информации из URL. Для обучения использовались два набора аннотаций: миллион документов, размеченных Llama-3.1-8B, и 100 тысяч документов, размеченных Llama-3.1-405B-FP8. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 8192 токенов и распространяется в формате safetensors; для работы указана библиотека Transformers. Модель предназначена для автоматической организации и классификации веб-контента по его формату. В README рекомендуется эффективная реализация gte-base-en-v1.5 с unpadding и memory efficient attention, для которой требуется xformers. Лицензия в предоставленных данных не указана.

alephpi/FormulaNet — модель распознавания математических формул на изображениях, опубликованная alephpi и дообученная на базе PaddlePaddle/PP-FormulaNet-S. Она использует архитектуру vision-encoder-decoder и преобразует изображение формулы в текстовое представление, предназначенное для LaTeX OCR. В репозитории указаны 20 млн параметров, наборы данных UniMER-Train, UniMER-Test и UniMER_Dataset; доступны веса Safetensors и ONNX. Модель помечена как англоязычная, имеет лицензию AGPL-3.0. Карточка содержит мало сведений о качестве и граничных условиях распознавания, поэтому надёжность на разных типах формул и изображений не следует предполагать без проверки.

PaDaS-Lab/gbert-legal-ner — модель на базе BERT для распознавания именованных сущностей в юридических текстах на немецком языке. Она выполняет токен-классификацию и размечает фрагменты текста, включая людей, судей и адвокатов; карточка содержит таблицу из 19 классов сущностей. Модель насчитывает 136,3 млн параметров, принимает контекст длиной до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. Модель представлена в работе «German BERT Model for Legal Named Entity Recognition» (ICAART 2023) авторами Harshil Darji, Jelena Mitrović и Michael Granitzer. Она предназначена для извлечения юридически значимых сущностей из немецких документов. Ограничение контекста — 512 токенов; сведения о лицензии в предоставленных данных отсутствуют.

InternVL3.5-38B-HF — мультимодальная модель семейства InternVL, разработанная OpenGVLab и представленная в формате Hugging Face Transformers. Это дообученная версия InternVL3_5-38B-MPO с плотной архитектурой InternVLForConditionalGeneration и 38 млрд параметров. Модель принимает изображения вместе с текстовыми запросами и формирует текстовые ответы; поддерживает многоязычные сценарии. Модель предназначена для диалога по изображениям и решения задач визуального анализа и рассуждения, включая распознавание текста на изображениях, ответы на вопросы и интерпретацию визуальных материалов. В README также заявлены возможности взаимодействия с графическими интерфейсами и embodied-сценарии для семейства InternVL3.5. Для запуска 38B версии требуются две видеокарты A100; чекпойнт доступен в формате safetensors и работает с Transformers. Семейство InternVL3.5 использует Cascade RL для улучшения рассуждений и Visual Resolution Router для адаптивной обработки визуальных токенов; заявлены улучшения качества рассуждений и эффективности относительно InternVL3. Репозиторий распространяется по лицензии Apache-2.0. Конкретное значение длины контекста в предоставленных сведениях не приведено.

Kepler-Qwen3-4B-Super-Thinking — плотная языковая модель на архитектуре Qwen3, дообученная PrithivMLmods на Qwen3-4B-Thinking-2507. Она предназначена для генерации текста с акцентом на рассуждения, математику, вероятностные задачи, событийную логику и структурированный анализ. Модель поддерживает чат и заявленную многоязычную генерацию; может формировать ответы в форматах LaTeX, Markdown, JSON, CSV и YAML. В метаданных указаны 3,7 млрд параметров и контекст до 262 144 токенов. Репозиторий использует safetensors, а лицензия — Apache-2.0. Модель рассчитана на исследователей, преподавателей и разработчиков, которым нужны решения задач на вероятность и логический вывод, симуляция событий или структурированные технические ответы. Заявленный акцент на вероятностных рассуждениях и структурированном выводе следует считать описанием назначения модели, а не гарантией точности. README отмечает трудности со сложными многошаговыми задачами и очень длинным контекстом, а также меньшую пригодность для творческого письма и эмоционального общения.

Kimi-VL-A3B-Thinking-2506 — мультимодальная модель Moonshot AI, обновлённая версия Kimi-VL-A3B-Thinking и дообучение Kimi-VL-A3B-Instruct. Она предназначена для диалогов с анализом изображений и видео, визуального восприятия и рассуждений, включая решение математических задач, понимание экранов и работу с изображениями высокого разрешения. Модель поддерживает изображение размером до 3,2 млн пикселей и может генерировать до 32 тыс. токенов при длинном декодировании. В README отмечены улучшения результатов на мультимодальных и видеобенчмарках, а также сокращение длины рассуждений в среднем на 20% относительно предыдущей версии. В метаданных указаны архитектура KimiVLForConditionalGeneration, библиотека Transformers и возможность диалогового взаимодействия. Для запуска авторы рекомендуют vLLM; также описан запуск через Transformers. Модель распространяется по лицензии MIT. Описание не указывает поддерживаемые естественные языки и точное число параметров.

Guilherme34/Llama-3.2-11b-vision-uncensored-notlora — мультимодальная модель семейства Llama 3.2-Vision, разработанная Meta и представленная в формате safetensors для Transformers. Она принимает текст и изображения и формирует текстовые ответы; архитектура основана на Mllama с визуальным адаптером и перекрёстным вниманием. В карточке описана версия на 11B параметров и контекст 128k токенов. Модель предназначена для диалога с изображениями, визуальных вопросов и рассуждений, распознавания содержимого, создания подписей и ответов по документам. README указывает поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского для текстовых задач; для задач с изображениями заявлен только английский. Название репозитория содержит «uncensored», но README не документирует конкретные изменения или особенности этой версии, поэтому её поведение в этом отношении нельзя уточнить. Для использования действует Llama 3.2 Community License — специальная лицензия Meta с собственными условиями, а также Acceptable Use Policy. Архитектурное описание и характеристики в README относятся к семейству Llama 3.2-Vision и не подтверждают отдельно, какие изменения внесены в эту копию.

Lumma-Fev-0.6B — компактная модель решений компании FrontiersMind, дообученная на базе Lumma-0.6B-Base. Она принимает документ-состояние (текст, JSON-объект или массив) и набор типизированных вопросов, а за один проход вычисляет распределение вероятностей для каждого ответа. Модель не генерирует текст: для вопросов типа yes/no возвращает вероятность ответа «да», для выбора — наиболее вероятный вариант и вероятности вариантов, для шкалы — ожидаемый уровень и распределение по уровням. Архитектура — плотный причинный трансформер с обработкой только префикса и отдельным считыванием указателя по вариантам ответа. Вопросы обрабатываются независимо: каждый видит состояние и собственные инструкции с вариантами, но не ответы на другие вопросы. Модель предназначена для структурированной классификации и принятия типизированных решений; карточка приводит результаты на тестах Typed-decisions, AG News и DAIR Emotion. Для работы доступны Transformers и пакет lumma-fev, в том числе сервер API с контрактом TypeSafe. Модель не генерирует свободные объяснения, а её оценки уверенности и вероятности требуют проверки калибровки на размеченных данных перед использованием для автоматических решений. Лицензия — Apache-2.0.

Medical Prescription OCR TrOCR Small — модель распознавания текста на изображениях, дообученная в Kaggle на базе microsoft/trocr-small-handwritten. Она использует архитектуру TrOCR vision-encoder-decoder и предназначена для чтения строковых фрагментов медицинских рецептов. Модель принимает изображения отдельных строк рецепта и выдаёт распознанный текст. В README указаны 20 250 обучающих, 2 526 валидационных и 2 517 тестовых строк; на тестовой выборке CER составила 0,0184 для строк и 0,0128 для полных рецептов, а точность слов — 0,9756 и 0,9865 соответственно. Результаты описывают конкретную выборку и не гарантируют такого же качества на других почерках, языках, форматах рецептов или изображениях. Для применения нужны изображения рецептов, нарезанные на строки; язык распознавания и условия лицензии в предоставленных материалах не обозначены.

openbmb/MiniCPM-V-4.6-Thinking-AWQ — квантизированная версия мультимодальной модели MiniCPM-V 4.6 Thinking, разработанной командой OpenBMB. Это вариант AWQ с квантованием W4A16 на базе AutoAWQ, предназначенный для эффективного запуска задач понимания изображений и видео, включая сложное мультимодальное рассуждение, математику и OCR-нагруженные сценарии. Модель использует ориентированную на периферийные устройства архитектуру с визуальным энкодером SigLIP2-400M и языковой моделью Qwen3.5-0.8B, а также смешанное сжатие визуальных токенов 4x/16x. Вариант Thinking формирует явную цепочку рассуждений перед итоговым ответом. Поддерживаются изображения и видео; заявлена возможность развёртывания на iOS, Android и HarmonyOS. Сведения о поддерживаемых языках и размере контекста в карточке не указаны. К сильным сторонам относятся компактность, сниженные требования к памяти благодаря AWQ-квантованию, пригодность для on-device-сценариев и улучшенная работа со сложными мультимодальными задачами. Ограничениями являются зависимость эффективности от совместимости программного окружения и видеодекодера, а также возможная потеря точности по сравнению с исходными BF16-весами вследствие квантования. Модель распространяется по лицензии Apache-2.0.

heretic-org/MiniCPM-V-4.6-Thinking-heretic — производная модель на основе openbmb/MiniCPM-V-4.6-Thinking, изменённая методом abliteration для снижения числа отказов. По карточке, в указанной проверке она отказала в 14 случаях из 416 против 314 у исходной модели. Базовая модель предназначена для диалога и рассуждений по изображениям и видео, включая распознавание текста на изображениях и визуальные математические задачи. Модель принимает текст и изображения, а также поддерживает видео по описанию базовой модели. Архитектура MiniCPM-V 4.6 Thinking сочетает визуальный энкодер SigLIP2-400M и языковую модель Qwen3.5-0.8B; она формирует цепочку рассуждений перед итоговым ответом и использует сжатие визуальных токенов 4x/16x. Репозиторий содержит веса safetensors и заявляет возможности диалога, работы с изображениями и интерфейс вызова инструментов. Модель подходит для вопросов по изображениям и видео, OCR и мультимодальных рассуждений, в том числе локального запуска на мобильных устройствах. Снижение числа отказов может привести к выдаче нежелательного или небезопасного содержания; результаты проверки отказов не гарантируют качества во всех задачах. Лицензия — Apache-2.0.

ytu-ce-cosmos выпустила дообученный на турецком языке классификатор токенов на архитектуре ModernBERT. Модель содержит около 149 млн параметров и извлекает из текста целевые аспекты мнений, размечая токены метками O, B-ASP и I-ASP. Она предназначена для извлечения аспектов в задачах анализа тональности по аспектам (ABSA), например для определения, о каких свойствах товара говорится в отзыве. Модель обучена на базе ytu-ce-cosmos/modernbert-tr-base с использованием переведённых записей M-ABSA и данных с метками, созданными учителем. В README приведены результаты F1 по точным границам сущностей: 64,09% на тестовой выборке ABSA-TR и 69,46% на переведённой турецкой выборке M-ABSA. Репозиторий содержит веса Safetensors и ONNX; лицензия — Apache-2.0. Указанная для базовой модели длина контекста составляет 8192 токена.

DFKI-SLT/multilingual_DialogPII_NER — дообученная DFKI-SLT модель для обнаружения и классификации персональных данных в многоязычных диалогах. Она выполняет разметку текста на уровне токенов и распознаёт 19 типов PII, включая имена, адреса электронной почты и социальные связи. Модель основана на jhu-clsp/mmBERT-base (ModernBERT) с CRF-слоем и контекстным окном в стиле FLERT: при разметке предложения используются два соседних предложения слева и справа. Обучение проводилось совместно на синтетических диалогах на 11 языках; в карточке приведены оценки на отложенных наборах по каждому языку. Модель предназначена для деидентификации разговорных данных, например медицинских анамнезов, обращений в поддержку, полицейских отчётов и терапевтических бесед. Для инференса нужна собственная реализация ModernBertCRF и пакет pytorch-crf; модель нельзя загрузить напрямую через AutoModelForTokenClassification. Качество на реальных данных может отличаться от результатов на синтетических наборах; на формальных документах, а также на арабском и хинди качество может быть ниже. Лицензия — MIT.

Модель Impresso HIPE-2022 NER — дообученная многоязычная BERT-модель для распознавания именованных сущностей в исторических газетных текстах. Её разработали в рамках проекта Impresso и включили в конвейер Impresso NER. Модель основана на dbmdz/bert-base-historic-multilingual-cased и дообучена на наборе impresso-project/ner-augmentation для задачи HIPE-2022. Модель классифицирует токены по схеме IOB2 и выделяет категории персон, организаций, мест, продуктов и времени. Поддерживаются французский, немецкий и английский языки. Архитектура — BERT для классификации токенов; размер составляет 137,8 млн параметров, контекст — до 512 токенов. На тестовом наборе указан F1 0,7410 на уровне сущностей; для мест приведён F1 0,8340, для организаций — 0,4309. Модель предназначена для извлечения сущностей из исторической прессы и исследовательских либо редакционных конвейеров анализа газет. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0. Результаты зависят от языка, качества распознавания текста и соответствия данных историческим текстам и меткам обучения; приведённые метрики показывают более слабое распознавание организаций, чем мест.

OpenMed-ZeroShot-NER-Chemical-Base-220M — модель OpenMed для распознавания упоминаний химических веществ в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе BC4CHEMD; поддерживает zero-shot извлечение сущностей по заданным типам, включая метку CHEM, без отдельного дообучения под каждую задачу. Модель принимает текст и возвращает найденные фрагменты с типами сущностей. В карточке указана оценка F1 0,90 на тестовой выборке BC4CHEMD, исключённой из обучения. Модель предназначена для извлечения названий химических соединений, лекарств и реагентов из научной литературы, а также для индексации соединений и последующей привязки сущностей к ChEBI или DrugBank. Карточка также описывает более широкие сценарии биомедицинского NER, однако заявленный основной тип сущности этой версии — CHEM. Метаданные указывают английский язык, формат PyTorch и лицензию Apache-2.0. Результаты могут зависеть от выбранных меток и порога обнаружения; карточка советует снижать порог для редких или пользовательских типов сущностей.