I.3Извлечение и структурирование данных

OpenMed-ZeroShot-NER-Pathology-Medium-209M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Она использует архитектуру GLiNER и дообучена на корпусе NCBI Disease; размер модели, указанный в названии, — 209 млн параметров. Модель принимает текст и возвращает найденные сущности с метками, поддерживая zero-shot извлечение типов сущностей, задаваемых пользователем. Основное назначение — извлечение названий заболеваний из научной литературы и клинических текстов для поиска по медицинским данным, построения когорт и графов знаний, а также последующей нормализации понятий к MeSH или OMIM. Для распознавания заболеваний в тесте NCBI Disease в карточке приведён F1 0,894. Модель также может применяться к другим заданным типам сущностей, однако карточка подробно подтверждает обучение и оценку именно для заболеваний. Лицензия — Apache-2.0.

horsbug98/Part_1_mBERT_Model_E1 — модель на архитектуре BERT для ответов на вопросы. Она дообучена на наборе tydiqa secondary_task от henryk/bert-base-multilingual-cased-finetuned-dutch-squad2; в репозитории указаны веса PyTorch и около 205,1 млн параметров. Модель принимает текст вопроса и контекста и предназначена для извлечения ответа из текста. Максимальная длина контекста составляет 512 токенов. Карточка не описывает результаты оценки или специальные сценарии применения. Производная базовая модель мультиязычная и ориентирована на нидерландский, однако целевой языковой охват этого чекпойнта отдельно не уточнён. Лицензия в предоставленных данных не указана.

pi-r2 — модель компьютерного зрения на архитектуре DETR с ResNet-50, дообученная на датасете biglam/loc_beyond_words для поиска элементов макета на сканах исторических газет. Она обнаруживает семь классов: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и объявления, возвращая классы и ограничивающие рамки объектов. Модель предназначена для автоматического разбора газетных страниц и подготовки архивных материалов к поиску и анализу. На отложенной выборке из 712 изображений достигла AP@[IoU .50:.95] 0,423 и AP@IoU .50 0,566. Обучение выполнено на преимущественно чёрно-белых сканах; результаты на цветных документах могут быть хуже. Из-за дисбаланса классов редкие карты и редакционные карикатуры могут распознаваться слабее, а небольшие текстовые области могут пропускаться при разрешении входа 480–800 пикселей. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

liam168/qa-roberta-base-chinese-extractive — модель для извлечения ответов на вопросы по китайскому тексту. Разработчик описывает её как QA-модель, дообученную на китайских текстовых данных; архитектура в метаданных указана как BERT с головой BertForQuestionAnswering. Модель содержит 129,5 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для extractive question answering: на вход подаются вопрос и текстовый фрагмент, а на выходе выбирается ответ из этого фрагмента. Её можно применять для поиска фактов в китайских документах и ответов на вопросы по предоставленному контексту. README также называет базу RoBERTa-Base, но точный идентификатор базовой модели не указан. Лицензия в предоставленных данных отсутствует.

Модель BLT Lab, разработанная в сотрудничестве с eBay при финансировании eBay, предназначена для сегментации англоязычных поисковых запросов в электронной коммерции. Это модель разметки последовательностей на базе BERT base uncased, дообученная для классификации токенов на обучающей выборке QueryNER с дополнительными аугментациями, призванными повысить устойчивость к опечаткам и упоминаниям, отсутствовавшим в обучающих данных. Модель выделяет фрагменты запроса, которые можно использовать для взвешивания сущностей, связывания их с базами знаний или удаления отдельных фрагментов при обработке запросов с низкой полнотой результатов. Она рассчитана на английский язык и контекст до 512 токенов. Для использования предсказаний авторы применяют постобработку, учитывающую метку только первого субтокена. Модель обучена на QueryNER и может хуже работать на других доменах без дополнительных данных и дообучения. README указывает на исследовательское и прикладное использование для сегментации запросов, а результаты оценки и ограничения отсылает к статье. Лицензия — CC-BY-4.0.

Qwen3-VL-8B-Instruct-abliterated-v2-GGUF — мультимодальная vision-language модель от prithivMLmods, основанная на Qwen3-VL-8B-Instruct от Alibaba. Это GGUF-сборка для запуска через llama.cpp и совместимые инструменты; доступны варианты квантования от Q2_K до Q8_0, а также F16 и отдельные mmproj-файлы для обработки изображений. Модель предназначена для генерации текста по изображениям, подробного описания визуального содержимого, следования инструкциям и мультимодального рассуждения. Заявлена поддержка сложных, технических, художественных и чувствительных изображений, видео, различных разрешений, соотношений сторон и макетов. Указаны Interleaved-MRoPE, контекст до 262K токенов и OCR на 32 языках; основным языком работы назван английский, при этом заявлена адаптация к другим языкам с помощью формулировок запросов. Модель содержит около 8 млрд параметров и ориентирована на запуск на GPU с 16–24 ГБ VRAM в форматах BF16/FP8 через Transformers или vLLM, а GGUF-квантизации позволяют выбирать компромисс между размером и качеством. Ключевая особенность версии — удаление механизмов отказа и контентных ограничений, что расширяет область применения для red teaming, исследований безопасности и творческих сценариев, но одновременно повышает риск генерации небезопасного или нежелательного содержимого. Модель распространяется по лицензии Apache-2.0.

Карточка модели miaosiyu-ai-2026/roberta-base на Hugging Face совпадает с карточкой FacebookAI/roberta-base, поэтому описание составлено по ней. RoBERTa base — предварительно обученная языковая модель FacebookAI на архитектуре Transformer-энкодера, содержащая 151,8 млн параметров. Она обучена на англоязычных текстах методом masked language modeling: восстанавливает скрытые токены в контексте, используя информацию как слева, так и справа. Модель чувствительна к регистру и принимает последовательности длиной до 514 токенов. Модель подходит для заполнения пропусков в английском тексте и как основа для дообучения под задачи классификации последовательностей и токенов, а также ответа на вопросы. Для свободной генерации текста она не предназначена. Обучающие данные включают BookCorpus, Wikipedia, CC-News, OpenWebText и Stories; их интернет-содержимое может приводить к предвзятым предсказаниям. Лицензия — MIT.

Это модель вопросно-ответной системы на базе RoBERTa, дообученная Harveyagraphcore на наборе данных SQuAD. Она предназначена для извлечения ответа на вопрос из предоставленного текста и может использоваться, например, для поиска фактов в документах или ответов на вопросы по справочным материалам. Модель имеет архитектуру RoBERTa, содержит 151,8 млн параметров и принимает контекст длиной до 514 токенов. Доступна в формате PyTorch и распространяется по лицензии MIT. Карточка не приводит подробных результатов оценки или рекомендаций по применению. Поэтому качество на текстах и языках, отличающихся от SQuAD, не подтверждено; также следует учитывать ограничение на длину входного контекста.

AudenAI/TagSpeech-AMI — модель сквозного распознавания речи нескольких говорящих с диаризацией, разработанная AudenAI и дообученная на базе Qwen/Qwen2.5-7B-Instruct. Она принимает аудиоволну и за один проход формирует расшифровку с метками говорящих, временными отметками и прогнозом пола говорящего. Архитектура использует два энкодера — семантический и голосовой — и числовые временные якоря; для входа рекомендуется аудио с частотой 16 кГц. Модель предназначена прежде всего для офлайн-расшифровки совещаний и разговоров с несколькими участниками, включая перекрывающуюся речь и шумные условия записи на расстоянии. Выход представлен в XML и может быть преобразован в JSON. Модель поддерживает английский язык и обучалась примерно на 65 часах речи из набора AMI. Рекомендуется обрабатывать фрагменты длительностью не более 30 секунд; для длинных записей требуется самостоятельно организовать разбиение на фрагменты и постобработку. Модель не поддерживает потоковое распознавание, а качество может снижаться на аудио вне домена AMI. Лицензия — Apache-2.0.

Tiron — модель распознавания речи с разделением реплик по говорящим, разработанная Trelis. Она построена на архитектуре Whisper large-v3 с расширенным словарём токенов и за один проход создаёт расшифровку с маркерами говорящих и временными метками. Число параметров — 905,3 млн; модель совместима с WhisperForConditionalGeneration и распространяется в формате safetensors. Модель предназначена для транскрибации многоголосых встреч и совещаний. Она обрабатывает аудио окнами по 30 секунд, поддерживает до восьми говорящих в окне, а для полной записи README рекомендует открытый harness, который выполняет разбиение на фрагменты и связывает говорящих между окнами. Заявлены английский и китайский языки, а также многоязычная поддержка. В бенчмарках авторов модель показала скорость около 43× реального времени на одном GPU при потреблении 3–12 ГБ видеопамяти. Метки говорящих анонимны и не сопоставляются с именами или образцами голоса. Встреча ограничена восемью глобальными говорящими при использовании harness; временные метки приблизительны, особенно при сильном перекрытии речи. Лицензия — Apache-2.0.

tangminhanh/ts_subcate — дообученная модель классификации последовательностей на основе tangminhanh/ts_cate, разработанная автором репозитория tangminhanh. Она использует архитектуру DeBERTa v2 с примерно 155 млн параметров и контекстом до 512 токенов. Модель предназначена для классификации текста по подкатегориям; конкретная схема меток и область применения в карточке не описаны. На указанном наборе оценки модель показала accuracy 0,7013, F1 0,7812, precision 0,8815 и recall 0,7014. Данные о языках и обучающем наборе не приведены. Модель распространяется под лицензией MIT.

nlpconnect/vit-gpt2-image-captioning — модель для автоматического создания текстовых описаний изображений. Она разработана на основе VisionEncoderDecoderModel: визуальный энкодер анализирует изображение, а декодер GPT-2 формирует подпись. Репозиторий содержит версию PyTorch модели, первоначально обученной ydshieh во Flax. Модель предназначена для генерации кратких описаний содержимого изображения. Её можно использовать в конвейере Transformers image-to-text для автоматического добавления подписей к изображениям и их текстовой индексации. В карточке не приведены сведения о поддерживаемых естественных языках, размере модели и длине контекста. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает об оценках качества или специальных ограничениях применимости; качество описаний может зависеть от изображения и обучающих данных.

WRAPresentations — англоязычная модель Sentence-Transformers от TomatenMarc для построения эмбеддингов твитов и поиска сходства между ними в задачах анализа аргументации. Она основана на BERTweet-base с архитектурой RoBERTa и дообучена контрастивным обучением на датасете TACO. Модель кодирует твиты в 768-мерные векторы, в которых отражены классы Reason, Statement, Notification и None; эти представления можно использовать для последующей классификации и группировки твитов по смыслу аргументации и содержащейся информации. Модель предназначена для анализа англоязычных сообщений Twitter. В обучении использовались твиты по пяти темам, а отдельная тема #abortion служила отложенной выборкой для оценки. В карточке указаны 162,4 млн параметров и контекст до 130 токенов. Для получения эмбеддингов используется mean pooling; при применении через Transformers требуется корректно добавить pooling к выходам модели. Лицензия — CC BY-SA 4.0.

alon-albalak/xlm-roberta-base-xquad — модель для извлечения ответов на вопросы, созданная дообучением xlm-roberta-base на наборе данных XQuAD. Она получает вопрос и текстовый фрагмент и выделяет ответ непосредственно из этого фрагмента. В карточке указана оценка на отложенной тестовой выборке XQuAD. Модель построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров. Максимальная длина контекста составляет 514 токенов. Она предназначена для многоязычного extractive QA; метаданные отмечают набор данных XQuAD, но конкретные поддерживаемые языки не перечислены. Доступны веса в формате PyTorch. Лицензия в предоставленных данных не указана. Результат ограничен поиском ответа в переданном тексте: модель не предназначена для свободной генерации или ответов, требующих сведений за пределами контекста. Подробные результаты оценки не приведены.

AnE-LID — модель токенной классификации, разработанная автором репозитория для выявления английских вставок в многоязычных текстах с переключением языков. Она присваивает словам одну из четырёх меток: English, notEnglish, Mixed или Other; заявлена высокая точность как на языках, встречавшихся при обучении, так и на новых языках. Модель основана на XLM-RoBERTa large и использует архитектуру XLMRobertaForTokenClassification. Она принимает текст и выдаёт метки для его токенов; длина контекста составляет 514 токенов. Карточка указывает лицензию other, поэтому условия использования следует сверить с лицензией в репозитории.

Arabic Large Nougat — модель OCR, разработанная Mohamed Rashad для преобразования изображений страниц арабских книг в структурированный текст, в том числе с разметкой Markdown. Она построена на архитектуре VisionEncoderDecoderModel с архитектурой Nougat и обучена с нуля на наборе данных MohamedRashad/arabic-img2md с токенизатором riotu-lab/Aranizer-PBE-86k. Модель принимает изображения и генерирует текст; заявленная максимальная длина контекста — 2048 токенов. Модель предназначена для оцифровки арабской литературы и извлечения текста из печатных материалов. Карточка указывает поддержку арабского и английского языков и лицензию GPL-3.0. Модель может повторять или ошибочно распознавать текст, а также генерировать нерелевантные пути к изображениям; длинные страницы могут быть транскрибированы не полностью. Результат следует проверять, особенно если важна точность.

AraElectra-Arabic-SQuADv2-QA — модель ZeyadAhmed для извлечения ответов на вопросы по тексту на арабском языке. Она дообучена на AraElectra на наборе Arabic-SQuADv2.0, включающем вопросы без ответа, и использует классификацию для определения таких вопросов. Модель построена на архитектуре ELECTRA и содержит 162,4 млн параметров. Она принимает вопрос и контекст и возвращает найденный в контексте ответ либо определяет, что ответа нет. Максимальная длина контекста — 512 токенов. README рекомендует использовать препроцессор AraBERT для арабского текста. Модель предназначена для извлечения ответов из текстовых отрывков, включая контексты из арабской Википедии и пользовательские тексты. В README описана оценка на тестовой части Arabic-SQuAD 2.0, однако численные результаты не приведены. Лицензия в предоставленных данных не указана.

Aria-Base-8K — базовая плотная мультимодальная модель семейства Aria от rhymes.ai, представленная как чекпойнт после этапа мультимодального предобучения. На этом этапе модель обучалась на 1,4 трлн токенов: 1 трлн языковых и 400 млрд мультимодальных; длина последовательностей составляла 8192 токена. Модель предназначена прежде всего для продолжения предобучения, например на специализированных данных для OCR, агентных сценариев или многоязычия, а также для языковых и визуально-языковых задач.

AudioSeg — модель для автоматического определения тематических границ непосредственно по аудио. Она принимает подкаст, лекцию или видео и выдаёт вероятность границы темы для каждого 6-секундного интервала, которую можно порогово преобразовать в отметки глав. Модель представлена авторами исследования «Beyond Transcripts: A Renewed Perspective on Audio Chaptering». Архитектура использует замороженный аудиоэнкодер Whisper large-v3 для последовательных 30-секундных фрагментов и обученную голову примерно на 32 млн параметров. Голова объединяет признаки в представления 6-секундных сегментов, затем оценивает вероятность границы для каждого сегмента. Обучение проводилось на YTSeg с человеческими отметками глав из видео YouTube; энкодер Whisper оставался замороженным. Модель подходит для автоматического создания глав и тематического сегментирования длинных аудиозаписей. Для работы требуются Transformers, PyTorch, torchaudio и загрузка энкодера openai/whisper-large-v3 при первом использовании. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

BatteryBERT-cased-squad-v1 — англоязычная модель для извлечения ответов из текста, разработанная Shu Huang и Jacqueline Cole. Она основана на BatteryBERT-cased и использует архитектуру BERT с головой для question answering; обучалась и оценивалась на SQuAD v1, а также оценивалась на наборе данных по аккумуляторным устройствам. Модель принимает вопрос вместе с текстовым фрагментом и извлекает из него ответ. Она подходит для ответов на вопросы по справочным материалам и документам, в том числе по сведениям об аккумуляторах и устройствах. Размер модели — 135,5 млн параметров, длина контекста — до 512 токенов. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0.

BERTAUT v1 — модель классификации текста на основе BERT, созданная Teguh Arie Sandy и дообученная на google-bert/bert-base-multilingual-cased. Она относит отзывы, комментарии и открытые ответы на вопросы о технологиях к шести категориям UTAUT и фильтрации: ожидаемая производительность (PE), простота использования (EE), социальное влияние (SI), условия использования (FC), общий отзыв (GR) и спам (SP). Модель подходит для предварительной разметки пользовательских текстов и анализа восприятия технологий на индонезийском и других языках, поддерживаемых mBERT; результаты на целевом языке и в конкретной предметной области следует проверить. Модель имеет архитектуру BERT для классификации последовательностей, содержит 205,1 млн параметров и принимает тексты длиной до 512 токенов. В README приведена точность 0,9132 на отдельной тестовой выборке из 6 370 текстов. Это начальная версия, обученная на ограниченном наборе данных; качество может снижаться на языках и в областях, отличных от обучающих. Класс BI (Behavioral Intention) в этой версии отсутствует. Лицензия — MIT.

TurkuNLP/bert-base-finnish-uncased-v1 — финская версия BERT Base с архитектурой BertForMaskedLM, разработанная TurkuNLP и обученная с нуля на финских текстах. Модель содержит 151,7 млн параметров, использует словарь из 50 000 WordPiece-токенов с улучшенным покрытием финской лексики и принимает последовательности длиной до 512 токенов. Предварительное обучение выполнено в течение 1 млн шагов на более чем 3 млрд токенов финских новостей, интернет-обсуждений и веб-данных. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения под классификацию документов, распознавание именованных сущностей, разметку частей речи и другие задачи обработки финского языка. В README приведены результаты, превосходящие multilingual BERT на нескольких финских наборах данных. Для запуска доступны веса в PyTorch, TensorFlow и Flax, включая формат safetensors. Лицензия в предоставленных данных не указана.

Компактная модель BERT для ответов на вопросы по заданному текстовому контексту. Это дообученная версия mrm8488/bert-small-finetuned-squadv2 с 32,4 млн параметров; модель построена на плотной архитектуре BERT и распространяется в формате TensorFlow. Она предназначена для извлечения ответа из предоставленного контекста и может воздержаться от ответа, если нужных сведений в нём нет. Максимальная длина контекста — 512 токенов. В карточке указаны результаты обучения: train loss 1,1458, validation loss 0,0 и 13 эпох, однако набор данных неизвестен, а описание модели и ограничений не раскрыто. Базовая модель англоязычная, поэтому её основное применение — вопросы по текстам на английском языке. Лицензия в предоставленных данных не указана.

lserinol/bert-turkish-question-answering — модель на архитектуре BERT, созданная для ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст на турецком языке и извлекает из контекста ответ; пример использования показывает загрузку через Transformers и запуск конвейера question-answering. Модель содержит 137,8 млн параметров, поддерживает контекст до 512 токенов и опубликована в форматах PyTorch и Flax. Модель подходит для поиска точных ответов в текстах на турецком языке, например в справочных материалах и документах. Карточка демонстрирует ответы на вопросы, связанные с фактами из контекста, и не подтверждает работу вне заданного текста. Лицензия в предоставленных данных не указана.

Bespoke-Nimble-9B — это LoRA-адаптер для базовой модели Qwen/Qwen3.5-9B, разработанный Bespoke Labs. Модель предназначена для выбора ответов, классификации, структурированного предсказания и оценки по заданным критериям на основе предоставленного контекста. Она напрямую оценивает вероятности разрешённых токенов ответа, поэтому рабочий процесс не предполагает генерацию рассуждений или свободного текста. Адаптер рассчитан на обработку текстовых данных на английском языке и поддерживает логические значения, варианты из перечисления и целочисленные уровни рубрик. Для каждого поля можно задать до 26 вариантов, а для оценок модель возвращает выбранное значение и вероятностно-взвешенную ожидаемую оценку. Максимальная длина входного запроса составляет 2 048 токенов; слишком длинные запросы отклоняются без усечения. Репозиторий содержит адаптер размером около 165 МиБ, токенизатор, построитель промптов и эталонный код инференса, но требует отдельной загрузки полной базовой модели Qwen/Qwen3.5-9B. Для запуска рекомендуется CUDA GPU с поддержкой BF16; исходный прогон выполнялся на PyTorch 2.8.0 и CUDA 12.8. Сильными сторонами являются контекстно-обоснованная классификация, предсказуемый структурированный вывод и получение вероятностей по допустимым ответам. Ограничения включают зависимость от базовой модели, английский язык, работу только с заранее заданными вариантами и требование GPU с BF16. Лицензия — Apache 2.0.

Bina 0.1 Koochik GGUF — версия модели для распознавания текста на изображениях, подготовленная Reza2kn в формате GGUF F16 для llama.cpp. Это мультимодальная модель с архитектурой Qwen3.5 и отдельным проектором зрения; README указывает, что комплект включает исправленную среду выполнения для поддержки токенизатора WordLevel модели. Она предназначена прежде всего для локального OCR персидских изображений и может запускаться через Python-лаунчер или веб-интерфейс, в том числе офлайн после загрузки полного комплекта. Карточка описывает проверку на одном персидском фрагменте печатного текста, поэтому она не подтверждает общую точность OCR. Для запуска требуются Python 3.9+, а GPU-режим зависит от Vulkan; в комплекте для macOS доступен только CPU-режим. Лицензия — OpenRAIL.

Это модель BioBERT, дообученная alvaroalon2 для распознавания химических веществ в биомедицинских текстах. Она решает задачу распознавания именованных сущностей (NER) и предназначена для использования в системах BioNER/BioNEN. Обучение проводилось на корпусах BC5CDR-chemicals и BC4CHEMD. Модель основана на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Она размечает текстовые фрагменты, относящиеся к химическим веществам; заявленный язык — английский. Доступны веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Карточка модели sschet/biobert_chemical_ner на Hugging Face совпадает с карточкой alvaroalon2/biobert_chemical_ner, поэтому описание составлено по ней. Это модель BioBERT, дообученная alvaroalon2 для распознавания химических веществ в биомедицинских текстах. Она решает задачу распознавания именованных сущностей (NER) и предназначена для использования в системах BioNER/BioNEN. Обучение проводилось на корпусах BC5CDR-chemicals и BC4CHEMD. Модель основана на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Она размечает текстовые фрагменты, относящиеся к химическим веществам; заявленный язык — английский. Доступны веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

ChartVerse-2B — компактная мультимодальная модель для понимания графиков и диаграмм, разработанная в рамках проекта opendatalab/ChartVerse. Она дообучена на базе Qwen/Qwen3-VL-2B-Instruct и принимает изображения графиков вместе с текстовыми запросами, выдавая текстовые ответы и объяснения. Модель предназначена для вопросов по данным на графиках и многошагового анализа, включая рассуждения по цепочке мыслей. Модель содержит 2 млрд параметров и обучена на наборах ChartVerse-SFT-600K и ChartVerse-RL-40K. По данным карточки, она набрала в среднем 54,3% на шести сложных бенчмарках по графикам и превзошла приведённые в README специализированные модели на 7 млрд параметров. Репозиторий использует архитектуру Qwen3-VL, библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0.

Code-Daemon NER v1 — модель распознавания именованных сущностей в англо- и русскоязычной прозе о разработке ПО. Она выделяет компоненты систем, API и инструменты, пути к файлам, метрики и другие сущности, чтобы связывать документацию, обсуждения и сообщения коммитов с кодом. Это не парсер исходников: модель предназначена для поиска сущностей в текстовых описаниях. Модель основана на XLM-RoBERTa и дообучена для классификации токенов; метаданные указывают 124,3 млн параметров, а README описывает вариант с примерно 117 млн параметров. Контекст — до 128 токенов по настройке обучения; README рекомендует подавать одно-два предложения за вызов. Доступны веса Safetensors и форматы ONNX и Core ML. По оценке авторов на размеченных людьми данных, модель превосходит сравнивавшиеся zero-shot-модели для выбранных инженерных меток, но точность ограничена: авторы рекомендуют использовать её для генерации кандидатов с последующей фильтрацией, а не для автоматической разметки без проверки. Для оптимальных результатов требуется предварительно разбивать идентификаторы camelCase и snake_case. Лицензия — MIT.