I.3Извлечение и структурирование данных

Sudhanshu1985/slm-125m-sft — дообученная инструкционная модель на архитектуре Llama с 125,8 млн параметров, созданная на базе thesreedath/slm-125m-base. Она предназначена для ответов на вопросы по предоставленному контексту в задачах поиска сведений и рассуждений, а также для отказа, если ответ не содержится в контексте. Модель обучена на синтетических парах grounded QA по материалам права США, финансовой отчётности и образовательного веб-контента; README сообщает о 24 713 парах и обучении в пределах окна 1024 токена. Модель принимает текстовый запрос и контекст, а выдаёт текстовый ответ. Она рассчитана прежде всего на англоязычный юридический и финансовый регистр; для диалога и следования инструкциям требуется предусмотренный репозиторием шаблон чата. По данным README, модель не располагает собственными надёжными фактами и должна отвечать только на основе переданного контекста; более длинные входы требуется разбивать на фрагменты. Модель не предназначена для юридических или финансовых консультаций. Лицензия — Apache-2.0.

SMILES2IUPAC-canonical-small — компактная модель Knowledgator Engineering для преобразования записей молекул в формате SMILES в канонические названия IUPAC. Она основана на MT5 и использует архитектуру encoder-decoder с механизмом внимания и отдельными токенизаторами для кодировщика и декодировщика. Модель поддерживает входы SMILES и выдаёт названия на английском языке; предусмотрен выбор предпочитаемого стиля названия с помощью стилевых токенов. Модель предназначена для автоматического присвоения химическим структурам систематических или распространённых названий и пакетной обработки таких преобразований. В приведённой оценке указаны точность 75% и BLEU-4 0,93. Лицензия Apache 2.0 допускает использование и модификацию на её условиях.

Sum Small — языковая модель Omi Health для создания структурированных SOAP-сводок по медицинским диалогам. Это дообученная Microsoft/Phi-3-mini-4k-instruct с плотной архитектурой Phi-3 и 3,7 млрд параметров; она принимает текст и генерирует текст. Контекст составляет 4096 токенов, основной язык — английский. Модель предназначена для исследований и разработки инструментов медицинской документации, например для преобразования разговора врача с пациентом в краткую запись по разделам SOAP. В карточке сообщается о результате ROUGE-1 70 на оценке модели, однако это не подтверждает клиническую точность. Данные обучения синтетические: 10 000 диалогов и соответствующих сводок. Модель не готова к непосредственному клиническому применению без дополнительной проверки и защитных механизмов. Синтетические обучающие данные могут не отражать реальные клинические разговоры; необходимы тщательная оценка безопасности и защита конфиденциальности пациентов. Лицензия MIT разрешает коммерческое и некоммерческое использование.

Ternary-Bonsai-2-27B-Uncensored-Heretic-GGUF — текстовая генеративная модель от OS-Software, созданная на базе Ternary-Bonsai-2-27B от Prism ML. В модель встроен Heretic LoRA, преобразующий её в менее цензурированную версию. Распространяется в формате GGUF и предназначена для работы через специальную fork-версию llama.cpp от Prism ML с поддержкой ternary-ядер и Hadamard-преобразований активаций. Модель рассчитана на локальную генерацию текста, включая рассуждения, арифметику, работу с JSON, перевод и ответы на вопросы по прочитанному. Заявленный размер — 27B параметров; используется тернарное представление весов. В README приведён пример запуска с контекстом 32768 токенов, однако производительность на длинном контексте не оценивалась. Проверки выполнены на английском и японском языках; поведение на других языках и мультимодальные возможности не описаны. По сравнению с исходной моделью зафиксировано 0 отказов из 100 тестов против 95 из 100 у оригинала, при этом KL-дивергенция составляет 0,0135. Локальные тесты показали близкие значения perplexity для английского и японского языков, а все 16 коротких функциональных проверок прошли успешно. Ограничения включают приблизительное объединение LoRA с тернарными весами, отсутствие комплексных бенчмарков и существенное снижение защитного выравнивания: модель может чаще генерировать вредный, неточный, предвзятый или оскорбительный контент. Она предназначена только для исследований, экспериментов, анализа безопасности и red-teaming, а не для публичных пользовательских сервисов. Лицензия указана как Apache 2.0, применимая к производной работе на базе исходной модели.

PiotrSty/trocr-pl-base — экспериментальная модель OCR, разработанная PiotrSty на основе microsoft/trocr-base-printed и дообученная с помощью LoRA для распознавания печатного польского текста. Это архитектура VisionEncoderDecoder из семейства TrOCR; модель принимает изображение одной строки и генерирует её текстовую транскрипцию. Основные веса объединены с адаптером, поэтому модель можно загружать без PEFT. Модель предназначена для распознавания отдельных строк, в том числе исторической польской печати. На пилотной выборке из 75 вручную вырезанных строк исторических документов CER составил 11,11%, а WER — 35,84%; на английской базовой модели для тех же данных показатели были значительно хуже. Проверка ограничена небольшими наборами, поэтому результаты не характеризуют качество распознавания целых страниц. Модель требует корректно выделенных строк и не заменяет этапы обнаружения, сегментации и упорядочивания текста. Модель обучалась преимущественно на синтетических данных и не проверялась на рукописном тексте, таблицах, формах и широком наборе современных документов. На коротких зашумлённых строках и знаках препинания возможны ошибки; оценка confidence не является калиброванной вероятностью. Лицензия — MIT.

BatteryBERT-uncased — англоязычная BERT-модель, разработанная Шу Хуаном и Жаклин Коул и предварительно обученная на корпусе научных статей о батареях. Модель основана на весах bert-base-uncased и обучена предсказывать замаскированные токены, поэтому подходит для заполнения пропусков в тексте и получения контекстных представлений для последующего дообучения на прикладных задачах. Архитектура — BERT с 136,7 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов. Для обучения использован корпус из 400 366 англоязычных статей о батареях, опубликованных с 2000 года по июнь 2021 года. Модель регистронезависимая, с токенизацией WordPiece и словарём из 30 522 токенов. Модель предназначена прежде всего для задач в области аккумуляторных технологий и материаловедения: её можно дообучать для классификации последовательностей, разметки токенов и ответов на вопросы по научным текстам. Для генерации связного текста она не предназначена. Распространяется по лицензии Apache-2.0.

dbmdz/bert-base-historic-dutch-cased — языковая модель BERT для исторического нидерландского языка, опубликованная разработчиками dbmdz. Это модель с архитектурой BERT и 137,8 млн параметров, обученная на корпусе Delpher: оцифрованных текстах нидерландских газет за 1618–1879 годы. В README описана предобучающая задача заполнения пропусков в тексте; репозиторий включает веса PyTorch, Safetensors и TensorFlow. Модель предназначена для анализа исторических нидерландских текстов, в том числе последующего дообучения для распознавания именованных сущностей. В оценке на наборе Europeana NER для нидерландского языка авторы сообщают F1 87,45 на тестовой выборке. Максимальная длина контекста — 512 токенов. Лицензия — MIT. Специализация на исторических газетных текстах ограничивает применимость модели к современному нидерландскому и другим языкам; качество также может зависеть от ошибок OCR и соответствия входного текста обучающему корпусу.

Bio_ClinicalBERT — англоязычная модель семейства BERT, разработанная Эмили Олсентцер и соавторами. Она основана на BioBERT и дополнительно предобучена на клинических записях из MIMIC-III: использованы все заметки из таблицы NOTEEVENTS, около 880 млн слов. Текст заметок разбивали на разделы и предложения перед обучением. Модель содержит 135,5 млн параметров, использует плотную архитектуру BERT и обрабатывает последовательности длиной до 512 токенов. В каталоге Hugging Face задача модели обозначена как fill-mask: она предсказывает замаскированные слова в клиническом тексте. Полученные представления также описаны в публикации как применимые к задачам клинического NLI и распознавания именованных сущностей, но README не приводит здесь результатов оценки. Модель предназначена для клинического NLP на английском языке, например для анализа медицинских записей и разработки систем обработки электронных медицинских карт. Она обучалась на данных пациентов отделения интенсивной терапии одной больницы, поэтому её поведение может хуже переноситься на другие учреждения, типы записей и популяции. Лицензия — MIT.

ctokx/cti-attack-mapper-modernbert — англоязычная модель классификации текста, разработанная для сопоставления предложений из отчетов о киберугрозах с 49 техниками MITRE ATT&CK. Это дообученная для многометочной классификации ModernBERT-base с 149 млн параметров, архитектурой ModernBERT и контекстом до 8192 токенов. Модель предназначена для первичной разметки отчетов, сортировки материалов для анализа и приблизительной оценки того, какие техники описаны в корпусе отчетов; результаты требуют проверки аналитиком и рассчитаны только на англоязычный текст об активности противника. На тестировании с разделением данных по исходным отчетам ModernBERT показала macro-F1 0,445, примерно на уровне TF-IDF-бейзлайна с результатом 0,454. Комбинация их вероятностей дала macro-F1 0,474 в пятифолдовой проверке, но преимущество над TF-IDF при его собственной оптимальной настройке порогов не выходит за пределы наблюдаемого шума. Качество слабее на редких техниках: средний F1 составляет 0,391 для 34 редких меток и 0,570 для 15 более частых. Модель выпущена под лицензией Apache-2.0 для защитных задач; её предсказания являются кандидатами на разметку, а не окончательными выводами.

domenicrosati/deberta-v3-xsmall-with-biblio-context-finetuned-review_classifier — модель классификации текста, дообученная на основе microsoft/deberta-v3-xsmall. По названию репозитория она предназначена для классификации рецензий с использованием библиографического контекста; карточка сообщает метрики на оценочном наборе: accuracy 0,9682, F1 0,8332, recall 0,8466 и precision 0,8202. Модель построена на архитектуре DeBERTa v3 xsmall с контекстным энкодером, содержит 77,5 млн параметров и принимает последовательности длиной до 512 токенов. Формат весов — PyTorch. Указана лицензия MIT. В README не описаны метки классификации, устройство библиографического контекста и состав данных, поэтому применимость метрик к конкретным сценариям следует оценивать с учётом этих пробелов.

Модель neuralnaut/deberta-wrime-emotions разработана для анализа японских текстов и дообучена на ku-nlp/deberta-v3-base-japanese по субъективным оценкам авторов из набора WRIME v1. Это DeBERTa V3 с головой регрессии: модель предсказывает выраженность восьми базовых эмоций Плутчика — радости, грусти, ожидания, удивления, гнева, страха, отвращения и доверия. Размер модели — 187,7 млн параметров, максимальный контекст по метаданным — 512 токенов; автор указывает оптимизацию для коротких текстов в стиле публикаций соцсетей длиной до 128 токенов. Выходные значения нормализованы в диапазон 0–1: для перевода к исходной шкале от 0 до 3 их нужно умножить на 3 и ограничить этим диапазоном. Модель подходит для построения эмоциональных профилей японских публикаций, комментариев и отзывов. По результатам теста на WRIME v1 общая корреляция Пирсона составляет 0,472; качество для эмоции доверия ниже, чем для ряда других эмоций. Модель рассчитана на японский язык и обучена только на субъективных оценках авторов, поэтому она не предсказывает реакцию читателей и может хуже работать на текстах вне домена коротких неформальных публикаций. Лицензия — MIT.

oshizo разработал эту модель, дообучив Donut base от naver-clova-ix на синтетических изображениях в стиле визуальных новелл. Это модель архитектуры vision-encoder-decoder для преобразования изображения с экраном визуальной новеллы в текстовое представление JSON с ключами options, names и messages. Модель предназначена для распознавания текста диалогов и вариантов выбора в визуальных новеллах. При обучении её настраивали на чтение основного текста без влияния фуриганы, а также на пропуск элементов интерфейса, таких как SAVE и LOAD, и отображения дат. Она рассчитана на японский язык и обучалась на изображениях размером 1920 × 1080.

Archatext/hatformer-arams28k — модель распознавания рукописного текста в строках исторических арабских рукописей. Её разработчик дообучил архитектуру VisionEncoderDecoder в стиле HATFormer: энкодер ViT-384 сочетается с декодером TrOCR; модель содержит 334 млн параметров и обучалась на разметке строк набора AraMS-28k-HTR. Базовая модель — microsoft/trocr-base-stage1. Модель предназначена для преобразования изображения строки рукописи в текст. Для распознавания требуется специальная предобработка: изображение строки приводится к высоте 64 пикселя, отражается по горизонтали и размещается на холсте 384×384; широкие строки располагаются рядами. Обычный TrOCRProcessor даёт некорректный результат. В тестах CER составил 6,48% на страницах знакомых рукописей, 13,26% на рукописи Ruqʿah и 25,37% на Naskh; качество заметно зависит от традиции письма. Модель распространяется по лицензии CC BY-NC-SA 4.0.

klusai/kp-deid-xlmr-560m-legal — модель XLM-RoBERTa-large с 658,7 млн параметров, дообученная с помощью LoRA и объединённым адаптером для классификации токенов с персональными данными в юридических текстах. Она предназначена для выявления идентификаторов, чтобы затем удалить или заменить их и снизить риск повторной идентификации людей. Карточка описывает 18 типов сущностей, согласованных с GDPR, включая имена, адреса, номера дел, контактные данные и медицинские сведения. Модель рассчитана прежде всего на англоязычные юридические документы. На внешнем наборе TAB с решениями ЕСПЧ, согласно карточке, она оставляла незамаскированными 9,5% прямых идентификаторов; при этом строгая оценка F1 для точных границ и типов сущностей составляет около 0,34. Это экспериментальный исследовательский чекпойнт: заявленные результаты относятся к одной области и одному бенчмарку, а применение за пределами англоязычных юридических текстов не валидировано. Контекст составляет 514 токенов. Модель распространяется по лицензии Apache-2.0.

lca-qwen3-embedding — специализированная модель эмбеддингов для поиска по данным оценки жизненного цикла продукции (LCA). Она дообучена разработчиком на базе Qwen/Qwen3-Embedding-0.6B и предназначена для сопоставления запросов с описаниями процессов, потоков и техническими записями с географическими, технологическими и временными полями. Модель использует архитектуру Qwen3 с 28 слоями и размером скрытого состояния 1024. Она кодирует предложения и короткие фрагменты в L2-нормализованные векторы размерности 1024; применяются pooling по последнему токену и косинусная близость. Максимальная длина последовательности в конфигурации — 1024 токена, хотя базовая модель поддерживает контекст до 32768 токенов. README сообщает об улучшении метрик поиска относительно базовой модели на внутренней оценке по записям TianGong LCA. Основные сценарии — семантический поиск, оценка сходства и кластеризация LCA-текстов. Модель обучалась и оценивалась преимущественно на английских технических данных, поэтому качество на других языках и в других областях может быть ниже; результаты внутренней оценки следует проверять на собственных данных. Лицензия — MIT.

Longformer для классификации отмеченных сущностей в текстах юридических решений. Модель разработал S. Vercoutere на основе allenai/longformer; она дообучена для определения типа сущности по её контексту, когда фрагмент выделен маркерами [E] и [/E]. В карточке указана архитектура LongformerForSequenceClassification, размер — 151,9 млн параметров, контекст — 4098 токенов; модель использует Transformers и формат safetensors. Модель предназначена для классификации мест и дат в муниципальных и государственных правовых документах. Поддерживаемые метки включают типы местоположений, даты и периоды действия. На отложенной валидационной выборке указана точность 0,8454; для отдельных меток приведены оценки F1 от 0,8976 до 0,9711. Обучающие данные включают размеченные решения из Гента, Фрайбурга и Бамберга. Модель рассчитана на английские юридические тексты и не предназначена для общего распознавания сущностей или других областей и языков. На входе требуется один фрагмент сущности, обрамлённый маркерами [E] и [/E]. Условия лицензии в предоставленных данных не описаны.

MahaPOS-BERT — модель BERT, разработанная L3Cube-Pune в рамках проекта L3Cube-MahaNLP и дообученная на разметку частей речи в текстах на маратхи. Она присваивает каждому токену один из 16 тегов, согласованных с Universal Dependencies v2. Модель основана на l3cube-pune/marathi-bert-v2, содержит 264,8 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для морфосинтаксического анализа предложений на маратхи, включая разметку новостных текстов. В тестировании указаны точность на уровне токенов 88,67% и macro-F1 81,67% по 15 основным тегам. Обучающая выборка включает 32 354 предложения из новостных источников, охватывающих политику, спорт, культуру, технологии и местные события. Качество может снижаться на неформальных текстах, публикациях в соцсетях и смешанном маратхи с другими языками. Теги PROPN и INTJ распознаются слабее, а предсказания POSTP ненадёжны из-за малого числа примеров. Модель распространяется по лицензии Apache-2.0.

FritzStack/mpnet_MH_embedding — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, предназначенная для семантического сопоставления пунктов опросника депрессии Бека BDI-II с публикациями Reddit о психическом здоровье. Модель кодирует тексты в нормализованные плотные векторы размерности 768; для оценки близости используется косинусное сходство. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; карточка модели описывает максимальную длину последовательности 384 токена. Основной сценарий — находить публикации, семантически близкие к конкретному симптому из BDI-II. Модель также может применяться в исследованиях выражения симптомов в соцсетях, поиске и формировании тематических наборов текстов. Это узкоспециализированная модель для англоязычных текстов о психическом здоровье; её результаты сами по себе не являются клиническим диагнозом или подтверждением риска. Лицензия в предоставленных данных не указана.

Это дообученная модель классификации текста на основе BERT Base Uncased, опубликованная пользователем lucienbaumgartner. По названию она предназначена для многометочной классификации текстов о психическом здоровье. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В README приведены метрики оценки: macro F1 0,9961 и micro F1 0,9920. Датасет и набор меток не описаны, поэтому результаты нельзя интерпретировать без сведений о тестовом наборе, а соответствие модели конкретным сценариям психического здоровья требует отдельной проверки. Модель распространяется по лицензии Apache-2.0.

Это модель для ответов на вопросы на основе BERT, дообученная разработчиком badokorach. Она предназначена для извлечения ответа из текста по заданному вопросу. Размер модели — 205,1 млн параметров, максимальная длина контекста — 512 токенов; опубликован вариант в формате TensorFlow. Название указывает на настройку для языка луганда, однако карточка не описывает обучающие данные, языковой охват, сценарии применения или результаты оценки. В README приведены нулевой validation loss и номер эпохи 0, поэтому эти значения не подтверждают качество модели. Лицензия в предоставленных данных не указана.

OpenMed/OpenMed-ZeroShot-NER-Protein-Base-220M — специализированная модель OpenMed для распознавания сущностей в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе FSU, посвящённом белковым взаимодействиям и молекулярной биологии. Модель принимает текст и возвращает обнаруженные сущности с типами. Основное назначение — поиск белков, белковых комплексов, семейств и вариантов белков, а также связанных молекулярно-биологических сущностей. Нулевой режим позволяет задавать типы сущностей при запросе без отдельного дообучения под каждую категорию. Это подходит для извлечения данных из научной литературы и поддержки анализа белок-белковых взаимодействий и биологических путей. В README приведён F1 0,85 на тестовом наборе FSU, исключённом из обучения. Модель ориентирована на англоязычные биомедицинские тексты. Она выпущена в формате PyTorch под лицензией Apache-2.0. Заявления README о распознавании произвольных типов сущностей и высокой точности не гарантируют одинакового качества для редких меток или клинических текстов; порог предсказания может потребовать настройки.

realasd222/punctuate-all — модель XLM-RoBERTa для классификации токенов, опубликованная в формате ONNX для работы с Transformers.js. Она предназначена для разметки отдельных токенов; название репозитория указывает на применение для расстановки пунктуации, однако README не описывает эту функцию подробнее. Модель содержит около 305,2 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт метки токенов. Репозиторий содержит веса ONNX и предназначен для веб-среды через Transformers.js. Сведения о языках, лицензии и ограничениях качества в доступных материалах отсутствуют.

mrm8488/roberta-large-finetuned-wsc — дообученная модель RoBERTa Large для задачи Winograd Schema Challenge, опубликованная как шаг из исходного репозитория. Она предназначена для разрешения местоименной отсылки: модель оценивает, к какому из упомянутых в предложении кандидатов относится местоимение. В README описан вариант обучения с функцией потерь cross entropy; авторы сообщают о точности 92,3% на dev-наборе, достигнутой лучшей моделью среди примерно ста запусков. В README также описан вариант обучения для задач формата WinoGrande с двумя кандидатами. Модель имеет архитектуру RoBERTa Large с 454,1 млн параметров и принимает текст с маскированным токеном; максимальная длина контекста составляет 514 токенов. В метаданных указан pipeline fill-mask. Описание не подтверждает поддержку конкретных естественных языков, поэтому язык не уточняется. README предупреждает о высокой вариативности результатов обучения. Лицензия в предоставленных данных не указана.

RelBERT — модель на архитектуре RoBERTa large, дообученная авторами библиотеки RelBERT на наборе relbert/semeval2012_relational_similarity для представления семантических отношений между словами. Она преобразует текстовые входы в векторные признаки и предназначена для задач понимания отношений: решения аналогий, классификации лексических отношений и сопоставления отношений. В README приведены результаты на наборах SAT, BATS, U2, U4, Google, BLESS, CogALexV, EVALution, K&H+ и ROOT09; например, точность на Google составляет 0,86, а Micro F1 на BLESS — 0,919. Модель содержит 454,1 млн параметров, имеет контекст до 514 токенов и распространяется в формате PyTorch. Для использования README указывает библиотеку RelBERT. Поддерживаемый язык явно не перечислен, поэтому языки не указаны. Лицензия в предоставленных данных отсутствует.

Модель KoichiYasuoka/roberta-small-japanese-char-luw-upos разработана Koichi Yasuoka на основе roberta-small-japanese-aozora-char и дообучена для разметки японского текста. Архитектура — RoBERTa с классификатором токенов; модель содержит 12,6 млн параметров и рассчитана на контекст до 128 токенов. Модель присваивает каждому длинному слову японского текста тег части речи UPOS по стандарту Universal Dependencies. Она предназначена для автоматической POS-разметки и может использоваться в инструментарии esupar для анализа японских предложений. В карточке также заявлен разбор зависимостей. Модель обучалась на текстах «Аозора-бунко» и связана с датасетом Universal Dependencies. Поддерживаемый язык — японский. Репозиторий содержит веса PyTorch; лицензия — CC BY-SA 4.0.

SEA-S — модель серии SEA, разработанная авторами проекта Automated Peer Reviewing in Paper SEA и представленная в работе, принятой на EMNLP 2024. Это дообученная для стандартизации рецензий модель Mistral-7B-Instruct-v0.2: она объединяет несколько рецензий на одну научную статью в единый формат, устраняет повторы и ошибки и выделяет основные достоинства и недостатки с конструктивными замечаниями. Для SFT авторы создали набор инструкций на основе рецензий из ECNU-SEA/SEA_data, предварительно сведённых GPT-4 к общему формату и критериям. Модель имеет архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает английский интерфейс чата, но основной язык модели отдельно не задан. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она предназначена для автоматизации подготовки сводной и унифицированной рецензии; результаты требуют проверки человеком и зависят от качества исходных рецензий.

Takemeter — модель классификации текста, созданная дообучением RoBERTa-base с помощью Transformers. Она предназначена для присвоения тексту метки класса; число и значения классов в карточке не описаны. Модель содержит 151,8 млн параметров и поддерживает контекст до 514 токенов. В README приведён результат оценки: Macro F1 0,7078 и loss 0,9067. Датасет, сценарии применения и ограничения качества не раскрыты. Модель распространяется по лицензии MIT.

Talyno Whisper Small Finance — модель распознавания речи, разработанная на основе OpenAI Whisper Small и дообученная автором репозитория passpoo методом LoRA для финансовых звонков о результатах компаний и встреч с инвесторами. Опубликованный чекпойнт содержит объединённые с базовой моделью веса адаптера; архитектура — Whisper, размер в метаданных — 153,1 млн параметров. Модель принимает аудио и выдаёт транскрипцию на английском или китайском языке, включая упрощённый и традиционный варианты китайского. Обучение адаптировало декодер к финансовой лексике и формату общения аналитиков и отделов по связям с инвесторами, сохранив замороженный энкодер. В карточке описаны обучающие данные из записей earnings call, FLEURS и синтезированных финансовых фраз. Чекпойнт предназначен также для конвертации в Core ML для WhisperKit и приложения Talyno на iOS. Модель распространяется по лицензии Apache 2.0. Она оптимизирована для финансовых звонков и встреч инвесторов; качество на бытовой речи и в других предметных областях не оценивалось. Поддерживаются только английский и китайский.

TimeLens2-4B-SFT — исследовательский SFT-чекпойнт мультимодальной модели для временной привязки визуальных свидетельств в видео. Разработчики дообучили Qwen3-VL-4B-Instruct на примерах с видео и текстовыми запросами; архитектура — плотная Qwen3-VL для условной генерации. Модель принимает видео и текстовый запрос и возвращает временные интервалы, в которых присутствуют запрошенные визуальные сведения. Чекпойнт предназначен прежде всего для генерации off-policy rollout-ов для этапа GRPO и воспроизведения или расширения обучающего конвейера TimeLens2. При SFT использовался полный контекст видео, последовательности до 100K токенов и замороженный визуальный энкодер. Это промежуточный SFT-чекпойнт, а не финальная GRPO-оптимизированная версия из статьи. Лицензия — Apache-2.0.

dodo1234/trocr-base-handwritten-finetuned — дообученная модель TrOCR от автора репозитория dodo1234 для распознавания рукописного текста на изображениях. Она построена на архитектуре vision encoder-decoder и создана на основе microsoft/trocr-base-stage1. Модель принимает изображение строки рукописного текста и генерирует её текстовую расшифровку. В README приведены результаты на тестовом наборе из 778 примеров: CER 50,15 %, WER 94,96 %, точное совпадение — 0 %. Эти показатели свидетельствуют о низкой точности распознавания в описанной оценке. Модель предназначена для распознавания рукописного текста; карточка указывает французский язык. Весы опубликованы в формате safetensors. Лицензия — MIT.