I.3Извлечение и структурирование данных

Это модель классификации тональности коротких сообщений о финансах, разработанная автором репозитория tooshlegacy на основе дообучения DistilBERT. Она относит финансовый твит к одному из трёх классов: Bearish, Bullish или Neutral. Модель предназначена для анализа неформальных англоязычных твитов с тикерами и cashtag-обозначениями, в том числе как одного из факторов исследовательской системы прогнозирования движения акций. Модель построена на DistilBERT и обучена на наборе zeroshot/twitter-financial-news-sentiment из 11 932 размеченных финансовых твитов. Для собственного валидационного разбиения набора указаны accuracy 0,8807 и macro-F1 0,8464. Контекст составляет 512 токенов; веса доступны в формате safetensors. Лицензия модели — Apache-2.0. Модель рассчитана на исследовательские и образовательные сценарии, а не на принятие торговых решений. Она не предназначена для текстов на других языках, длинных новостных статей или высокорискового применения; сарказм, смешанные сигналы и изменение языковых особенностей финансовых соцсетей могут ухудшать классификацию. Тональность сообщения сама по себе не предсказывает направление цены.

GEM-RoBERTa HQ Legal — языковая модель архитектуры RoBERTa-base от novelcore, предварительно обученная с нуля на корпусе греческих юридических, парламентских и государственных текстов. В ходе обучения источники с более качественной юридической лексикой повторялись чаще, чтобы усилить представление терминологии и юридических понятий. Модель содержит 151,8 млн параметров, принимает последовательности длиной до 512 токенов (514 позиций с учётом конфигурации) и использует маскированное языковое моделирование; её основной сценарий в Transformers — заполнение пропусков в тексте. Модель рассчитана на работу с греческими текстами и может служить основой для настройки задач распознавания именованных сущностей, классификации и ответов на вопросы в юридической сфере. README указывает на токенизатор ByteLevelBPE, обученный на греческом юридическом корпусе. Репозиторий опубликован в формате safetensors, лицензия — Apache-2.0.

Gender-Classification — модель классификации текста на основе DistilBERT, дообученная из distilbert-base-uncased. Она предназначена для отнесения текстовых входов к категориям, связанным с полом; сведения о метках классов и целевых сценариях в карточке отсутствуют. Модель принимает текст с контекстом до 512 токенов и выдаёт метку классификации. В README приведены accuracy 1.0 и loss 0.0000 на оценочном наборе, однако без описания датасета и методики эти показатели нельзя интерпретировать как оценку качества на новых данных. Лицензия — Apache-2.0.

JudgeLLM2 — языковая модель семейства GPT-2 от Wonder-Griffin, обученная с нуля на данных Wikipedia и SQuAD v1.0. Метаданные указывают задачу классификации текста, а также разговорные возможности и ответы на вопросы. Модель принимает текст и предназначена для классификации текстовых данных; карточка также связывает её с вопросно-ответными сценариями. Модель использует плотную архитектуру GPT-2, формат весов safetensors и контекст длиной 512 токенов. В метаданных указан английский язык. Лицензия — WTFPL. README не сообщает размер модели, результаты оценки или подробности её практических ограничений.

kraken-medieval-german-v2 — модель распознавания рукописного текста (HTR) на базе Kraken, разработанная dh-unibe. Она дообучена на CATMuS Medieval, модели для средневековых рукописей, и предназначена для чтения немецких исторических документов. Для обработки страницы Kraken сначала находит строки с помощью сегментации blla, а распознаватель считывает их по отдельности; на вход также можно подавать готовые изображения строк или их контуры. Модель обучена на наборах данных с судебными книгами XV–XVI веков, материалами авторов Bullinger и другими историческими документами. На отложенной выборке собственного обучения указаны CER 21,31% и WER 59,70%; это результаты внутренней проверки, а не общего бенчмарка, и они могут не переноситься на другие корпуса. Базовая модель CATMuS Medieval обучалась на старофранцузском, среднефранцузском, латинском, испанском и итальянском, поэтому пригодность именно для немецких рукописей следует оценивать на целевом корпусе. В репозитории представлены веса Core ML; лицензия в предоставленных сведениях не указана.

LitLat BERT — трёхъязычная модель EMBEDDIA на архитектуре XLM-RoBERTa-base для литовского, латышского и английского языков. Модель обучена на корпусах этих языков и содержит 177,9 млн параметров. В метаданных Hugging Face для неё указана задача заполнения пропусков в тексте (fill-mask) и контекст длиной до 514 токенов. LitLat BERT подходит для предсказания пропущенных слов и переноса знаний между литовским, латышским и английским языками. В оценке распознавания именованных сущностей по трём общим классам — людям, местам и организациям — модель показала более высокий macro F1, чем перечисленные в карточке mBERT, XLM-RoBERTa и латышская LVBERT на соответствующих наборах данных. Это результат конкретной оценки, а не гарантия качества для любых задач. Модель распространяется в формате PyTorch по лицензии CC BY-SA 4.0. Карточка описывает обучение на трёх языках, поэтому качество на других языках не подтверждено; приведённая оценка NER сама по себе не означает, что модель является готовым решением для разметки сущностей.

Модель alexbalandi/litlat-bert-lithuanian-morphology — теггер морфологической разметки литовского языка, разработанный на основе EMBEDDIA/litlat-bert и дообученный для классификации токенов. Она присваивает каждому слову объединённую метку UPOS и морфологических признаков: падежа, рода, числа, времени, лица, залога, степени, формы глагола, наклонения и рефлексивности. Модель предназначена для морфологического анализа и POS-разметки литовских текстов; её результаты также подходят для задач, использующих признаки согласования. Архитектура — XLM-RoBERTa, около 177,9 млн параметров; длина контекста — 514 токенов. Репозиторий содержит веса Safetensors и ONNX-версию INT8 для работы на CPU. По тесту на 684 предложениях ALKSNIS точность UPOS составила 92,5%, а точное совпадение набора ключевых признаков — 89,1%. Модель намеренно не выдаёт леммы и полный набор UD-признаков: в частности, пропускает признаки вроде Definite, Polarity и PronType. Обучение основано на корпусах MATAS v3.0 и UD_Lithuanian-ALKSNIS; лицензия модели — CC BY-SA 4.0.

QuantFactory/Llama-3.2-Taiwan-Legal-3B-Instruct-GGUF — это квантизированная версия инструкционной модели Llama-3.2-Taiwan-Legal-3B-Instruct, созданная с помощью llama.cpp. Исходная модель разработана Huang Liang Hsun на базе meta-llama/Llama-3.2-3B-Instruct и дообучена на наборах данных, связанных с законодательством и судебными решениями Тайваня. Модель предназначена для понимания и генерации юридических текстов на традиционном китайском языке, в частности для запросов по правовой системе Тайваня. Возможные сценарии включают поиск и разъяснение правовой информации, суммаризацию юридических документов, базовый диалог по статьям законов, анализ судебных решений, извлечение юридических сущностей, преобразование номеров нормативных актов и вспомогательные задачи LegalTech и проверки соответствия требованиям. Это языковая модель типа LlamaForCausalLM с примерно 3 млрд параметров, работающая в текстовой модальности. В README не указаны размер контекста и конкретный формат или уровень квантизации GGUF. Основным языком является традиционный китайский (zh-TW), с фокусом на тайваньскую юридическую терминологию. Модель может галлюцинировать несуществующие статьи законов и судебные решения, хуже работать с редкими, новыми или сложными правовыми вопросами и не должна использоваться как самостоятельный источник юридических консультаций без проверки специалистом. Модель распространяется по лицензии llama3.2; условия следует уточнять в соответствующем тексте лицензии Meta. Она предназначена прежде всего для исследовательских и вспомогательных юридических применений, а её выводы требуют проверки по надежным первоисточникам.

Карточка модели ENC-PSL/Medusa0.2Line-4B на Hugging Face совпадает с карточкой ENC-PSL/Medusa0.2Line-9B, поэтому описание составлено по ней. MEDUSA 0.2 Line 9B — мультиязычная vision-language-модель для распознавания рукописного текста в средневековых европейских документах. Её разработали в École nationale des chartes – PSL; модель основана на архитектуре Qwen3.5 и дообучена для распознавания текста на уровне строки. Модель принимает изображение одной предварительно выделенной строки рукописи и возвращает её транскрипцию. Она обучалась на исторических рукописях IX–XV веков и охватывает более 20 языков, включая старофранцузский, среднеанглийский, латынь, старочешский и старопольский. Версия 0.2 включает предварительный этап обучения на 500 тысячах синтетических строк для расширения покрытия языков с малым объёмом данных. Транскрипции ориентированы на правила CATMuS. Модель предназначена для распознавания строк, а не страниц целиком: изображения страниц требуется предварительно сегментировать. Для соответствия правилам CATMuS может потребоваться отдельная постобработка. Лицензия — CC BY 4.0.

sijunhe/nezha-cn-base — базовая версия модели NeZha для понимания китайского языка, опубликованная под именем sijunhe; в README приведены авторы исходной работы: Junqiu Wei и соавторы. Это плотная модель на 129,5 млн параметров с архитектурой NeZhaForMaskedLM, предназначенная для заполнения пропусков в тексте. В Transformers для токенизации используются классы BertTokenizer, а для работы с моделью — классы NeZha. Модель принимает текст и выдаёт контекстуализированные представления токенов; основная задача в каталоге Hugging Face — fill-mask. Она рассчитана на китайский язык, а максимальная длина контекста составляет 512 токенов. Доступна в формате PyTorch. Лицензия — AFL-3.0.

OGBert-110M-Base — англоязычная модель ModernBERT с архитектурой masked language model, разработанная для работы с глоссариями и специализированными текстами. Она обучена предсказывать замаскированные токены и подходит для заполнения пропусков в тексте, а также для извлечения контекстуальных представлений слов в прикладных экспериментах. В модели 138,4 млн параметров по метаданным (в README указано 110 млн), размер скрытого состояния — 768, длина контекста — до 1024 токенов. Обучение проводилось на синтетическом энциклопедическом словаре OpenGloss: около 537 тыс. значений для 150 тыс. лексем; README сообщает о 8 тыс. шагах обучения и обработке примерно 4,5 млрд токенов. Репозиторий содержит веса в формате safetensors. Для поиска сходства предложений автор рекомендует отдельную модель mjbommar/ogbert-110m-sentence с pooling и L2-нормализацией. Модель может быть полезна для восстановления пропущенных слов и получения контекстуальных представлений в специализированных корпусах; приведённые в карточке результаты по сходству слов и кластеризации относятся к ограниченным тестовым наборам. Это не генеративная чат-модель. Лицензия — Apache-2.0.

OmniAgent-RL-7B — агентная мультимодальная модель для понимания видео, разработанная авторами OmniAgent. Она построена на архитектуре Qwen2.5-Omni-7B и дообучена в два этапа: Agentic SFT, затем Agentic RL с TAURA. Модель использует цикл «наблюдение — мысль — действие»: по мере необходимости запрашивает кадры, аудио или видеоклипы, формирует текстовую память и отвечает на вопрос, когда собрала достаточно данных. Модель предназначена для видеоаналитики, включая вопросы о содержании и временной последовательности событий, а также анализ аудиовизуальных роликов. В README сообщается о результатах на десяти бенчмарках и сокращении числа используемых кадров; фактическое качество зависит от задачи и среды запуска. Для активного восприятия её нужно запускать в OTA-среде из репозитория проекта: обычный вызов через Transformers не воспроизводит агентный цикл. Последовательные запросы к медиа увеличивают задержку вывода. Лицензия — Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Genome-Base-220M — специализированная модель OpenMed для распознавания упоминаний генов и белков в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе BC2GM, содержащем аннотированные упоминания генов и белков в аннотациях MEDLINE. Размер модели в идентификаторе — 220 млн параметров; в метаданных указан формат PyTorch. Модель предназначена для извлечения генов и белков, включая варианты написания и синонимы, из научной литературы и других биомедицинских текстов. Zero-shot-интерфейс позволяет задавать типы сущностей при использовании без отдельного дообучения, однако карточка описывает обучение именно для распознавания генов и белков. В README заявлен F1 0,80 на тестовой выборке BC2GM, исключённой из обучения. Лицензия — Apache-2.0. Показатель F1 относится к указанному корпусу и сам по себе не гарантирует такое же качество на клинических записях, других типах сущностей или текстах вне биомедицинской области.

Qwen2.5-0.5B Financial Domain Adapted LLM — языковая модель Durga для генерации и продолжения финансовых текстов. Это дообученная версия Qwen2.5-0.5B с архитектурой Qwen2ForCausalLM и 493,7 млн параметров; модель и адаптированный токенизатор доступны в формате Safetensors для Transformers. Для финансовой терминологии расширен Byte-Level BPE словарь: в него добавлены специальные токены для тикеров, метрик и валютных пар. Контекст — до 32 768 токенов. Модель предназначена для работы с финансовыми документами, включая отчётность SEC, стенограммы квартальных звонков и аналитические отчёты, а также для генерации и дополнения профильного текста. В карточке указано обучение с помощью TRL SFTTrainer и PEFT/LoRA на Apple Silicon; базовой моделью служит Qwen/Qwen2.5-0.5B. Поддерживаемый язык — английский. Лицензия Apache 2.0. Узкая специализация модели — финансовый текст; для широких открытых диалогов она подходит хуже универсальных чат-моделей. Числовые выводы и результаты, используемые для нормативного соответствия, необходимо проверять; модель не предназначена для самостоятельных инвестиционных решений, официального аудита или обязательных финансовых рекомендаций.

Карточка модели nityaak/qwen3-8b-stance-matrix-mtcsd-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-8b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. nityaak/Qwen3-8B-stance-matrix-semeval-mtcsd-ezstance-qlora — дообученная модель семейства Qwen3 для генерации текста. Она основана на unsloth/Qwen3-8B-unsloth-bnb-4bit, имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Модель обучена с помощью Unsloth и библиотеки TRL; карточка называет её QLoRA-дообучением для задач stance detection, связанных с наборами SemEval, MT-CSD и EzStance. Модель предназначена для генерации текстовых ответов в диалоговом формате и может применяться для определения или формулирования позиции по текстовым высказываниям в рамках соответствующих задач. Контекст составляет до 40 960 токенов. Основной указанный язык — английский. Лицензия — Apache-2.0. Карточка не приводит оценок качества или деталей формата ожидаемых инструкций, поэтому результаты следует проверять на целевом наборе данных.

RaTE-NER-Deberta — модель токеновой классификации, дообученная Weike Zhao на наборе данных RaTE-NER на основе DeBERTa. Она предназначена для работы в конвейере метрики RaTEScore и для извлечения сущностей из медицинских радиологических заключений: отклонений от нормы и их отсутствия, анатомических структур, заболеваний и их отсутствия. Модель имеет архитектуру DeBERTa V2 с 211,6 млн параметров и принимает текст с контекстом до 512 токенов. Указанный в карточке язык — английский. Модель опубликована под лицензией MIT. Она ориентирована на радиологические отчёты; качество на других жанрах и языках не подтверждено.

Это модель RelBERT на архитектуре RoBERTa Large, дообученная разработчиками RelBERT на датасете relbert/semeval2012_relational_similarity. Она преобразует текстовые представления понятий в признаки для задач понимания семантических отношений. Модель предназначена для решения аналогий, классификации лексических отношений и сопоставления отношений; README приводит результаты на SAT, BATS, Google и наборах BLESS, CogALexV, EVALution, K&H+N и ROOT09. Модель содержит 454,1 млн параметров, имеет контекст до 514 токенов и распространяется в формате PyTorch. Для использования README рекомендует библиотеку RelBERT. Метаданные указывают библиотеку Transformers и тег feature-extraction. Лицензия в предоставленных данных не указана.

SchemaForge V3 — Distilled MiniCPM5-1B — экспериментальный исследовательский чекпойнт для извлечения структурированных полей и JSON из документов по 12 схемам: счетов, чеков, резюме, договоров, медицинских записей, страховых заявлений и других. Это дообученная модель OpenBMB MiniCPM5-1B, дистиллированная от учителя google/gemma-4-31B; метаданные указывают 837,6 млн параметров, плотную авторегрессионную архитектуру LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. В карточке описаны эксперименты с последовательностной дистилляцией и гибридным конвейером, где модель дополняет детерминированный предварительный разбор. Чекпойнт показал лучший результат среди четырех итераций V3, но уступает опубликованному как релиз V2-FINAL на сопоставимой оценке. Основной сохраняющийся сбой — пропуск полей; сама модель также заметно слабее в извлечении без гибридного конвейера. Автор прямо рекомендует не применять этот чекпойнт в производстве. Лицензия — Apache-2.0.

TAPEX base, разработанная авторами TAPEX, — модель для ответов на вопросы по таблицам. Она основана на архитектуре BART и обучена выполнять табличные рассуждения, имитируя исполнение SQL-запросов; этот вариант дообучен на наборе WikiSQL. Модель содержит 95,2 млн параметров, принимает таблицу и вопрос в текстовом представлении и генерирует текстовый ответ. Указанная длина контекста — 1024 токена. Модель предназначена для ответов на сравнительно простые вопросы по табличным данным, включая поиск значений и подсчёты. Она ориентирована на английский язык. Репозиторий распространяется с лицензией MIT. Сложные вопросы и таблицы за пределами обучающего распределения могут приводить к ошибочным ответам.

teacher_emo — дообученная модель BERT для классификации текста, созданная на основе dumitrescustefan/bert-base-romanian-cased-v1. По названию репозитория можно предположить связь с эмоциональной классификацией, однако README не уточняет классы и назначение разметки, поэтому этот сценарий нельзя считать подтверждённым. Модель содержит 151,6 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. В README приведены результаты оценки: F1 0,9342, ROC AUC 0,9586 и accuracy 0,926. Датасет и подробности оценки не описаны, поэтому эти показатели не позволяют судить о переносе качества на другие данные. Базовая модель предназначена для румынского языка; лицензия модели — MIT.

TimeLens-7B — мультимодальная модель TencentARC для временной привязки событий в видео. Она дообучена на основе Qwen/Qwen2.5-VL-7B-Instruct с использованием обучения с проверяемыми наградами (RLVR), специальной стратегии кодирования временных меток и набора данных TimeLens-100K. Модель предназначена для понимания видео и определения временных интервалов, соответствующих запросу пользователя. Её можно применять для поиска конкретных событий в видеозаписях и указания времени их появления. Архитектура — плотная Qwen2.5-VL для условной генерации; модель содержит 7,1 млрд параметров и поддерживает контекст до 128 000 токенов. В карточке указана лицензия other; конкретные условия использования по этим данным определить нельзя. Модель основана на Qwen2.5-VL-7B-Instruct и обучена для временной привязки видео, поэтому её пригодность для других задач визуального анализа не подтверждена.

txtcaptcha CRNN — модель оптического распознавания капч, опубликованная автором репозитория jtrecenti и обученная совместно на десяти размеченных наборах капч бразильских судов и налоговых органов. Она предназначена для чтения буквенно-цифровых строк с изображений капч переменного размера и объединяет задачу, для которой ранее использовались отдельные классификаторы для каждого сайта. Архитектура состоит из CNN на основе ResNet, двухслойной двунаправленной LSTM и линейного классификатора с декодированием CTC. Модель распознаёт символы из набора 0–9, a–z и A–Z; README сообщает точность полного совпадения строки около 89% на отложенной части обучающих данных. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Модель обучена на особенностях шрифтов и искажений капч бразильских государственных сайтов. Её перенос на капчи США и Европы не проверен; качество может снижаться для строк длиннее типичных 4–5 символов. Набор sei содержит математические капчи, но модель транскрибирует их метки как обычные четырёхсимвольные строки.

Ziya-Visual-14B-Chat — мультимодальная модель семейства Ziya от команды Fengshenbang-LM. Она предназначена для ответов на вопросы об изображениях на китайском и английском языках. В карточке указана архитектура InstructBLIP с языковой моделью LLaMA и 14 млрд параметров; метаданные относят модель к семейству BLIP-2 и задаче visual-question-answering. Модель принимает изображения и текстовые вопросы и формирует текстовые ответы. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии GPL-3.0. Карточка не приводит сведения о длине контекста или конкретных ограничениях качества; для использования потребуются совместимые версии PyTorch и tokenizers, приведённые в README.

AMIDDA 1.0 Line 4B — модель Calfa для распознавания рукописного текста на изображениях отдельных строк. Она дообучена методом LoRA на базе Qwen/Qwen3.5-VL-4B-Instruct; адаптер объединён с базовыми весами. Обучение проводилось на 53 420 строках из восьми корпусов AMIDDA. Модель предназначена для транскрибирования арабских рукописей магрибского и восточного стилей, урду в литографиях, персидского текста и современного арабского почерка. На вход подают обрезанное изображение одной строки, а на выходе получают транскрипцию. Для распознавания целой страницы требуется предварительно выделить строки. Текст сохраняется в исходном виде, без нормализации и редакторской правки; огласовки передаются согласно правилам конкретного корпуса. Модель построена на архитектуре Qwen3.5-VL-4B и распространяется в формате safetensors через Transformers. Авторы отмечают, что она не предназначена для production-применения. Для запуска требуется Transformers версии 5.9 или новее; без оптимизированных CUDA-ядер инференс может быть значительно медленнее. Лицензия — Apache-2.0.

Модель lirondos/anglicisms-spanish-mbert — мультиязычная BERT-модель, дообученная для обнаружения неассимилированных заимствований в испанских новостных текстах. Она размечает заимствованные слова английского происхождения (ENG) и из других языков (OTHER), используя BIO-кодирование для многословных выражений. Модель содержит 205,1 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель разработана для извлечения англицизмов и других заимствований из испаноязычных новостей и анализа употребления заимствованной лексики. Она дообучена на корпусе COALAS, содержащем европейские испанские тексты СМИ. На тесте COALAS общий F1 составил 83,55; для английских заимствований — 85,19, а для заимствований из других языков — 11,11. Авторы предупреждают, что это не лучшая доступная модель для данной задачи. Лицензия — CC BY 4.0. Результаты для метки OTHER заметно слабее, поэтому модель особенно ненадёжна при поиске заимствований не из английского; качество также следует оценивать на текстах, отличающихся от новостного корпуса COALAS.

CMB-ClimateModernBERT/A_S_CX_LRD — англоязычная encoder-only модель семейства ModernBERT, разработанная в рамках проекта ClimateModernBERT. Это чекпойнт masked language model на 149 млн параметров, полученный продолжением предобучения answerdotai/ModernBERT-base на академических и синтетических климатических текстах. Модель поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для Transformers. Модель предназначена для исследований в области NLP о климате: кодирования текстов, а также дообучения под классификацию, многометочную разметку и поиск по корпоративной климатической отчётности, политическим документам, научным публикациям и новостям. В README сообщается средний F1 74,5 на девяти климатических бенчмарках; оценка проводилась после дообучения для отдельных задач. Для общего применения авторы рекомендуют другую, объединённую модель семейства с более высоким результатом. Модель принимает текст и предсказывает замаскированные токены; сама по себе она не является чат-ботом и не следует инструкциям. Она рассчитана только на английский язык. Оценки не гарантируют фактическую точность климатических утверждений, а влияние синтетических данных зависит от задачи. Условия лицензии в предоставленных сведениях не описаны.

bamibert-phone-acsa-multilabel — модель RoBERTa на 129 млн параметров для многометочной классификации текста. Она обучена с нуля на неизвестном наборе данных; карточка не уточняет, какие именно метки и тексты используются, поэтому практическую специализацию модели определить нельзя. Модель принимает текст и выдаёт результаты классификации. Контекст составляет 2050 токенов; веса опубликованы в формате safetensors, библиотека — Transformers. Разработчик и условия лицензии в предоставленных данных не указаны.

CAMeLBERT-Mix POS-EGY — модель CAMeL Lab для определения частей речи в египетском арабском. Она создана дообучением CAMeLBERT-Mix на наборе данных ARZTB и предназначена для разметки каждого токена текста тегом части речи, например в конвейере token-classification библиотеки Transformers. Модель основана на архитектуре BERT, содержит 136,3 млн параметров и принимает текст с контекстом до 512 токенов. Карточка демонстрирует разметку египетской разговорной фразы. Веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Модель разработана z-dickson для определения тематической категории законопроектов Конгресса США по схеме Comparative Agendas Project. Это модель классификации текста на базе BERT с примерно 135,5 млн параметров; она принимает текст и выдаёт категорию повестки. Обучение проводилось примерно на 250 тысячах американских законопроектов 1950–2015 годов. Модель чувствительна к регистру, а её контекст ограничен 512 токенами. В карточке указаны точность 92,68% на обучающей выборке и 91,61% на валидационной. Эти результаты относятся к данным и настройке обучения, описанным автором, и не гарантируют аналогичного качества на других документах или периодах. Модель распространяется в формате TensorFlow; лицензия в предоставленных данных не указана.

ia-earn-test-v1 — дообученная и экспортированная в формате Hugging Face модель для экспериментов в рабочем процессе IA Earnings. Она формирует структурированные метки пересмотра прогнозов EPS и выручки на основе данных о компании на заданный момент времени, макроэкономического и качественного контекста. Модель предназначена для частного инференса; при развёртывании следует использовать тот же шаблон промпта и JSON-парсер, что и в кодовой базе IA Earnings. Модель основана на NVIDIA Nemotron 3 Nano 30B A3B, использует архитектуру Nemotron H и доступна в формате safetensors. В метаданных указаны 1,9 млрд параметров и контекст до 262 144 токенов. Карточка описывает интерфейс генерации текста с диалоговыми и инструментальными возможностями, но не приводит сведения о языках обучения. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.