I.3Извлечение и структурирование данных

MyAwesomeModel — модель на базе Transformers, предназначенная для извлечения признаков из текста. В метаданных она отнесена к архитектуре BERT и задаче feature extraction; библиотека реализации — Transformers, фреймворк — PyTorch. В README заявлены улучшения рассуждений, логического вывода, понимания языка, генерации кода, суммаризации, классификации и ответов на вопросы, однако эти заявления не согласуются с указанным pipeline-тегом и не подтверждают полноценную генерацию текста.

Карточка модели SAIFIINDUSTRIES/Nemotron-3-Diarization на Hugging Face совпадает с карточкой nvidia/Nemotron-3-Diarization, поэтому описание составлено по ней. Nemotron 3 Diarization — модель NVIDIA с открытыми весами для диаризации речи: она определяет, кто и в какие моменты говорил в аудиозаписи. Модель поддерживает потоковую обработку и обработку готовых записей, в том числе длительных аудио при работе чанками, и рассчитана на записи с числом говорящих до восьми. В метаданных указана архитектура Nemotron3DiarizationForAudioFrameClassification и библиотека NeMo; доступны веса в safetensors и квантованный вариант GGUF Q8_0. Модель подходит для разметки реплик в интервью, совещаниях и других многоголосых записях. В потоковом режиме настраивается входная буферная задержка: карточка указывает минимум 80 мс, рекомендует не менее 0,32 с и приводит конфигурации для задержки от 0,64 с; задержка не включает время вычислений. Разрешение выходных кадров настраивается с шагом 10 мс. Лицензия OpenMDW 1.1 допускает коммерческое и некоммерческое использование согласно карточке модели. Для работы с массивами аудиоданных нужно указывать корректную частоту дискретизации; по умолчанию используется 16 кГц. Модель определяет говорящих и временные границы их речи, но сама по себе не распознаёт слова.

nps-mpnet — модель на основе MPNet, разработанная для выявления предложений с описанием проблем и решений в патентах. Она дообучена на базе sentence-transformers/paraphrase-mpnet-base-v2 с использованием Sentence-Transformers и функции потерь CosineSimilarityLoss. Модель преобразует предложения и абзацы в плотные векторы размерности 768. Это позволяет сравнивать семантическую близость текстов, искать похожие фрагменты и группировать их; заявленное целевое применение — поиск предложений о проблемах и решениях в патентах. Модель принимает текст и выдаёт векторные представления. Она содержит 136,7 млн параметров и поддерживает контекст до 514 токенов. Для работы подходят Sentence-Transformers либо Transformers с корректной операцией pooling. В карточке не указаны лицензия и конкретный список языков; качество для языков помимо обучающих данных не подтверждено.

PII-Tracer-vLLM — версия модели Perplexity AI PII-Tracer, упакованная для запуска через vLLM. Это дообученный двунаправленный энкодер Qwen3 примерно с 508 млн параметров и контекстом до 32 768 токенов. Он размечает токены в разговорном тексте по девяти категориям персональных данных и секретов, а отдельная голова оценивает чувствительность беседы. Разметка использует BIOES-теги и декодирование Viterbi; модель также поддерживает оценку чувствительности последовательности. Модель подходит для поиска и маскирования персональных данных в диалогах, а также для предварительной оценки чувствительности бесед. Репозиторий содержит адаптер оценивания и средства развёртывания с vLLM; веса сохранены в safetensors без повторного обучения и квантизации. Для запуска описанной конфигурации Docker Compose требуются NVIDIA GPU и совместимый драйвер. В README указан предел входа 4096 токенов: более длинный текст следует разбивать на части, иначе токенизатор обрежет его. Возможны пропуски и ложные срабатывания, а границы фрагментов могут включать пробелы; пороги уверенности необходимо калибровать на целевых данных. Лицензия — MIT.

PLLuM-4B-base-2512 — базовая языковая модель для генерации текста, разработанная альянсом HIVE AI на основе Gemma 3 4B. Модель продолжает предобучение на польских и английских корпусах; в семействе PLLuM также есть версии с дообучением для инструкций и диалога, но этот вариант обозначен как base. Модель предназначена для генерации связного текста, суммаризации, извлечения сведений и ответов на вопросы. Её можно использовать как основу для специализированных приложений и ассистентов, в том числе для польской публичной администрации и тематики права и бюрократии; для ответов по документам README рекомендует подключать поиск через RAG. Архитектура — плотная Gemma 3, около 4 млрд параметров; модель принимает и выдаёт текст, в первую очередь на польском, с дополнительными данными на английском. Модель распространяется по лицензии Apache-2.0. Поскольку это базовая, а не instruct- или chat-версия, готовность к диалогу и следованию инструкциям может быть ограниченной; README приводит заявленные результаты семейства PLLuM, но не отдельные оценки этого чекпойнта.

Карточка модели sworge/poc-custom-arch на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Ellbendls выпустил дообученную на датасете Gretel AI Synthetic Text-to-SQL модель на базе Qwen/Qwen2.5-3B-Instruct. Она преобразует запросы на естественном языке в SQL, может генерировать определения схем таблиц, если схема не предоставлена, и подходит для аналитических запросов с агрегацией, группировкой и фильтрацией. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и работает с контекстом до 32 768 токенов. Основной язык в карточке — английский; теги метаданных также перечисляют другие языки, но README сообщает об оптимизации только для английского. Модель доступна в формате safetensors для Transformers и распространяется по лицензии MIT. Модель может испытывать трудности со сложными вложенными запросами. Если схема не задана явно, сгенерированные определения таблиц могут быть неверными; результаты SQL следует проверять перед выполнением.

tvall43/Qwen3.6-14B-A3B-vibetuned-GGUF — это квантизированная GGUF-версия модели tvall43/Qwen3.6-14B-A3B-vibetuned, разработанная автором tvall43 на основе pruned-модели Qwen3.6-35B-A3B-heretic. После сокращения до 14 млрд параметров модель была дообучена методом QLoRA на данных для рассуждений Magpie Opus Pro и структурированной логики Hermes Function Calling. Модель предназначена для локальной генерации текста, диалоговых сценариев, рассуждений и вызова функций через llama.cpp и совместимые среды, включая LM Studio, Ollama и text-generation-webui. Она заявлена как мультимодальная и поддерживает работу с изображениями при использовании multimodal projector mmproj. Язык README указан как английский; размер контекста и точный набор поддерживаемых языков не приведены. Доступны варианты F16, Q8_0, Q6_K, Q4_K_M, Q3_K_M, Q2_K и MXFP4 с разными компромиссами между качеством, скоростью и требованиями к памяти. Q4_K_M ориентирован на локальный запуск примерно в 8 ГБ VRAM, Q8_0 требует около 15 ГБ памяти, а MXFP4 зависит от поддержки inference engine. Ограничениями являются возможная потеря качества в более агрессивно квантизированных вариантах и необходимость актуальной версии совместимого inference engine. Лицензия — Apache-2.0.

avyukth/Qwen3.8-27B-AWQ-INT4 — это квантизированная 4-битная версия мультимодальной модели Qwen/Qwen3.8-27B, разработанной командой Qwen и подготовленной пользователем avyukth. Модель предназначена для генерации текста и обработки изображений с текстовыми запросами, включая визуальное чтение текста, распознавание форм, цветов и положения объектов, а также задачи рассуждения и диалоговые сценарии. Модель реализует архитектуру Qwen3.5 с классом Qwen3_5ForConditionalGeneration и содержит 27 миллиардов параметров в исходной версии. Веса Linear-модулей квантизированы по схеме symmetric W4A16 с размером группы 128, занимают около 18 ГБ на диске и требуют примерно 17,68 ГиБ видеопамяти. Vision tower, lm_head и MTP head сохранены в формате bfloat16. Заявлена работа на одной видеокарте с 24 ГБ памяти; проверено использование на RTX 3090 через vLLM. В README указана настройка с максимальной длиной контекста 8192 токена, однако поддерживаемые языки отдельно не перечислены. Сильными сторонами являются существенное уменьшение размера модели, сохранение мультимодальных возможностей и высокая измеренная точность на ограниченной выборке GSM8K: 39 из 40 задач при температуре 0. Ограничения связаны с тем, что 48 из 64 слоёв linear attention квантизированы без activation-aware scaling, vision tower не квантизирован, а некоторые проекции требуют padding и slicing в vLLM, что снижает производительность. Результат GSM8K получен только на 40 задачах и не является полноценным сравнением с исходной моделью. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели. Репозиторий содержит только квантизированные веса; авторство самой модели принадлежит команде Qwen.

Qwen3.8-27B-NInfer — мультимодальный вариант модели Qwen3.8-27B, разработанной командой Qwen и преобразованной в нативный формат .ninfer для движка NInfer. Артефакт предназначен для генерации текста в режимах с рассуждением и без него, а также для обработки изображений, нескольких изображений, видео и смешанных мультимодальных сообщений. Модель содержит 27 млрд параметров базовой модели и использует groupwise-квантизацию с распределением Q4/Q5/Q6 для текстовой части, а также W8G32_F16S для эмбеддингов и выходной головы. Поддерживаются MTP-спекулятивное декодирование, BF16 и INT8 group-64 KV-кэш, CUDA Graph decode, повторное использование совместимых префиксов и небольшое параллельное пакетное обслуживание. В README указаны текстовый контекст до 262 144 токенов и мультимодальный лимит до 81 920 токенов в проведённых тестах. Сильные стороны модели — поддержка мультимодальных сценариев, высокая точность на AIME 2025 и AIME 2026 — по 96,67%, а также результаты 87,37% на GPQA-Diamond и 82,22% на RealWorldQA. Ограничения связаны с узкой средой запуска: требуется NInfer версии с ревизии 5232055, 64-битный Linux, NVIDIA GeForce RTX 5090 с архитектурой sm_120a и CUDA Toolkit 13.1 или новее. Артефакт не является чекпойнтом Transformers, Safetensors или GGUF. Лицензия — Apache-2.0.

QUASAR-QAT/Qwen3.8-27B-QUASAR-NVFP4 — 4-битная NVFP4-версия мультимодальной модели Qwen3.8-27B, разработанной командой Qwen и квантованной методом QUASAR. Модель предназначена для задач image-text-to-text, reasoning, работы с изображениями и текста, а также агентских и сценариев с длинным контекстом. Точный набор поддерживаемых языков в README не указан. Модель содержит 27 млрд параметров; все 496 из 496 линейных слоёв трансформера, включая компоненты attention и gated delta-net, представлены в формате NVFP4 W4A4. Размер модели составляет 19,7 ГБ. Она поддерживает контекст до 262 144 токенов при запуске через vLLM, а на видеокарте с 32 ГБ памяти, например RTX 5090, рекомендуется ограничить его 65 536 токенами. Для ускорения генерации заявлена поддержка speculative decoding с MTP. Ключевое преимущество — существенное уменьшение размера при сохранении качества, близкого к BF16-версии: результат GPQA-Diamond составляет 0,909 против 0,914 у оригинальной модели, а на AIME'26 заявлен результат 100%. Модель требует NVIDIA GPU с аппаратной поддержкой FP4, то есть Blackwell с compute capability 10.0 и выше, поэтому не подходит для систем без совместимого оборудования. Запуск возможен напрямую через vLLM без этапа конвертации. Модель распространяется по лицензии Apache 2.0.

SherlockID365/Qwen3-VL-8B-Instruct-quantized.w4a16 — квантизированная версия мультимодальной vision-language модели Qwen/Qwen3-VL-8B-Instruct. В карточке не указан отдельный разработчик производной версии; базовая модель связана с семейством Qwen. Модель предназначена для задач, требующих обработки текста и визуальных данных, включая мультимодальные инструкции и анализ изображений. Модель содержит около 8 миллиардов параметров и использует архитектуру с визуальной частью, которая не подвергалась преобразованию при квантизации. Линейные слои квантизированы методом AWQ в формате W4A16: веса представлены 4 битами, активации сохраняются в формате FP16, используется group_size=128, zero_point=true и версия gemm. Контекстное окно и точный перечень поддерживаемых языков в README не указаны. Ключевое преимущество версии — уменьшенное потребление памяти и потенциально более высокая эффективность инференса по сравнению с полноточной моделью, что удобно для запуска через совместимые инструменты, включая vLLM. Ограничения связаны с потерями точности, возможными для 4-битной квантизации, а также с зависимостью от поддержки формата AWQ и используемого программного окружения. Модель распространяется по лицензии Apache-2.0.

retrieval-mpnet-bn — модель Sentence Transformers, разработанная Asif Faisal Chowdhury для семантического поиска и извлечения релевантных текстов на бенгальском языке. Она преобразует предложения и абзацы в плотные векторы размерности 768 и поддерживает поиск по запросу в корпусе документов, кластеризацию и задачи сравнения предложений. Модель построена на XLM-RoBERTa large с усреднением токенов и дообучена методом многоязычной дистилляции с использованием multi-qa-mpnet-base-cos-v1 как учительской модели. Репозиторий содержит веса PyTorch; максимальная длина контекста — 514 токенов, но обучение проводилось на текстах до 250 токенов, поэтому более длинные входы могут обрезаться или обрабатываться хуже. Эмбеддинги не нормализованы: для поиска сходства рекомендуется косинусная мера. Лицензия в предоставленных данных не указана.

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.

TryDotAtwo/RuModernBERT-ruLaw — русскоязычная модель для анализа юридических документов на основе энкодера ModernBERT. Разработчик продолжил предобучение deepvk/RuModernBERT-base на маскированном языковом моделировании и добавил четыре головы вывода: классификацию типа документа, многометочную юридическую классификацию, выделение ключевых слов и распознавание юридических сущностей. Архитектура — ModernBertForMaskedLM, около 149 млн параметров, контекст до 8192 токенов; модель принимает текст, а для задач на уровне документа использует вместе заголовок и основной текст. Модель предназначена для разметки и классификации русскоязычных правовых документов, извлечения ключевых слов и юридических сущностей, а также предсказания замаскированных токенов. В README приведены внутренние результаты оценки MLM, но качество голов для прикладных юридических задач следует проверить на отложенных данных перед внедрением. Лицензия в предоставленных сведениях не указана.

dlicari/sentence-ita-eurlex-bert-base — модель Sentence-Transformers на базе BERT, разработчик — dlicari. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 137,1 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Название указывает на связь с итальянским и корпусом EUR-Lex, однако README и метаданные не подтверждают конкретный состав обучающих данных или языковую специализацию. В README указано обучение с DenoisingAutoEncoderLoss. Лицензия в предоставленных данных не указана.

SmolVLM-Synthetic — компактная мультимодальная модель от Hugging Face для анализа изображений и текста. Она объединяет языковую модель SmolLM2-1.7B-Instruct с визуальным компонентом SigLIP и использует архитектуру Idefics3; веса доступны в формате safetensors. Модель принимает текстовые запросы и одно или несколько изображений, в том числе в чередующихся последовательностях, и формирует текстовый ответ. Также её можно использовать как языковую модель без изображений. Модель предназначена для ответов на вопросы по изображениям, описания визуального содержимого, подписей к изображениям, понимания документов, диаграмм и визуальных рассуждений, а также для рассказов, основанных на изображениях. Для кодирования изображения используются 81 визуальный токен на патч 384×384; более крупные изображения разбиваются на патчи. Компактная архитектура рассчитана на эффективный инференс, в том числе на устройствах с ограниченными ресурсами. В карточке указана поддержка английского языка. Модель не генерирует изображения, а ответы могут содержать фактические ошибки. Её не следует использовать для решений с высокими последствиями для людей. Лицензия — Apache 2.0.

SNT News Classifier v0.6 — разработанная Sweenk мультиметочная модель для классификации новостных статей по двум уровням таксономии: 12 основным и 71 подкатегории. Она построена на энкодере XLM-RoBERTa large, дообученном на примерно 264 тысячах новостных статей; два независимых sigmoid-выхода предсказывают метки обоих уровней. Статья может получить несколько меток одновременно. Для классификации передают заголовок и основной текст, объединённые через пустую строку; вход обрезается до 512 токенов. Модель рассчитана на маршрутизацию новостной ленты и тематическую разметку статей. В тестировании на 26 412 статьях авторы сообщают macro-F1 0,847 для верхнего уровня при настроенных порогах. Метки корпуса созданы с участием языковой модели и выборочно проверялись людьми, поэтому эти показатели измеряют согласие с такой разметкой, а не с полностью проверенной человеческой истиной. Хотя базовый энкодер поддерживает 100 языков, обучение почти полностью велось на английских новостях, и качество для других языков не измерено. Модель выпущена под лицензией MIT.

Это модель Sentence Transformers на базе XLM-RoBERTa, дообученная из lighteternal/stsb-xlm-r-greek-transfer командой IoannisKat1. Она преобразует текстовые предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, извлечения информации и сопоставления текстов; сходство оценивается косинусной мерой. Модель поддерживает усечение вектора до меньших размерностей, что позволяет выбирать компромисс между размером представления и качеством поиска. Обучение выполнено на 4 268 парах текстов с функцией MatryoshkaLoss и MultipleNegativesRankingLoss. В примерах обучающих данных есть греческие вопросы и ответы, а карточка указывает английский как язык модели; базовая модель предназначена для английского и греческого. Максимальная длина последовательности в README — 400 токенов, а метаданные указывают контекст до 514 токенов. Модель принимает и выдаёт текстовые представления в виде векторов. Лицензия — Apache-2.0.

nreimers/TinyBERT_L-6_H-768_v2 — версия General_TinyBERT_v2 с 6 слоями и размерностью скрытого представления 768, перенесённая в библиотеку Hugging Face Transformers. Модель построена на архитектуре BERT и предназначена для извлечения контекстных векторных представлений текста, которые можно использовать в последующих NLP-задачах. В репозитории доступны веса PyTorch и Flax. Модель содержит 80,1 млн параметров и принимает последовательности длиной до 512 токенов. Лицензия в предоставленных данных не указана.

ifesther/trocr-spanish-handwritten — модель распознавания рукописного текста на испанском языке, созданная дообучением microsoft/trocr-base-handwritten. Она предназначена для преобразования изображений отдельных рукописных строк в текст, включая современные испанские диакритические знаки и символы ñ, ¿ и ¡. Архитектура — vision encoder-decoder: визуальный энкодер ViT и авторегрессионный декодер RoBERTa. При обучении заморозили веса энкодера и адаптировали декодер на 3 000 синтетических строк, созданных с использованием 41 шрифта рукописного письма. Данные включали разные типы бумаги, цвет чернил, перспективные искажения и размытие. Модель рассчитана на распознавание строк, например в заметках, стихах, именах и датах. Лицензия — MIT. Модель работает с изображениями, где текст уже выделен в отдельные строки; страницы необходимо предварительно сегментировать. Она оптимизирована для современной испанской рукописи, а качество на исторической каллиграфии может различаться.

Многоязычная модель Cardiff NLP для многометочной классификации тем публикаций в социальных сетях. Она основана на cardiffnlp/twitter-xlm-roberta-base — языковой модели XLM-RoBERTa, обученной на примерно 198 млн многоязычных твитов, и дообучена на наборах TweetTopic и X-Topic. Модель содержит около 305,2 млн параметров и принимает текст с контекстом до 514 токенов. Модель определяет темы на английском, испанском, японском и греческом языках. Среди классов — искусство и культура, бизнес, повседневная жизнь, образование, новости, наука и технологии, спорт и путешествия; для одной публикации могут быть выбраны несколько тем. Лицензия — MIT. В результатах на X-Topic показатели Macro-F1 различаются по языкам: от 41,3 для греческого до 55,4 для английского; качество зависит от языка и тематики текста.

cardiffnlp/twitter-roberta-base-dec2021-tweet-topic-multi-all — модель Cardiff NLP на базе RoBERTa, дообученная для многометочной классификации тем сообщений в Twitter на датасете tweet_topic_multi. Обучение проводилось на полном обучающем наборе train_all, а проверка — на test_2021. Модель содержит 151,8 млн параметров, принимает текст и поддерживает контекст до 514 токенов. В тестировании на test_2021 достигла micro-F1 0,765, macro-F1 0,619 и accuracy 0,549. Подходит для автоматической разметки тем твитов и анализа тематических тенденций. Лицензия в предоставленных данных не указана.

Vero-Qwen3I-8B — мультимодальная модель для общего визуального рассуждения из открытого семейства Vero. Она создана на основе Qwen3-VL-8B-Instruct и дообучена с применением обучения с подкреплением. Модель содержит 8 млрд параметров и предназначена для диалога и анализа изображений.

Waqf-AI разработала PaddleOCR Arabic Handwritten OCR — модель распознавания арабского рукописного текста на изображениях. Это дообученная версия PaddlePaddle/PaddleOCR-VL-1.6 на наборе khatt-augmented-arabic-20k-s3, содержащем около 20 тысяч синтетически дополненных изображений арабского рукописного текста. Модель использует архитектуру PaddleOCR-VL и поддерживает диалоговый интерфейс; веса доступны в формате Safetensors. Модель предназначена для преобразования изображений рукописных строк на арабском языке в текст. В карточке приведены результаты оценки на 200 отложенных изображениях: для исходной PaddleOCR-VL-1.6 указаны WER 0,8057 и CER 0,3690, а для дообученной версии заявлены значительные улучшения. Apache-2.0 разрешает использование и распространение модели на условиях этой лицензии. Оценка проведена на ограниченной выборке из того же набора данных, поэтому результаты могут не отражать качество на других почерках и источниках изображений.

WebBrain VL 2 450M — компактная визуально-языковая модель, разработанная WebBrain на основе LiquidAI/LFM2.5-VL-450M. Она принимает снимок окна браузера и формирует структурированное наблюдение из шести разделов для последующего планировщика автоматизации: описывает видимый текст и элементы интерфейса, поля и состояние форм, диалоги, ошибки, индикаторы загрузки, баннеры согласия, CAPTCHA и блокирующие элементы. Модель дообучена методом supervised LoRA на 50 000 примерах с последующим объединением адаптера с базовой моделью; опубликованы объединённый чекпойнт Transformers и соответствующий LoRA-адаптер. В метаданных указаны архитектура LFM2-VL, библиотека Transformers и формат safetensors. Модель предназначена для описания браузерных экранов и передачи наблюдений агенту, который планирует автоматизацию. На указанном в README наборе из 100 случаев версия v2 получила 36 строгих прохождений и среднюю оценку по рубрике 74,99%; это результат конкретного теста, а не гарантия качества в других интерфейсах. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с файлами репозитория. Модель не заменяет универсальную большую VLM и не должна служить основанием для действий с паролями, платежами, идентификацией или другими решениями с высокими последствиями.

YOLOS-base-signature-detection — модель обнаружения объектов, дообученная Марио Дефрансом на базе hustvl/yolos-base для поиска рукописных подписей на изображениях документов. Она использует архитектуру YOLOS на основе Vision Transformer и выдаёт области изображения с обнаруженными подписями. Модель рассчитана на обработку сканов договоров, форм и других документов; её можно использовать в конвейерах проверки документов с последующей проверкой результатов человеком. Обучение проводилось на наборе изображений подписей, собранном из Tobacco800 и signatures-xc8up и подготовленном в формате COCO; в метаданных также указан набор tech4humans/signature-detection. Репозиторий содержит около 113,2 млн параметров, веса представлены в формате safetensors, для работы заявлена поддержка PyTorch через Transformers. Модель лицензирована по Apache 2.0. Она предназначена только для обнаружения подписей, не для поиска других объектов или проверки подлинности подписи. Возможны ложные срабатывания и пропуски; качество может снижаться на шумных, низкокачественных изображениях и при разнообразии стилей, недостаточно представленном в обучающих данных. Для юридически или финансово значимых процессов результаты следует проверять вручную.

AndesVL-2B-Thinking — мультимодальная языковая модель из линейки AndesVL, разработанной для эффективного запуска на мобильных и периферийных устройствах. Она построена на языковой модели Qwen3-1.7B и визуальном энкодере AIMv2-Large; общий размер составляет около 2,055 млрд параметров. Модель принимает изображения и текст и предназначена для диалоговых задач с визуальным вводом, включая ответы на вопросы по изображениям, анализ нескольких изображений, рассуждения, работу с насыщенными текстом изображениями и интерфейсами GUI. В карточке описаны оптимизация для edge-развёртывания и семейная архитектура «1+N» LoRA с фреймворком QALFT для адаптации задач и сжатия. Для конкретного чекпойнта указана лицензия Apache-2.0. В метаданных Hugging Face основная задача помечена как image-text-to-text; также отмечена поддержка text-generation. Заявленные характеристики относятся к линейке AndesVL и не содержат отдельных результатов бенчмарков именно для версии 2B-Thinking.

AutoCatalogAI V2 — модель компьютерного зрения для автоматического извлечения атрибутов одежды и товаров моды с изображения. Она разработана на основе openai/clip-vit-base-patch32 и дообучена на датасете ashraq/fashion-product-images-small. Архитектура объединяет визуальный энкодер CLIP с отдельными классификационными головами для пола целевой аудитории товара, категории, подкатегории, типа изделия, сезона и назначения, а также ветвью цветовых признаков для определения основного цвета. Модель предназначена для автоматизации каталогов электронной торговли: она присваивает изображению товара структурированные метки, которые можно использовать для подготовки карточек, поисковых тегов и анализа ассортимента. В README сообщается о среднем accuracy 87,52% на тестовой выборке из 6 611 изображений после лёгкой коррекции согласованности атрибутов. Лицензия — MIT. Модель работает с изображениями товаров моды и выдаёт классы атрибутов. Она не предназначена для распознавания людей или определения пола человека: поле gender обозначает категорию целевой аудитории товара. Сезон и назначение могут быть неоднозначны по одному изображению и зависеть от контекста, а модель не рассчитана на товары вне поддерживаемой области моды или изображения нескольких несвязанных товаров без предварительной обработки.

Модель bert-base-japanese-v3-unsup-simcse-jawiki — японская модель для получения векторных представлений предложений. Она создана авторами книги «Введение в большие языковые модели» на основе cl-tohoku/bert-base-japanese-v3: BERT дообучен методом SimCSE без учителя на предложениях из японской Википедии llm-book/jawiki-sentences. В метаданных указаны архитектура BERT, библиотека Transformers, 138,4 млн параметров и контекст до 512 токенов. Модель предназначена для представления японских предложений в виде эмбеддингов, которые можно использовать для поиска похожих текстов и извлечения релевантных предложений. В карточке также приведены ссылки на обучающий и инференсный Colab, а датасет llm-book/aio-retriever указан в метаданных. Модель распространяется по лицензии Apache License 2.0.