I.3Извлечение и структурирование данных

Qwen3-VL-30B-A3B-Instruct-MLX-6bit — это 6-битно квантованная мультимодальная модель для задач преобразования изображений и текста в текст. Исходную модель Qwen3-VL-30B-A3B-Instruct разработала команда Qwen, а квантование в формате MLX подготовила команда LM Studio с использованием mlx_vlm. Модель предназначена для работы с визуально-текстовыми запросами, включая анализ изображений и генерацию ответов по их содержимому. Модель оптимизирована для запуска на устройствах Apple Silicon с использованием фреймворка MLX. В её названии указаны 30B параметров и конфигурация A3B, однако README не содержит подробностей об архитектуре, поддерживаемых языках, размере контекстного окна и точном перечне мультимодальных возможностей. Квантование снижает требования к памяти по сравнению с полной версией, но может сопровождаться некоторой потерей точности. Лицензия модели — Apache-2.0.

Qwen3-VL-32B-Thinking-MLX-8bit — это 8-битная MLX-квантизованная версия мультимодальной модели Qwen3-VL-32B-Thinking, разработанной командой Qwen. Квантизация предоставлена командой LM Studio с использованием mlx_vlm; модель оптимизирована для работы на устройствах Apple Silicon. Модель предназначена для задач преобразования изображений и текста в текст, то есть может использоваться в сценариях, где требуется анализ визуальной информации и формирование текстового ответа. В основе лежит модель размером 32B, доступная в 8-битном представлении. README не содержит сведений о поддерживаемых языках, размере контекстного окна и точной архитектуре. Ключевое преимущество версии — адаптация с помощью MLX для запуска на Apple Silicon при сниженных требованиях к памяти по сравнению с полноразмерным представлением. Ограничения, характеристики качества, производительности и поддерживаемые форматы входных данных в README не указаны. Модель распространяется по лицензии Apache-2.0.

MLliu6/Qwen3-VL-8B-Instruct-AWQ-W4A16 — сторонняя посттренировочно квантованная версия мультимодальной модели Qwen3-VL-8B-Instruct, созданная пользователем MLliu6 на базе модели Qwen. Модель предназначена для задач vision-language, включая обработку изображений и текста, эффективный мультимодальный инференс, оценивание в VLMEvalKit, эксперименты с vLLM и исследования посттренировочного квантования. Модель использует архитектуру и возможности базовой Qwen3-VL-8B-Instruct, однако README не приводит полный набор архитектурных характеристик. Указаны поддерживаемые языки английский и китайский, мультимодальный формат image-text-to-text и контекст калибровки до 2048 токенов. Веса сжаты методом AWQ в формате W4A16: линейные слои квантуются до 4-битных симметричных целых значений с group_size=128, тогда как lm_head и визуальные модули исключены из квантования. Заявлено уменьшение размера хранения примерно на 58,8% относительно исходной раскладки. К сильным сторонам относятся сниженные требования к хранению и потенциально более эффективное развертывание при использовании совместимых инструментов, включая llm-compressor и vLLM. Ограничение состоит в том, что это неофициальный чекпойнт, а квантование может ухудшать качество на отдельных мультимодальных задачах, особенно при детальном визуальном понимании и сложном рассуждении. Модель распространяется по лицензии Apache-2.0.

MarcusLoren/Reranker-job-description — это дообученная модель переранжирования на основе BAAI/bge-reranker-base. Она оценивает соответствие фрагмента описания вакансии запросу, чтобы упорядочивать найденные сведения о требованиях и условиях работы. Обучение проведено на наборе из 89 тысяч примеров с метками, извлечёнными из объявлений о вакансиях и сайтов компаний; запросы формулировались с префиксом «Example of». Модель также нацелена на поиск сведений о продуктах, услугах и планируемых предложениях компаний. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. В репозитории есть веса Safetensors и версия ONNX; README описывает использование с FlagReranker, Transformers и .NET. Лицензия — MIT. Автор отмечает, что качество не идеально и связывает это с ограниченным временем обучения. Для применения нужны запрос и текстовый фрагмент; оценка релевантности полезна для ранжирования, но сама по себе не извлекает и не формулирует ответ.

Карточка модели mitra-mir/setfit-model-Misinformation-on-Organizations-GoFundMe-WEF на Hugging Face совпадает с карточкой mitra-mir/setfit-model-Misinformation-on-Global-Support, поэтому описание составлено по ней. Это модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория mitra-mir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Название репозитория указывает на тему дезинформации о глобальной поддержке, однако README не описывает специализированные функции или результаты классификации по этой теме. Модель подходит для получения текстовых эмбеддингов и поиска семантически близких фрагментов. Для использования описан интерфейс библиотеки Sentence-Transformers. Лицензия в предоставленных данных не указана.

SQLCoder-34B Alpha — языковая модель компании Defog для преобразования вопросов на естественном языке в SQL-запросы. Это плотная авторегрессионная модель семейства Llama с 33,5 млрд параметров, дообученная на базе CodeLlama. Карточка описывает обучение на более чем 20 000 подготовленных людьми вопросов и оценивание на схемах баз данных, не встречавшихся в обучающей выборке. Модель предназначена для генерации SQL по вопросу пользователя и схеме базы данных, включая запросы с фильтрацией, группировкой, сортировкой, объединениями таблиц и вычислением долей. README приводит результаты собственного тестирования Defog и примеры запуска через Transformers. Контекст составляет 16 384 токена, а README сообщает об испытаниях на четырёх GPU A10 с весами float16. Модель ориентирована на англоязычные запросы к базам данных. Она генерирует SQL, но точность результата зависит от корректности предоставленной схемы и формулировки вопроса; README отмечает, что дальнейшая настройка с Reward Modelling и RLHF ещё планировалась. Лицензия — CC BY 4.0.

Sathvik0101/srag-biencoder-hn — sentence-transformers биэнкодер, дообученный разработчиком на базе sanganaka/bge-m3-sanskritFT. Модель использует XLM-RoBERTa с пулингом CLS и нормализацией, преобразует текстовые предложения и абзацы в плотные векторы размерностью 1024. Сходство векторов можно оценивать косинусной мерой; модель предназначена для семантического поиска и извлечения релевантных текстов. В метаданных указано контекстное окно 8194 токена, а в README — максимальная длина последовательности 256 токенов. Обучение описано для набора из 4858 примеров с MultipleNegativesRankingLoss. Базовая модель специализируется на сопоставлении английских и санскритских текстов, поэтому пригодность этой версии для других языков не подтверждена. Лицензия в предоставленных данных не указана.

SS-350M-SQL-Strict — компактная языковая модель Саада Салмана для преобразования запросов на естественном языке в SQL. Она основана на LiquidAI/LFM2.5-350M и дообучена методом QLoRA на синтетических примерах text-to-SQL. Модель использует архитектуру LFM 2.5; в карточке указаны 350 млн параметров, а в метаданных — 444,6 млн. Метаданные указывают контекст до 128 000 токенов и формат safetensors; README также описывает 4-битную квантизацию bitsandbytes и оптимизации Unsloth. Модель рассчитана на генерацию только SQL-кода по вопросу пользователя и предоставленной схеме базы данных, в том числе для запросов с соединениями, подзапросами и группировкой. Для строгого вывода README рекомендует передавать запрос в формате ChatML с описанием схемы. Указана лицензия Apache-2.0. Ограничения: лучше подходит для схем менее чем с 20 таблицами; по умолчанию ориентирована на стандартный SQL-диалект. Модель не объясняет сгенерированный запрос, а соблюдение формата ChatML важно для снижения риска постороннего текста.

teacher_ag-news — дообученная модель BERT для классификации текстов, созданная на основе dumitrescustefan/bert-base-romanian-cased-v1. Она предназначена для отнесения текста к одной из категорий новостного набора AG News. Архитектура — BertForSequenceClassification, размер — 151,6 млн параметров, максимальный контекст — 512 токенов. Модель принимает текст и возвращает метку класса и оценки классификации. В README приведены результаты оценки: F1 0,942, ROC AUC 0,961 и accuracy 0,9392. Базовая модель рассчитана на румынский язык, однако язык и состав обучающего набора для этой версии не описаны. Модель распространяется по лицензии MIT; качество на других наборах текстов не подтверждено.

TEmA-small — дообученная на базе многоязычной BERT-модели LaBSE модель для сравнения смысловой близости азербайджанских текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768; базовая модель LaBSE строит общее пространство эмбеддингов для 109 языков. Репозиторий содержит веса PyTorch объёмом около 168,7 млн параметров, максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, кластеризации текстов и ранжирования предложений по смысловой близости. В README приведены результаты сравнительных тестов STS и показатели точности при использовании косинусного, манхэттенского и евклидова расстояний. Модель распространяется по лицензии CC BY 4.0. Специализация заявлена для азербайджанского языка; результаты на других языках в карточке отдельно не подтверждены.

yazdipour/text-to-sparql-t5-small-qald9 — модель T5ForConditionalGeneration с 38,5 млн параметров, дообученная для преобразования текстовых запросов в запросы SPARQL. Карточка указывает, что это вариант модели yazdipour/text-to-sparql-t5-small-2021-10-19_10-17_lastDS, дообученный на датасете QALD-9. Модель принимает текст и генерирует текст запроса SPARQL; её можно использовать для перевода вопросов на естественном языке в запросы к базам знаний и RDF-хранилищам. Максимальная длина контекста — 512 токенов. Данные о поддерживаемых естественных языках и оценках качества в карточке отсутствуют. Модель опубликована под лицензией Apache-2.0.

TimeChat-Captioner-GRPO-7B — мультимодальная модель на 7 млрд параметров, дообученная на базе Qwen/Qwen2.5-Omni-7B. Она анализирует многосценовые видео и создаёт подробные, структурно связные описания с привязкой событий ко времени, согласуя визуальную и аудиоинформацию. Модель предназначена для автоматического составления временных субтитров и описаний видеоконтента. Для качественной разметки README рекомендует обрабатывать видео длительностью около минуты или разбивать более длинные ролики на отрезки примерно по 60 секунд. Модель опубликована в формате safetensors и рассчитана на работу через Transformers. Язык лицензии в доступных данных не указан, поэтому условия использования определить нельзя.

Tucano2-qwen-0.5B-Instruct — компактная португалоязычная языковая модель для диалогов и выполнения инструкций, разработанная Polygl0t. Это плотная Transformer-модель семейства Qwen3 примерно с 403 млн параметров и контекстом 4096 токенов; она принимает текст и генерирует текст. Модель дообучена на Tucano2-qwen-0.5B-Base с помощью одного этапа supervised fine-tuning и одного этапа Anchored Preference Optimization. Модель предназначена для генерации ответов на португальском языке, суммаризации, структурированного вывода, function calling и использования в RAG-сценариях. Авторы представляют её как основу для исследований и разработки португалоязычных приложений; открытые наборы данных, код и рецепты обучения поддерживают воспроизводимость. Лицензия Apache 2.0. Малый размер делает модель компактной, но она может галлюцинировать, воспроизводить предубеждения и токсичность, повторяться или давать излишне многословные ответы. Она рассчитана прежде всего на португальский язык, поэтому на других языках возможны ошибки; для практического применения нужна самостоятельная оценка качества и рисков.

Карточка модели Tiiny/TurboSparse-Mixtral-Instruct на Hugging Face совпадает с карточкой Tiiny/TurboSparse-Mixtral, поэтому описание составлено по ней. TurboSparse-Mixtral — разреженная языковая модель семейства Mixtral от Tiiny, построенная на архитектуре смеси экспертов (MoE). В репозитории опубликованы веса в формате Safetensors; размер модели — 7,2 млрд параметров, контекст — до 32 768 токенов. Модель обучалась на английских данных, а в ходе разреживания использовались также наборы для контролируемой тонкой настройки и шаблон чата ChatML. Модель предназначена для генерации текста и диалоговых сценариев; метаданные также указывают задачу извлечения признаков. Её можно запускать как плотную модель, а авторы дорабатывают код для ускоренного инференса. Разработчик сообщает о возможных пробелах в результатах на отдельных задачах, слабых способностях на языках помимо английского и неожиданных ответах, связанных с небольшим размером и ограниченным объёмом обучения. Лицензия — Apache-2.0.

UVDoc — модель для геометрической коррекции изображений документов, разработанная командой PaddlePaddle и предназначенная для использования в экосистеме PaddleOCR. Она исправляет искажения документа, включая деформацию, наклон и перспективные преобразования, чтобы повысить точность последующего распознавания текста. Модель работает с изображениями документов и возвращает скорректированное изображение. В карточке указаны языки en и zh, однако архитектура, количество параметров, размер модели и максимальный размер контекста не раскрыты. На тестовом наборе DocUNet модель показала CER 0,179. Её сильная сторона — специализированная коррекция сложных геометрических искажений перед OCR; ограничение заключается в том, что она не является самостоятельной моделью распознавания текста. Для запуска через ONNX Runtime используется PaddleOCR. Модель распространяется по лицензии Apache-2.0.

lhabacuc/vMiniCPM-V-4.6 — мультимодальная модель для понимания изображений и видео, основанная на SigLIP2-400M и языковой модели Qwen3.5-0.8B. Она принимает визуальные данные вместе с текстовым запросом и формирует текстовый ответ; поддерживает диалог и интерфейс вызова инструментов. Смешанное сжатие визуальных токенов в режимах 4× и 16× позволяет выбирать между детализацией и скоростью. Модель рассчитана на эффективный запуск, в том числе на мобильных устройствах iOS, Android и HarmonyOS. Она подходит для описания изображений, анализа нескольких изображений и видеопонимания, включая распознавание текста на изображениях. В README заявлена совместимость с Transformers, vLLM, SGLang, llama.cpp и Ollama, а также возможность дообучения через SWIFT и LLaMA-Factory. В репозитории указаны веса safetensors и лицензия Apache-2.0. Для видео README описывает зависимость декодирования от torchcodec; совместимость с некоторыми версиями CUDA может требовать настройки окружения или замены на PyAV. Заявления о производительности приведены разработчиками модели и зависят от задач и условий оценки.

WD ConvNext Tagger v3 — модель SmilingWolf для автоматической разметки изображений тегами Danbooru. Она использует архитектуру ConvNeXt и предназначена для предсказания рейтингов, персонажей и общих тегов по изображению. Обучена на изображениях Danbooru; редкие теги и изображения с малым числом общих тегов исключались из обучающей выборки. Версия датасета v3 включает более свежие теги по состоянию на 28 февраля 2024 года и больше обучающих изображений. Для борьбы с дисбалансом классов применялось масштабирование функции потерь по частоте тегов. Репозиторий содержит модели в форматах ONNX и safetensors; также заявлена совместимость с timm. Для ONNX требуется onnxruntime версии 1.17.0 или новее. Лицензия — Apache-2.0. Модель подходит для пакетного автоматического тегирования изображений и извлечения тегов для поиска или каталогизации. Валидация на указанном наборе дала F1 0,4419 при пороге 0,2682 для версии v2.0; эти показатели не гарантируют аналогичного качества на других изображениях. Обучение проводилось на изображениях Danbooru, поэтому покрытие тегов и качество на изображениях вне этого домена могут быть ограничены.

Это дообученная модель автоматического распознавания речи на основе Whisper Large-v3 Turbo от OpenAI, адаптированная для кхмерского языка. Она преобразует аудио в текст и предназначена для транскрибирования с нормализацией числительных, денежных сумм и дат. Модель содержит 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration; веса представлены в формате safetensors. Она рассчитана на кхмерскую речь, а в качестве лицензии указана MIT. Качество проверялось только на внутренних валидационных и тестовых наборах. Точность может снижаться на длинных аудиозаписях, акцентах вне обучающей выборки и записях с фоновым шумом.

yahyaabd/allstats-search-mini-v1-2 — модель Sentence Transformers, дообученная автором yahyaabd на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на наборе statictable-triplets-all. Она использует архитектуру BERT с усреднением токенных представлений и преобразует предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Модель предназначена для семантического поиска и сопоставления запросов с названиями статистических таблиц, а также для поиска перефразировок, кластеризации и классификации текста. В README приведён пример поиска по индонезийским статистическим таблицам и результаты оценки на наборе bps-statictable-ir. Базовая модель многоязычная, однако примеры и обучающие данные этой версии сосредоточены на индонезийской статистической тематике. Метаданные указывают контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 128 токенов; на практике следует ориентироваться на ограничение самой модели в 128 токенов. Веса опубликованы в формате safetensors. Условия лицензирования в предоставленных источниках не описаны.

ArabicOCR-Qwen2.5-VL-7B-Vision — визуально-языковая модель на базе Qwen2.5-VL-7B, дообученная loay для распознавания арабского текста на изображениях. Для обучения использовались LoRA-адаптеры, объединённые с базовой моделью; репозиторий содержит веса float16 в формате safetensors. Модель принимает изображения с арабским текстом и выдаёт их текстовую транскрипцию. Её можно применять для извлечения текста из фотографий и сканов, содержащих арабскую письменность. Размер модели — 7,1 млрд параметров, заявленная длина контекста — 128 000 токенов. Лицензия — Apache-2.0. Для инференса в float16 README указывает требование более 14 ГБ видеопамяти. Модель специализирована на арабском OCR; её точность для других языков и типов изображений в предоставленных материалах не описана.

Assay-0.6b — плотная языковая модель на базе Qwen3-0.6B-Base, дообученная авторами Assay для выдачи калиброванных типизированных решений. Она принимает текстовое состояние и именованные вопросы типов bool, choice или score и за один проход возвращает распределение вероятностей по вариантам, уверенность и оценку достаточности свидетельств; свободный текст модель не генерирует. Веса объединены с LoRA-адаптером, а отдельная голова оценивает, поддерживает ли состояние ответ. Модель содержит 507,9 млн параметров, работает с контекстом до 32 768 токенов и рассчитана на английский язык. Модель предназначена для классификации и принятия структурированных решений, в том числе с возможностью воздержаться от ответа, когда уверенность недостаточна. Её можно применять для маршрутизации случаев по правилам, классификации тональности и тематики, выбора из заданных вариантов и порядковой оценки по описанным уровням. В README сообщается о точности 0,704 на отложенных задачах и приводятся показатели покрытия и ошибок при воздержании; гарантии калибровки относятся к распределениям, похожим на калибровочную выборку. Ограничения: модель обучена на англоязычных данных; точность снижается на нерелевантных состояниях. Она не предназначена для арифметики, подсчётов, сравнения дат или многошаговых рассуждений за один проход, а калибровка не гарантирует качество для конкретного ответа или пользовательского распределения. Лицензия — Apache-2.0.

mrm8488/bert-medium-finetuned-squadv2 — англоязычная модель семейства BERT, созданная на основе BERT-Medium от Google Research и дообученная Manuel Romero на SQuAD 2.0 для ответов на вопросы по предоставленному фрагменту текста. Она содержит 49,2 млн параметров и рассчитана на контекст до 512 токенов. Модель извлекает ответ из контекста или воздерживается от ответа, если в тексте нет достаточных оснований. В тесте SQuAD 2.0 автор сообщает EM 65,95 и F1 70,11. Компактное семейство BERT предназначено для работы при ограниченных вычислительных ресурсах; модель доступна в форматах PyTorch и Flax. Она подходит для англоязычных систем вопросов и ответов по текстовым отрывкам. Результаты на SQuAD 2.0 не гарантируют такое же качество на других данных; длинный контекст сверх 512 токенов не поддерживается напрямую. Сведения о лицензии в предоставленной карточке отсутствуют.

potsu-potsu/bge-base-biomedical-modal-no-mrl-e4 — англоязычная модель Sentence Transformers на базе BERT, обученная на 4 012 парах биомедицинских текстов. Она кодирует предложения и абзацы в нормализованные плотные векторы размерности 768 для поиска и сравнения по косинусному сходству; также подходит для поиска перефразирований, кластеризации и классификации текстов с использованием эмбеддингов. Модель содержит 136,7 млн параметров, принимает последовательности до 512 токенов и распространяется по лицензии Apache-2.0. В README приведены оценки на наборе bge-base для поиска информации, однако эти результаты сами по себе не подтверждают клиническую точность или пригодность для принятия медицинских решений. Обучающий набор описан как json; подробной независимой оценки по биомедицинским сценариям не приведено.

shekar-ai разработала модель для двусторонней транслитерации между персидским текстом на персо-арабском письме и таджикским текстом на кириллице. Направление задаётся префиксом: fa2tg для преобразования персидского в таджикский и tg2fa для обратного преобразования. Модель построена на ByT5-small — байтовом энкодер-декодере семейства T5, дообученном на параллельном корпусе ParsText; метаданные указывают 364,6 млн параметров и лицензию MIT. Модель подходит для преобразования письменности при поиске и чтении текстов, нормализации перед обработкой персидского и таджикского текста, а также как отправная точка для дообучения на близких задачах преобразования письменности. В README приведены оценки на тестовой выборке: chrF++ 87,90 для направления с персидского на таджикский и 91,76 для обратного. Направление персидский → таджикский сложнее, поскольку краткие гласные часто не обозначаются; имена собственные и заимствования также могут обрабатываться с ошибками. Обучающие примеры ограничены длиной 200 символов, поэтому длинный текст рекомендуется преобразовывать по предложениям.

clip-roberta-finetuned — дообученная модель davanstrien на датасете davanstrien/manuscript_noisy_labels_iiif. По архитектуре VisionTextDualEncoderModel она совместно кодирует изображения и текст, формируя признаки для сопоставления этих модальностей. Модель предназначена для извлечения признаков; карточка сообщает значение loss 2.5792 на оценочной выборке, но не описывает сценарии применения или подробности обучения.

e2etext-T1edu1-T1 — дообученная авторами репозитория модель jerryyan на базе Qwen/Qwen3-0.6B для очистки веб-страниц и подготовки текста для предобучения. Она принимает не исходный HTML, а текст страницы, преобразованный заданным рендерером в канонический формат с нумерацией строк, и генерирует решения keep, edit, delete или rewrite с соответствующим содержимым. Детерминированный исполнитель применяет эти решения, формируя очищенный текст; модель использовалась в конвейере создания корпуса объёмом около 7,44 млрд токенов. Это плотная авторегрессионная модель семейства Qwen3 с примерно 508 млн параметров, контекстом до 40 960 токенов и форматом весов safetensors. Для воспроизводимого результата важны тот же рендерер и системный промпт, с которыми модель обучалась и запускалась: произвольный текст и другой способ рендеринга могут отличаться от обучающих данных. Веса, код и документация доступны по лицензии Apache-2.0; базовая модель также распространяется по этой лицензии.

FelaTab — модель для классификации и регрессии по табличным данным, разработанная lowdown-labs. Она получает строки с известными метками и строки-запросы, для которых нужно предсказать метку или значение, и делает прогноз за один проход без обучения на конкретной таблице. Модель обучена на синтетических таблицах и рассчитана на перенос этих закономерностей на ранее не встречавшиеся реальные данные. Архитектура — prior-fitted network с delta-rule линейным вниманием и landmark-вниманием по опорным строкам. Доступны вложенные варианты размером 51,6 млн и 411,9 млн параметров; веса опубликованы в формате safetensors, README также описывает рекомендуемые варианты int8. Модель принимает числовые признаки: до 100 столбцов-признаков и до 10 классов для классификации. Для классификации возвращает вероятности классов, для регрессии — прогноз и стандартное отклонение. FelaTab предназначена для быстрого прогнозирования и автозаполнения небольших и средних таблиц, включая сценарии работы с электронными таблицами и базами данных; заявлена работа на CPU без GPU. На приведённых в README тестах она служит сильной базовой моделью без настройки, но для максимальной точности, особенно в регрессии, авторы рекомендуют сравнивать её с настроенными градиентно-бустинговыми деревьями. Качество на существенно отличающихся распределениях следует проверять на отложенных данных; модель не следует использовать как единственное основание для важных решений. Лицензия — Apache-2.0; README обозначает выпуск как предварительную исследовательскую версию для оценки и развития открытой науки.

barunparua/flant5-nltosql-wikisqlandspider — дообученная модель семейства T5 на основе OwaisAhmad/flant5-text2sql-model. Она предназначена для преобразования запросов на естественном языке в SQL, в том числе для сценариев, связанных с наборами WikiSQL и Spider. Модель содержит 123,8 млн параметров, работает с текстом и имеет контекст длиной 512 токенов. В карточке приведены результаты оценки: Loss 0,2761, ROUGE-1 0,6182, ROUGE-2 0,5007, ROUGE-L 0,6013 и ROUGE-Lsum 0,6012. Описание не уточняет поддерживаемые языки, конкретные схемы баз данных и ограничения качества; результаты оценки сами по себе не гарантируют точность на новых данных. Лицензия в предоставленных сведениях не указана.

F16/florence2-large-ft-gufeng_v3 — модель семейства Florence-2 Large для обработки изображений и генерации текстовых ответов по ним. По названию репозитория можно предположить, что это дообученная версия Florence-2 Large, однако карточка не раскрывает назначение дообучения или особенности версии gufeng_v3. Модель принимает изображения и текстовые запросы, а выдаёт текст; семейство Florence-2 предназначено для задач компьютерного зрения, управляемых текстовыми инструкциями. В метаданных указаны архитектура Florence2ForConditionalGeneration и формат safetensors. README содержит только общий пример начала работы, поэтому конкретные сценарии и качество этой версии не описаны. Условия лицензии в доступных данных отсутствуют.

FNet-base — предварительно обученная модель семейства FNet, представленная в исследовательской работе и опубликованная в репозитории Google. В её плотной архитектуре механизм внимания заменён преобразованиями Фурье. Модель содержит 123,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена на английских текстах набора C4 с задачами masked language modeling и next sentence prediction. Её используют как основу для дообучения классификаторов и других моделей понимания текста, включая классификацию последовательностей и токенов, ответы на вопросы и предсказание пропущенных токенов. Это не модель для генерации текста. Карточка сообщает о примерно на 32% меньшем времени дообучения на задачах GLUE по сравнению с воспроизведённым BERT-base на GPU; эти результаты относятся к описанным условиям эксперимента. Модель различает регистр, хотя предобработка обучающих текстов описана как приведение к нижнему регистру. Лицензия — Apache-2.0.