I.3Извлечение и структурирование данных

edusc182/Gemma_2B — дообученная модель семейства Gemma 4 E2B IT, разработанная edusc182 на базе unsloth/gemma-4-E2B-it с использованием Unsloth и библиотеки Hugging Face TRL. Она предназначена для диалога и обработки запросов с изображениями, включая анализ визуального содержимого и документов. Метаданные также указывают на обучение на наборах данных для программирования и диалоговых рассуждений, но не подтверждают отдельные гарантированные возможности модели. Модель имеет плотную архитектуру Gemma4ForConditionalGeneration и сохраняется в формате safetensors. В карточке указаны английский и испанский языки, поддержка чата и изображений. Лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

Koitenshin/Huihui-InternVL3-14B-abliterated-GGUF — это квантованная модель в формате GGUF, созданная на основе Huihui-InternVL3-14B-abliterated от huihui-ai. Конвертацию в GGUF выполнили с использованием llama.cpp и сервиса GGUF-my-repo. Модель относится к семейству InternVL3 и предназначена для задач преобразования изображений и текста в текст, включая мультимодальное общение и анализ визуального содержимого. Заявлена поддержка multilingual-сценариев, однако конкретный перечень языков в карточке не приведён. Модель имеет размер 14B параметров; доступная в этой карточке версия использует квантование Q8_0. Она рассчитана на запуск через llama.cpp в формате GGUF, в том числе локально через llama-cli или в серверном режиме через llama-server. В качестве примера указан контекст 2048 токенов, но это значение может быть параметром запуска, а не предельным размером контекста самой модели. К сильным сторонам относятся мультимодальность, локальный запуск через llama.cpp и уменьшенный по сравнению с полноразмерной моделью объём хранения и вычислений благодаря квантованию Q8_0. Ограничения и точные характеристики качества, требования к оборудованию, особенности поддержки изображений и языков в README не описаны; для их оценки требуется оригинальная карточка базовой модели. В метаданных указана лицензия Apache-2.0, при этом ссылка на текст лицензии ведёт к лицензии Qwen, поэтому условия использования следует дополнительно проверить по исходной модели и файлам дистрибутива.

Huihui-Qwen3-VL-4B-Instruct-abliterated-GGUF — набор квантованных версий мультимодальной модели Huihui-Qwen3-VL-4B-Instruct-abliterated, разработанной huihui-ai. Модель относится к классу image-text-to-text и предназначена для задач, где требуется обрабатывать изображения вместе с текстовыми запросами и генерировать текстовые ответы. В карточке указано, что доступны форматы GGUF, обновлённые с использованием imatrix от unsloth. Базовая модель имеет размер 4B параметров и ориентирована на запуск через llama.cpp; для работы рекомендуется использовать последнюю версию этого инструмента. Для визуального модуля mmproj предпочтителен вариант F32, поскольку он должен обеспечивать лучшее качество по сравнению с BF16 и F16, хотя требует больше ресурсов. Конкретные поддерживаемые языки, размер контекстного окна, архитектурные детали, лицензия, результаты оценки и ограничения в README не указаны.

InternViT-300M-448px-V2_5 — визуальный энкодер OpenGVLab, дообученный на основе OpenGVLab/InternViT-300M-448px методом инкрементального обучения ViT с NTP loss. Модель содержит 402,7 млн параметров и предназначена для извлечения признаков изображений, в частности как визуальная основа мультимодальных языковых моделей. Обновление улучшает представление визуальной информации, особенно для многоязычного OCR и математических диаграмм, которые слабее представлены в крупных веб-датасетах. Архитектура InternViT применяется в связке ViT-MLP-LLM; стратегия высокого разрешения делит изображения на плитки 448×448 пикселей. Репозиторий содержит веса в формате safetensors. Модель принимает изображения и выдаёт визуальные признаки. Авторы отмечают, что семейство V2.5 лучше подходит для построения мультимодальных языковых моделей, чем для традиционных задач компьютерного зрения. Лицензия — MIT.

cometadata/jina-reranker-v2-multilingual-affiliations-v5 — мультиязычный кросс-энкодер, дообученный на базе jinaai/jina-reranker-v2-base-multilingual с использованием библиотеки Sentence Transformers. Модель оценивает пары «запрос — документ» одним числовым баллом релевантности; баллы подходят для переупорядочивания результатов поиска и семантического поиска. В обучающих данных есть примеры сопоставления аффилиаций организаций и документов, а качество реранжирования оценивалось на наборе affiliation-val. Модель содержит 305,2 млн параметров, имеет архитектуру XLMRobertaForSequenceClassification и принимает последовательности длиной до 1026 токенов по метаданным. Карточка указывает мультиязычную поддержку. На affiliation-val указаны MAP 0,9356, MRR@10 0,9356 и NDCG@10 0,9548. Лицензия CC-BY-NC-4.0 разрешает использование на условиях некоммерческой лицензии.

KpfBERT — текстовая модель на архитектуре BERT, опубликованная jinmang2. Она предназначена для извлечения признаков из текста и может служить основой для последующей классификации или других задач обработки языка. Репозиторий Hugging Face предлагает использовать её через Transformers как feature-extraction pipeline или загружать напрямую как AutoModel. Модель содержит около 141,2 млн параметров и имеет контекст длиной до 512 токенов. Карточка не сообщает подробностей о языковом охвате, обучающих данных, целевой области применения или лицензии, поэтому эти характеристики нельзя подтвердить.

Kwai-AutoSQL-32B — языковая модель Kwai, дообученная на базе Qwen/Qwen3-32B. Репозиторий содержит только веса, без скриптов обучения и инференса. Модель предназначена для генерации текста; название указывает на применение к задачам, связанным с SQL, однако README не описывает конкретные сценарии или качество работы с SQL. Модель имеет плотную архитектуру Qwen3ForCausalLM с 29,7 млрд параметров и контекстом до 40 960 токенов. Она принимает текст и генерирует текст; в метаданных заявлена поддержка чата. В карточке не перечислены поддерживаемые естественные языки. Веса представлены в формате safetensors. Лицензия — Apache License 2.0.

LiquidAI/LFM2-VL-3B-GGUF — мультимодальная vision-language модель семейства LFM2-VL, разработанная Liquid AI для работы на периферийных устройствах и локального развертывания. Модель предназначена для задач преобразования изображений и текста в текст, включая анализ визуального содержимого и генерацию ответов по изображениям, с акцентом на сочетание качества, скорости и экономичного использования памяти. Модель распространяется в формате GGUF, совместимом с llama.cpp, и доступна в вариантах F16, Q4_0 и Q8_0, что позволяет выбирать между точностью, скоростью инференса и требованиями к ресурсам. Указан размер 3B; поддерживаются английский, японский, французский, испанский, немецкий, итальянский, португальский, арабский, китайский и корейский языки. Размер контекста и подробности архитектуры в предоставленной карточке не указаны. Сильными сторонами модели являются мультимодальность, ориентация на edge-сценарии, возможность локального запуска и наличие вариантов квантования. Ограничения включают отсутствие в карточке подробных результатов оценки, характеристик контекста и точных требований к аппаратному обеспечению. Модель выпускается по лицензии lfm1.0; дополнительные условия следует уточнять в файле LICENSE и оригинальной карточке базовой модели LiquidAI/LFM2-VL-3B.

Lh41-1042-Magellanic-7B-0711-i1-GGUF — квантизированная версия мультимодальной vision-модели Lh41-1042-Magellanic-7B-0711, разработанной prithivMLmods и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для обработки изображений и текста, включая генерацию подписей к изображениям, оптическое распознавание символов и визуальное понимание. В README заявлена поддержка английского и китайского языков. Модель имеет размер 7B параметров и поставляется в виде weighted/imatrix-квантизаций с различными уровнями точности и размером файлов примерно от 2,0 до 6,4 ГБ. Доступны варианты IQ и Q-квантизации; Q4_K_M отмечен как рекомендуемый баланс скорости, размера и качества. Для работы с визуальными входными данными могут потребоваться дополнительные mmproj-файлы из статического репозитория. Архитектура и размер контекстного окна в представленных данных не указаны. Основные преимущества — поддержка визуальных задач, наличие компактных квантизированных вариантов и возможность локального запуска через совместимое с GGUF программное обеспечение. Ограничения связаны с потерями качества у низкобитных квантизаций: некоторые варианты прямо обозначены как низкокачественные или предназначенные для случаев с жёсткими ограничениями по памяти. Модель распространяется по лицензии Apache-2.0.

mailguard-jev-style-1.5b — плотная авторегрессионная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком JackKozmo29 для сортировки корпоративной электронной почты. Она принимает текст письма и генерирует один структурированный JSON-ответ с категорией, кратким резюме и адресатом для пересылки; категории включают финансы, право, кадры, безопасность, расписание, общую переписку и рассылки. Модель предназначена для автоматической маршрутизации писем, архивации и первичного разбора обращений, в том числе в локальных и изолированных от сети средах. Карточка описывает обучение с LoRA на корпусе корпоративной почты и приводит результаты тестирования на наборах TREC 2007 и Enron. Модель имеет 1,5 млрд параметров, работает через Transformers, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель обучена преимущественно на английской почте, поэтому точность на других языках снижается. Набор категорий фиксирован, а модель не предназначена для выявления фишинга или вредоносных программ. Лицензия — Apache-2.0.

driaforall/mem-agent — диалоговая модель-агент на базе Qwen3-4B-Thinking-2507, разработанная Dria. Её дообучили методом GSPO для работы с долговременной памятью в формате Markdown, организованной по принципу Obsidian: модель извлекает нужные сведения, обновляет файлы памяти и задаёт уточняющие вопросы при неоднозначности или противоречиях. Модель имеет плотную архитектуру Qwen3, около 3,7 млрд параметров и контекст до 262 144 токенов. Она принимает текстовые запросы и взаимодействует с инструментами памяти через агентный цикл; предусмотрена работа с фильтрами, которые ограничивают или скрывают извлекаемую информацию. Разработчик рекомендует подключать её как MCP-сервер к более крупной модели; также описан автономный режим. В опубликованном разработчиком бенчмарке md-memory-bench модель получила общий результат 0,75, однако качество зависит от структуры хранилища и соблюдения описанного формата файлов и ссылок. Весовые файлы представлены в формате safetensors. Условия лицензирования в доступных сведениях не приведены.

openbmb/MiniCPM-V-2_6-int4 — квантованная до int4 версия мультимодальной модели MiniCPM-V 2.6, разработанная командой OpenBMB. Модель предназначена для задач image-text-to-text: анализа изображений и генерации текстовых ответов на вопросы о визуальном содержимом. Указана поддержка многоязычных сценариев, OCR, работы с несколькими изображениями и видео. Ключевая особенность версии int4 — сниженное потребление видеопамяти: около 7 ГБ по данным README. Модель запускается через Hugging Face Transformers на NVIDIA GPU с использованием custom code и поддерживает потоковую генерацию ответов. Архитектура и точное количество параметров, размер контекстного окна, перечень языков и поддерживаемых модальностей в README не указаны. Сильной стороной модели является более экономичное развертывание по сравнению с полной версией MiniCPM-V 2.6 при сохранении её мультимодального назначения. Ограничениями являются зависимость от NVIDIA GPU и необходимости использовать совместимые версии программных компонентов, а также возможное влияние int4-квантизации на качество. Лицензия в предоставленных данных не указана.

andrerean/minilm-arsip-kampus-seranah — текстовая Sentence Transformer модель, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она кодирует предложения и абзацы в плотные векторы размерности 384 и предназначена для поиска и сравнения текстов по смыслу; близость оценивается косинусным сходством. Архитектура включает BertModel и mean pooling. В метаданных указаны 124,3 млн параметров и контекст до 512 токенов; README сообщает максимальную длину последовательности 384 токена. Модель обучена на 3 090 парах предложений, связанных с университетскими документами: примеры охватывают академические решения, бюджетные процедуры, охрану труда и лабораторную безопасность. Это делает её подходящей для семантического поиска и извлечения релевантных документов в подобном архиве. Базовая модель многоязычная, но основной язык обучающих примеров — индонезийский. Модель принимает текст и возвращает векторы. Лицензия в предоставленных данных не указана.

Это модель ozcangundes/mt5-multitask-qa-qg-turkish, созданная разработчиком ozcangundes на основе mT5-small от Google и дообученная на турецком наборе TQUAD. Модель объединяет извлечение ответов из текста, генерацию вопросов по тексту и ответы на вопросы; для генерации и ответов принимает текст и выдаёт текст. В карточке указаны архитектура mT5 и размер 157,4 млн параметров. Модель предназначена для задач вопросно-ответной обработки турецких текстов, например подготовки вопросов к материалу и извлечения ответов из него. README сообщает о восьми эпохах обучения и learning rate 1e-4, а также отмечает, что гиперпараметры можно настроить для улучшения результатов. Модель распространяется по лицензии Apache-2.0.

tomaarsen/multivector-colqwen2-v1.0-hf-docqa-energy — многовекторный энкодер, дообученный на синтетических парах запросов и страниц документов по энергетике. Он основан на vidore/colqwen2-v1.0-hf и предназначен для поиска релевантных страниц документов по текстовым запросам с помощью позднего взаимодействия MaxSim. Модель принимает текст и изображения страниц, включая страницы PDF, и представляет их последовательностями токенных векторов размерности 128. Максимальная длина последовательности — 32 768 токенов. Обучение проводилось на английских данных набора synthetic_doc_qa_energy_train; в README приведены метрики поиска на наборе energy-dev. Модель распространяется под лицензией Apache-2.0. Она подходит для семантического поиска по энергетическим отчетам и другим документам этой тематики, в том числе для извлечения страниц, отвечающих на вопрос. Результаты зависят от соответствия запросов и документов обучающим данным; карточка не заявляет о генерации ответов или универсальном OCR.

Это конверсия модели NVIDIA Nemotron 3 Diarization в CoreML, подготовленная FluidAudio для локального запуска на устройствах Apple. Модель основана на потоковом Sortformer для диаризации до восьми говорящих: трансформер с RoPE из 31 слоя, около 100 млн параметров и разрешением выходных меток 10 мс. Она принимает аудио и выдаёт временные сегменты активности и говорящих. Модель предназначена для потоковой и офлайн-диаризации записей встреч и разговоров на macOS 14+ и iOS 17+, с исполнением на Neural Engine или GPU. Наборы пресетов позволяют выбирать баланс между задержкой, скоростью и точностью; в тестах AMI MHM вариант fast128 показал DER 9,36 и верно определил число говорящих во всех 16 встречах. Репозиторий содержит CoreML-модели и вспомогательные файлы для FluidAudio; библиотека поддерживает интеграцию на Swift. Ограничения зависят от конфигурации: короткие окна могут снижать точность определения числа говорящих, а некоторые пресеты имеют задержку в несколько секунд или десятки секунд. Метрики README получены на 16 встречах AMI по указанному протоколу и не гарантируют аналогичное качество на других данных. Лицензия — OpenMDW 1.1.

Harvinder6766/news_sentiment_sentence_v1 — модель классификации текста на основе DistilBERT, дообученная для анализа тональности новостных предложений. Она принимает текст и относит его к классам тональности; размер контекста составляет 512 токенов. Модель сохранена в формате Safetensors и распространяется по лицензии Apache-2.0. На указанной в карточке оценочной выборке модель достигла accuracy 0,7785 и loss 0,5339. Датасет, состав классов, языки и подробные сценарии применения в карточке не раскрыты, поэтому эти результаты не позволяют судить о качестве на других данных.

OmniParser — инструмент Microsoft для разбора снимков экрана пользовательского интерфейса. В состав репозитория входят дообученные модели YOLOv8 для обнаружения интерактивных элементов и BLIP-2 для описания значков; в метаданных карточки указана архитектура BLIP-2 и задача image-text-to-text. Модели обучались на данных об обнаружении значков и областей, доступных для нажатия, а также на описаниях функций значков. Модель преобразует снимки экранов компьютеров и телефонов из разных приложений в структурированный список элементов: координаты интерактивных областей и текстовые подписи с возможными функциями значков. Её можно применять как компонент LLM-агента, работающего с графическим интерфейсом. Выходные данные требуют проверки человеком; модель не предназначена для выявления вредоносного содержимого и может ошибочно приписывать людям на значках чувствительные характеристики. Разработчик не рекомендует использовать OmniParser в рабочих сценариях. Лицензия — MIT.

imone/pangu_2_6B — репозиторий с PyTorch-версией модели PanGu-α, разработанной совместной технической командой под руководством PCNL. В репозитории размещены предварительно обученные веса на 2,6 млрд параметров в точности FP32, преобразованные из исходного чекпойнта MindSpore; метаданные указывают 3 млрд параметров и архитектуру GPTPanguForCausalLM. Это плотная авторегрессионная языковая модель для генерации текста с контекстом до 1024 токенов. Модель предназначена прежде всего для генерации текста на китайском языке, включая ответы на вопросы по знаниям, извлечение и рассуждение по знаниям, а также чтение и понимание текста; карточка отмечает возможности few-shot обучения. Репозиторий предоставляет реализацию на PyTorch, а для загрузки через Transformers требуется доверенная загрузка удалённого кода. Лицензия в предоставленных данных не указана.

Prime_690M — белковая языковая модель семейства ProPrime, опубликованная организацией AI4Protein. Она предназначена для анализа белковых последовательностей, включая извлечение признаков, предсказание оптимальной температуры роста и оценку влияния мутаций на стабильность и активность белка. Официальный проект Pro-Prime описывает температурно-направленное языковое моделирование и zero-shot предсказание эффектов мутаций. Модель имеет около 865 млн параметров, архитектуру ProPrimeForPretraining и максимальную длину последовательности 1026 токенов. В карточке Hugging Face указан pipeline feature-extraction; модель также поддерживает задачу fill-mask. На вход подаются белковые последовательности, на выходе — векторные признаки или предсказания для белковой инженерии. Карточка Hugging Face автоматически сгенерирована и не содержит сведений о лицензии, данных обучения или подробной оценке ограничений; для загрузки через Transformers требуется trust_remote_code=True. Источники не подтверждают поддержку естественных языков.

PSST medium — модель распознавания речи, созданная дообучением openai/whisper-medium.en на сегментах корпуса Santa Barbara Corpus of Spoken American English. Она предназначена для преобразования аудиозаписей разговорного американского английского в текст. Модель основана на архитектуре Whisper и содержит 455,8 млн параметров. Модель подходит для расшифровки разговорной речи, представленной в обучающем корпусе. Веса доступны в формате PyTorch по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных ограничений.

Модель thisavros/qwen25-1_5b-text2sql-lora-merged — дообученная автором thisavros языковая модель Qwen2.5-1.5B-Instruct. Она предназначена для генерации текста; название репозитория указывает на сценарий Text-to-SQL, однако README не описывает его точнее. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; базовая модель рассчитана на контекст до 32 768 токенов. Модель дообучена на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Метаданные указывают поддержку английского языка и возможности чата. Лицензия — Apache-2.0.

WoWolf/Qwen2_5vl-7b-fm-tuned — дообученная разработчиком WoWolf мультимодальная модель семейства Qwen2.5-VL на базе Qwen/Qwen2.5-VL-7B-Instruct. Она принимает текст и изображения и формирует текстовые ответы; предназначена для диалогового взаимодействия и задач анализа визуального содержимого. В карточке указаны 7,1 млрд параметров, архитектура Qwen2_5_VLForConditionalGeneration и контекст до 128 000 токенов. Дообучение выполнено на наборах mllm_demo, the identity и alpaca_en_demo. Метаданные указывают поддержку image-text-to-text, чата и vision; конкретные специализации и результаты оценки не описаны. Модель опубликована в формате safetensors под лицензией other, поэтому условия использования следует уточнять по карточке и лицензии базовой модели.

Qwen3-1.7B Teacher Note Severity v2 — модель на 1,7 млрд параметров на базе Qwen3-1.7B, разработанная jeremierostan для структурированного анализа заметок учителей о поведении и успеваемости учеников. Это продолженное LoRA-дообучение модели Qwen3-1.7B-teacher-note-severity; версия v2 добавляет поле местоположения события. Модель принимает заметку или журнал наблюдений и генерирует JSON с категорией события, местом, оценкой серьёзности и признаком необходимости эскалации. К оценочным категориям относятся похвала, нарушение поведения и академическая проблема; значение серьёзности от 60 означает эскалацию к администрации. Указан контекст до 40 960 токенов. Для обучения использовались синтетические данные; автор приводит результаты проверки на синтетической тестовой выборке из 200 примеров. Модель предназначена для классификации и приоритизации школьных заметок, но её оценки следует рассматривать как вспомогательные: опубликованная проверка ограничена небольшой синтетической выборкой. Лицензия — Apache-2.0.

Qwen3-VL-4B-Instruct-MLX-6bit — это 6-битная MLX-квантизированная версия мультимодальной модели Qwen3-VL-4B-Instruct, разработанной командой Qwen. Квантизацию выполнила команда LM Studio с использованием mlx_vlm; модель оптимизирована для работы на устройствах с Apple Silicon. Модель предназначена для задач image-text-to-text: обработки изображений и текстовых запросов с генерацией текстовых ответов. Она может использоваться в локальных мультимодальных приложениях, где требуется анализ визуального содержимого и взаимодействие с ним на естественном языке. В README не указаны поддерживаемые языки, размер контекста и подробности архитектуры. Ключевая особенность модели — 6-битное квантование, снижающее требования к ресурсам по сравнению с полной версией и ориентированное на эффективный запуск через MLX на Apple Silicon. При этом квантизация может ограничивать точность по сравнению с исходной моделью, а качество и применимость зависят от конкретной задачи. Модель создана на основе Qwen3-VL-4B-Instruct; LM Studio не является её разработчиком или владельцем и не гарантирует точность или безопасность результатов. Лицензия модели — Apache-2.0.

Это дообученная и объединённая с базовой моделью Qwen3.5-9B модель от te-sla для классификации эмоций в сербских публикациях и генерации структурированного результата. Она принимает текст и выдаёт JSON-массив с нулём, одной или двумя метками из фиксированного набора: гнев, ожидание, отвращение, страх, радость, грусть, удивление и доверие. Модель построена на Qwen3.5-9B; обучение выполнено адаптером LoRA, который затем объединён с базовыми весами. Репозиторий содержит BF16-веса для прямой загрузки через Transformers и распространяется по лицензии Apache-2.0. Модель предназначена для исследовательского анализа сербских публикаций в социальных сетях и формирования структурированных меток эмоций. В описанной оценке на 3000 примерах тестового набора macro-F1 составил 0,526, а все ответы прошли строгую проверку JSON; эти результаты внутренние, тестовый набор использовался в предыдущих этапах работы и не является независимой внешней проверкой. Модель требует памяти для запуска 9-миллиардной модели в 16-битном формате, выдаёт наборы меток без калиброванных вероятностей и проверялась на сербских текстах Reddit и Twitter. Не предназначена для клинических заключений, определения психического состояния автора или решений с серьёзными последствиями.

SpeechLLM-1.5B — мультимодальная модель Skit AI для анализа аудиореплик в разговоре. Она принимает речь и предсказывает наличие речевой активности, текстовую расшифровку, а также категории пола, возраста, акцента и эмоции говорящего. В карточке описана версия размером 1,5 млрд параметров, дообученная на базе WavLM и TinyLlama с адаптерами; архитектура указана как SpeechLLMModel. В метаданных Hugging Face основной тег задачи — feature-extraction, а файлы представлены в формате safetensors. Модель рассчитана на англоязычную речь. В опубликованных результатах для LibriSpeech указана частота ошибок распознавания слов 11,51% на test-clean и 16,68% на test-other; на Common Voice точность определения возраста составляет 64,98%, акцента — 81,21%, пола — 94,76%. Эти результаты относятся к указанным наборам данных и не гарантируют такую же точность на других записях. Лицензия — Apache-2.0.

Модель suriya7/t5-base-text-to-sql — дообученная версия T5 для преобразования вопросов на естественном английском языке в SQL-запросы SELECT. Она предназначена для получения данных из баз по текстовым вопросам; в карточке приведён сценарий автоматического перевода вопросов в SQL. Архитектура — encoder-decoder T5 с 38,5 млн параметров и контекстом до 512 токенов. Модель работает с текстовым вводом и выдаёт SQL-текст на английском языке. В README указано, что модель основана на Google T5-small и дообучена на парах английских вопросов и SQL SELECT из разных предметных областей; метаданные также связывают её с датасетом b-mc2/sql-create-context. Для оценки в карточке приведён BLEU 34,9627. Лицензия — MIT. Модель узкоспециализирована на SELECT: карточка не подтверждает поддержку записи данных, других SQL-операций или адаптацию к конкретной схеме базы данных.

t5-small-github-repo-tag-generation — модель nandakishormpai для генерации тегов GitHub-репозиториев по тексту README. Это дообученная версия T5-small, которая формулирует подбор тегов как генерацию текста, а не как многометочную классификацию. Модель принимает очищенный текст README и выдаёт текст с тегами; в примере использования исходный ввод задаётся URL репозитория, после чего README очищается и подаётся модели. Для очистки и обработки результата автор приводит код на базе Transformers и BeautifulSoup. Модель обучена на 870 README с тегами из набора Kaggle/vatsalparsaniya/github-repositories-analysis. Архитектура — T5ForConditionalGeneration, размер — 38,5 млн параметров, контекст — до 512 токенов. Карточка приводит метрики на оценочной выборке: ROUGE-1 25,01, ROUGE-2 8,18 и ROUGE-L 22,77. Результаты могут содержать дублирующиеся теги, которые следует удалять постобработкой. Лицензия — Apache-2.0.

TEMPO SFT Stage 1 — аудиоязыковая модель на базе NVIDIA Audio Flamingo 3, дообученная на 51 512 синтетических примерах в течение двух эпох. Архитектура AudioFlamingo3ForConditionalGeneration объединяет аудиоэнкодер Whisper-large и языковую часть Qwen2-7B; для временной привязки используются специальные токены времени и time-aware projector. Модель принимает аудио и текстовые инструкции, а ответы формирует текстом с временными метками. Модель предназначена для распознавания речи с временными метками, диаризации говорящих, поиска интервалов по текстовому запросу, плотного описания событий и анализа временных изменений в музыке. Один декодер обслуживает эти сценарии через теги задач в запросе. Это ранний этап обучения TEMPO на синтетических данных; приведённые в карточке результаты показывают ограничения качества, особенно для распознавания речи с несколькими говорящими и определения аккордов. Поддерживается только английский язык. Временные метки ограничены 60 секундами, поэтому более длинные записи нужно делить на фрагменты; метки говорящих согласованы только внутри записи. Лицензия указана как other, конкретные условия использования в предоставленных данных не описаны.