I.3Извлечение и структурирование данных

ReSB2-Base — энкодер ModernBERT на 306,9 млн параметров, созданный Lucas Lage как доменно-адаптированная версия jhu-clsp/mmBERT-base. Модель продолжительно предобучена с задачей Masked Language Modeling на датасете SB2 и предназначена для извлечения признаков из текста; полученные представления можно использовать в последующих NLP-задачах. Модель принимает текст и выдаёт векторные представления. Контекстное окно составляет 8192 токена. В метаданных указан английский язык. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка не содержит подробностей об области SB2, оценках качества или конкретных прикладных сценариях, поэтому специализацию и сравнительную эффективность модели определить нельзя.

RoBERTArg — модель chkla для выявления аргументативных высказываний в тексте. Она дообучена на RoBERTa base и классифицирует предложение по двум меткам: ARGUMENT и NON-ARGUMENT. Чекпойнт содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Модель обучена на примерно 25 тысячах вручную размеченных предложений из набора Stab et al. (2018), охватывающих спорные темы, включая аборты, школьную форму, смертную казнь, легализацию марихуаны, ядерную энергетику, клонирование, контроль над оружием и минимальную зарплату. На отложенной выборке указаны accuracy 0,8193 и F1 0,8021. Её можно использовать как начальный инструмент для поиска аргументов и неаргументативных фрагментов в текстах на английском языке. Качество может снижаться на темах и типах текстов, отсутствовавших в обучающей выборке; кроме того, классификация предложений упрощает сложную структуру аргументации. Лицензия в предоставленных данных не указана.

RogerKam/roberta_fine_tuned_sentiment_newsmtsc — модель RoBERTa для классификации текста, дообученная автором репозитория на базе roberta-base. Она предназначена для определения тональности текста; название репозитория указывает на новости и аспекты, однако README не описывает метки и точную схему классификации. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. Для проверки приведены результаты на оценочной выборке: accuracy 0,7713 и F1 0,7710. Модель подходит для автоматической разметки тональности коротких текстов и анализа новостных высказываний. README не раскрывает состав обучающих данных, метки классов и ограничения применения, поэтому переносить результаты на другие типы текстов следует с проверкой. Лицензия — MIT.

SigLIP-HD — визуальный энкодер, созданный на основе SigLIP 2 So400m/16-512px и дообученный с fine-to-coarse supervision. Репозиторий содержит только энкодер изображений, без текстовой башни; архитектура и интерфейс ввода-вывода совместимы с визуальной частью SigLIP 2, поэтому модель можно использовать как её замену в мультимодальном конвейере. Модель предназначена для извлечения признаков изображений и интеграции в мультимодальные большие языковые модели. В карточке отмечено улучшение результатов по сравнению с SigLIP 2 в составе таких систем, особенно для сценариев OCR. Размер модели — 544,9 млн параметров; для работы доступны веса Safetensors и библиотека Transformers. Модель распространяется по лицензии MIT. Поскольку в репозитории нет текстовой башни, сама по себе она не выполняет сопоставление изображения с текстом или генерацию ответов: для этих сценариев требуется подходящая текстовая модель и мультимодальный конвейер.

SK_Morph_BLM — предварительно обученная языковая модель для словацкого языка, разработанная Дэвидом Држиком. Она построена на архитектуре RoBERTa и предназначена прежде всего для дообучения на прикладных задачах обработки словацкого текста; также её можно использовать для заполнения пропусков в тексте. Модель содержит 6 слоёв и 12 голов внимания, размер скрытого слоя — 576, словарь — 50 264 токена. В README указана последовательность до 256 токенов, а метаданные каталога — контекст 258 токенов. Для токенизации используется специальный морфологический токенизатор SKMT, сохраняющий целостность корневых морфем; он несовместим со стандартным RobertaTokenizer. Модель работает без учёта регистра, преобразуя текст в нижний регистр. Предобучение выполнено на отфильтрованном словацком подмножестве OSCAR 2019. В карточке указано 58 млн параметров, в метаданных — 68,8 млн. Лицензия — MIT. Модель ориентирована на словацкий язык; для её практического использования с нестандартной токенизацией потребуется SKMT.

stanfordnlp/stanza-mr — модель из набора Stanza, разработанного Stanford NLP для лингвистического анализа текста на маратхи. Она предназначена для разметки последовательностей токенов в NLP-конвейерах Stanza; набор инструментов Stanza также охватывает синтаксический анализ и распознавание сущностей, однако карточка этой модели подтверждает только задачу token classification. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Taiyi — двуязычная китайско-английская языковая модель для биомедицинских задач, разработанная лабораторией DUTIR. Это дообученная на базе Qwen-7B Base плотная модель семейства Qwen с 11,4 млрд параметров и контекстом 8192 токена; веса доступны в форматах PyTorch и safetensors под лицензией Apache-2.0. Модель предназначена для биомедицинских сценариев на китайском и английском языках: ответы на медицинские вопросы, диалоги между врачом и пациентом, генерация отчётов, извлечение информации, машинный перевод, создание заголовков и классификация текста. Для диалогового использования README описывает форматы запросов с одним и несколькими ходами. Обучение опиралось на более миллиона инструкционных примеров и наборы BioNLP для китайского и английского языков. Авторы сообщают о поддержке разнообразных биомедицинских задач, однако рекомендуют перейти на более новую Taiyi 2 для улучшенных возможностей. Ответы модели не следует считать заменой профессиональной медицинской оценке.

ToriiGate-v0.4-7B — мультимодальная модель зрения и языка, разработанная Minthy на базе Qwen2-VL-7B и дообученная на наборе более чем из 900 тысяч иллюстраций и художественных изображений с подписями. Она предназначена прежде всего для создания подписей к аниме-изображениям, цифровому арту и другим картинкам, включая описание персонажей, их действий, фона, композиции и текста на изображении. Модель имеет плотную архитектуру Qwen2-VL, около 7,1 млрд параметров и контекст до 32 768 токенов. Принимает изображения и текстовые запросы, поддерживает диалоговый режим и генерирует текстовые описания. Можно получать краткие или развёрнутые подписи, структурированный вывод, описания отдельных частей сцены и ограничивающие рамки персонажей и лиц; дополнительные сведения, например теги или имена персонажей, помогают точнее описывать сложные сцены. Модель рассчитана на аниме и цифровое искусство, хорошо учитывает персонажей и культурные детали и поддерживает описание контента для взрослых. Без дополнительных ориентиров модель может ошибаться в именах персонажей, поэтому для точной идентификации полезно передавать grounding-данные. Распространяется по лицензии Apache-2.0.

VILA-HD-8B-PS3-1.5K-C-RADIOv2 — мультимодальная языковая модель NVIDIA для анализа изображений высокого разрешения. Она принимает RGB-изображения и текстовые запросы, а отвечает текстом. Модель предназначена для извлечения визуальных признаков и ответов на вопросы об изображениях; поддерживает изображения размером до 1536 × 1536 пикселей и текстовый контекст до 12 288 токенов. Модель построена на архитектуре LlavaTopDownLlamaModel и основана на PS3-1.5K-C-RADIOv2. Репозиторий содержит веса в формате safetensors. Для запуска предусмотрена интеграция VILA; NVIDIA оптимизирует модели этого семейства для GPU, а в карточке перечислена совместимость с Ampere, Blackwell, Hopper и Jetson. Карточка описывает модель как предназначенную для исследований и разработок. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях; коммерческое использование не разрешено.

timotheeplanes/anti-doping-gte-base — модель эмбеддингов предложений на базе архитектуры BERT, адаптированная к языку антидопинговой практики. Она преобразует предложения и абзацы в плотные векторы размерности 768; заявленный размер модели — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, кластеризации, ранжирования и извлечения признаков для последующего обучения классификаторов на данных антидопинговой тематики. Она обучалась методом Sentence-Transformers с DenoisingAutoEncoderLoss для адаптации представлений к антидопинговой лексике. Поддерживается английский язык. Модель опубликована timotheeplanes под лицензией Apache-2.0. Качество для конкретных задач и наборов данных в карточке не приведено; перед применением в критичных сценариях результаты следует оценить на целевых данных.

Aria-Base-64K — базовая мультимодальная модель семейства Aria, разработанная Rhymes AI. Это плотная модель с архитектурой AriaForConditionalGeneration, дообученная на основе rhymes-ai/Aria-Base-8K на этапе предобучения для длинного контекста; веса доступны в формате safetensors, лицензия — Apache-2.0. Модель принимает текст и изображения и генерирует текст, поддерживает сценарии image-text-to-text и text-generation. Она рассчитана на продолжение предобучения и дообучение для видео-вопросов и ответов, а также для вопросов по длинным документам; заявлена обработка до 250 изображений высокого разрешения или до 500 изображений среднего разрешения за контекст. На этапе длинного контекста модель обучалась на последовательностях длиной 65 536 токенов. Модель сохраняет возможности базовой Aria-Base-8K в языковых и мультимодальных задачах, но не оптимизирована для непосредственного использования в чат-интерфейсе: лишь небольшая доля обучающих данных была оформлена с chat template. Карточка позиционирует её прежде всего как базовый чекпойнт для исследований и дальнейшего обучения; конкретные ограничения качества и требования к ресурсам не приведены.

ArogyaAI-BioBERT-BioLORD — модель Sentence Transformers, дообученная автором Aman0026 на FremyCompany/BioLORD-2023-M для поиска сходства между медицинскими фразами и клиническими понятиями. Она использует архитектуру XLM-RoBERTa с усреднением токенных представлений и преобразует текст в плотные векторы размерности 768; сходство оценивается косинусной функцией. Метаданные указывают контекст до 514 токенов, а карточка модели задаёт максимальную длину последовательности 64 токена. Модель предназначена для семантического поиска и извлечения подходящих клинических профилей по описаниям симптомов. В README приведён экспериментальный пример поиска по 73 заболеваниям на запросах на хинди, хинглише, маратхи, тамильском и гуджарати с использованием индекса FAISS; заявленные результаты относятся к этому конкретному тесту и не гарантируют точность медицинской диагностики. Обучение описано на 8 879 парах фраз, включая примеры на бенгали, хинди и английском. Лицензия в предоставленных данных не указана.

zenkri/autotrain-Arabic_Poetry_by_Subject-920730230 — модель классификации текстов, обученная с помощью AutoTrain для многоклассового определения тем арабской поэзии. Она основана на BERT и содержит 151,6 млн параметров; принимает текст длиной до 512 токенов и выдаёт метку класса. В карточке приведены метрики проверки: accuracy 0,879 и macro F1 0,821. Модель предназначена для тематической классификации арабских стихотворений. Лицензия в предоставленных данных не указана.

YeungNLP/bert-from-clip-chinese-1M — текстовый компонент BertCLIP, китайской версии предварительно обученной мультимодальной модели CLIP, опубликованный авторами проекта CLIP-Chinese. В репозитории размещены веса BERT, извлечённые из BertCLIP; исходная модель обучалась контрастивному сопоставлению изображений и китайского текста на 1,4 млн пар с использованием стратегии LiT-tuning, при которой визуальная часть фиксируется во время настройки текстовой. Модель можно загрузить через BertModel из библиотеки Transformers и использовать для извлечения признаков текста или как основу для downstream-задач. Это плотная BERT-модель на 129,5 млн параметров с контекстом до 512 токенов, представленная в формате PyTorch. Карточка описывает китайскоязычное предварительное обучение; отдельные веса визуального компонента в этот репозиторий не входят. Лицензия в предоставленных данных не указана.

rasyosef/bert-mini-amharic — компактная модель семейства BERT для амхарского языка, обученная с нуля на подвыборках OSCAR и mC4. Она использует архитектуру BertForMaskedLM, содержит 11,5 млн параметров по метаданным и принимает последовательности длиной до 512 токенов. Токенизатор с амхарским словарём из 24 тысяч токенов обучен на том же корпусе; в предобучении использовано 137 млн токенов. Основная задача модели — предсказание замаскированных токенов, что подходит для языкового моделирования и служит основой для дообучения на классификацию тональности, распознавание именованных сущностей и классификацию новостей. В опубликованных результатах модель уступает более крупным амхарским моделям, но показывает близкое качество при существенно меньшем размере. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Это порт модели prajjwal1/bert-tiny, созданный Sajal Labs: исходные веса и предобучение сохранены, а энкодер BERT и токенизатор WordPiece реализованы на C++ для инференса без Python, PyTorch и transformers. Модель имеет 2 слоя, размер скрытого состояния 128, 2 головы внимания, промежуточный размер 512 и около 4,4 млн параметров; использует словарь из 30 522 токенов и поддерживает контекст до 512 токенов. Репозиторий содержит веса safetensors, экспорт ONNX и файлы формата собственного C++-рантайма. Модель предназначена для извлечения векторных представлений текста и запуска компактного BERT-энкодера в приложениях на C++. В карточке сообщается о совпадении токенизации с оригиналом и близких результатах энкодера, а также о меньшем времени холодного запуска в указанном тесте на Apple M4; результаты бенчмарка относятся к конкретной платформе и сценарию. Базовая модель ориентирована на английский язык. Веса и код порта распространяются по лицензии MIT.

BGE base Financial Matryoshka — англоязычная модель эмбеддингов на базе Sentence Transformers, дообученная philschmid на BAAI/bge-base-en-v1.5 для поиска по финансовым текстам. Она кодирует предложения и абзацы в плотные векторы размерностью 768, сравниваемые по косинусному сходству; архитектура включает BERT, пулинг по CLS-токену и нормализацию. Обучение с MatryoshkaLoss рассчитано на использование полных векторов и их укороченных вариантов размерностью 512, 256, 128 или 64. Модель подходит для семантического поиска и ранжирования финансовых фрагментов по запросам, сравнения сходства предложений, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Максимальная длина входа — 512 токенов. Карточка приводит метрики поиска на наборах basline_768, basline_512, basline_256, basline_128 и basline_64; результаты зависят от набора и размерности вектора. Модель принимает текст и выдаёт векторы, а не готовые ответы. Она ориентирована на английский язык и финансовые тексты; эффективность на других языках и за пределами финансового домена не подтверждена. Лицензия — Apache-2.0.

KayaTechAI/BGE-M3-0.56B-Fine-Tuned-Telecom-Technical-Documents-Retrieval-Embedding-Generalization-Baseline — модель Sentence Transformer, разработанная KayaTechAI путём дообучения BAAI/bge-m3 на наборе пар запросов и релевантных технических текстов из телекоммуникационной области. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и предназначена прежде всего для семантического поиска и оценки сходства текстов, включая поиск по технической документации телекоммуникаций. Модель построена на XLM-RoBERTa с пулингом CLS-токена и нормализацией эмбеддингов; максимальная длина входа — 8194 токена по метаданным. README указывает английский язык. Обучение с MatryoshkaLoss позволяет использовать усечённые векторы меньшей размерности, а в карточке приведены результаты поиска для размерностей от 64 до 1024. Модель распространяется по лицензии Apache-2.0.

Shushant/biobert-v1.1-biomedicalQuestionAnswering — модель на архитектуре BERT, дообученная на базе dmis-lab/biobert-v1.1 для ответов на вопросы в биомедицинской области. Она содержит 135,5 млн параметров, принимает текстовый контекст и вопрос и извлекает ответ из контекста. Заявленная длина контекста — 512 токенов; модель доступна в формате PyTorch. Карточка сообщает о результате на оценочной выборке: loss 2,9009, но не приводит датасет, метрики качества или подробности обучения. Модель подходит для поиска ответов в биомедицинских текстах, однако её точность и переносимость на конкретные источники по имеющимся данным оценить нельзя. Лицензия в предоставленных сведениях не указана.

Cluster Router — дообученная модель-классификатор PeytonT для маршрутизации задач в подходящий кластер репозиториев, научных статей или понятий перед более затратным этапом анализа. Она предназначена для поискового стека Repository Library и может использоваться в сценариях извлечения, ранжирования и планирования внутри этой системы. Модель построена на энкодере BERT из sentence-transformers/all-MiniLM-L6-v2, имеет около 25,9 млн параметров и контекст до 512 токенов. Она принимает текст и выдаёт метку класса; заявленная метрика обучения — accuracy. Данные для обучения включают граф репозиториев и фрагменты кода из конвейера GitHub-репозиториев Repository Library. Карточка не содержит внешнего отчёта о бенчмарках или аудита, а результаты следует проверять в целевом процессе перед развёртыванием. Модель является компонентом исследовательской системы, и её карточка не заявляет гарантий безопасности или пригодности для промышленного использования. Лицензия в доступных данных не приведена.

CodeV — мультимодальная модель RenlyH для визуального рассуждения, дообученная на основе Qwen/Qwen2.5-VL-7B-Instruct с использованием Tool-Aware Policy Optimization (TAPO). Она предназначена для задач, где нужно анализировать изображения и выполнять визуальный поиск с помощью операций над изображениями, а также для мультимодальных задач на рассуждение и математику. Модель имеет архитектуру Qwen2.5-VL с 7,1 млрд параметров, принимает изображения и текст и формирует текстовые ответы; заявленная длина контекста — 128 000 токенов. Карточка сообщает о конкурентной точности на бенчмарках визуального поиска и рассуждений и о более частом корректном использовании инструментов.

Koichi Yasuoka разработал эту языковую модель DeBERTaV2, предварительно обученную на японской Википедии и текстах 青空文庫. Модель с 435,4 млн параметров предназначена для заполнения пропусков в тексте и может служить основой для дообучения под задачи разметки частей речи и синтаксического анализа зависимостей. Модель принимает текст с замаскированными фрагментами и предсказывает подходящие токены на их месте. Она работает с японским языком, имеет контекстное окно 512 токенов и доступна в формате PyTorch. Лицензия CC BY-SA 4.0 требует указания авторства и распространения производных материалов на совместимых условиях.

Модель abdiharyadi/deberta-v3-large-ft-icar-a-v0.11-to — дообученная для классификации текста версия DeBERTa V3 Large. Она построена на архитектуре DeBERTa V2 и содержит около 533,8 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов и выдаёт классы. Модель предназначена для задач классификации текста. В README приведены результаты оценки: accuracy 0,9149, precision 0,8989, recall 0,8870 и F1 0,8925, однако датасет и набор классов не описаны, поэтому нельзя определить конкретную предметную область или переносимость этих результатов на другие данные. Лицензия — MIT.

Devika — модель распознавания рукописного текста на изображениях отдельных слов на малаяламском языке, разработанная Artificial-Soul. Она дообучена на базе microsoft/trocr-large-handwritten и использует архитектуру VisionEncoderDecoderModel: визуальный энкодер ViT-Large и 12-слойный декодер TrOCR. Для малаяламского алфавита создан символьный токенизатор с 99 токенами; входное изображение приводится к размеру 384×384 пикселя. Модель предназначена для распознавания изолированных слов, например после сегментации рукописных документов на слова. В описанной оценке на отложенной выборке указаны CER 1,67% и точность полного совпадения слова 89,14%. Для чтения страницы требуется предварительно обнаружить строки и выделить слова, а затем собрать распознанный текст. Devika плохо подходит для изображений предложений, строк и страниц, а сжатие широких слов может ухудшать распознавание мелких деталей. Качество на почерках и условиях, отличающихся от обучающих данных, не оценено; для официальных, юридических и финансовых документов необходима проверка человеком. Веса распространяются по лицензии MIT; для обучающих данных Mozhi необходимо учитывать условия датасета.

DiCoW v3.3 large — модель распознавания речи целевого говорящего, разработанная командой BUT Speech@FIT. Она транскрибирует речь выбранного участника в аудиозаписи с несколькими говорящими, используя результаты диаризации для настройки распознавания. Модель дообучена на базе Whisper large-v3 и содержит слои FDDT, которые преобразуют сигналы диаризации на уровне кадров; размер модели — 905,2 млн параметров. Модель рассчитана на аудио со смешанной речью, например записи встреч и разговоров. Вход включает 30-секундный аудиофрагмент и четырёхканальную STNO-маску; маску и диаризацию можно подготовить через демонстрационное приложение DiCoW inference. Модель обучалась на AMI, NOTSOFAR-1, LibriMix и синтетических смесях LibriSpeech. Карточка сообщает о снижении tcpWER примерно на 50% относительно DiCoW v1 на Libri3Mix. Качество распознавания зависит от точности диаризации. При полном перекрытии речи более чем двух говорящих модель может хуже отделять целевого участника. Репозиторий распространяется по лицензии CC BY 4.0.

DISC-LawLLM — языковая модель для китайской правовой сферы, разработанная и опубликованная лабораторией Data Intelligence and Social Computing Lab Фуданьского университета (Fudan-DISC). Это дообученная версия Baichuan-13b-base с 12,9 млрд параметров; репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Модель предназначена для анализа и генерации юридических текстов, правовых рассуждений и поиска юридических знаний. Среди заявленных сценариев — извлечение правовой информации, прогнозирование судебных решений, суммаризация документов и ответы на юридические вопросы. README отмечает, что опубликованные веса могут отличаться от версии демонстрационного сервиса. Ответы следует считать справочными: модель может ошибаться и не заменяет консультацию юриста или другого правового специалиста.

abandekar-dev/distilbert-onet — модель классификации текста, созданная дообучением DistilBERT разработчиком Abandekar. Она предназначена для отнесения текстовых последовательностей к классам; конкретная предметная область и состав классов в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification и формат весов safetensors, работает с контекстом до 512 токенов и основана на distilbert/distilbert-base-uncased. На указанном в README наборе оценки модель показала accuracy 0,7840 и macro-F1 0,7159 при loss 0,6841. В README отмечено, что модель дообучена на наборе данных, названном None, поэтому назначение и переносимость результатов оценить сложно. Лицензия — Apache-2.0.

CMB-ClimateModernBERT/F_CX_LRD — англоязычная encoder-only модель ModernBERT-Base на 149 млн параметров, разработанная как часть семейства ClimateModernBERT и обученная продолжением предобучения на климатических текстах из корпуса Climate Web. Это masked language model для заполнения пропусков; её можно дообучать для классификации климатических текстов, многометочной разметки и поиска по документам. Модель принимает текст и имеет контекст до 8192 токенов. В README сообщается о среднем F1 74,5 на девяти климатических NLP-бенчмарках; оценка охватывает классификацию, разметку и retrieval. Модель предназначена для исследований и прикладных решений в климатическом NLP, однако сама не следует инструкциям и не даёт калиброванных гарантий фактической точности. Ограничения также включают только английский язык и то, что бенчмарки преимущественно оценивают предложения и фрагменты текста, а не длинный контекст. Лицензия в доступных сведениях не указана.

MilaNLProc/feel-it-italian-emotion — модель классификации эмоций в итальянских текстах, разработанная авторами проекта FEEL-IT. Это модель на архитектуре CamemBERT с 137,8 млн параметров, дообученная на корпусе FEEL-IT, содержащем 2037 размеченных публикаций из Twitter. Она относит текст к одной из четырёх эмоций: радость, страх, гнев или грусть; эти метки также можно свести к анализу тональности. Модель принимает текст и возвращает метки классов с оценками. Контекстное окно составляет 514 токенов. Модель предназначена для анализа итальянских публикаций в социальных сетях и других коротких текстов. В README сообщается о макро-F1 0,57 и точности 0,73 на подмножестве MultiEmotions-It; авторы отмечают стабильность результатов при переносе на данные YouTube и Facebook, отличающиеся тематикой и источником. Результаты зависят от домена и распределения эмоций, а обучающий корпус сравнительно невелик и состоит из твитов. Метаданные указывают форматы PyTorch и TensorFlow. README описывает открытое Python-пакетное решение, но конкретная лицензия модели не приведена в предоставленных данных.

huBert-fine-tuned-hungarian-squadv1 — модель на базе huBERT base cased, дообученная разработчиком на версии SQuAD v1, переведённой на венгерский язык с помощью Google Translate API. Это демонстрационная модель семейства BERT для извлечения ответов из текста по заданному вопросу; она возвращает фрагмент контекста и оценку уверенности. Модель принимает вопрос и контекст на венгерском языке, а длина контекста ограничена 512 токенами. Общее число параметров — 137,8 млн; доступны форматы PyTorch и TensorFlow. Подходит для прототипов поиска ответов в венгерских текстах и демонстрации конвейера question answering в Transformers. Качество может зависеть от ошибок машинного перевода обучающих данных и от соответствия текста домену SQuAD. Лицензия в доступных данных не указана.