I.3Извлечение и структурирование данных

Indonesian RoBERTa Base — языковая модель с маскированием токенов, разработанная участниками JAX/Flax Community Week Hugging Face. Это RoBERTa, обученная с нуля на индонезийской части корпуса OSCAR `unshuffled_deduplicated_id`; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. Модель принимает текст и предсказывает вероятные замены для замаскированных фрагментов, а также может использоваться для извлечения текстовых признаков. Модель предназначена прежде всего для работы с индонезийским языком. В README приведены результаты оценки после восьми эпох: loss 1,798 и accuracy 62,45%. Доступны веса в форматах Flax, PyTorch и safetensors. Лицензия — MIT, допускающая коммерческое использование с соблюдением её условий.

ohwi/japanese-stablelm-instruct-gamma-7b-dpo-uf-v1 — японская авторегрессионная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Её дообучили на предпочтениях поверх ohwi/japanese-stablelm-instruct-gamma-7b-repro; обучение проводилось на базе кода Notus. Модель предназначена для генерации текста и диалогового выполнения инструкций на японском языке. Модель подходит для японских чат-ботов, ответов на вопросы, написания и извлечения текста, ролевого диалога и других задач, решаемых генерацией текста. Контекст составляет 4096 токенов. Для дообучения использовались машинно переведённый набор Ultrafeedback и японский набор hh-rlhf-12k-ja; часть примеров Ultrafeedback отсутствует из-за сбоев API. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Оценки в README показывают неоднородные результаты на японских тестах, включая слабые показатели в отдельных задачах, например математике и некоторых тестах понимания языка. Генерации могут содержать неподходящий или оскорбительный контент, поэтому их следует проверять перед применением в пользовательских сценариях.

JobBERT — англоязычная модель семейства BERT, разработанная авторами работы SkillSpan: Hard and Soft Skill Extraction from Job Postings. Это модель с 135,5 млн параметров, полученная продолжением предобучения bert-base-cased на примерно 3,2 млн предложений из объявлений о работе. Она предназначена для языкового моделирования по маске: предсказывает пропущенный токен в тексте, в том числе в контексте вакансий и навыков. Модель принимает текст и выдаёт текстовые предсказания; длина контекста составляет 512 токенов. Чекпойнт доступен в форматах PyTorch, Safetensors и ONNX. Лицензия в предоставленных данных не указана. Модель специализирована на текстах вакансий, поэтому её применение к другим жанрам текста может давать менее подходящие предсказания; задача извлечения навыков описана в связанной научной работе, но указанная задача модели в метаданных — fill-mask.

Kanha-AI/kanha-kanha.ai-1.7b-grounded-qlora-3ep-v1 — дообученная методом QLoRA языковая модель Kanha AI на базе Qwen/Qwen3-1.7B. Это плотная трансформерная модель для генерации текста и диалогов; она принимает вопрос вместе с извлечённым контекстом и предназначена для ответов на вопросы по материалам сайта. По условиям обучения модель должна отвечать кратко только по предоставленному контексту и использовать точную фразу отказа, если ответа в нём нет. Размер модели — 1,7 млрд параметров, базовый контекст — 40 960 токенов. README описывает обучение на 210 записях и валидацию на 45 записях с данными, полученными с сайта Kanha; основной язык карточки — английский. Модель подходит для контролируемых экспериментов по вопросно-ответным системам с поиском контекста, но не для ответов на вопросы без него. В README приведены результаты оценки: полнота дат и URL — 1,0, полнота чисел — около 0,972, полнота списков — около 0,605, доля прохождения детерминированной оценки — около 0,423. Эти результаты не подтверждают качество в браузере или на целевых устройствах. Ответы могут быть ошибочными, неполными или устаревшими, а модель может запоминать обучающие данные. Лицензия в предоставленных данных не указана.

Kanha-AI разработала Kanha Kanha.ai 1.7B PIT v1 — диалоговую модель генерации текста на базе Qwen3-1.7B, дообученную продолжать документы и отвечать на вопросы по специализированному корпусу сайта. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Для запуска указана библиотека Transformers; веса представлены в формате safetensors, а для MLC доступны артефакты с квантизацией q4f16_1. Модель предназначена для диалогов и ответов по материалам сайта, включая извлечение дат, ссылок и числовых сведений. В README приведены результаты проверки на 26 примерах: полнота дат и URL составила 1,0, полнота чисел — около 0,76, списков — около 0,04; доля неподтверждённых значений — около 0,42. Обучающий корпус включал 17 документов и 170 пар вопросов и ответов, без оценочной выборки. Эти результаты не подтверждают общие возможности модели и не заменяют проверку конкретной сборки на целевых устройствах. README предупреждает о риске неверных, неполных, устаревших или запомненных ответов; сведения о лицензии в предоставленных данных отсутствуют.

mlx-community/Kimi-VL-A3B-Thinking-8bit — мультимодальная модель семейства Kimi-VL, преобразованная сообществом mlx-community в формат MLX из moonshotai/Kimi-VL-A3B-Thinking с помощью mlx-vlm 0.1.23. В метаданных также указана связь с OpenGVLab/InternVL3-1B-Instruct как с базовой моделью для дообучения. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Она предназначена для диалоговых сценариев с изображениями, например для ответов на вопросы о содержимом изображения. Метаданные отмечают поддержку нескольких языков, но не перечисляют отдельные языки. Для запуска README предлагает библиотеку mlx-vlm; репозиторий содержит веса safetensors. Лицензия указана как other, поэтому условия использования следует сверить с карточкой исходной модели.

adityarajsahu/LaTeX-OCR — компактная модель распознавания математических формул, разработанная автором репозитория на основе CLIP и Pythia. Она принимает изображение с отрисованной формулой и генерирует её исходный код LaTeX; модель дообучена на lukbl/LaTeX-OCR-dataset. Архитектура объединяет визуальный энкодер openai/clip-vit-base-patch32, языковой декодер EleutherAI/pythia-70m и небольшой MLP-проектор между представлениями CLIP и Pythia. В репозитории доступны веса safetensors и собственный класс LaTeXOCRModel. Модель предназначена для извлечения формул из изображений; лицензия — Apache-2.0. Карточка упоминает оценку на отложенной выборке по BLEU-4, точному совпадению и нормализованному расстоянию редактирования, но не приводит сами результаты. Она ориентирована на формулы и не заявлена как универсальная OCR-система для обычного текста или документов.

Это дообученная англоязычная модель классификации последовательностей на базе nlpaueb/legal-bert-base-uncased. Она предназначена для отнесения юридических текстов к категориям; конкретные метки и целевой сценарий не описаны. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Карточка приводит метрики на оценочном наборе: Macro F1 0,3502 и Micro F1 0,8170; состав набора и схема классов неизвестны. Распространяется по лицензии CC BY-SA 4.0.

zaddyzaddy/llama-2-7b-trained-contract-32k — текстовая генеративная модель, опубликованная пользователем zaddyzaddy на Hugging Face и основанная, судя по идентификатору, на Llama 2 7B компании Meta. На странице модели нет собственной карточки с подробным описанием, поэтому сведения о конкретном дообучении ограничены названием и техническими метаданными репозитория. Модель предназначена для генерации текста и может применяться к задачам продолжения, обработки и адаптации естественно-языковых текстов, включая потенциальную работу с длинными контрактами или другими документами. Базовая Llama 2 7B — авторегрессионная модель на оптимизированной Transformer-архитектуре примерно с 7 млрд параметров, принимающая и генерирующая только текст. Для исходной модели Meta указывает контекст 4K токенов, английскую ориентацию и лицензию Llama 2 Community License. Суффикс 32k указывает на заявленную адаптацию к контексту до 32K токенов, однако точный способ расширения контекста, фактические характеристики, языки, качество на юридических задачах и данные обучения этой версии не подтверждены карточкой модели. Сильной стороной предположительно является возможность обрабатывать более длинные документы по сравнению с базовой Llama 2 7B. Ограничения включают отсутствие документированных тестов, сведений о безопасности, точности и методе дообучения; результаты не следует считать юридической консультацией. Условия использования производной версии отдельно не указаны, поэтому необходимо учитывать применимую лицензию базовой Llama 2 и проверить наличие дополнительных условий автора репозитория.

Это дообученная языковая модель shuddhay2630 на архитектуре Llama 3.2, созданная на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit с помощью Unsloth и библиотеки Hugging Face TRL. Модель содержит 3,2 млрд параметров, принимает текст и генерирует текст; поддерживает диалоговый режим и интерфейс вызова инструментов. В метаданных указан контекст до 131 072 токенов и английский язык. Название репозитория указывает на SQL-направленность, однако README не описывает обучающие данные, точные сценарии работы с SQL или качество на таких задачах. Модель распространяется по лицензии Apache-2.0.

cmp-nct/llava-1.6-gguf — это мультимодальная модель семейства LLaVA 1.6 в формате GGUF, предназначенная для задач преобразования изображения и текста в текст. Модель связана с оригинальными разработками LLaVA, опубликованными командой Haotian Liu, а данный вариант ориентирован на использование с llama.cpp. Модель поддерживает анализ изображений и ответы на вопросы по их содержимому. В состав входят визуальный энкодер ViT и соответствующий mmproj-файл, который связывает визуальные признаки с языковой моделью. README не указывает точный размер языковой части, используемую базовую архитектуру, поддерживаемые языки и размер контекстного окна. Для LLaVA 1.6 необходимо использовать совместимые версии llama.cpp и правильный mmproj-файл; применение компонентов от LLaVA 1.5 может привести к некорректной работе. Также для разных вариантов тонкой настройки могут требоваться специальные параметры запуска. К сильным сторонам относятся мультимодальное понимание изображений, поддержка GGUF и возможность запуска через llama.cpp, включая использование смешанных уровней квантования для модели и визуального проектора. Ограничения и точные характеристики зависят от базовой модели и выбранной квантизации и не раскрыты в представленном README. Модель распространяется по лицензии Apache-2.0.

LUKE Japanese Large — разработанная Studio Ousia японская версия предварительно обученной трансформерной модели LUKE с представлениями слов и сущностей, обогащёнными знаниями. Модель обрабатывает слова и сущности как отдельные токены и выдаёт их контекстуализированные представления; включает эмбеддинги сущностей из Википедии. Параметров — 436,2 млн, архитектура — LUKE, класс LukeForMaskedLM, максимальная длина контекста — 514 токенов. Модель предназначена для японских NLP-задач, в частности предсказания замаскированных токенов и задач, использующих сущности Википедии. В README приведены результаты оценки на dev-наборе JGLUE для классификации тональности, семантического сходства, вывода и вопросов на здравый смысл. Для задач, использующих только слова и не требующих сущностей Википедии, разработчики рекомендуют облегчённую версию. Модель распространяется по лицензии Apache-2.0.

Карточка модели tatsumoto/manga-ocr-base на Hugging Face совпадает с карточкой kha-white/manga-ocr-base, поэтому описание составлено по ней. Manga OCR — модель оптического распознавания символов, разработанная kha-white для чтения японского текста, прежде всего в манге. Она построена на архитектуре Vision Encoder Decoder и преобразует изображение с печатным текстом в текстовую транскрипцию. Модель рассчитана на вертикальную и горизонтальную запись, фуригану, текст поверх иллюстраций, разнообразные шрифты и изображения низкого качества; также подходит для распознавания печатного японского текста общего назначения. Модель обучена с использованием датасета Manga109s и распространяется в формате PyTorch по лицензии Apache-2.0. Её основное назначение — японское OCR; README не описывает поддержку других языков или ограничения точности.

mapo80/mmbert-small-aliasit-32k — это компактный мультиязычный энкодер на архитектуре ModernBERT, созданный на основе jhu-clsp/mmBERT-small. Разработчик сократил словарь токенизатора до 32 768 токенов по сбалансированной выборке документов на шести языках, уменьшив число параметров с 140,9 млн до 55 млн. Модель поддерживает контекст до 8 192 токенов и распространяется в формате safetensors по лицензии MIT. Это стартовый backbone для последующего дообучения, в частности для извлечения персональных данных из итальянских текстов. Сам чекпойнт не обучен распознавать PII и не является готовой моделью NER: README описывает его как основу для aliasit-pii-edge. Сокращённый словарь сохраняет 98,088% токенов обучающей выборки; для структурированных идентификаторов после сокращения может возрастать фрагментация. Карточка Hugging Face указывает задачу fill-mask, однако основное заявленное назначение чекпойнта — служить backbone для токен-классификатора.

Модель разработана Эсмэри Васкес и Хеверлин Рамос для Dominican News Question Answering Challenge в рамках курса ICC-344-T. Это дообученная BERT-модель для извлечения ответа на испанском языке: на вход подаются вопрос и контекст новости, а модель выбирает фрагмент ответа, явно присутствующий в контексте. Архитектура — BertForQuestionAnswering, около 137,1 млн параметров, формат весов safetensors, длина контекста — до 512 токенов. Модель предназначена для вопросов по доминиканским новостям. Обучающая выборка была расширена 23 примерами из цифровых газет, чтобы лучше обрабатывать некоторые выявленные типы ошибок; в README приведены результаты validation: Exact Match 73,33 и F1 83,38. Для воспроизведения результатов требуются настройки предсказания и постобработка, описанные в карточке. Модель может захватывать лишний текст или путать сходные даты, сущности и числа, а также неверно определять ожидаемый тип ответа. Она не проверяет достоверность новостей и не должна быть единственным источником для решений с высокими последствиями. Лицензия в предоставленных данных не указана.

Модель Puntin26/modelo_qa_pdqa_ian_diego разработана Ian Alvarez и Diego Armando Batista для Dominican News Question Answering Challenge. Это дообученная для извлекающего ответа модель на архитектуре BERT с 137,1 млн параметров и контекстным окном до 512 токенов. Она принимает вопрос и контекст новостной статьи на испанском языке и извлекает из контекста фрагмент, содержащий ответ. Модель предназначена для ответов на вопросы по доминиканским новостям. В документации сообщается о F1 80,15 и Exact Match 73,33 на validation; для воспроизведения результата при инференсе рекомендуется max_answer_len=20. Обучение проводилось на небольшом наборе из 45 примеров, поэтому метрики могут заметно меняться. Ответ должен явно присутствовать в переданном контексте. Модель может путать похожие сущности, даты и числа, не проверяет достоверность новостей и не подходит как единственный источник для решений с высокими последствиями. Лицензия в предоставленных данных не указана.

modernBERT-large-claim-agent_v11 — дообученная Kymera-Solutions модель классификации текста на базе answerdotai/ModernBERT-large. В карточке указаны результаты оценки: accuracy 0,9973, precision 0,9915, recall 0,9865 и F1 0,9890; описание целевых классов и самого сценария классификации не приведено. Модель построена на двунаправленной архитектуре ModernBERT с 394,7 млн параметров и контекстом до 8192 токенов. Она принимает текст и выдаёт метки классификации; основным языком базовой модели является английский. Модель подойдёт для классификации текстов в рамках соответствующей задачи и набора меток, на которых её дообучали. Датасет указан в README как None, поэтому целевое назначение и переносимость метрик на другие данные оценить нельзя. Лицензия — Apache-2.0.

moondream1 — компактная мультимодальная модель с 1,6 млрд параметров, созданная Vikhyatk на основе SigLIP и Phi-1.5 и обученная на датасете LLaVA. Она принимает изображения и текстовые вопросы и генерирует текстовые ответы о содержимом изображения, например распознаёт надпись на обложке книги. В карточке приведены результаты на VQAv2, GQA и TextVQA; модель показывает более низкие результаты, чем LLaVA-1.5 в приведённых сравнениях, особенно на TextVQA. Выпущена для исследовательских целей; коммерческое использование запрещено.

pranay-ar/moondream2 — компактная визуально-языковая модель семейства Moondream, предназначенная для эффективной работы на периферийных устройствах. Она принимает изображение вместе с текстовым запросом и формирует текстовый ответ, в частности отвечает на вопросы о содержимом изображения. В README приведены результаты на VQAv2, GQA, TextVQA и TallyQA, включая задачи визуальных вопросов и подсчёта объектов. В репозитории доступны веса Safetensors и GGUF F16; для работы с Transformers README указывает зависимости transformers и einops. В метаданных основная задача обозначена как image-text-to-text, а каталог также связывает модель с text-generation. Модель распространяется по лицензии Apache-2.0. README рекомендует фиксировать версию модели, поскольку она регулярно обновляется. Приведённые бенчмарки характеризуют результаты на указанных наборах данных, но сами по себе не гарантируют качество на других изображениях и запросах.

ManthanCisco/phi_Text2SQL_v2 — дообученная модель Microsoft Phi-1.5 с 1,7 млрд параметров, предназначенная для генерации текста по архитектуре PhiForCausalLM. Название репозитория указывает на применение для преобразования запросов на естественном языке в SQL, однако README не содержит описания этого сценария, данных обучения или результатов оценки. Модель принимает текст и выдаёт текст; базовая модель англоязычная, а её контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Практическое качество генерации SQL, поддерживаемые диалекты и ограничения в карточке не описаны.

neosophie/Qwen3-ASR-1.7B-JA — дообученная модель Qwen3-ASR-1.7B для автоматического распознавания японской речи. Она предназначена для транскрибации аудио, где важны точная запись японских имён, топонимов, организаций, компаний и продуктов, редких вариантов кандзи, а также технических выражений со смешением японского и английского. Модель может нормализовать произнесённые числительные в японской записи и распознавать диктовку математических выражений и кода. Архитектура — плотная Qwen3-ASR для генерации текста по аудиовходу; репозиторий содержит веса Safetensors и рассчитан на работу через Transformers. Заявлены японский и английский языки. Базовая модель поддерживает распознавание и потоковую обработку речи, однако карточка этой версии не уточняет, сохраняется ли потоковый режим после дообучения. Модель распространяется по лицензии Apache-2.0. Специализация на японских именах и написании не гарантирует точность для любых говорящих, условий записи и терминологии.

aalekh-iitj/results — модель классификации последовательностей на базе DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для присвоения меток текстовым последовательностям. В README приведены результаты оценки: accuracy 0,9347 и F1 0,9348 при loss 0,2080, однако типы меток и состав набора данных не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и имеет контекстное окно до 512 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Показатели оценки относятся к указанному в карточке набору и сами по себе не гарантируют качество на других данных.

Finnish-NLP разработала крупную модель RoBERTa для финского языка, предварительно обученную с помощью WECHSEL и задачи masked language modeling. Для начальной инициализации токенных эмбеддингов использовалась английская roberta-large и многоязычные статические векторы fastText, что позволило перенести семантическую близость между английскими и финскими токенами. Модель содержит 454,1 млн параметров, использует чувствительную к регистру токенизацию BPE и принимает последовательности длиной до 514 токенов. Основное применение — предсказание замаскированных слов в финском тексте; полученные представления также можно дообучать для классификации последовательностей и токенов или ответов на вопросы. Авторы отмечают более высокие результаты fill-mask по сравнению с их моделями, обученными с нуля, хотя существенного преимущества в downstream-классификации не обнаружили. Модель предназначена для понимания текста, а не для генерации связного текста. Обучение проводилось на финских веб-текстах, Википедии, новостных архивах и корпусе Suomi24. Данные из интернета могут приводить к предвзятым предсказаниям. Лицензия — Apache-2.0.

sqlpup-394m-sft-grpo — текстовая генеративная модель для преобразования вопросов на естественном языке в SQL, разработанная shivenkk. Это декодер Llama-стиля с 394,3 млн параметров, обученный с нуля на 9,67 млрд токенов, затем прошедший supervised fine-tuning и этап GRPO с наградой за выполнение запросов. Архитектура включает 32 слоя, grouped-query attention, RoPE, SwiGLU и RMSNorm; контекст — 2048 токенов. Модель использует байтовый BPE-токенизатор с 32 768 элементами. Модель предназначена для генерации SQL по вопросу пользователя, схеме базы данных в виде операторов CREATE TABLE и строке evidence из формата BIRD. Она выводит комментарий с предполагаемыми таблицами и столбцами, а затем SQL. На dev-разбиении BIRD точность выполнения составила 18,12% при жадном декодировании, 19,23% с уплотнением схемы и 23,51% при уплотнении и голосовании по семи вариантам. Эти результаты показывают ограниченную точность и относятся только к BIRD dev. Модель распространяется по лицензии MIT. Короткое окно контекста затрудняет работу с крупными схемами без этапа их уплотнения; около 1% вопросов dev-разбиения не дают разбираемого SQL в конфигурации голосования.

TURNA — турецкоязычная модель, разработанная лабораторией TABILAB кафедры компьютерной инженерии Университета Богазичи. Это трансформерная encoder-decoder модель на основе UL2 с архитектурой T5; в README указано 1,1 млрд параметров, тогда как метаданные Hugging Face указывают 561,4 млн. Модель предназначена для понимания и генерации текста на турецком языке и может дообучаться для пользовательских задач. В экспериментах модель сравнивали на задачах генерации и понимания турецкого языка: перефразировании, суммаризации, создании заголовков, распознавании именованных сущностей, разметке частей речи, семантическом сходстве, выводе на естественном языке и классификации текста. README сообщает, что на ряде задач понимания TURNA превосходила несколько многоязычных моделей и конкурировала с турецкоязычными моделями. Доступ предоставляется только для некоммерческих академических исследований; модель не проверялась в реальных приложениях и не оценивалась на предвзятость и безопасность.

VILA-HD-8B-PS3-1.5K-SigLIP2 — мультимодальная языковая модель NVIDIA для анализа изображений высокого разрешения и ответов на вопросы о них. Архитектура основана на LlavaTopDownLlamaModel; модель разработана на базе PS3-1.5K-SigLIP2 и принимает изображение RGB размером до 1512 × 1512 пикселей вместе с текстовым запросом. Длина текстового ввода и ответа — до 12 288 токенов. Модель предназначена для извлечения визуальных признаков и сценариев, где требуется описать содержимое изображения или ответить на вопрос по нему. В карточке указано применение на системах с ускорителями NVIDIA; перечислена совместимость с Ampere, Blackwell, Hopper и Jetson. Поддерживаемый язык — английский. Распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение на тех же условиях.

ALIA MrBERT Spanish Biomedical Embeddings — разработанная исследовательской группой SINAI Университета Хаэна модель-биэнкодер для семантического поиска по испанским биомедицинским и медицинским текстам. Она создана дообучением двуязычной модели MrBERT-es на специализированных данных с помощью curriculum learning и подбора сложных негативных примеров. Модель построена на ModernBERT с mean pooling и содержит около 149,6 млн параметров. Она преобразует текстовые запросы и документы в эмбеддинги для поиска и оценки семантического сходства; заявленная длина контекста — до 8192 токенов. Базовая модель поддерживает испанский и английский, а специализация этой версии — испанские биомедицинские тексты. Это proof of concept для извлечения информации в испанской биомедицинской области. Качество следует проверять по официальным клиническим источникам и с участием специалистов; возможны ошибки на текстах вне предметной области и на специально сконструированных входах. Лицензия — Apache-2.0.

Классификатор StanfordSCALE для выявления в репликах учителя случаев, когда учитель обращается к ученику по имени. Модель создана для проекта EduBehaviors: Assertion-based schemas for auditable dialogue coding и доступна через пакет EduBehaviors-kit. Она дообучена на базе sentence-transformers/paraphrase-mpnet-base-v2 с помощью SetFit; размер составляет 136,7 млн параметров, архитектура — MPNet, формат весов — safetensors, контекст — до 514 токенов. Модель принимает отдельную реплику без дополнительного оформления и выдаёт классификацию. Обучающие примеры взяты из подмножества реплик учителей датасета TalkMoves, размеченного LLM-аннотаторами; указанные метрики F1 положительного класса составляют 0,830 на dev и 0,889 на test. Данные карточки относятся к английскому языку и учебному диалогу. Классификатор подходит для автоматизированного кодирования диалогов в классе и аудита обращений учителя к ученикам. Разметка получена от LLM-аннотаторов, а поведение модели на речи учеников не проверялось. Лицензия в предоставленных сведениях не указана.

ulisesbravo/autotrain-BERTimbau-DGS-0001 — модель классификации текста, обученная с помощью AutoTrain. По архитектуре это BERT-модель для классификации последовательностей с 136,1 млн параметров и контекстом до 512 токенов. В README приведены метрики на валидационной выборке: accuracy 0,736, macro-F1 0,714 и weighted-F1 0,740. Модель принимает текст и присваивает ему класс. Она дообучена на базе ulisesbravo/autotrain-p3-7h82s-lsn5g; формат весов — safetensors. Данные не уточняют набор классов, язык текстов или лицензию, поэтому область применения и условия распространения по этой карточке определить нельзя.

AX-3.1-Light-sftv31bsafe — настраиваемая модель диалоговой генерации текста на основе SKT A.X-3.1-Light. Разработчик дообучил её методом LoRA на 26 306 примерах с короткими ответами из наборов sft_v0_21 и v3.0, затем объединил адаптер с базовой моделью; длинные ответы и цепочки рассуждений исключены из выборки. Модель имеет архитектуру LlamaForCausalLM, около 6,8 млрд параметров и контекст до 32 768 токенов. Основной язык карточки — корейский. Модель предназначена для коротких ответов и понимания текста, в том числе на вопросах из наборов по корейскому языку, медицине, финансам и правовым документам. По результатам K-AI, средний балл составил 0,4226 против 0,423 у базовой модели; на KMMLU-Pro модель превзошла базовую, но на CLIcK уступила ей. Исключение длинных ответов и CoT помогло избежать резкого падения результатов, наблюдавшегося у версии v3.0, однако v3.1b-safe не превзошла предыдущую версию v0.21 по среднему баллу. Лицензия указана как other, её условия в доступных данных не раскрыты.