I.3Извлечение и структурирование данных

IndoRoBERTa Financial Sentiment — модель Khoirul Ihsan для классификации тональности индонезийских финансовых новостей. Она дообучена на базе w11wo/indonesian-roberta-base-sentiment-classifier и использует архитектуру RoBERTa с головой классификации последовательностей; размер модели — 151,8 млн параметров, контекст — до 514 токенов. Модель относит текст к одному из трёх классов: положительному, нейтральному или отрицательному. Она предназначена для анализа финансовых новостей на индонезийском языке, в том числе материалов о фондовом рынке. При интерпретации оценок учитывайте соответствие меток: 0 — положительная, 1 — нейтральная, 2 — отрицательная. Обучение проводилось на размеченных финансовых новостях с синтетическими и аугментированными примерами. Лицензия — MIT.

jiosephlee дообучил Intern-S1-mini-lm на датасете записей исследований биодоступности, создав версию v27 L3. Это плотная причинная языковая модель семейства Qwen3 с 7,6 млрд параметров, представленная в формате safetensors и рассчитанная на контекст до 65 536 токенов. Метаданные указывают поддержку чата и генерации текста. Модель предназначена для переноса между анализами пероральной биодоступности и выбора записей, близких к запросу: контрольная точка выбрана по метрике knn_regression_mae_at_5. В описанной оценке она показала значение 0,776693 против 0,989952 у Morgan vanilla и 1,002469 у Morgan weighted. Оценка включала по 500 полных запросов с известными идентификаторами в валидационном и тестовом наборах; 25 запросов вне распределения в каждом наборе исключили из-за отсутствия обучающих примеров и требований оценщика. Для использования подходят запросы и ответы в текстовом или чат-формате, связанные с переносом результатов исследований биодоступности. Оценка не подтверждает качество на запросах вне обучающего покрытия. Лицензия указана как other; дополнительных условий в доступных данных нет.

InternVL2.5 HiCo R64 — экспериментальный вариант видеомультимодальной языковой модели InternVideo2.5, разработанный на основе InternVL2.5. Модель использует технологию Adaptive Hierarchical Token Compression (HiCo) и представляет каждый кадр 64 токенами. Вариант HiCo R64 относится к абляционным экспериментам и применяет HiCo без описанного в карточке обучения с плотной видеоразметкой и TPO. Модель предназначена для диалога и анализа видео: она воспринимает визуальные детали и временные связи в длинных роликах и отвечает на вопросы о содержании. В README приведены результаты на MVBench, LongVideoBench и VideoMME. Метаданные указывают архитектуру InternVLChatModel и библиотеку Transformers; данные представляются в формате safetensors. Карточка указывает лицензию Apache-2.0. Заявленная поддержка языка — английский.

JAZZMUS — модель оптического распознавания нот, разработанная для рукописных джазовых лид-листов. Она преобразует изображения нотной записи с мелодией и аккордовыми обозначениями в текстовую нотацию Humdrum **kern или **mxhm. Модель предназначена для транскрибирования нот и аккордов; репозиторий также содержит детектор нотных станов YOLOv11 для обработки целых страниц. В основе лежит Sheet Music Transformer: энкодер ConvNeXt и декодер Transformer. Модель smt-grandstaff дообучена на наборах JAZZMUS с рукописными и синтетическими примерами. Веса доступны в формате safetensors, лицензия — MIT. Распознавание аккордов сложнее распознавания мелодии, и часть ошибок связана с аккордовыми символами. Модель может пропускать альтерации, подразумеваемые тональностью; качество также может снижаться на стилях нотной записи, не представленных в обучающих данных, например на печатных коммерческих лид-листах и музыке других жанров.

Это англоязычная модель классификации текста на базе DistilBERT, дообученная Juanpajedrez для задачи «еда или не еда». Она принимает текст и относит его к одному из двух классов: food или not food. Модель построена на DistilBertForSequenceClassification, рассчитана на контекст до 512 токенов и доступна в формате safetensors под лицензией Apache-2.0. В карточке сообщается о точности 1,0 и потере 0,0006 на оценочной выборке, однако датасет и методика оценки не описаны, поэтому эти результаты не позволяют судить о качестве на новых данных. Модель подходит для простого тематического отбора текстов, но её применимость за пределами бинарной классификации еды не подтверждена.

Legal-BERT — англоязычная BERT-модель, опубликованная CaseHOLD, для работы с юридическими текстами. Она предварительно обучена на корпусе судебных решений Harvard Law: 3,45 млн решений федеральных судов и судов штатов, охватывающих период с 1965 года. Модель основана на bert-base-uncased и продолжила обучение на юридическом корпусе в течение 1 млн шагов с целями MLM и NSP; размер составляет 136,7 млн параметров, максимальный контекст — 512 токенов. Основная задача в карточке Hugging Face — заполнение пропусков в тексте. Модель подходит как основа для дообучения классификаторов и систем множественного выбора в юридических сценариях, например для анализа судебных решений, условий обслуживания и задач CaseHOLD. Это англоязычная текстовая модель; веса доступны в форматах PyTorch, TensorFlow и Flax. Лицензия в предоставленных данных не указана.

MrZaper/LiteModel — компактная модель Sentence-Transformers, дообученная для семантического поиска и извлечения академических статей по кибербезопасности из журнала «Cybersecurity: Education, Science, Technology». Она кодирует запросы и фразы статей в плотные векторы размерностью 384 для поиска по сходству, кластеризации и семантического сопоставления. Для поиска в описанном сценарии запрос переводится на английский с помощью Google Translate, после чего вычисляется косинусное сходство с заранее рассчитанными эмбеддингами статей; результатом служат коды наиболее подходящих статей. Модель основана на BERT, содержит 25,9 млн параметров и имеет контекстное окно 512 токенов. README заявляет поддержку запросов на английском, украинском и других языках благодаря предварительному переводу на английский. Репозиторий также содержит предрассчитанные эмбеддинги статей и соответствующие коды. Лицензия — Apache-2.0. По описанию модель специализирована на одном журнале, поэтому её пригодность для других коллекций и предметных областей не подтверждена.

Mistral-BioMed-Tool-Caller-7B — дообученная модель Rumiii на базе Mistral-7B-Instruct-v0.3, предназначенная для вызова биомедицинских инструментов. Получив вопрос и схемы доступных инструментов, она выбирает подходящий API и формирует аргументы вызова в формате [TOOL_CALLS] модели Mistral. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Дообучение выполнено методом QLoRA с 4-битной базой, рангом и alpha адаптера 32. Обучающий набор BioTool включает 7 040 проверенных человеком примеров и шаблоны для 127 инструментов NCBI E-utilities, UniProt REST и Ensembl REST. Небольшая доля общих инструкций была добавлена для сохранения диалоговых возможностей базовой модели. Модель подходит для поиска геномных и белковых данных, анализа вариантов и сравнительной геномики. Лицензия — Apache-2.0. Модель не обучалась для клинических API, включая поиск по ICD-10, лекарственным базам и реестрам клинических испытаний; надёжность сформированных вызовов следует проверять перед использованием. В метаданных указан английский язык.

PaliGemma-3B-Chat-v0.1 — мультимодальная модель BUAADreamer, дообученная на базе google/paligemma-3b-mix-448 для диалоговых ответов по изображениям. Она принимает изображение вместе с текстовым запросом и генерирует текст; поддерживает многошаговый диалог. Модель построена на архитектуре PaliGemma и содержит 3 млрд параметров; опубликована в формате safetensors для использования с Transformers. В карточке указаны английский и китайский языки, а среди данных для дообучения — BUAADreamer/llava-en-zh-2k. Лицензия — Gemma, условия которой следует учитывать при использовании. В README указана более новая версия PaliGemma-3B-Chat-v0.2.

Карточка модели nityaak/qwen3-4b-stance-matrix-semeval-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

Qwen3.5VL-0.8B-ImageExplainer — дообученная модель разработчика twinblade02 на базе Qwen/Qwen3.5-0.8B-Base. Это плотная мультимодальная модель семейства Qwen3.5 с 0,8 млрд параметров, предназначенная для диалога по изображениям и тексту; основная задача в карточке — image-text-to-text. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для объяснения содержимого изображений и ответов на вопросы о них в текстовом диалоге. Репозиторий содержит веса в формате safetensors и предоставляет интерфейс chat и vision. Лицензия — Apache-2.0. Карточка не приводит сведений о длине контекста и конкретных ограничениях качества.

Rawi — модель-энкодер ModernBERT для классического арабского языка, разработанная Абдеррахманом Айнушем и Риадом Мулахсеном из ENSIA в рамках проекта SILA. Это masked language model с 149 млн параметров и контекстом до 8 192 токенов, дообученная на корпусе OpenITI с произведениями по истории и биографиям; тексты исламского Запада представлены с повышенным весом. Модель предназначена для заполнения пропусков и как основа для извлечения имён, нисб, географических названий, должностей, связей и поиска по историческим текстам. На отложенных западных биографических текстах Rawi снизила псевдоперплексию базовой модели и показала результат, сопоставимый с CAMeLBERT-CA при более длинном контексте. Однако качество для западных текстов остаётся ниже, чем для восточных; некоторые западные нисбы предсказываются слабо. Модель обучалась преимущественно на печатных критических изданиях без огласовок, поэтому тексты с полной диакритикой, современный литературный арабский, диалекты и рукописные транскрипции не входят в подтверждённую область применения. Для downstream-задач результаты дообучения ещё не представлены. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование.

ritrieve_zh_v1-i1-GGUF — это набор квантизированных файлов формата GGUF для модели richinfoai/ritrieve_zh_v1, подготовленный пользователем mradermacher. Модель ориентирована на работу с китайским языком; в обучении использовались наборы BAAI/Infinity-Instruct и opencsg/chinese-fineweb-edu. README не уточняет исходную архитектуру, количество параметров, длину контекста, поддерживаемые модальности или конкретные прикладные сценарии, поэтому эти характеристики нельзя достоверно описать. Основная особенность репозитория — weighted/imatrix-квантизация в диапазоне от крайне компактных вариантов i1-IQ1_S и i1-IQ1_M размером около 0,2 ГБ до i1-Q6_K размером около 0,4 ГБ. Доступны различные уровни компрессии, позволяющие выбирать между размером, скоростью и качеством; для повседневного использования в README рекомендуются i1-Q4_K_M и i1-Q4_K_S, а наиболее компактные варианты сопровождаются предупреждениями о низком качестве. Это облегчает локальный запуск на устройствах с ограниченными ресурсами, но сильная квантизация может заметно ухудшать результаты. Лицензия указана как MIT. Для использования требуются совместимые инструменты, поддерживающие GGUF; конкретные требования к оборудованию и параметры запуска в README не приведены.

Koichi Yasuoka разработал RoBERTa-модель, предварительно обученную на текстах 青空文庫 с токенизацией по символам. Это японская языковая модель для заполнения пропусков в тексте и дообучения под задачи обработки японского языка, включая разметку частей речи и синтаксический анализ зависимостей. Модель использует архитектуру RoBERTa с головой masked language modeling, содержит 120,5 млн параметров и обрабатывает последовательности длиной до 512 токенов. Она подходит как основа для специализированных моделей и анализа японских текстов; качество зависит от последующего дообучения и конкретной задачи. Лицензия — CC BY-SA 4.0.

Это языковая модель RoBERTa для латинского языка, опубликованная пользователем pstroe. Она предназначена для заполнения пропусков в тексте и оценки результатов распознавания рукописного текста (HTR); автор также предлагает использовать её как декодер для архитектуры TrOCR. Модель построена на архитектуре RoBERTa и содержит около 151,8 млн параметров. Она обучалась на корпусе латинских текстов объёмом около 390 млн токенов, полученном из латинской части CC-100 после очистки и нормализации. Максимальный контекст составляет 514 токенов. Репозиторий содержит веса PyTorch. Модель подходит для языкового моделирования латинских текстов и поддержки экспериментов с распознаванием рукописей. Лицензия в предоставленных данных не указана.

Модель kinit/slovakbert-sentiment-twitter — классификатор тональности на основе SlovakBERT, опубликованный пользователем kinit. Это RoBERTa-модель с 151,8 млн параметров, дообученная на 50 тысячах вручную размеченных словацких твитов из Multilingual Twitter Sentiment Analysis Dataset. Она относит текст к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель предназначена прежде всего для анализа тональности твитов на словацком языке и может применяться для мониторинга мнений в соцсетях. В оценке на исходном датасете F1 составил 0,67; на наборе общих отзывов — 0,58. Поэтому результаты на текстах вне домена твитов могут быть слабее. Контекст модели — 514 токенов. Лицензия — CC BY 4.0.

SPECTER2-abstract2gene — модель эмбеддингов проекта Abstract2Gene, разработанная для поиска связей генов с научными аннотациями. Это дообученная AllenAI SPECTER2 на примерах, подобранных по аннотациям генов, чтобы сближать в векторном пространстве тексты с релевантными аннотациями генов. Модель основана на Sentence Transformers и BERT, содержит 137,1 млн параметров и преобразует текст в плотные векторы размерности 768; для сравнения используется косинусное сходство. Модель предназначена для семантического поиска и сравнения научных аннотаций, а также для кластеризации и выявления похожих публикаций в сценариях анализа связей генов. Обрабатывает последовательности длиной до 512 токенов. README приводит результаты оценки TripletEvaluator на трёх вариантах данных, но не уточняет их интерпретацию за пределами cosine accuracy. Язык и лицензия в доступных источниках не установлены.

Это арабоязычный классификатор тональности по отношению к заданной теме, созданный для трека Seen Targets соревнования StanceEval-2026 в рамках ArabicNLP 2026. Модель дообучена на UBC-NLP/MARBERTv2 и принимает арабский твит вместе с целевой темой, после чего относит позицию автора к одному из трёх классов: Favor (поддерживает тему), Against (выступает против) или None (нейтральная, не относящаяся к теме или неясная позиция). Модель основана на BERT-архитектуре, имеет около 190 млн параметров и контекст длиной до 512 токенов. Она предназначена для анализа твитов по темам, встречавшимся в обучающих данных: вакцины от COVID-19, цифровая трансформация и расширение прав и возможностей женщин. На dev-наборе Mawqif-v2 авторы сообщают Favg2 82,63; оценка относится к конкретному набору и метрике соревнования. Модель распространяется под лицензией Apache-2.0. Её результаты на новых или существенно отличающихся темах не установлены: обучающая и оценочная постановка ограничена заранее встречавшимися целями.

Карточка модели bczhou/TinyLLaVA-3.1B на Hugging Face совпадает с карточкой bczhou/TinyLLaVA-1.5B, поэтому описание составлено по ней. TinyLLaVA-1.5B — компактная мультимодальная модель для диалога по изображениям из семейства TinyLLaVA, разработанного авторами проекта TinyLLaVA. Она сочетает визуальный модуль с языковой моделью TinyLlama и предназначена для ответов на вопросы об изображениях, их описания и других сценариев визуального диалога. В карточке указаны около 1 млрд параметров, плотная архитектура TinyLlavaLlamaForCausalLM и контекст 2048 токенов; модель принимает изображения и текст, а генерирует текст. В README приведены результаты оценки на наборах LLaVA-Bench-Wild, MME, MMBench, MM-Vet, SQA-image, VQA-v2, GQA и TextVQA. Модель обучалась с использованием данных LLaVA и ShareGPT4V, включая наборы для предварительного обучения и инструкционного дообучения. Метаданные отмечают английский и китайский языки. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Компактный размер удобен для исследовательских и прикладных экспериментов с визуальными вопросами и ответами, но доступные результаты показывают более скромные показатели версии 1.5B по сравнению с более крупными вариантами TinyLLaVA; языковое покрытие и качество за пределами оценённых сценариев могут быть ограничены.

Gabby233/vqa-finetuned — дообученная модель ответов на вопросы о содержимом изображений, созданная на основе dandelin/vilt-b32-finetuned-vqa и набора данных VQA. Она использует архитектуру ViLT и предназначена для визуального вопросно-ответного поиска: модель принимает изображение и текстовый вопрос и выдаёт текстовый ответ. Модель содержит 136,7 млн параметров и рассчитана на короткий контекст до 40 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит результатов оценки и дополнительных сведений о качестве; точность ответов может зависеть от изображений и формулировок вопросов.

WebRL-Llama-3.1-70B — открытая модель Zhipu AI, созданная дообучением Meta Llama 3.1 70B для выполнения действий в веб-интерфейсах. Она предназначена для агентных сценариев, где по текстовым инструкциям нужно выполнять операции на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Модель имеет плотную архитектуру LlamaForCausalLM с 69,5 млрд параметров, поддерживает чат и рассчитана на английский язык. Указанная длина контекста — 131 072 токена. В оценке на WebArena-Lite модель показала средний показатель успешного выполнения 49,1%; результаты различались по сайтам. Для запуска README отсылает к коду и требованиям на странице проекта GitHub. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

arbml/whisper-tiny-ar — модель распознавания речи на архитектуре Whisper, дообученная на датасете Common Voice 11.0. Она предназначена для преобразования аудиозаписей в текст; в метаданных для неё указан язык хинди. Модель содержит 29,4 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0. В README приведены результаты оценки на тестовой выборке: loss 1,5989 и WER 83,4696. Это указывает на ограниченное качество распознавания в описанной оценке; дополнительных сведений о сценариях применения и ограничениях автор не предоставил.

Модель gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-13k_onset-drums_fold_2 — дообученная версия wav2vec2 от gary109 для распознавания аудио. Она содержит 113,3 млн параметров и обучена на датасете AI_LIGHT_DANCE — ONSET-DRUMS_FOLD_2; в README указаны результаты оценки: loss 0,4180 и WER 0,1433. Модель предназначена для автоматического распознавания речи, однако README не раскрывает, какие именно аудиосигналы или сценарии распознавания покрывает датасет. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных не указаны.

wls04/alfworld-causal-prm-1.7b — дообученная модель на базе Qwen/Qwen3-1.7B, обученная с помощью TRL. В метаданных архитектура указана как Qwen3ForTokenClassification, а основная задача каталога — token-classification; размер модели составляет 1,7 млрд параметров, контекст — до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит пример запуска через text-generation, но метаданные классифицируют модель как token-classification. Поэтому её практическое назначение по доступным сведениям точнее описывают как разметку токенов; область ALFWorld и causal PRM обозначена в названии и тегах, однако подробности обучения и применения не приведены. Условия лицензии в предоставленных данных не указаны.

Японская модель BERT-base от hitachi-nlp для восстановления скрытых токенов в тексте и других задач на основе masked language modeling. Она содержит 136,3 млн параметров, использует архитектуру BERT с классом BertForMaskedLM и рассчитана на контекст до 512 токенов. Для токенизации применяется схема Nothing + WordPiece; для загрузки токенизатора требуется файл словаря из репозитория разработчика. В карточке указаны датасеты Wikipedia и CC-100. Модель доступна в формате PyTorch по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Biomedical Longformer base — производная языковая модель для биомедицинских текстов, созданная на основе microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract. Параметры исходной модели были скопированы, а позиционные эмбеддинги расширены повторным копированием, чтобы поддерживать более длинные документы. Архитектура — LongformerForMaskedLM, размер — 136,7 млн параметров, контекст — до 4098 токенов. Модель предназначена для заполнения пропусков в биомедицинских текстах и обработки длинных документов на английском языке. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на некоммерческих условиях, требуя распространять производные работы на той же лицензии.

Bunny-v1_0-3B — мультимодальная модель семейства Bunny, разработанная BAAI. Это объединённые веса bunny-phi-2-siglip-lora: модель построена на языковой основе Phi-2 с визуальным энкодером SigLIP и содержит около 3,5 млрд параметров. В карточке указаны предварительное обучение на LAION-2M и дообучение на Bunny-695K. Модель предназначена для диалогов и ответов на вопросы по изображениям. В описании разработчики сообщают, что Bunny-v1.0-3B показывает конкурентные результаты среди мультимодальных моделей сопоставимого и большего размера. Метаданные указывают задачу text-generation и контекст 2048 токенов; веса опубликованы в формате safetensors. Для использования нужны совместимые Transformers и обработка изображений. Указана лицензия Apache-2.0. Карточка не описывает ограничения по языкам и качеству на отдельных типах изображений.

Cephalo — мультимодальная модель зрения и языка, разработанная лабораторией LAMM MIT для работы с изображениями и научным текстом, особенно в материаловедении. Это дообученная версия meta-llama/Llama-3.2-11B-Vision-Instruct с архитектурой mllama и 11 млрд параметров; в карточке указано окно контекста 128k в названии репозитория. Модель принимает изображения и текстовые запросы, а ответы формулирует текстом. Она обучалась на научных парах изображений и текста, извлечённых из Википедии и научных публикаций. Модель предназначена для описания научных изображений, ответов на вопросы о них и интерпретации графиков, схем и микроструктур материалов. Её можно использовать в мультимодальных научных диалогах, а также как компонент конвейеров генерации 2D- и 3D-представлений микроструктур для аддитивного производства. Карточка заявляет поддержку нескольких языков, но не перечисляет конкретные языки. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия — Apache-2.0. Качество может зависеть от предметной области, сложности изображения и формулировки запроса; README не приводит количественных оценок. Генерация 2D- и 3D-представлений описана как сценарий применения в составе конвейеров, но сама модель выдаёт текст, а не изображения или 3D-объекты.

CySearchAssist-Mesh-1.5B — компактная языковая модель, разработанная Cyberalien для переформулирования запросов к библиотеке статических мешей и 3D-ресурсов. Она преобразует запрос пользователя в английские поисковые фразы, подсказки по категориям и тегам, а также явные исключения. Модель дообучена на Qwen/Qwen2.5-1.5B-Instruct, использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и имеет контекстное окно 32 768 токенов. Выдаёт структурированный JSON по контракту cymesh-query-v1; поддерживаемые языки — английский, французский, испанский, немецкий и итальянский. Лицензия — Apache-2.0. Модель рассчитана на локальное использование в CyMesh MeshLibrary или интеграциях, которые применяют её вывод для поиска по собственному индексу метаданных. В небольшом локальном тесте JSON-контракт был соблюдён для 35 из 37 запросов, а целевой объект попал в топ-5 для 10 из 10 тестовых запросов по метаданным; этот тест не измеряет общее качество поиска на произвольных библиотеках. Модель сама не ищет ресурсы, не анализирует геометрию или изображения мешей, не строит эмбеддинги и не генерирует 3D-модели. На CPU генерация в описанном тесте занимала медианно 15,26 секунды; ошибки в обработке отрицаний, синонимов, языковой неоднозначности и материалов возможны, поэтому JSON следует проверять, а при некорректном выводе использовать исходный запрос.

drbinna/e5-nba-finetuned — дообученная модель Sentence Transformer на базе intfloat/e5-base-v2, предназначенная для семантического поиска и сравнения текстов о матчах и игроках NBA. Она кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT, усреднение токенных представлений и нормализацию, а близость векторов оценивается косинусным сходством. Модель обучалась на 35 парах запросов и описаний, связанных со статистикой игроков и матчей NBA, с функцией MultipleNegativesRankingLoss. Модель подходит для поиска статистики по естественно сформулированному запросу, сопоставления запроса с описанием матча или игрока, кластеризации и извлечения похожих текстов. Максимальная длина последовательности — 512 токенов. Базовая модель описана как англоязычная, а обучающие примеры используют английские запросы и записи о матчах; подтверждений поддержки русского языка в карточке нет. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.