I.3Извлечение и структурирование данных

MrBERT-science — многоязычная энкодерная модель для научного текста, разработанная лабораторией Language Technologies Lab Барселонского суперкомпьютерного центра. Она получена доменной адаптацией MrBERT: веса исходной модели дообучены на научном корпусе объёмом 3,6 млрд токенов, из которых 38,1% испанские и 61,9% английские. Модель построена на архитектуре ModernBERT и содержит около 307 млн параметров. Она обучена по задаче Masked Language Modeling и поддерживает заполнение пропусков в тексте; в метаданных указан контекст до 8192 токенов. Карточка приводит результаты на научной классификации, поиске и тематических бенчмарках, поэтому модель может служить основой для прикладных систем анализа научных публикаций на английском и испанском языках. Лицензия Apache-2.0. Авторы предупреждают о возможных смещениях и непреднамеренных искажениях; при использовании в сторонних системах ответственность за снижение рисков и соблюдение применимых требований лежит на пользователе.

Nemotron 3 Diarization preview — предварительная модель NVIDIA для анализа многоголосой аудиозаписи и определения, кто и когда говорил. Она предназначена для диаризации речи в потоковом и офлайн-режимах; метаданные также относят её к voice activity detection и указывают на архитектуру Streaming Sortformer. Модель принимает аудио и выдаёт временные метки активности говорящих. Подробная карточка основной версии Nemotron 3 Diarization описывает Transformer-энкодер с 31 слоем и около 100 млн параметров, поддержку до восьми говорящих, потоковую обработку и разрешение выходных кадров 10 мс. Эти характеристики относятся к основной версии и не подтверждены отдельно для preview. Доступ к preview предоставляется по лицензии NVIDIA Software and Model Evaluation License для внутреннего тестирования и оценки: использование в производстве и запуск не на системах с NVIDIA GPU не разрешены. Карточка основной версии описывает её как готовую к коммерческому и некоммерческому применению под другой лицензией, поэтому её условия нельзя переносить на preview.

Ornstein3.8-27B — экспериментальная мультимодальная модель с открытыми весами, созданная GestaltLabs на основе Qwen/Qwen3.8-27B. Это дообученная и объединённая с базовой моделью версия с архитектурой Qwen3_5ForConditionalGeneration: плотная модель примерно на 27 млрд параметров, использующая чередование линейного внимания и полного внимания Gated DeltaNet. Она принимает текст и изображения, поддерживает видео, а длина контекста составляет 262 144 токена. Модель предназначена для диалогов, анализа изображений и видео, а также многошаговых задач, включая математические рассуждения. В одном прогоне GSM8K автор получил 96,51% точности в BF16; этот результат не распространяется на квантованные версии. Автор описывает чекпойнт как раннее объединение весов, а не готовый релиз качества, и планирует дальнейшую работу с RL-средами и дообучением на основе энергетических моделей. Для запуска требуется сборка Transformers с поддержкой Qwen3.8/qwen3_5. Веса опубликованы под лицензией Apache-2.0.

PaliGemma 2 10B — мультимодальная модель Google для обработки изображений и текста. Она сочетает визуальный энкодер SigLIP с языковой моделью Gemma 2 и принимает изображения размером 448 × 448 пикселей вместе с текстом, выдавая текст. Модель рассчитана прежде всего на дообучение для специализированных задач компьютерного зрения и языка; предусмотрены последовательности до 512 текстовых токенов на входе и выходе. Доступна в формате bfloat16 для дообучения. После адаптации к конкретной задаче модель подходит для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения и сегментации объектов. Карточка также приводит примеры специализированных сценариев: вопросы по данным дистанционного зондирования, помощь незрячим пользователям в понимании изображений, научные вопросы по изображениям и объяснение функций элементов интерфейса. Поддерживаются несколько языков, но конкретный перечень в предоставленных данных не указан. Это базовая модель, а не готовый многоходовый чат-бот: она рассчитана на один раунд ввода изображения и текста, а качество без дообучения для прикладной задачи может быть ниже, чем у специализированных моделей. Ответы могут содержать фактические ошибки; открытые и сложные запросы, нюансы речи и здравый смысл могут даваться модели трудно. Лицензия — Gemma; применяются условия использования Gemma и политика запрещённого использования.

PaliGemma 2 3B Mix 448 — мультимодальная модель Google для работы с изображениями и текстом. Она сочетает визуальный энкодер SigLIP с языковой моделью Gemma 2 и принимает изображение вместе с текстовым запросом, выдавая текст. Версия Mix поддерживает несколько языков; вариант 448 рассчитан на изображения с разрешением 448 пикселей. Модель предназначена прежде всего для дообучения под задачи понимания изображений: создания подписей и описаний, визуальных вопросов и ответов, чтения текста на изображении, обнаружения объектов с координатами и сегментации. Также она может описывать короткие видео и служить основой для специализированных решений, например вопросов по спутниковым снимкам или интерфейсам. PaliGemma 2 лучше работает с чёткими запросами и задачами, заданными шаблонами. Это предварительно обученная модель, поэтому её результаты без дообучения на специализированных задачах могут уступать моделям общего назначения; она не является многоходовым чат-ботом и может ошибаться в фактах, сложных рассуждениях и интерпретации нюансов. Модель распространяется по лицензии Gemma с ограничениями, изложенными в политике допустимого использования Gemma.

PaliGemma 3B Mix 448 — компактная модель для понимания изображений и текста, разработанная Google. Она объединяет зрительный энкодер SigLIP и языковую модель Gemma, принимает изображение и текстовый запрос и генерирует текст. Версия Mix предназначена для последующей настройки под конкретные задачи; поддерживает сценарии с изображениями и короткими видео, включая описание изображений, визуальные вопросы и ответы, чтение текста на изображении, обнаружение объектов и сегментацию. Модель рассчитана на одношаговую обработку и не предназначена для многоходового диалога. Для специализированных задач рекомендуется дообучение: качество без настройки может уступать моделям, созданным для конкретной задачи. Ответы могут содержать фактические ошибки, а сложные инструкции, языковые нюансы и рассуждения на основе здравого смысла могут даваться модели трудно. Веса опубликованы в формате safetensors; лицензия — Gemma.

passage-ranker.pistachio — мультиязычный ранжировщик пассажей компании Sinequa. Он оценивает релевантность пары «запрос — фрагмент текста», чтобы сортировать результаты поиска и улучшать первый этап выдачи в поисковых системах и системах извлечения информации. Модель основана на BERT для классификации последовательностей и обучена по схеме MonoBERT на MS MARCO Passage Ranking, включая переведённые обучающие данные. В README указано 167 млн параметров, а метаданные содержат оценку 194,6 млн; максимальная длина контекста — 512 токенов. Модель обучалась и тестировалась на английском, французском, немецком, испанском, итальянском, нидерландском, японском, португальском, китайском (упрощённом) и польском; README также отмечает ожидаемую базовую поддержку ещё 93 языков благодаря предобучению базовой модели. Она нечувствительна к регистру и диакритическим знакам. В README приведены результаты на BEIR для английского, PIRBenchmark для польского и MIRACL для ряда других языков. Для запуска указаны Sinequa версии 11.10.0 или новее и CUDA compute capability выше 7.5; приведены также замеры скорости и памяти на GPU. Лицензия в предоставленных данных не указана.

privacy-filter-mlx — адаптация OpenAI Privacy Filter для запуска на устройствах Apple Silicon через MLX и Metal, опубликованная beshkenadze. Это токен-классификатор на архитектуре MoE: 8 слоёв, 128 экспертов с выбором 4 экспертов на токен, двунаправленное скользящее внимание и контекст до 131 072 токенов. Модель размечает токены 33 BIOES-метками в восьми категориях персональных данных и секретов, чтобы последующий редактирующий компонент мог находить и маскировать целые фрагменты текста. Модель предназначена для локального обнаружения персональных данных и секретов в текстовых потоках, в том числе для фильтрации перед передачей или выводом текста. В репозитории есть полноразмерные bf16-веса и вариант q4-8emb объёмом около 0,87 ГБ; для последнего автор сообщает совпадение меток с fp32-эталоном на 99,4% в синтетической оценке. Поддерживается английский язык. Лицензия — Apache-2.0. Запуск рассчитан на MLX и Apple Silicon; результаты количественной оценки получены на синтетическом наборе и не гарантируют качество на всех текстах и типах секретов.

PS3-1.5K-SigLIP — разработанный NVIDIA визуальный энкодер на основе SigLIP SoViT-400m, дообученный для извлечения признаков из изображений высокого разрешения. Модель принимает RGB-изображения размером до 1512 × 1512 пикселей и возвращает тензор визуальных эмбеддингов для использования в последующих моделях и прикладных системах. PS3 поддерживает выбор значимых высокодетализированных областей изображения по визуальной значимости или текстовым подсказкам. Это помогает извлекать признаки для анализа изображений, содержащих мелкие детали, текст, диаграммы и документы. Модель обучалась на 75 млн изображений, включая данные на основе SA-1B и IDL; ориентирована на исследовательскую и разработческую работу и оптимизирована для NVIDIA GPU. Лицензия в предоставленных данных не указана.

Это 8-битная версия Qwen2.5-VL-72B-Instruct, подготовленная сообществом mlx-community: исходную модель преобразовали в формат MLX с помощью mlx-vlm 0.1.11. Она принимает текст и изображения и предназначена для диалогового анализа визуального содержимого, включая ответы на вопросы по изображениям и генерацию текстовых ответов. Модель имеет плотную архитектуру Qwen2.5-VLForConditionalGeneration, около 71,5 млрд параметров и контекст до 128 000 токенов; заявлены чат и интерфейс вызова инструментов. Модель подходит для мультимодальных сценариев, где нужно сочетать текстовые запросы с изображениями. В карточке этой версии не приведены подробности об обучении, видеовозможностях или поддерживаемых языках сверх английского в тегах; сведения о применении и ограничениях следует сверять с карточкой исходной модели. Лицензия указана как other, поэтому условия использования нужно уточнить в оригинальной карточке Qwen/Qwen2.5-VL-72B-Instruct.

nvidia/Qwen2.5-VL-7B-Instruct-NVFP4 — мультимодальная инструкционная модель, разработанная NVIDIA на основе Qwen/Qwen2.5-VL-7B-Instruct. Она предназначена для генерации текста и обработки задач, связанных с визуально-языковым взаимодействием, включая сценарии, где требуется анализ визуального и текстового контекста. В карточке модели указано, что это квантованная версия в формате FP4, подготовленная с использованием NVIDIA Model Optimizer. Модель относится к семейству Qwen2.5-VL и имеет размер 7B параметров в базовой версии. Поддерживаемые языки, максимальная длина контекста, точные характеристики архитектуры, перечень входных модальностей и показатели качества в README не указаны. Квантование FP4 потенциально снижает требования к памяти и может повысить эффективность инференса, однако README не содержит результатов бенчмарков или сведений о совместимом оборудовании. Модель распространяется по NVIDIA Open Model License. Лицензия допускает коммерческое использование, создание и распространение производных моделей, но требует соблюдения условий соглашения, включая указание лицензии NVIDIA и атрибуции «Built on Qwen2.5-VL-7B-Instruct-FP4» при распространении модели, продуктов или сервисов на её основе. Использование также должно соответствовать условиям NVIDIA Trustworthy AI; ответственность за результаты и их последующее применение несёт пользователь.

FineEnvs выпустила полноразмерное дообучение Qwen/Qwen3.5-2B для агентного анализа данных с использованием OpenCode и асинхронного GRPO. Это плотная модель семейства Qwen3.5 с 2 млрд параметров, предназначенная для диалога и взаимодействия с инструментами в задачах анализа данных; в обучении применялась только бинарная оценка правильности. Опубликован чекпойнт после 1 000 шагов, получивший 29,8% pass@1 в четырёх оценочных средах на наборе SmolDataEnvs. Модель принимает текст и генерирует текст для агентных сценариев, где результат зависит от доступного harness и инструментов. Она загружаетcя через Transformers; репозиторий содержит полные веса и токенизатор с шаблоном чата, а не LoRA-адаптер. Лицензия — Apache-2.0. В README не заявлены результаты по изображениям, несмотря на мультимодальную архитектуру базовой модели.

Starw1/Qwen3.8-27B-absolute-heresy-W4A16 — 4-битная версия модели MuXodious/Qwen3.8-27B-absolute-heresy, подготовленная для инференса с использованием Transformers и vLLM. Модель разработана как мультимодальная система для работы с текстом и изображениями; исходная модель относится к классу примерно 27-миллиардных параметров, а логический размер квантованной версии составляет около 28 млрд параметров. Модель использует квантизацию весов W4A16: 4-битные целочисленные веса и активации в формате 16-bit. Квантизация выполнена методом AutoRound с симметричной схемой, group_size=128 и упаковкой pack-quantized в формате compressed-tensors. Зрительная башня оставлена в формате bf16, чтобы сохранить возможности анализа изображений. Размер модели на диске составляет около 15,79 ГБ, а занимаемый объём весов в VRAM — примерно 14,71 ГиБ, что ориентирует её на запуск на одной видеокарте с 24 ГБ памяти, например RTX 3090. README также указывает поддержку MTP-весов для speculative decoding и контекст до 140 000 токенов при соответствующей конфигурации vLLM. Основные сценарии применения — генерация и анализ текста, а также обработка запросов с изображениями в локальной или серверной среде. К преимуществам относятся сниженные требования к памяти и сохранение визуального компонента в bf16; ограничения связаны с использованием квантованной версии, зависимостью от совместимой инфраструктуры vLLM и отсутствием в README подробностей об архитектуре, языках, обучении и фактическом качестве модели. Лицензия в карточке этой квантованной версии не указана; за условия использования необходимо обращаться к карточке исходной модели.

Qwen3-VL-8B-Instruct-Unredacted-MAX-GGUF — мультимодальная vision-language модель в формате GGUF, разработанная prithivMLmods на базе Qwen3-VL-8B-Instruct-Unredacted-MAX. Модель предназначена для обработки изображений и текста, выполнения инструкций, генерации подписей, объяснений и анализа визуальной информации. Заявленные сценарии включают аннотирование данных, повышение доступности контента, творческое повествование, подготовку исторических и медицинских наборов данных, а также red-teaming и исследование смещений моделей. Модель содержит 8 миллиардов параметров и ориентирована на мультимодальное рассуждение и следование сложным инструкциям. Доступны варианты BF16 и Q8_0, а также отдельные мультимодальные проекторы mmproj в форматах BF16 и Q8_0; размеры файлов варьируются от 752 МБ до 16,4 ГБ. В карточке указаны английский язык и pipeline image-text-to-text. Длина контекста, точные поддерживаемые языки, результаты тестирования и требования к оборудованию не приведены. К заявленным сильным сторонам относятся работа с комплексными визуальными входными данными, подробная генерация текста и снижение ограничений на отказы благодаря unredacted/abliterated дообучению. При этом степень фактической точности и надежности таких возможностей не подтверждена бенчмарками в README, а уменьшение механизмов отказа может повышать риск небезопасных или некорректных ответов. Модель распространяется по лицензии Apache-2.0.

Это русскоязычная модель fyaronskiy на базе ruRoberta-large от ai-forever, дообученная для многометочной классификации эмоций по тексту. Она распознаёт 27 типов эмоций и позволяет извлекать несколько эмоций из одного текста или проверять наличие выбранных эмоций. Модель основана на архитектуре RoBERTa, содержит 454,1 млн параметров и принимает текст с контекстом до 514 токенов. Для запуска доступны веса safetensors и ONNX, включая вариант ONNX с квантизацией INT8; автор сообщает о более быстром выводе при почти сохранённом качестве у квантизированной версии. Качество зависит от класса эмоций: на тестах лучше распознавались, например, восхищение, веселье и благодарность, а для некоторых менее представленных классов, включая горе и облегчение, результаты слабее. Модель распространяется по лицензии MIT.

SaMer K64 ColQwen2 — адаптерный чекпойнт для визуального поиска по документам, разработанный авторами проекта SaMer. Он применяется к базовой модели vidore/colqwen2-v1.0-hf и объединяет визуальные токены в 64 пространственно-осведомлённых мягких центроида, сохраняя признаки объектов, важные для поиска. При выводе использует проекционный слой и пользовательскую обёртку с trust_remote_code; веса базовой модели в репозитории не распространяются и загружаются отдельно. Модель предназначена для поиска релевантных страниц документов, включая PDF, по текстовым запросам. Обучение адаптера использовало только функцию потерь для retrieval; конфигурация включает три итерации кластеризации, пространственный вес 0,1 и температуру назначения 0,07. Репозиторий содержит веса в формате safetensors. Лицензия адаптера — Apache-2.0; для базовой модели необходимо соблюдать её собственные условия использования.

Карточка модели zhyun/search_x на Hugging Face совпадает с карточкой mykor/KURE-v1, поэтому описание составлено по ней. KURE-v1 — модель текстовых эмбеддингов для поиска по документам, разработанная NLP&AI Lab. Это дообученная версия BAAI/bge-m3 на корейских данных для поиска по парам «запрос — документ»; карточка указывает около 2 миллионов обучающих примеров и использование CachedGISTEmbedLoss. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, выдаёт векторы размерности 1024 и поддерживает последовательности до 8192 токенов. Модель предназначена прежде всего для семантического поиска на корейском языке: её можно применять для извлечения релевантных документов, поиска по длинным текстам и построения retrieval-компонента RAG. В карточке заявлена поддержка корейского и английского языков; бенчмарки охватывают общие и прикладные корейские документы, включая финансы, государственные услуги, медицину, право и коммерцию. На приведённых усреднённых результатах KURE-v1 превосходит сравниваемые модели на нескольких значениях k, однако результаты относятся к указанным наборам данных и не гарантируют качество на других корпусах. Лицензия — MIT.

Это контрольная точка selective gate SFT модели Xirui1208, дообученная на базе Xirui1208/readall-readtwice-14b-rl-step15-20260925. В репозитории находятся замороженная модель ReadAll на 14 млрд параметров в BF16 и обученный LoRA-адаптер с параметром gate bias; для выборочного чтения длинных документов требуется загрузить адаптер вместе с реализацией gate. Если загрузить только корневую модель, получится замороженная ReadAll без обученного селективного механизма. Модель предназначена для выборочного чтения документов с помощью внешнего цикла ReadTwice: она оценивает страницы и помогает направлять обработку к релевантным фрагментам, сохраняя память между этапами. В протоколе используются чанки источника по 5 000 токенов; для длинных документов предусмотрена обработка повторяющимися страницами. Контекст модели — 32 768 токенов. В карточке указаны английский и китайский языки, архитектура Qwen2 и библиотека Transformers. Адаптер обучен за одну эпоху на проверенных навигационных аннотациях учителя; указанная метрика калибровки gate не является точностью ответов на вопросы, и для этого SFT-адаптера не заявлен новый QA-бенчмарк на длинных документах. Сохранение адаптера объединением с весами reader меняет предусмотренный конвейер. Лицензия — Apache-2.0.

IsaacRodgz обучил модель представлений предложений на архитектуре BERT. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель насчитывает 25,9 млн параметров, принимает текстовые входы с контекстом до 512 токенов; доступны веса PyTorch и ONNX. Название репозитория указывает на настройку для определения позиции в заголовках испанских новостей, однако README описывает прежде всего модель эмбеддингов и не приводит метрик качества или подробностей обучения. Для использования доступны Sentence-Transformers и задачи поиска сходства; лицензия в предоставленных данных не указана.

VoVanPhuc/sup-SimCSE-VietNamese-phobert-base — модель эмбеддингов предложений для вьетнамского языка, разработанная Vo Van Phuc. Она основана на SimCSE и использует архитектуру RoBERTa PhoBERT; вариант sup обучен с учителем для получения векторных представлений предложений и оценки их семантического сходства. Модель подходит для поиска похожих фраз, семантического поиска и сопоставления предложений на вьетнамском языке. Модель содержит около 162,4 млн параметров по метаданным и принимает последовательности длиной до 258 токенов. Для работы доступны веса PyTorch и Safetensors. README описывает её как модель с высокой эффективностью для эмбеддингов предложений, однако сравнительные результаты и детали обучающих данных в карточке не приведены. Лицензия в предоставленных данных не указана.

T5Gemma XL-XL PrefixLM IT — текстовая модель семейства T5Gemma, разработанная Google и настроенная для выполнения инструкций. Это вариант с энкодером XL и декодером XL, адаптированный с использованием PrefixLM; архитектура T5Gemma преобразует предварительно обученные модели типа decoder-only в encoder-decoder. Модель работает в формате text-to-text и предназначена для генерации текста, ответов на вопросы, суммаризации и рассуждений; также может использоваться для подготовки черновиков и исследований в NLP. В карточке семейство описано как англоязычное. Веса представлены в формате safetensors и доступны через библиотеку Transformers. Для производной указана базовая модель google/t5gemma-xl-xl-prefixlm. Лицензия Gemma; применяйте модель с учетом условий Gemma и соответствующей политики допустимого использования. Качество ответов зависит от данных и формулировки инструкции: возможны фактические ошибки, предвзятость, трудности с неоднозначностью и сложными задачами, а также генерация вредного или вводящего в заблуждение текста. Длина контекста и число параметров в предоставленных сведениях не указаны.

Sayan01/tiny-bert-qnli-distilled — компактная дистиллированная модель семейства BERT, опубликованная пользователем Sayan01 на Hugging Face. Она предназначена для классификации пар текстов в задаче QNLI и может использоваться через Transformers как модель text-classification для sequence classification. Модель имеет около 15,6 млн параметров, архитектурную основу BERT и максимальную длину входа 512 токенов. Она ориентирована на английский язык и подходит для определения отношения между вопросом и текстовым фрагментом, например для проверки, содержит ли фрагмент ответ на вопрос. Компактный размер упрощает локальный запуск и снижает требования к ресурсам, но модель специализирована на классификации, не генерирует ответы и не предназначена для произвольного многоязычного применения. Сведения о лицензии в доступных источниках не установлены.

Vietnamese_Embedding — модель эмбеддингов на базе Sentence Transformers, разработанная для улучшения поиска по текстам на вьетнамском языке. Она дообучена на BAAI/bge-m3 примерно на 300 тысячах триплетов из запросов, релевантных и нерелевантных документов; в README также упоминается отдельная Phase 2, обученная на 1,1 млн триплетов. Архитектура — XLM-RoBERTa, размер — 658,7 млн параметров, вектор представления имеет 1024 измерения. Модель принимает текст и выдаёт эмбеддинги; для сравнения используется скалярное произведение. README указывает максимальную длину последовательности 2048 токенов, а метаданные — контекст 8194 токена. Модель предназначена для семантического поиска и извлечения документов по вьетнамским запросам. В приведённой оценке на наборе Legal Zalo 2021 публичная версия показывает Accuracy@1 0,7274 и MRR@10 0,8181; авторы отмечают, что вариант Phase 2 уступает в юридическом домене, но обучен на большем объёме данных и рассчитан также на другие области. Лицензия — Apache 2.0.

patrickvonplaten/wav2vec2-2-bart-large — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-lv60 и bart-large на чистой части датасета LibriSpeech ASR. Архитектура объединяет речевой энкодер wav2vec 2.0 и текстовый декодер BART в модели типа SpeechEncoderDecoderModel. Модель предназначена для преобразования аудиозаписей речи в текст. В карточке приведён результат оценки на тестовом наборе: WER 0,0486 и loss 0,3204. Репозиторий содержит веса PyTorch; данных о лицензии в предоставленных источниках нет.

yongjian/wav2vec2-large-a — модель распознавания речи на базе Wav2Vec2, дообученная из facebook/wav2vec2-large-960h-lv60-self. Она предназначена для преобразования аудиозаписей в текст и размечена для английского языка; в метаданных указан датасет LIUM/tedlium. Модель содержит около 402,7 млн параметров и представлена в формате PyTorch. Карточка содержит мало сведений о качестве распознавания, допустимых условиях записи и конкретной конфигурации входного аудио. Лицензия в предоставленных данных не указана.

WavLM-large-CORAA-pt — модель распознавания речи, созданная дообучением microsoft/wavlm-large на наборе данных CORAA. Она использует архитектуру WavLM Large с декодером CTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает португальский язык. На оценочном наборе CORAA указаны loss 0,6144 и WER 0,3840. Модель подходит для транскрибирования португальской речи, в том числе для последующей обработки расшифровок в приложениях. Лицензия — Apache-2.0. Подробности о тренировочных данных, условиях записи и ограничениях применения в карточке не раскрыты.

AAP-SQL Column Retriever — двуэнкодерная модель на базе sentence-transformers/all-mpnet-base-v2 для первого этапа поиска колонок в схеме базы данных в рабочем процессе AAP-SQL. Она кодирует запрос и описания схемы для извлечения до 50 кандидатов-колонок, которые затем передаются реранкеру для выбора наиболее подходящих. Модель дообучена на примерах поиска колонок, полученных из обучающей части BIRD и описаний схем, с использованием MultipleNegativesRankingLoss. Модель использует архитектуру MPNet и библиотеку Sentence Transformers; число параметров — 136,7 млн, длина контекста — 514 токенов. Репозиторий содержит веса в формате safetensors. Карточка указывает английский язык. Лицензия в предоставленных данных не указана.

Audio Flamingo Next-Instruct — инструкцияно настроенная аудиоязыковая модель NVIDIA для вопросов и ответов, диалога и понимания речи, окружающих звуков и музыки. Модель принимает аудио и текстовые инструкции, а ответы формирует текстом; поддерживает распознавание речи, перевод речи, понимание нескольких говорящих, описание аудио и временную привязку к событиям. Основной язык в карточке — английский, заявлена также многоязычная поддержка распознавания речи. Архитектура сочетает аудиоэнкодер на основе AF-Whisper, двухслойный MLP-адаптер и текстовую основу семейства Qwen2.5; для временной привязки используются Rotary Time Embeddings. Аудио обрабатывается окнами по 30 секунд, а процессор настроен на записи длительностью до 30 минут. Модель рассчитана на явные инструкции с указанием задачи и желаемого формата ответа. Ограничения включают неравномерное покрытие языков и акустических условий, слабое представление редких звуков и специализированных областей, а также трудности рассуждения по длинным записям при разреженных свидетельствах. Лицензия обозначена как other; README разрешает только некоммерческое исследовательское использование.

BERTimbau-base-text-filter — модель классификации текста на основе BERT, дообученная для оценки качества фрагментов текста на португальском языке. Она обучена на наборе данных TucanoBR/GigaVerbo-Text-Filter; в README указаны три эпохи обучения и оптимизатор AdamW. Метаданные описывают архитектуру как BertForSequenceClassification и указывают 136,1 млн параметров, библиотеку Transformers и контекст до 512 токенов. Модель подходит для автоматической фильтрации и предварительной оценки качества португальских текстов в корпусах и потоках пользовательского контента. Она не предназначена для генерации или оценки текстов на других языках; README не раскрывает шкалу оценок, порог классификации и метрики качества. Лицензия репозитория — Apache-2.0.

Avinashc/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная на 6 300 парах текстов из набора json на основе BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные эмбеддинги размерностью 768 и предназначена для семантического поиска и сравнения текстов, в том числе финансового содержания. Архитектура модели основана на BERT: вектор формируется с помощью CLS-пулинга и нормализации, а сходство текстов оценивается косинусной мерой. Контекст ограничен 512 токенами. Благодаря Matryoshka-обучению можно использовать укороченные векторы размерностью 512, 256, 128 или 64 с некоторым снижением качества поиска. Модель подходит для поиска финансовых фрагментов по запросу, ранжирования похожих предложений, кластеризации и подготовки признаков для классификации текстов. В README приведены результаты оценки информационного поиска на нескольких размерностях эмбеддингов, но они относятся к указанному в карточке набору данных. Лицензия — Apache-2.0.