I.3Извлечение и структурирование данных

DiCoW v3.3 — модель распознавания речи целевого говорящего, разработанная командой BUT Speech@FIT. Она выделяет и транскрибирует речь выбранного человека в аудиозаписи с несколькими говорящими, используя результаты диаризации. Модель дообучена на базе Whisper large-v3-turbo и содержит около 905,2 млн параметров; для работы принимает 30-секундное аудио и четырёхканальную маску STNO. Поддерживает многоязычное распознавание речи. В версии 3.3 применяются послойные преобразования FDDT перед позиционными эмбеддингами, а обучение с шумовой инъекцией STNO и SpecAugment повышает устойчивость к неточной диаризации. Модель предназначена для транскрибирования выбранного участника встреч и смешанных записей с перекрывающейся речью. Репозиторий содержит веса в формате Safetensors и рассчитан на использование с Transformers; лицензия — CC BY 4.0. Качество результата зависит от точности диаризации и маски STNO. При перекрытии более двух говорящих модель может испытывать трудности с выделением целевого голоса.

joeddav/distilbert-base-uncased-agnews-student — компактная DistilBERT-модель для классификации новостных текстов по категориям AG's News. Её автор — joeddav; модель получена дистилляцией предсказаний zero-shot классификатора на неразмеченном наборе AG's News. В качестве учителя использовалась roberta-large-mnli с шаблоном гипотезы «This text is about {}.». Модель предназначена для быстрого отнесения новостей к категориям набора AG's News и демонстрации переноса знаний от ресурсоёмкого NLI-классификатора к более компактной модели. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку класса. Поддерживается английский язык, длина контекста составляет 512 токенов. Доступны веса PyTorch и TensorFlow. По описанию автора, качество может быть ниже, чем у модели, обученной на полностью размеченных данных AG's News. Лицензия — MIT.

Fadhma-300M — модель распознавания речи на кабильском языке (таqbaylit), разработанная agbalu. Это акустическая модель на 402,7 млн параметров с архитектурой Wav2Vec2ForCTC, дообученная на базе ylacombe/omniASR_W2V_300M_SSL. Она преобразует аудио в текст латиницей с канонической кабильской орфографией; для декодирования доступны жадный CTC-режим и поиск по лучам с 5-граммной языковой моделью, построенной на кабильском текстовом корпусе. Модель предназначена для расшифровки кабильской речи в голосовых заметках, устных архивах, интервью и вещательных записях, а также для преобразования речи в текст перед дальнейшей языковой обработкой. На тесте Common Voice 22.0 с 15 003 высказываниями и разделением по говорящим указаны CER 8,01% и WER 25,65% при поиске по лучам с языковой моделью; без неё — 8,53% и 30,12%. Лицензия — Apache-2.0.

GALACTICA mini — авторегрессионная трансформерная модель с архитектурой декодера, разработанная командой Papers with Code в Meta AI для научных задач. Эта версия содержит 151,6 млн параметров и принимает текстовый контекст длиной до 2048 токенов. Модель обучена на крупном научном корпусе, включающем открытые статьи, учебники, научные сайты, энциклопедии и базы знаний. Модель предназначена для генерации научного текста и может применяться для ответов на научные вопросы, предсказания цитирований, математических рассуждений, суммаризации документов, извлечения сущностей и задач о свойствах молекул. Карточка описывает эксперименты и научные сценарии применения, а также разработку инструментов для работы с научной литературой. GALACTICA склонна к галлюцинациям, особенно для малоизвестных научных тем; сгенерированные факты и цитаты требуют проверки. В модели также отмечены смещения. В README указана лицензия CC BY-NC 4.0, разрешающая некоммерческое использование; метаданные Hugging Face отдельно указывают Apache-2.0, поэтому условия лицензирования следует сверять с конкретными файлами репозитория перед использованием.

girenit/girenit-TR-TextRestore — турецкая модель для восстановления диакритических знаков и написания слов в ASCII-тексте. Она разработана на базе mT5-small и дообучена на новостных предложениях из набора TR-News; архитектура — MT5ForConditionalGeneration, размер — 157,4 млн параметров. Модель принимает текст с префиксом «şapka: » и преобразует его в текст с турецкими буквами и апострофами, например: «Ahmet Yilmaz Istanbulda» → «Ahmet Yılmaz İstanbul'da».

Yanni8/google-query-rating — модель классификации текста на основе BERT, дообученная разработчиком репозитория на наборе google_wellformed_query. Она предназначена для оценки и классификации поисковых запросов, например, для анализа их корректности или пригодности; подробное описание целевых классов и сценариев в карточке не приведено. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и использует архитектуру BertForSequenceClassification. Репозиторий предоставляет веса в формате safetensors. Модель основана на google-bert/bert-base-uncased и выпущена под лицензией Apache 2.0. Карточка не содержит сведений о точности, схеме меток и ограничениях оценки, поэтому перед применением в автоматизированных решениях результаты следует проверить на данных целевого сценария.

mobarmg/jev-schema-scorer-deberta-v3-large — дообученная модель на основе энкодера DeBERTa-v3-large, разработанная для классификации с учётом схемы. Она оценивает пары «состояние и вопрос с кандидатом», а затем детерминированный декодер группирует оценки для выбора варианта, оценки по порядковой шкале или ответа «да/нет». Вопросы, критерии и идентификаторы вариантов задаются во время инференса, поэтому новые наборы меток можно передавать без переобучения. Модель содержит 533,8 млн параметров и принимает текст или сериализованные JSON-объекты. Она обучена на 17 170 синтетических англоязычных вопросах из разных прикладных областей; контекст модели — до 512 токенов, а при обучении использовались последовательности длиной до 384 токенов. В тестах авторы сообщают точность 0,841 для выбора варианта на наборе v2; слабые результаты отмечены для определения следующего действия в записях, классификации ошибок в кратком изложении и оценивания ответов учащихся. Модель подходит для экспериментов с маршрутизацией, триажем, маркировкой по заданным критериям, порядковым оцениванием и проверкой утверждений по короткому тексту. Синтетические данные ограничивают перенос на другие области, длинные тексты и языки, кроме английского; критерии, требующие фоновых знаний или сложных рассуждений, могут снижать качество. Вероятности могут быть чрезмерно концентрированными и должны рассматриваться как ранжирование, а не как калиброванная уверенность. Это не классификатор безопасности; для решений с существенными последствиями, в том числе в модерации, здравоохранении и безопасности, необходима проверка человеком. Лицензия — MIT.

K2-Horizon-MoVA-36B-A4B GGUF — набор GGUF-квантизаций модели IFM/K2-Horizon-MoVA-36B-A4B, опубликованный пользователем darioooooo0o. Модель предназначена для генерации текста и локального запуска через llama.cpp, включая сценарии на потребительских видеокартах с переносом части экспертных весов в оперативную память или на CPU. Модель использует архитектуру MoVA (mixture-of-value attention) и разреженную Mixture-of-Experts конфигурацию: 100 экспертов, из которых активны 8. Заявлен контекст до 512K токенов. Доступны варианты квантизации Q3_K_M, Q4_K_S, Q4_K_M, Q5_K_M и Q8_0 размером примерно от 16,9 до 39 ГБ. README не указывает поддерживаемые языки и мультимодальные возможности. Сильная сторона модели — большой контекст и возможность запуска в компактных квантизированных форматах, в том числе на GPU с 12 ГБ видеопамяти при частичном CPU/RAM-offload. Ограничение заключается в необходимости использовать специальную ветку k2-official llama.cpp или совместимую сборку: основная ветка llama.cpp архитектуру k2-horizon не поддерживает. Квантизации выполнены как обычные K-quants из F16 без imatrix. Распространение разрешено по лицензии Apache-2.0.

Kanana-1.5-15.7B-A3B-Instruct-sftv02 — Kakao Corp.의 Kanana-1.5 기반 한국어 대화 모델로, AI Hub 데이터에 LoRA 방식으로 дообученная и затем объединённая с базовой моделью. Обучение было направлено на повышение стабильности формата ответов в пяти направлениях корейских бенчмарков: KMMLU, CLIcK, HLE, MuSR и Com2-main. Модель использует архитектуру Mixtral MoE, принимает текст и генерирует текст; контекст — до 32 768 токенов, размер репозитория по метаданным — 824,7 млн параметров. Модель подходит для ответов на вопросы и решения задач на корейском языке, включая школьные задания, медицину, финансовые и юридические документы, административные тексты и причинно-следственные рассуждения. В собственных proxy-тестах автор сообщает об улучшениях стабильности ответов относительно базы, но эти результаты не являются официальными баллами K-AI; тест Com2-main использует синтетические варианты ответов. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

kernelpool/Kimi-K3-2bit-UVMAX — это смешанно-квантизированная версия модели Kimi-K3, разработанной Moonshot AI. Репозиторий kernelpool содержит производную сборку, оптимизированную по схеме UVMAX для запуска через MLX. Модель относится к классу image-text-to-text и предназначена для генерации ответов по текстовым и, судя по наличию vision tower и projector, визуально-текстовым запросам. В основе лежит архитектура Kimi-K3 с Mixture-of-Experts-компонентами, механизмами KDA и MLA в блоках внимания, vision tower и мультимодальным projector. Основная часть параметров — около 2,72 трлн в routed expert FFN — квантизирована до 2 бит с group size 128. Другие компоненты используют 4-, 6- и 8-битное представление, а vision tower, projector, нормализации и ряд служебных параметров сохранены без квантизации в bf16. Указанный размер файлов составляет примерно 760 ГиБ. Сведения о длине контекста и поддерживаемых языках в README отсутствуют. Главное преимущество сборки — существенное снижение точности хранения основной массы параметров за счёт смешанного распределения разрядности, при этом более чувствительные компоненты квантизуются мягче или не квантизуются. Ограничениями являются очень большой объём модели и специфические требования к программному окружению: необходима поддержка Kimi K3 из mlx-lm PR #1626, которая на момент публикации README ещё не была включена в официальный релиз, поэтому требуется установка mlx-lm из ветки этого pull request и tiktoken. Лицензия указана как kimi-k3; подробные условия доступны по ссылке на лицензию базовой модели.

Ko-GPT-Trinity 1.2B — языковая модель на архитектуре GPT-2, разработанная SK telecom как репликация архитектуры GPT-3. Модель содержит 1,2 млрд параметров и обучена на созданном SK telecom корейскоязычном наборе Ko-DAT; контекст составляет 1024 токена. В метаданных указаны форматы PyTorch и Safetensors. Модель предназначена прежде всего для генерации текста по подсказке и получения языковых представлений для последующих задач. Её можно применять для генерации, классификации, поиска и суммаризации корейских текстов. Она лучше всего подходит для корейского языка и может хуже работать с другими языками и недостаточно представленными диалектами. Обучающие данные содержат ненормативную, откровенную, политически окрашенную и резкую лексику, поэтому модель может выдавать социально неприемлемые или оскорбительные ответы. Её поведение на новых запросах непредсказуемо, а результаты могут быть нестабильными. Лицензия CC BY-NC-SA 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение и требует распространения производных материалов на тех же условиях.

labse-hard-part2 — дообученная модель на базе sentence-transformers/LaBSE, созданная автором репозитория Alamin2230. Она предназначена для классификации текстовых последовательностей. Модель использует архитектуру BERT, содержит 498,1 млн параметров и принимает последовательности длиной до 512 токенов. Базовая LaBSE строит эмбеддинги предложений для 109 языков, однако конкретные языки и набор классов этой дообученной модели не описаны. В README приведены результаты на оценочном наборе: F1 0,9894, точность 0,9915, полнота 0,9873, FPR 0,0084 и FNR 0,0127. Данные для обучения и оценки не названы, поэтому эти показатели нельзя переносить на другие наборы данных или сценарии. Модель опубликована в формате safetensors под лицензией Apache-2.0.

LongSeeker-30B-SFT — дообученная PolarSeeker модель Qwen3-30B-A3B-Thinking-2507 для длительного поиска с использованием агентных инструментов. Она применяет подход Context-ReAct: в ходе рассуждения и вызова инструментов модель управляет рабочим контекстом с помощью операций пропуска, сжатия, отката, выделения фрагментов и удаления информации. Модель предназначена для многошагового веб-поиска и агентных задач, в которых нужно сохранять важные свидетельства и контролировать рост контекста. README сообщает результаты на BrowseComp, BrowseComp-ZH, xbench-2505 и GAIA-text; поддерживаемый сценарий — диалоговая генерация текста с интерфейсом вызова инструментов. Архитектура — Qwen3 MoE; метаданные указывают 2,6 млрд параметров, формат Safetensors и контекст до 262 144 токенов. В README заявлено, что агент поддерживает рабочий контекст около 15 тыс. токенов на длинных траекториях. Карточка указывает английский язык и лицензию MIT. Качество зависит от доступности и результатов работы подключённых инструментов; заявленные показатели приведены в README, а независимая проверка здесь не выполнялась.

amin/medical_embedding_1 — англоязычная модель эмбеддингов на базе Sentence Transformers, дообученная разработчиком на abhinand/MedEmbed-small-v0.1 для работы с медицинскими текстами. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними можно оценивать по косинусной близости. Архитектура включает BERT, пулинг CLS-токена и нормализацию. Максимальная длина входа — 512 токенов, библиотека — sentence-transformers. Модель предназначена для семантического поиска медицинских текстов и сравнения их по смыслу. Её также можно применять для поиска перефразировок, кластеризации и классификации текстов с использованием полученных эмбеддингов. В README приведена оценка сходства на неназванном наборе данных, однако этих результатов недостаточно, чтобы судить о качестве в конкретных прикладных сценариях. Лицензия в предоставленных данных не указана.

MizoEmbed-1 — модель плотных текстовых эмбеддингов для языка мизо, разработанная специально для представления предложений и абзацев в виде векторов. Это Sentence Transformer на архитектуре BERT, дообученный на базе robzchhangte/MizBERT. Размерность эмбеддингов составляет 768, длина входного контекста — до 512 токенов; модель содержит 136,7 млн параметров. Модель предназначена для вычисления семантического сходства текстов, семантического поиска, поиска перефразировок, классификации текстов и кластеризации. Её можно применять для поиска по корпусам на мизо и группировки похожих фрагментов текста. Репозиторий распространяется в формате safetensors и рассчитан на использование с библиотекой Sentence Transformers. Лицензия — Apache-2.0. Модель ориентирована на мизо; её качество для других языков не подтверждено представленными материалами. Контекст ограничен 512 токенами, поэтому длинные документы потребуется разбивать на части.

MyAwesomeModel — модель из репозитория SOTAagi2030/MyAwesomeModel-TestRepo, распространяемая через Hugging Face и предназначенная по метаданным для извлечения признаков из текста. Она интегрируется с библиотекой Transformers и реализуется на PyTorch; в тегах также указана BERT-совместимая архитектурная принадлежность. В README модель описывается как обновлённая система с улучшенными рассуждениями, математическими и логическими задачами, программированием, ответами на вопросы, классификацией, суммаризацией, диалогами, переводом и вызовом функций. Однако эти возможности не согласуются напрямую с основной меткой feature-extraction и не сопровождаются достаточным описанием архитектуры, размера, контекстного окна или языковой поддержки. Документация также упоминает уменьшение галлюцинаций и рекомендации по системному промпту и температуре 0,6. Модель доступна по лицензии MIT. Для каталогизации её следует прежде всего рассматривать как Transformers-модель для получения текстовых представлений, а заявленные генеративные и рассуждательные возможности подтверждать дополнительным тестированием.

nasa-impact/nasa-smd-ibm-st, также называемая Indus-st, — биэнкодерная модель Sentence Transformers, разработанная IBM Research совместно с NASA Science Mission Directorate. Это дообученная версия энкодера nasa-smd-ibm-v0.1 семейства Indus; в метаданных указана архитектура RoBERTa и 151,8 млн параметров. Модель независимо кодирует пары предложений и оценивает их близость по косинусному сходству. Модель предназначена для поиска и извлечения научной информации, семантического поиска и сравнения предложений, в особенности по материалам NASA SMD. Она обучалась на большом наборе пар предложений и на 2,6 млн пар заголовков и аннотаций из документов NASA SMD. Принимает английский текст, выдаёт векторные представления для вычисления сходства. Контекст — до 514 токенов. Лицензия — Apache 2.0. Карточка помечает модель как устаревшую и предназначенную для архивного использования, рекомендуя обновлённую версию. В ней также указано, что модель находится на экспериментальной стадии; результаты могут уступать обновлённой версии, а заявленная специализация на материалах NASA SMD не гарантирует качество в других предметных областях.

NSQL-350M — авторегрессионная языковая модель семейства NSQL, разработанная Numbers Station для генерации SQL-запросов по описанию на естественном языке и схеме таблиц. Она основана на CodeGen-Multi 350M от Salesforce: модель дополнительно предварительно обучили на SQL-коде, а затем дообучили на парах «текст — SQL». В репозитории представлены веса PyTorch; архитектура — плотная CodeGenForCausalLM с контекстом 2048 токенов. Модель предназначена для преобразования вопросов к данным в SQL, прежде всего запросов SELECT, при использовании рекомендованного авторами формата промпта. Обучающие данные включают около миллиона SQL-примеров из The Stack и пары текст–SQL из более чем 20 открытых источников; Spider и GeoQuery использовались для оценки. Модель лицензирована по BSD 3-Clause. Она компактна, но может ошибаться в запросах и зависит от точности переданной схемы и формата промпта; область применимости ограничена задачами text-to-SQL.

InternVL3_5-14B-GGUF — это квантизированная версия мультимодальной модели InternVL3_5-14B, разработанной командой OpenGVLab. Репозиторий подготовлен bartowski в формате GGUF с использованием llama.cpp и предназначен для задач преобразования изображений и текста в текстовые ответы: анализа изображений, визуального вопросно-ответного взаимодействия и связанных сценариев мультимодального диалога. Модель имеет около 14 миллиардов параметров и поддерживает работу через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3, Q2 и IQ, что позволяет выбирать между качеством ответа, размером файла и требованиями к оперативной памяти. Наиболее качественными считаются BF16 и старшие варианты квантования; версии с более сильным сжатием экономичнее, но могут заметнее терять в качестве. Формат запроса и точный контекст в README не указаны, поэтому их следует уточнять на странице исходной модели. README не содержит сведений о поддерживаемых языках, точной архитектуре, размере контекста или лицензии. Условия использования следует проверять в материалах исходной модели OpenGVLab/InternVL3_5-14B и конкретного репозитория. Также важно учитывать, что это набор квантизированных весов, а не оригинальная модель, и для работы требуется совместимое программное обеспечение.

Ertas AI разработала QMSum locator — англоязычный cross-encoder на базе BERT MiniLM L6 для первого этапа двухэтапного конвейера суммаризации встреч с учётом вопроса. Модель оценивает релевантность пар «запрос — фрагмент стенограммы» и помогает выбрать фрагменты для передачи суммаризатору. Она обучена на парах запросов и окон стенограмм из обучающей части QMSum; размер модели — 25,9 млн параметров, максимальный контекст — 512 токенов. Лицензия — Apache 2.0. Эта версия настроена на окна длиной 900 слов в соответствии с зафиксированным протоколом оценки. Поскольку окно обычно токенизируется примерно в 1 150 токенов, модель читает лишь начальную часть большинства окон: около 97,3% окон обрезаются, в среднем обрабатывается 47,7% текста окна. Поэтому оценки могут не учитывать важное содержимое в конце фрагмента. Модель проверялась на англоязычных стенограммах встреч QMSum в академической сфере, проектировании продуктов и парламентских комитетах; перенос на другие типы документов не проверен. Релевантность определяется перекрытием с размеченными эталонными фрагментами QMSum.

Qwen-3.8-27B-Uncensored-GGUF — это квантизированная GGUF-версия модели Qwen-3.8-27B-Uncensored, разработанной junafinity и подготовленной к распространению mradermacher. Модель относится к семейству Qwen, имеет размер 27 млрд параметров и предназначена для задач генерации и обработки текста, а также, судя по наличию мультимодальных компонентов, для сценариев image-text-to-text с анализом изображений и текстовыми ответами. В README указан английский язык; сведения о поддерживаемых языках помимо него отсутствуют. Модель доступна в вариантах квантования от Q2_K до Q8_0 и с дополнительными мультимодальными модулями mmproj. Варианты различаются размером, требованиями к памяти и качеством: Q4_K_S и Q4_K_M обозначены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди перечисленных. Квантование упрощает локальный запуск, но может снижать точность по сравнению с полной версией; конкретные характеристики архитектуры, размер контекста и результаты тестирования не указаны. Модель помечена как uncensored и abliterated, поэтому стандартные ограничения поведения могут отличаться от обычных инструкционных моделей; это может быть полезно для менее ограниченных исследовательских и экспериментальных сценариев, но требует дополнительной проверки безопасности и качества ответов. Для мультимодальной работы необходим соответствующий mmproj-файл. Лицензия — Apache-2.0.

cointegrated/rubert-tiny — компактная дистиллированная модель семейства BERT для русского и английского языков. Она содержит около 12,1 млн параметров, использует архитектуру BertForPreTraining и принимает последовательности длиной до 512 токенов. Модель обучалась с MLM-loss на корпусах Yandex Translate, OPUS-100 и Tatoeba; при обучении также применялись дистилляция от bert-base-multilingual-cased и функции потерь для ранжирования переводов и выравнивания предложений. Модель подходит для заполнения маскированных токенов и как компактная основа для дообучения на простых задачах NLU, например классификации тональности и распознавания именованных сущностей. Вектор представления [CLS] можно использовать как межъязыковое представление предложений на русском и английском языках. Она примерно в десять раз меньше и быстрее BERT базового размера, но уступает ему в точности; автор README рекомендует более новую rubert-tiny2 для лучшего качества на большинстве русскоязычных NLU-задач. Репозиторий содержит веса PyTorch и safetensors и распространяется по лицензии MIT.

Японская модель Sentence Transformer, разработанная kushalc1 на основе sbintuitions/sarashina-embedding-v2-1b и дообученная на датасете JSTS для сравнения смысловой близости текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1792 и использует косинусное сходство; архитектура включает трансформер Llama с pooling по последнему токену. Контекст — до 8192 токенов. Обучение с MatryoshkaLoss позволяет усекать векторы до 1280, 768, 256 или 64 измерений, сохраняя близкое качество на приведённых тестах JSTS. Модель предназначена для семантического поиска, поиска перефразировок, кластеризации, классификации текста и оценки сходства японских текстов. В README приведены результаты Spearman для сходства текстов: 0,7435 при 1792 измерениях и 0,7389 при 64. Поддержка других языков не заявлена. В метаданных указан формат safetensors; лицензия не предоставлена.

kornwtp/simcse-model-phayathaibert — модель эмбеддингов предложений на архитектуре CamemBERT, обученная разработчиком с помощью SimCSE на тайской Википедии. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 304,7 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. Модель подходит для поиска семантически близких текстов на тайском языке и группировки предложений по смыслу. Доступны веса PyTorch; лицензия — Apache-2.0. Ограничения: карточка сообщает об обучении на тайской Википедии, поэтому пригодность для других языков и доменов не подтверждена.

SpeakerKit Pro — модель для распознавания речи и определения говорящих, опубликованная Argmax. Репозиторий содержит формат Core ML и предназначен для использования с библиотекой WhisperKit; по карточке Hugging Face основная задача модели — автоматическое распознавание речи. Модель принимает аудио и может применяться в сценариях, где нужно преобразовать запись в текст. Теги репозитория указывают на связь с Whisper и diarization, однако README не описывает точные возможности разделения речи по говорящим, архитектуру, размер, языки или длину контекста. В карточке указана лицензия other, поэтому условия использования следует сверить с сопровождающей документацией. README содержит ссылки на блог, TestFlight и исследовательскую статью, но не приводит сведений о качестве распознавания или известных ограничениях.

SQLCoder 34B Alpha — языковая модель, разработанная Defog.ai для генерации SQL-запросов по вопросам пользователя и описанию схемы базы данных. В данном репозитории представлена TheBloke в формате GGUF, предназначенном для локального запуска и инференса с использованием llama.cpp и совместимых инструментов. Модель основана на архитектуре Llama, содержит около 34 миллиардов параметров и ориентирована на англоязычные сценарии. Она принимает текстовые инструкции и схему базы данных, после чего формирует SQL-запрос для ответа на заданный вопрос. Доступны варианты с 2-, 3-, 4-, 5-, 6- и 8-битной квантизацией, что позволяет выбирать баланс между качеством, требованиями к памяти и скоростью работы на CPU и GPU. Размер контекстного окна в README не указан. Сильная сторона модели — специализация на преобразовании естественно-языковых запросов в SQL с учетом структуры таблиц и связей между ними. Ограничения включают узкую предметную направленность, зависимость качества от полноты и точности переданной схемы, а также возможные потери качества в квантизированных версиях. Модель предназначена для текстовой генерации и не поддерживает мультимодальные входы по указанным данным. Лицензия — CC BY 4.0.

Oblix15/tsdae-financiero — текстовая модель Sentence Transformer на архитектуре BERT, обученная для представления предложений и абзацев в виде плотных векторов размерности 768. Модель предназначена для поиска и сравнения текстов по косинусному сходству; обучение выполнено с DenoisingAutoEncoderLoss на 36 035 парах предложений из финансового контекста на испанском языке. Модель принимает текст, использует CLS-пулинг и рассчитана на последовательности длиной до 75 токенов. Метаданные указывают 137,1 млн параметров и максимальный контекст 512 токенов; для практического использования следует учитывать более короткий лимит из карточки модели. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

ukr-detect/ukr-emotions-classifier — модель классификации текста, разработанная ukr-detect для распознавания эмоций в украинских текстах. Она дообучена на intfloat/multilingual-e5-large на обучающей части набора ukr-detect/ukr-emotions-binary и использует архитектуру XLM-RoBERTa с классификационной головой. Модель содержит 658,7 млн параметров, принимает текст с контекстом до 514 токенов и для каждой эмоции выдаёт метку 0 или 1. Классификатор определяет радость, гнев, страх, отвращение, удивление, грусть и отсутствие этих эмоций. Он допускает несколько эмоций одновременно и подходит для анализа сообщений и других коротких украинских текстов. В отчёте на тестовой части датасета F1 для радости составил 0,73, для страха — 0,81, для гнева — 0,31; качество зависит от класса, а низкий recall для гнева указывает на частые пропуски этой эмоции. Лицензия модели — OpenRAIL++; перед использованием следует учитывать её условия.

Wav2Vec_VinData — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст. В README приведены результаты оценки: WER 0,3143, CER 0,1316 и loss 0,8569. Данные обучения и оценки, целевой язык и предполагаемые сценарии применения не описаны, поэтому эти результаты не позволяют определить качество модели для конкретного языка или условий записи. Модель распространяется по лицензии Apache-2.0.

whisper-accent-medium.en — дообученная модель на основе OpenAI Whisper medium.en для распознавания и транскрибирования английской речи с разными акцентами. Она использует архитектуру Whisper и реализует обусловливание декодера на выученные представления акцентов через Adaptive Layer Normalization (AdaLN). Акцент оценивается по скрытым состояниям энкодера с помощью классификатора, а обучались только добавленные компоненты и представления акцентов; энкодер и декодер Whisper оставались замороженными. Всего в модели 839 897 904 параметра, около 9% из них обучались. Модель предназначена для транскрибации английской речи с разнообразными акцентами. В README указаны результаты оценки: WER 0,0939 и точность определения акцента 0,9615. Это результаты на наборе оценки, поэтому качество на других аудиозаписях может отличаться. Модель распространяется по лицензии Apache-2.0 и сохранена в формате safetensors.