I.3Извлечение и структурирование данных

freococo разработал компактную модель распознавания речи на бирманском языке, обученную с нуля на 1,66 млн высказываний. Модель состоит из 12-слойного Conformer-энкодера с совместными CTC- и attention-декодерами и содержит около 23,8 млн параметров. Она преобразует аудио в текст на бирманском, выдавая последовательности слогов. Для работы требуется монофонический звук с частотой 16 кГц; скрипт транскрипции может автоматически привести распространённые аудиоформаты к этим параметрам. Модель рассчитана на разные типы речи, включая новости, разговорную речь и чтение, и подходит для запуска на CPU и потребительских GPU. На отложенной выборке указана частота ошибок по слогам SER 9,42%, а на независимой веб-выборке — 12,30%. Вес модели опубликован в формате safetensors, библиотека — PyTorch. Лицензия Apache 2.0.

Nex-N2.5-Pro-GGUF — это набор квантованных версий текстовой генеративной модели Nex-N2.5-Pro, разработанной nex-agi и преобразованной в формат GGUF пользователем bartowski. Квантование выполнено с использованием llama.cpp версии b10896 и imatrix. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая llama.cpp. Модель имеет 397 млрд параметров и поддерживает только текстовый ввод. Спекулятивное декодирование не поддерживается. Доступны варианты квантования от Q8_0 до IQ1_S, размером примерно от 87,87 до 421,57 ГБ. Версии с более высокой точностью обеспечивают лучшее качество, но требуют значительно больше памяти; Q4_K_M обозначена как рекомендуемый компромисс между размером и производительностью. README не содержит сведений о языках, длине контекста, внутренней архитектуре, результатах тестирования или конкретных прикладных сценариях. Модель распространяется по лицензии Apache-2.0.

proxectonos/Nos_ASR-wav2vec2-xls-r-300m-gl — модель распознавания галисийской речи, созданная Proxecto Nós дообучением Facebook Wav2Vec2 XLS-R 300M. Она преобразует аудио в текст и предназначена для транскрибации галисийских записей; модель оценивали на тестовых выборках Common Voice 17.0, OpenSLR77, FalAI, FLEURS и Nos_ParlaSpeech-GL. Архитектура — Wav2Vec2ForCTC, число параметров — 402,7 млн; веса опубликованы в формате safetensors. В README приведены результаты WER, CER и RTF для части корпусов, включая WER 4,39 на FalAI и 7,85 на Common Voice 17.0. Модель распространяется по лицензии Apache-2.0.

NovaSpark — чат-модель на базе Llama 3.1, разработанная Epiculous и дообученная на версии SuperNova-lite от GrimJim с частично ослабленными отказами. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста в диалогах, следования инструкциям и ролевых сценариев; обучена на шаблоне Llama Instruct. Автор отмечает, что дообучение частично восстановило отказы, ранее ослабленные в базовой модели, поэтому эффект снижения отказов неполный. Модель распространяется в формате Safetensors; для неё также заявлены варианты квантования EXL2 и GGUF. Лицензия — Apache-2.0.

Jebadiah/OpenBio-gem-p1 — языковая модель, созданная разработчиком Jebadiah путём объединения предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована Jebadiah/gradient-1m-OpenBio-stone-l3-8b, также в слияние включена Jebadiah/dolphin-hermes-stone-l3-8b-1m. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; заявленное контекстное окно составляет 1 048 576 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не описывает качество на отдельных задачах, языковой охват или ограничения. Информация о лицензии отсутствует в предоставленных данных.

Palette-K-Midm — дообученная компанией Palette Lab модель KT Mi:dm-2.0 для подготовки корейских корпоративных документов. Она специализируется на извлечении решений из протоколов совещаний и генерации структурированного ответа, например JSON. Модель основана на плотной архитектуре Llama с 11 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Для адаптации применён QLoRA с LoRA ранга 8: обучение на 397 синтетических примерах продолжалось одну эпоху, чтобы сохранить возможности базовой модели. В бенчмарке PALETTE-BENCH-KO v0.2 модель набрала 0,866 и заняла первое место среди семи моделей; преимущество над базовой моделью составило 0,010 на выборке из 32 заданий и не свидетельствует о превосходстве в общем понимании корейского языка. Извлечение решений из протоколов не улучшилось относительно базы, а интенсивное дообучение той же базы ухудшило результаты из-за катастрофического забывания. Модель лицензирована по Apache-2.0; базовая модель распространялась по MIT.

gokaygokay/paligemma-rich-captions — дообученная модель семейства PaliGemma, разработанная автором репозитория на базе PaliGemma и обученная на датасете google/docci. Она принимает изображение и текстовый запрос и формирует текстовое описание изображения длиной примерно 200–350 символов. Модель предназначена для создания более подробных подписей к изображениям; автор отмечает снижение числа галлюцинаций. Модель использует архитектуру PaliGemma для условной генерации текста по изображению. В метаданных указаны поддержка английского языка, библиотека Transformers и формат весов safetensors. Лицензия — Apache-2.0. Данные не сообщают размер модели или длину контекста.

NVIDIA Parakeet-RNNT 110M Danish — модель автоматического распознавания речи с 110 млн параметров для преобразования датской речи в текст. Она предназначена для транскрибирования аудиозаписей и интеграции в приложения распознавания речи. Модель использует архитектуру FastConformer с предсказательной сетью LSTM и обучена с функцией потерь RNN-T. На вход подаётся монофоническое аудио с частотой 16 кГц, на выходе — строка с распознанным текстом. В README приведены оценки WER от 8,8% до 10,7% на датских тестовых наборах при жадном декодировании без внешней языковой модели. Для работы используется NVIDIA NeMo; модель оптимизирована для систем с GPU NVIDIA. Модель подходит для коммерческого и некоммерческого использования согласно README. В метаданных указана лицензия other, поэтому перед внедрением следует проверить применимые условия распространения и использования. Качество может зависеть от акустики, акцента и соответствия аудио обучающим данным; заявленные оценки относятся к указанным наборам и настройке декодирования.

Qwen2-1.5B — базовая языковая модель с 1,5 млрд параметров из семейства Qwen2, разработанного командой Qwen. Это плотная авторегрессионная модель на архитектуре Transformer с активацией SwiGLU, смещениями в QKV-проекциях внимания и групповым запросным вниманием. Модель предназначена для дообучения и продолжения предварительного обучения; разработчик не рекомендует использовать базовую версию напрямую для генерации текста. Модель работает с текстом и использует токенизатор, рассчитанный на разные естественные языки и языки программирования. Заявленная длина контекста — до 131 072 токенов. В оценках проверялись понимание и генерация текста, вопросы и ответы, код, математика, рассуждения и многоязычные задачи, включая английский и китайский. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

Мультимодальная модель Qwen2-VL-7B-Instruct-4bit, опубликованная thanhkyanh как дообучение unsloth/qwen2-vl-7b-instruct-unsloth-bnb-4bit. Она предназначена для диалога по изображениям: принимает текстовые запросы и изображения, а в ответ формирует текст. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2-VL и поддерживает контекст до 32 768 токенов. Карточка сообщает, что обучение проводилось с библиотеками Unsloth и Hugging Face TRL; лицензия — Apache-2.0. Метаданные указывают английский язык. Данных о качестве на конкретных наборах изображений или о дополнительных возможностях, помимо чата и работы с изображениями, карточка не приводит.

Это квантованная в формате GGUF версия модели Qwen3.5-2B-Opus-Distilled-Heretic-Thinking-Multistage-SFT-v1.0, разработанной prithivMLmods и дополнительно подготовленной (quantized by) mradermacher. Модель предназначена для локального запуска и текстовой генерации, включая задачи рассуждения, логического анализа, решения задач, математики и многоцелевого применения. Согласно карточке, модель поддерживает английский язык, имеет контекст до 32 тысяч токенов и относится к vision-моделям; для работы с визуальными входами могут потребоваться отдельные файлы mmproj из статического репозитория. Доступны многочисленные варианты квантования GGUF с объёмом примерно от 0,8 до 1,3 ГБ, включая IQ- и Q-форматы. Более компактные варианты экономят память, но могут заметно уступать по качеству; в README также отмечено, что некоторые варианты имеют низкое качество. Модель удобна для запуска на локальном оборудовании и совместима с экосистемой Transformers, а также сценариями text-generation-inference и vLLM. При этом в предоставленных данных нет сведений о точной архитектуре, результатах бенчмарков, производительности, поддерживаемых языках помимо английского и фактическом качестве визуального понимания. Распространяется по лицензии Apache-2.0.

tvall43/Qwen3.5-4B-heretic — дообученная версия мультимодальной модели Qwen3.5-4B, созданная на основе Qwen/Qwen3.5-4B и опубликованная в формате Transformers. Это диалоговая модель с плотной архитектурой Qwen3.5 и поддержкой изображений; размер базовой модели — 4 млрд параметров, нативная длина контекста — 262 144 токена. Модель предназначена для диалога и понимания изображений. Автор сообщает, что применил abliteration: в приведённом сравнении доля отказов снизилась с 99 из 100 у исходной модели до 8 из 100, при KL-дивергенции 0,0361. Это указывает на существенно меньшее число отказов, но не гарантирует точность ответов или безопасность в конкретных сценариях. README описывает возможности базовой Qwen3.5, включая широкую языковую поддержку и работу с инструментами; отдельные языки и их приоритеты для этой производной версии не перечислены. Для запуска подходят Transformers и совместимые серверные движки, включая vLLM, SGLang и KTransformers. Модель распространяется по лицензии Apache-2.0.

Qwen3.5-9B-MLX-4bit — это 4-битная квантизированная версия мультимодальной модели Qwen3.5-9B, предназначенная для задач преобразования изображений и текста в текст. Исходную модель разработала команда Qwen, а квантизацию в формате MLX выполнила команда LM Studio с использованием библиотеки mlx_vlm. Модель имеет около 9 млрд параметров и оптимизирована для запуска на компьютерах Apple Silicon. Она может применяться для работы с текстовыми и визуальными входными данными, однако README не содержит подробностей о поддерживаемых языках, размере контекста, точных возможностях обработки изображений, требованиях к памяти и показателях качества. Квантизация снижает требования к ресурсам и может облегчать локальный запуск, но потенциально уменьшает точность по сравнению с полной версией модели. Модель распространяется по лицензии Apache-2.0. Она предназначена для локального использования в среде, совместимой с MLX; совместимость и производительность на аппаратуре, отличной от Apple Silicon, в README не заявлены.

Мультимодальная модель ranjith0909, дообученная на базе Qwen/Qwen3.5-9B с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors; модель поддерживает диалог, интерфейс вызова инструментов и работу с изображениями. Модель предназначена для задач image-text-to-text: принимает текст и изображения и формирует текстовые ответы. Базовая Qwen3.5-9B рассчитана на диалог, анализ изображений, рассуждения, программирование и агентные задачи, однако README не описывает специфическую обучающую цель этого дообучения и не приводит оценок качества. Модель выпущена под лицензией Apache-2.0. Для конкретного набора задач и языкового покрытия этого чекпойнта сведений в карточке нет.

Qwen3.5-Flash — модель семейства Qwen3.5 от Qwen, предназначенная для работы с изображениями и текстом. По доступным сведениям, она использует гибридную архитектуру, сочетающую линейный механизм внимания и разреженную смесь экспертов (MoE), чтобы повысить эффективность инференса. Модель подходит для сценариев, где нужно анализировать визуальный материал и формировать текстовый ответ. README сообщает об архитектуре, но доступный фрагмент не раскрывает конкретные возможности, языки, размер модели или длину контекста. Лицензия в предоставленных данных не указана.

jenerallee78/Qwen3.6-35B-A3B-Abliterix-EGA-abliterated — мультимодальная модель для преобразования изображений и текста в текст, созданная на базе Qwen/Qwen3.6-35B-A3B. Релиз подготовлен с применением Abliterix, техники Expert-Granular Abliteration (EGA), разработанной wuwangzhang1216, в сочетании с вариантом projected abliteration от grimjim. Модель позиционируется как uncensored-конфигурация базовой модели. Модель предназначена для диалоговых сценариев и задач image-text-to-text, включая работу с изображениями и текстовыми запросами. В карточке указаны поддерживаемые языки English и Chinese, мультимодальность с поддержкой vision, архитектурный класс Mixture-of-Experts (MoE) и размер 35B-A3B, унаследованный от базовой Qwen3.6. Размер контекста и точный перечень поддерживаемых форматов входных данных в представленном README не указаны. Ключевая особенность модели — снижение склонности к отказам после изменения весов. На 507 оценённых запросах HarmBench показатель отказов составил 10,5% по оценке GPT-4o-mini, 6,9% по оценке Gemini 3 Flash Preview и 6,3% по классификатору HarmBench; среднее качество выполнения составило 4,55 и 4,74 из 5 соответственно. При этом результаты зависят от используемого оценщика и методики, а изменение весов может влиять на безопасность и предсказуемость поведения. Модель распространяется по лицензии AGPL-3.0.

Qwen3.8-27B-Abliterated-SFT — модель, опубликованная пользователем jenerallee78 и созданная на базе Qwen/Qwen3.8-27B. Это дообученная SFT-модель с удалёнными или ослабленными отказами от выполнения запросов; обучение выполнено методом LoRA ранга 8 за 2 эпохи на 84 отфильтрованных учительских ответах, после чего адаптация была объединена с полным чекпойнтом. Модель предназначена для генерации текста и сценариев, где требуется более высокая готовность отвечать на пограничные запросы, включая локальный запуск через llama.cpp, Transformers и, потенциально, vLLM. Архитектура плотная гибридная: 64 слоя, из которых 48 используют Gated-DeltaNet, а 16 — полноценное внимание. Чекпойнт также содержит встроенную vision tower, поэтому поддерживает обработку изображений и текста; для GGUF предусмотрен отдельный vision-модуль. Указана совместимость с 262 тысячами токенов контекста в проверенной конфигурации llama.cpp. Для Transformers требуется версия transformers не ниже 5.8. Модель доступна в формате safetensors BF16 и в вариантах GGUF, включая рекомендуемый для локального запуска Q8_0. Сильная сторона модели — заметное снижение частоты отказов: на held-out HarmBench-400 заявлены 83,25% успешных выполнений по локальному семантическому оцениванию и 73,25% по официальному классификатору HarmBench. Однако поведение чувствительно к системному промпту, режиму рассуждений и параметрам декодирования: агентские фреймы и включённое thinking могут усиливать отказы, а приведённые показатели измерены при минимальном системном промпте, greedy-декодировании и отключённом thinking. Работа vLLM не была проверена авторами, а заявленная устойчивость GGUF относится только к узкому набору тестов. Модель распространяется по лицензии Apache-2.0.

jasonboukheir/Qwen3.8-27B-AEON-Ultimate-Uncensored-BF16-W4A16-AutoRound — квантованный производный вариант модели AEON-7/Qwen3.8-27B-AEON-Ultimate-Uncensored-BF16. Модель разработана для запуска и обслуживания через vLLM, прежде всего на Intel XPU. Она сочетает языковую часть с мультимодальной vision tower и поддерживает обработку текста и изображений; точный список языков в README не указан. Весовая часть преобразована методом AutoRound в формат W4A16: симметричные INT4-веса с размером группы 128 и активациями BF16. Артефакт экспортирован в compressed-tensors с упаковкой pack-quantized; vision tower и MTP-тензоры сохранены в BF16. Архитектура исходной модели объединяет слои linear attention и периодические слои full attention, а заявленное максимальное окно обслуживания составляет 65 536 токенов. Размер полного опубликованного checkpoint — около 18,12 ГиБ. Сильными сторонами являются снижение требований к памяти благодаря квантованию, поддержка мультимодальных запросов и проверенная работа W4A16-ядра на Intel XPU. Ограничения включают отсутствие опубликованных оценок perplexity, качества, производительности и соответствия исходной BF16-модели. Использование FP8 KV-cache не рекомендуется: в тестах оно приводило к сильным повторениям, тогда как нативный BF16 cache обеспечивал связную генерацию. Совместимость с другим оборудованием и движками не подтверждена, а для vLLM требуется поддержка соответствующей архитектуры и XPU-ядер. Модель унаследовала от исходной модели статус uncensored и связанные риски генерации неточного, вредного или оскорбительного контента. Лицензия в предоставленном README не указана.

Qwen3.8-27B-GGUF — квантованное представление модели Qwen3.8-27B, разработанной командой Qwen. Модель опубликована в формате GGUF организацией ggml-org и предназначена для запуска через совместимые инструменты, включая llama.app и llama.cpp-совместимую инфраструктуру. Согласно карточке, модель относится к классу image-text-to-text, то есть предназначена для обработки изображений и текста с генерацией текстовых ответов. Указан размер базовой модели — 27B параметров. Точные сведения об архитектуре, поддерживаемых языках, размере контекста, используемых вариантах квантования и фактических мультимодальных возможностях в README отсутствуют. Формат GGUF и квантование могут упростить локальный запуск и снизить требования к памяти по сравнению с полноразмерной версией, однако конкретные компромиссы между качеством и ресурсопотреблением не описаны. Ограничения модели, результаты тестирования и рекомендуемые сценарии применения также не приведены. Модель распространяется по лицензии Apache-2.0.

slevinw/Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — GGUF-версия модели на базе Qwen/Qwen3.8-27B, дополнительно модифицированная методом ARA (Arbitrary-Rank Ablation). Основой послужила abliteration-версия Tim Rohrbaugh, после чего автор репозитория выполнил ещё два прохода оптимизации полных весов. Модель предназначена для генерации текста, включая исследования, творческое письмо и roleplay, а также сценарии, где требуется сниженное количество отказов на чувствительные или вредоносные запросы. Она рассчитана на совершеннолетнюю аудиторию и ответственное использование. Архитектура относится к семейству Qwen3.8 и обозначена как qwen3_5_text; используется гибрид Gated DeltaNet с 64 слоями, включая 16 стандартных attention-слоёв и 48 слоёв линейного внимания Gated DeltaNet. Объём модели составляет 27 млрд параметров, размер скрытого представления — 5120, применяются 24 attention heads, 4 KV heads с GQA и размерностью головы 256. Словарь содержит 248 320 токенов, контекст — до 262 144 токенов. Формат GGUF предназначен для запуска через llama.cpp; доступны варианты с поддержкой MTP для speculative decoding. Ключевая особенность модели — намеренное ослабление защитных механизмов: по данным README, доля отказов на тестовых вредоносных запросах снижена с 3 из 100 у исходной abliteration-версии до 0–1 из 100, при заявленном низком поведенческом отклонении KL примерно 0,0085. Это может быть преимуществом для uncensored-генерации и исследовательских задач, но одновременно означает повышенные риски неправильного или незаконного применения и отсутствие стандартного уровня защитных ограничений. Модель распространяется по лицензии Apache-2.0, унаследованной от Qwen3.8-27B.

Qwen3.8-Flash-Next-4bit-paged — это 4-битная квантованная vision-language модель для задач image-text-to-text, основанная на Qwen/Qwen3.8-Flash-Next. Сборку разработала GreenBitAI на базе MLX-версии от Vontra; модель использует архитектуру mixture-of-experts и предназначена прежде всего для запуска на компьютерах Apple Silicon через совместимый стек gbx_lm. Главная особенность сборки — экспертная постраничная загрузка: резидентные веса, маршрутизируемые эксперты и n-gram-таблица хранятся в отдельных контейнерах и подгружаются по мере необходимости. Общий объём файлов составляет около 105,46 ГиБ, включая 70,31 ГиБ экспертов и 29,80 ГиБ n-gram-таблицы. При достаточном объёме памяти модель работает штатным способом, а при нехватке памяти может читать данные с диска. В комплект также входит отключённая по умолчанию multi-token prediction head для speculative decoding; на Mac Studio с M3 Ultra она показала ускорение до 2,44 раза. Сборка сохраняет исходные квантование, токенизатор, chat template и лицензию базовой модели. Проверки заявляют совпадение logits с исходной сборкой на большинстве тестов и идентичные жадные токены в более длинном тесте. Ограничениями являются очень большой размер файлов, зависимость от MLX и Apple Silicon, необходимость специального загрузчика gbx_lm, а также отсутствие в README точных сведений о числе параметров, поддерживаемых языках и максимальном контексте. Лицензия указана как qwen-community-1.0.

mlx-community/Qwen3-VL-4B-Instruct-4bit — мультимодальная instruction-tuned модель, преобразованная сообществом mlx-community в формат MLX из Qwen/Qwen3-VL-4B-Instruct с использованием mlx-vlm версии 0.3.4. Модель предназначена для задач image-text-to-text, включая обработку изображений и генерацию текстовых ответов по инструкциям, например описание изображений. Для работы используется библиотека mlx-vlm. Модель имеет размер 4B параметров и поставляется в 4-битном формате, что ориентировано на более эффективное использование памяти и вычислений на совместимом оборудовании Apple MLX. README не содержит подробностей об архитектуре, поддерживаемых языках, максимальной длине контекста, перечне модальностей и результатах оценки качества. Ограничения производительности и совместимости также зависят от исходной модели и среды MLX. Модель распространяется по лицензии Apache-2.0.

ersindemirel94/qwen_ps_v1 — дообученная разработчиком ersindemirel94 мультимодальная модель семейства Qwen3.5 на базе Qwen/Qwen3.5-2B. Она предназначена для диалогов и задач преобразования изображений и текста; архитектура — плотная Qwen3_5ForConditionalGeneration, веса представлены в формате safetensors. В метаданных заявлены поддержка зрения и интерфейс вызова инструментов. Базовая модель содержит 2 млрд параметров; карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL, но не описывает конкретный набор данных, специализацию дообучения или результаты оценки. Поэтому качество на отдельных задачах и практические ограничения по сценариям использования карточка не устанавливает.

Карточка модели ersindemirel94/qwen_ps_v1v на Hugging Face совпадает с карточкой ersindemirel94/qwen_ps_v1, поэтому описание составлено по ней. ersindemirel94/qwen_ps_v1 — дообученная разработчиком ersindemirel94 мультимодальная модель семейства Qwen3.5 на базе Qwen/Qwen3.5-2B. Она предназначена для диалогов и задач преобразования изображений и текста; архитектура — плотная Qwen3_5ForConditionalGeneration, веса представлены в формате safetensors. В метаданных заявлены поддержка зрения и интерфейс вызова инструментов. Базовая модель содержит 2 млрд параметров; карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL, но не описывает конкретный набор данных, специализацию дообучения или результаты оценки. Поэтому качество на отдельных задачах и практические ограничения по сценариям использования карточка не устанавливает.

Replete-LLM-V2-Llama-3.1-8b-GGUF — набор GGUF-квантизаций модели Replete-LLM-V2-Llama-3.1-8b, разработанной Replete-AI и подготовленной пользователем bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и локального запуска, в частности через LM Studio. В README указан английский язык и лицензия Apache-2.0. Модель основана на архитектуре Llama 3.1 и имеет 8 миллиардов параметров. Доступны варианты от F16 до низкобитных Q2 и IQ-квантизаций, различающиеся размером файла, требованиями к памяти и качеством генерации. Рекомендуемые варианты включают Q4_K_M, Q5_K_M, Q6_K и другие; более компактные версии подходят для систем с ограниченным объёмом RAM, но обеспечивают более низкое качество. Указанная модальность — текстовая; размер контекста в README не приведён. Основные сильные стороны набора — широкий выбор квантизаций, возможность локального использования и компромисс между качеством и потреблением памяти. Ограничения включают отсутствие подробных сведений о результатах оценки, возможностях на других языках, специализации модели и размере контекстного окна; качество также зависит от выбранного варианта квантизации. Для работы следует использовать указанный формат промпта Llama 3.1 и совместимый GGUF-движок.

leomaurodesenv/roberta-base-answerable-or-not-augmented — модель классификации текста на основе RoBERTa-base, дообученная автором репозитория на неизвестном наборе данных. По названию модель предназначена для определения, является ли вопрос или запрос ответимым; в README приведены результаты оценки: точность 0,9221 и loss 0,2822. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текст длиной до 514 токенов. Базовая модель ориентирована на английский язык. Весовые файлы представлены в формате safetensors, библиотека — Transformers. Лицензия — MIT. README не раскрывает состав обучающих данных, точное определение классов и методику оценки, поэтому результаты нельзя напрямую переносить на другие данные или сценарии.

Røst-wav2vec2-315m-v2 — датская модель автоматического распознавания речи, разработанная компанией Alvenir в рамках проекта CoRal. Это Wav2Vec2ForCTC, дообученная на базе facebook/wav2vec2-xls-r-300m на корпусе CoRal-v2, содержащем разговорную и начитанную датскую речь разных возрастных групп, полов и диалектов. В метаданных указано 402,7 млн параметров; файлы представлены в формате safetensors. Модель предназначена для транскрибирования датской речи, в том числе диалектной, в разговорных записях и начитанном аудио. В оценке на CoRal-v2 для начитанной речи указаны CER 6,5% и WER 16,3%; результаты на разговорной речи предварительные и получены на тестовой выборке всего с пятью дикторами. Для оценки применялась языковая модель как постобработка. Модель распространяется по лицензии OpenRAIL, адаптированной под лицензию CoRal-v2. README указывает, что коммерческое использование допускается с ограничениями, включая синтез речи и биометрическую идентификацию; следует ознакомиться с условиями лицензии перед использованием.

Модель j-hartmann/sentiment-roberta-large-english-3-classes — англоязычный классификатор тональности на базе RoBERTa, разработанный J. Hartmann и дообученный на 5 304 вручную размеченных публикациях из социальных сетей. Она относит текст к одному из трёх классов: положительная, нейтральная или отрицательная тональность. Модель подходит для анализа отзывов, сообщений и публикаций на английском языке, в том числе для автоматической разметки тональности в потоках пользовательского контента. Это плотная архитектура RoBERTa с классификационной головой, около 454,1 млн параметров и контекстом до 514 токенов. В README указана точность 86,1% на отложенной выборке. Модель принимает текст и выдаёт метки классов с оценками. Обучающие данные ограничены небольшим набором вручную размеченных публикаций в социальных сетях, поэтому точность на других жанрах и предметных областях может отличаться. Репозиторий распространяет веса в формате PyTorch; лицензия в предоставленных данных не указана.

IIS-NLP/sigma-cls — модель классификации текста на базе SetFit, созданная дообучением NovaSearch/stella_en_400M_v5. Она сочетает Sentence Transformer с классификационной головой SetFitHead и обучена методом few-shot: контрастивное дообучение энкодера дополняется обучением классификатора. Модель предназначена для отнесения текстов к одному из семи классов; в примерах меток указаны мозговой штурм, программирование и извлечение информации. Модель содержит 433,9 млн параметров. В метаданных указан контекст 8192 токена, а в README — максимальная длина последовательности 512 токенов. Базовая Stella ориентирована на английский язык, поэтому подтверждённая область применения модели — классификация англоязычных текстов. Указанная лицензия в доступных данных отсутствует.

wwydmanski/specter2_pubmed-v0.5 — дообученный Sentence Transformer на базе allenai/specter2_base, созданный для семантического поиска и сопоставления научных текстов. Модель использует BERT-энкодер с усреднением токенных представлений и формирует плотные векторы размерности 768; максимальная длина входа — 512 токенов. Сходство между векторами можно оценивать косинусной мерой. Модель обучена на наборе из 10 053 примеров с парами релевантных и трудных отрицательных текстов. В README сообщается о среднем NDCG 85 на наборах Relish, NFCorpus и TREC CoVID, выше результата Proximity adapter (84,1). Её можно применять для поиска публикаций по запросу, ранжирования научных текстов, поиска парафраз, кластеризации и классификации на основе эмбеддингов. Лицензия в предоставленных данных не указана.