I.3Извлечение и структурирование данных

Stanza model for Slovenian — языковой NLP-модель проекта Stanza, разработанного исследователями Stanford NLP. Она предназначена для лингвистического анализа словенского текста; Stanza предоставляет инструменты от обработки исходного текста до синтаксического анализа и распознавания сущностей. В репозитории доступны веса PyTorch, а основная задача модели в каталоге Hugging Face — классификация токенов. Модель подходит для разметки словенского текста в NLP-конвейерах, включая задачи распознавания сущностей. В карточке не приведены размер модели и длина контекста. Модель распространяется по лицензии Apache-2.0.

Terminal-data_processing — дообученная на базе Qwen/Qwen3-8B языковая модель от автора репозитория cuong1692001. Она предназначена для генерации текста в диалоговом формате и обработки данных терминального типа; обучение проводилось на наборах nemotron_easy_data_processing, nemotron_medium_data_processing и nemotron_mixed_data_processing. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; максимальный контекст составляет 40 960 токенов. Модель подходит для сценариев, где требуется преобразовать или обработать структурированные данные по текстовому запросу. Карточка не приводит конкретных результатов оценки или подробных ограничений. Лицензия указана как other, поэтому условия использования следует уточнить по материалам репозитория.

Voicelab/vlt5-base-keywords — модель генерации ключевых фраз, обученная NLP Research Team компании Voicelab.ai на научных аннотациях и заголовках из польского корпуса POSMAC. Это энкодер-декодер на архитектуре T5 с 137,5 млн параметров, основанный на t5-base. Модель получает заголовок и аннотацию статьи и генерирует ключевые слова, используя как извлечение фраз из текста, так и абстрактивную генерацию. Модель рассчитана прежде всего на польский и английский языки и может применяться для автоматической индексации научных публикаций, подготовки метаданных и поиска статей по содержанию. Обычно для аннотации сопоставимой с обучающими данными длины она генерирует около 3–5 ключевых фраз. Более длинный текст рекомендуется разделять на небольшие фрагменты. Ключевое ограничение — результат может быть точным, но неполным; длина входного текста и число ключевых слов влияют на соответствие обучающим данным. Репозиторий распространяется по лицензии CC BY 4.0.

mozilla.ai дообучила модель openai/whisper-large-v3-turbo для распознавания речи на бенгальском языке. Это плотная модель Whisper с архитектурой WhisperForConditionalGeneration и 905,2 млн параметров, предназначенная для преобразования бенгальской аудиозаписи в текст. Дообучение выполнено на 21 409 аудиозаписях бенгальского раздела CV Corpus 21.0. В README приведены результаты дообучения: нормализованная частота ошибок слов снизилась с 78,843 до 11,053, а нормализованная частота ошибок символов — с 62,521 до 6,059. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

FacebookAI публикует XLM-RoBERTa-large, дообученную на нидерландской части датасета CoNLL-2002. Это многоязычная трансформерная модель архитектуры XLM-RoBERTa с 658,7 млн параметров и контекстом до 514 токенов; в репозитории представлены веса PyTorch. Модель предсказывает пропущенные токены, а дообученная версия предназначена для разметки токенов в нидерландском тексте. Основные сценарии применения — распознавание именованных сущностей и разметка частей речи. Также модель можно использовать для заполнения пропусков в тексте. В карточке указано обучение XLM-RoBERTa на 100 языках, но специализированное дообучение выполнено на нидерландском датасете CoNLL-2002, поэтому качество для других языков и задач разметки может отличаться. Лицензия в карточке не определена.

ZDTaichu5.0-9B — мультимодальная модель общего назначения от TaichuAI для визуального понимания, пространственных рассуждений и агентных задач. Она сочетает языковую основу Qwen3.5-9B с визуальным энкодером C-RADIOv4-H; модель относится к семейству ZDTaichu5.0 и имеет плотную архитектуру. В метаданных указан формат safetensors. Модель принимает текст, изображения и видео, включая изображения высокого разрешения, и поддерживает контекст до 128 тысяч токенов. Модель предназначена для ответов на вопросы по изображениям и видео, чтения документов и графиков, визуальной математики, анализа пространственных отношений и сцен, а также многошагового использования инструментов. Она также рассчитана на исследования и адаптацию для embodied AI и VLA-сценариев. В README заявлены сильные результаты среди сравниваемых моделей масштаба около 10 млрд параметров, включая пространственное понимание и агентные задачи; это утверждения авторов для описанных ими условий оценки. Самостоятельно инструменты модель не выполняет: их запуск и проверка должны обеспечиваться приложением. Лицензия в предоставленных данных не указана.

bert-base-romanian-cased-v1 — базовая регистрозависимая модель BERT для румынского языка, обученная на корпусе объёмом около 15 ГБ. Разработчик в предоставленной карточке не назван. Модель предназначена для предсказания замаскированных токенов и может служить основой для задач разметки текста, включая определение частей речи и распознавание именованных сущностей. Модель содержит 151,6 млн параметров, использует архитектуру BERT и обрабатывает последовательности длиной до 512 токенов. В сравнении с многоязычной BERT в карточке приведены более высокие результаты на румынских наборах Universal Dependencies и RONEC для определения частей речи, синтаксического анализа и распознавания сущностей. Для лучшего качества текст нужно нормализовать: заменить румынские буквы ţ/ş и их заглавные варианты на ț/ș и заглавные варианты с запятой. Модель обучалась без вариантов букв с седилью, поэтому их использование снижает качество и может увеличивать число токенов. Лицензия — MIT.

Это архивное зеркало модели dannashao/bert-base-uncased-finetuned-advanced-srl_arg, размещённое Pak Kin Lau. Веса и токенизатор побайтно совпадают с указанным upstream-коммитом; репозиторий перенесён в другую область Hugging Face для долгосрочного хранения. Модель основана на BERT base uncased и дообучена для разметки семантических ролей токенов в английских предложениях относительно предиката. Её можно использовать в системах семантического анализа текста, которым нужно определять роли участников событий. Архитектура — BertForTokenClassification, размер — 136,7 млн параметров, контекст — до 512 токенов; для работы используется библиотека Transformers. Модель принимает текст и выдаёт метки для токенов. Карточка описывает её как архивную копию для исследовательского проекта, но не приводит оценок качества или подробностей о данных обучения. Лицензия — Apache-2.0.

madlag выпустил компактную разреженную версию BERT-base uncased, дообученную для ответов на вопросы по контексту из набора SQuAD 1.1. Это англоязычная модель извлечения ответа: на вход подаются вопрос и текстовый фрагмент, на выходе — найденный в нём ответ. Модель нечувствительна к регистру, имеет контекстное окно до 512 токенов и содержит 136,7 млн параметров; доступны форматы PyTorch и TensorFlow. Для разреживания применён модифицированный метод Movement Pruning, а модель также дистиллирована из csarron/bert-base-uncased-squad-v1. В репозитории указано, что сохраняется 28,2% исходных весов, а линейные слои содержат 7,5%; при использовании block-sparse runtime на оценке модель работала в 1,92 раза быстрее плотной версии. Это преимущество сопровождается снижением качества: на SQuAD 1.1 указаны EM 71,88 и F1 81,36 против 80,8 и 88,5 у исходной версии. Модель предназначена для извлечения ответа из предоставленного текста, а не для генерации свободных ответов или поиска сведений во внешних источниках. Лицензия — MIT.

sgarbi/bert-fda-nutrition-ner — модель на архитектуре BERT для распознавания и классификации сущностей в текстах пищевой маркировки и других материалах о питании. Она выделяет пищевые компоненты, включая макронутриенты, витамины, минералы и другие сведения, встречающиеся в составах продуктов и таблицах пищевой ценности. Модель принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для отдельных токенов. Размер модели — 136,7 млн параметров; веса представлены в формате safetensors. Модель обучена на общедоступных данных FDA FoodData Central, а также на отзывах о ресторанах Yelp и продуктах Amazon, дополненных автоматической разметкой Mistral 7B. В обучающие данные вносили перестановки предложений и орфографические ошибки, чтобы охватить вариативность реальных текстов. Карточка описывает модель как инструмент для экспериментов и обучения работе с аугментированными данными. Лицензия — MIT. Модель предназначена для извлечения пищевых сущностей из текста, а не для оценки рациона или рекомендаций по питанию. Автоматическая разметка обучающих данных могла содержать галлюцинации и неточную классификацию; кроме того, модель может наследовать смещения формулировок пищевых этикеток.

yanekyuk/bert-uncased-keyword-extractor — модель на базе BERT, дообученная для извлечения ключевых слов из текста. Она выполняет токенную классификацию: каждому токену присваивается метка, позволяющая выделять ключевые слова. Модель содержит 136,7 млн параметров, принимает текст длиной до 512 токенов и доступна в формате PyTorch. Модель рассчитана на англоязычный текст. Её можно применять для автоматического выделения ключевых слов в документах и фрагментах текста. В README приведены результаты оценки: precision 0,8547, recall 0,8825, accuracy 0,9741 и F1 0,8684; обучающий датасет не описан. Модель распространяется по лицензии Apache-2.0. Качество на других типах текстов и языках не подтверждено; из-за отсутствия сведений о датасете и предназначенных сценариях следует проверять результаты на собственных данных.

BioBERT_BC5CDR_NER_new — дообученная модель на базе dmis-lab/biobert-v1.1 для распознавания сущностей в биомедицинском тексте. Она использует архитектуру BERT и решает задачу классификации токенов; размер модели — 135,5 млн параметров, максимальный контекст — 512 токенов. Карточка сообщает метрики на оценочной выборке: F1 0,9737, точность 0,9749 и полнота 0,9725. Модель предназначена для извлечения и разметки биомедицинских сущностей в англоязычных текстах. Данные обучения в карточке обозначены как None, поэтому конкретный набор сущностей и состав датасета установить нельзя. Репозиторий использует формат safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

CeLLaTe-ner-3class-bioformer16l-tapt-tokenizer-original-baseline — англоязычная BERT-модель для разметки токенов, разработанная дообучением Mardiyyah/CeLLaTe-tapt-bioformer16l-tokenizer-original-baseline на наборе OTAR3088/CeLLaTe-ner-3class-iob_final. Модель предсказывает метки для отдельных токенов; название и датасет указывают на распознавание сущностей с тремя классами в формате IOB. Модель содержит 50,3 млн параметров, использует архитектуру BertForTokenClassification и принимает контекст длиной до 1024 токенов. На оценочном наборе указаны micro F1 0,7696, precision 0,7839 и recall 0,7558. Распространяется под лицензией Apache-2.0.

hananour/darija-ner — модель токенной классификации, разработанная Хананой Нур Муссой для распознавания именованных сущностей в марокканском диалекте арабского языка (даридже). Это BERT-модель с 162,4 млн параметров, обученная на датасете DarNERcorp; максимальная длина контекста — 512 токенов. Модель предназначена для выделения сущностей в текстах на даридже и может использоваться для разметки и анализа таких текстов. В README приведены результаты F1: 66,06% на DarNERcorp_test и 70,06% на MixedNERcorp_test. Модель поддерживает арабский язык; формат весов — PyTorch. Лицензия в предоставленных данных не указана.

FReE — модель на базе DistilBERT, разработанная Yseop и дообученная на специализированном финансовом наборе данных для извлечения и классификации отношений между финансовыми терминами в предложениях. Она определяет, присутствует ли связь, и относит её к одному из пяти типов: x (связи нет), has, is in, is или are. Модель подходит для анализа предложений с финансовыми определениями и выявления отношений между финансовыми показателями и понятиями, например при структурировании финансовых справочников. Это классификатор последовательностей DistilBERT с контекстом до 512 токенов. В README приведены метрики precision, recall и F1 для части классов на тестовой выборке. Модель распространяется в формате PyTorch. Сведения о лицензии в доступных данных отсутствуют.

Модель Manab/donut-base-my_model_rapido_2_new_check_2 — дообученная версия naver-clova-ix/donut-base на датасете imagefolder. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображений в текст, в том числе для задач обработки изображений документов. В README указана оценка Loss 2.8819 на наборе для оценки. Модель принимает изображения и выдаёт текст. Репозиторий содержит веса PyTorch; лицензия — MIT. Данные карточки не уточняют конкретный тип документов, языки, контекст или целевые сценарии, поэтому применимость к отдельным видам документов и качество на реальных данных по указанной оценке определить нельзя.

ritam-m/finbert-company-ner — модель распознавания именованных сущностей, разработанная на основе ProsusAI/finbert и дообученная для поиска названий компаний в финансовых новостях. Она классифицирует токены с использованием разметки IOB: O, B-COMPANY и I-COMPANY. Модель предназначена для извлечения упоминаний компаний из англоязычных финансовых статей. Она обучалась на новостях из Индии, но, по данным карточки, применима и к более широкому корпусу финансовых текстов на английском языке. Приоритет — высокий охват упоминаний: на тестовой выборке из 167 статей полнота на уровне токенов составила 0,88, а F1 для сущностей — 0,49. Модель использует архитектуру BERT, содержит 136,7 млн параметров и имеет контекст длиной до 512 токенов. Лицензия — MIT. Разметка обучающего набора основана на тегах MarketAux и не проверялась вручную; качество может снижаться на новостях других рынков, а высокая полнота сопровождается ложными срабатываниями.

Карточка модели arjunraim/FoodExtract-gemma-3-270m-fine-tune-v1 на Hugging Face совпадает с карточкой adodabele/FoodExtract-gemma-3-270m-fine-tune-v1, поэтому описание составлено по ней. FoodExtract-v1 — компактная текстовая модель для извлечения сведений о еде и напитках из произвольного текста. Её разработчик дообучил Gemma 3 270M Instruct (257 млн параметров) на 1400 примерах набора FoodExtract-1k; примеры включают текст и структурированные результаты, подготовленные с помощью gpt-oss-120b. Модель классифицирует текст как связанный или не связанный с едой и напитками, назначает тематические теги и извлекает съедобные продукты и напитки в виде списков. Её можно применять для фильтрации больших коллекций подписей к изображениям и другого текста, а также для подготовки данных о продуктах и ингредиентах. Это текстовая модель на базе Gemma 3, доступная в формате safetensors, с контекстом до 32 768 токенов. Модель предназначена для специализированного извлечения, а не для общей генерации ответов. Её обучение опирается на небольшой набор из 1400 примеров, поэтому полноту и точность извлечения на иных типах текста следует проверять. Лицензия — Gemma; использование регулируется её условиями.

Карточка модели bakarqureshi/FoodExtract-gemma-3-270m-fine-tune-v1 на Hugging Face совпадает с карточкой adodabele/FoodExtract-gemma-3-270m-fine-tune-v1, поэтому описание составлено по ней. FoodExtract-v1 — компактная текстовая модель для извлечения сведений о еде и напитках из произвольного текста. Её разработчик дообучил Gemma 3 270M Instruct (257 млн параметров) на 1400 примерах набора FoodExtract-1k; примеры включают текст и структурированные результаты, подготовленные с помощью gpt-oss-120b. Модель классифицирует текст как связанный или не связанный с едой и напитками, назначает тематические теги и извлекает съедобные продукты и напитки в виде списков. Её можно применять для фильтрации больших коллекций подписей к изображениям и другого текста, а также для подготовки данных о продуктах и ингредиентах. Это текстовая модель на базе Gemma 3, доступная в формате safetensors, с контекстом до 32 768 токенов. Модель предназначена для специализированного извлечения, а не для общей генерации ответов. Её обучение опирается на небольшой набор из 1400 примеров, поэтому полноту и точность извлечения на иных типах текста следует проверять. Лицензия — Gemma; использование регулируется её условиями.

Immerwinter/gbert-large-privacy-policy-context — дообученная модель классификации текста на основе немецкоязычной BERT-модели deepset/gbert-large. Она предназначена для отнесения фрагментов политики конфиденциальности к темам, перечисленным в карточке: аудитория, контактные данные, контроль, удаление, правовые основания, политика, обработка, цели, сроки хранения, безопасность и конфиденциальность, продажа, передача данных, третьи стороны и права пользователей. Модель принимает текст и возвращает метки классов; архитектура — BertForSequenceClassification, размер — 434,5 млн параметров, контекст — до 512 токенов. В репозитории представлены форматы Safetensors и ONNX. Модель рассчитана на немецкий язык и может применяться для тематической разметки документов о конфиденциальности. Карточка также содержит пометку «English version», но не уточняет, поддерживает ли классификатор английский текст. Лицензия — Apache-2.0. README не описывает качество, набор данных или ограничения классификации.

Immerwinter/gelectra-large-privacy-policy-content-purpose — дообученная немецкоязычная модель ELECTRA для классификации фрагментов политики конфиденциальности по категориям содержания, включая Purpose (цели обработки), Audience, Contact, Deletion, LegalBasis, Retention, Security/Privacy, Sharing и UserRights. Она предназначена для анализа и разметки текстов политик конфиденциальности; README также упоминает контекст и тему, но не поясняет их формат или способ использования. Модель основана на deepset/gelectra-large, содержит 434,5 млн параметров и принимает последовательности длиной до 512 токенов. Доступны веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0. Карточка перечисляет категории разметки, но не сообщает метрики качества и подробности обучения.

hu_core_news_lg — крупная базовая модель венгерского языка из проекта HuSpaCy. Она построена как конвейер компонентов spaCy: tok2vec, сегментатор предложений, морфологический анализатор, теггер частей речи, лемматизатор, синтаксический анализатор и модель распознавания именованных сущностей. Версия модели — 3.8.1; для работы требуется spaCy версии 3.8.0 или новее. Модель предназначена для разметки венгерского текста: определяет границы предложений и токенов, части речи и морфологические признаки, начальные формы слов, синтаксические связи и именованные сущности. Эти результаты подходят для построения NLP-конвейеров, анализа текстовых корпусов и извлечения структурированных данных из венгерских документов. Карточка указывает лицензию CC BY-SA 4.0. В предоставленных материалах нет количественной оценки качества, поэтому точность на конкретных жанрах и доменах следует проверять отдельно; модель специализирована на венгерском и не предназначена как универсальная многоязычная система.

klue-roberta-large-ner-identified — дообученная авторами репозитория модель klue/roberta-large для классификации токенов. Название указывает на распознавание именованных сущностей, однако карточка не описывает используемые типы сущностей, обучающий набор данных и целевые сценарии, поэтому конкретный охват NER неясен. Модель построена на архитектуре RoBERTa и содержит 435,4 млн параметров. Она принимает текст и выдаёт метки для токенов; максимальный контекст — 514 токенов. В README приведены метрики на оценочном наборе: F1 0,9948, точность (precision) 0,9920 и полнота (recall) 0,9977, но набор данных и методика оценки не раскрыты. Базовая klue/roberta-large предназначена прежде всего для корейского языка, что указывает на вероятную языковую ориентацию этой модели. Модель распространяется в формате safetensors. Лицензия в предоставленных сведениях не указана.

MatCha-base — базовая модель семейства MatCha, разработанная Fangyu Liu, Francesco Piccinno и соавторами и опубликованная в экосистеме Hugging Face при участии Younes Belkada. Это визуально-языковая модель архитектуры Pix2Struct для ответов на вопросы по изображениям; карточка позиционирует её как основу для дообучения. MatCha обучалась улучшать понимание графиков, диаграмм и инфографики с помощью предварительного обучения на задачах деконструкции графиков и числовых рассуждений. Её можно применять для ответов на вопросы по графикам и таблицам на изображениях, а также адаптировать для анализа снимков экрана, учебных схем и иллюстраций в документах. В описании исследования сообщается о результатах на PlotQA и ChartQA и переносе улучшений на смежные визуальные задачи. Модель принимает изображение и текстовый вопрос и генерирует текстовый ответ. В метаданных указаны английский, французский, румынский и немецкий языки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Это базовый чекпойнт, предназначенный для дообучения, поэтому качество ответов в конкретном прикладном сценарии зависит от адаптации.

Mountain NER — модель классификации токенов на основе BERT, дообученная для распознавания названий гор. Она присваивает токенам метки O, B-MOUNTAIN и I-MOUNTAIN, позволяя выделять упоминания гор в английском тексте. По результатам оценки на отложенной выборке из 831 предложения точность составила 0,9448, полнота — 0,9377, F1 — 0,9413. Модель содержит 135,5 млн параметров, использует контекст до 512 токенов и распространяется в формате safetensors через библиотеку Transformers. Базой послужил чекпойнт BERT для NER из CoNLL-2003; веса дообучены под метки гор. Лицензия — MIT.

cservan/multilingual-albert-base-cased-128k — предварительно обученная многоязычная модель ALBERT с архитектурой AlbertForMaskedLM, предназначенная для восстановления замаскированных токенов и получения контекстных представлений текста. Разработчик карточки описывает её как вторую версию базовой модели mALBERT; обучение проводилось на многоязычной Википедии с задачами masked language modeling и предсказания порядка предложений. Модель различает регистр букв и имеет словарь SentencePiece размером 128 тысяч токенов. В метаданных указаны 211,6 млн параметров и контекст до 512 токенов. Модель рассчитана прежде всего на дообучение для классификации последовательностей и токенов, заполнения пропусков и ответов на вопросы, а также на извлечение признаков для таких задач. Метаданные перечисляют поддержку множества языков, включая русский, английский, французский, немецкий, испанский и китайский; карточка подчёркивает многоязычную предобученность. ALBERT использует общие веса повторяющихся слоёв, что снижает объём параметров относительно обычного BERT-подобного стека, хотя вычислительная нагрузка остаётся сопоставимой. Модель распространяется по лицензии Apache-2.0. Она не предназначена для свободной генерации связного текста; для прикладных задач обычно требуется дообучение.

MuXodious/Muse-Glimmer-30B-SOMPOA-heresy — дообученная версия мультимодальной Muse-Glimmer-30B, созданная автором репозитория с помощью движка Heretic и абляции SOMPOA. Это плотный трансформер для условной генерации, содержащий около 29,6 млрд параметров; принимает текст и изображения и предназначен для диалоговой работы с визуальными данными. Модель подходит для анализа изображений, документов, диаграмм и снимков экрана в диалоге, а также для многошаговых агентных задач и вызова инструментов. В README описаны результаты снижения числа отказов, однако автор отмечает, что модель всё ещё ссылается на свои правила и требует дальнейшей проверки и перенастройки; приведённые результаты не гарантируют надёжность в реальных сценариях. Языки и длина контекста этой версии отдельно не описаны. Модель распространяется по лицензии Apache 2.0. README предупреждает о возможных неточных, предвзятых или нежелательных ответах и рекомендует проводить собственную оценку безопасности для целевого применения. Аудиоввод и аудиовывод не поддерживаются.

NeoMME-800M — мультиязычный мультимодальный энкодер, разработанный Hcompany и обученный с нуля. Текстовые токены и патчи изображений обрабатываются одним общим Transformer-энкодером без отдельного предварительно обученного vision-энкодера и авторегрессионной языковой модели. Модель содержит 1,1 млрд параметров, принимает текст и изображения и имеет контекст 16 384 токена. Это базовая энкодерная модель, которая возвращает контекстные представления токенов. Для поиска, классификации, извлечения информации и других прикладных задач её необходимо дообучить с подходящей целевой головой; для поиска по документам авторы рекомендуют NeoMME-800M-Retriever. Предварительное обучение проводилось на многоязычных текстах и визуально-текстовых данных, включая веб-тексты, код, математику, страницы документов, подписи к изображениям и синтетические OCR-данные. Модель доступна в формате Safetensors через Transformers по лицензии Apache-2.0. Комплексная оценка безопасности, смещений и конфиденциальности не проводилась.

NuExtract-1.5-tiny Mealie Ingredient Parser — дообученная с помощью LoRA версия модели numind/NuExtract-1.5-tiny, разработанная для структурированного извлечения ингредиентов в проекте mealie-llm-server. Базовая модель построена на Qwen2.5-0.5B; разработчик адаптации — abyrne55. Модель предназначена для разбора текстовых описаний ингредиентов в рецептах и преобразования их в структурированные поля quantity, unit, food и note. Она ожидает шаблон NuExtract 1.5 и может использоваться локально в формате GGUF, в частности через параметр MODEL_INGREDIENT_EXTRACTOR в mealie-llm-server. Для повышения точности рекомендуется применять ограничивающую грамматику при инференсе. Дообучение выполнено методом LoRA с rank 16 и alpha 32; адаптация затрагивает проекции q/k/v/o. Обучение проводилось с HuggingFace trl.SFTTrainer и peft на наборе данных ingredients.md из проекта mealie-local-ai. Модель ориентирована на текстовую генерацию структурированных результатов; сведения о поддерживаемых языках, размере контекста, точной архитектуре и количественных показателях качества не указаны. Распространяется по лицензии MIT.

OpenMed разработала OpenMed-NER-AnatomyDetect-BioMed-335M — модель для распознавания анатомических сущностей в биомедицинских текстах. Она выделяет названия анатомических структур, частей тела, органов и физиологических систем, присваивая токенам метки B-Anatomy и I-Anatomy. Модель основана на архитектуре BERT и дообучена для классификации токенов на корпусе ANATOMY. В репозитории указаны 433,9 млн параметров и контекст до 512 токенов. Модель принимает токенизированный текст и возвращает BIO-разметку сущностей; в карточке заявлены F1 0,90, точность 0,89 и полнота 0,90. Она предназначена для извлечения анатомических терминов из медицинских записей и научной литературы, а также для поддержки биомедицинского поиска и построения баз знаний. Карточка приводит базовую архитектуру BiomedNLP-BiomedELECTRA-large-uncased-abstract, но метаданные не содержат базовую модель в поле base_models. Указанная лицензия — Apache-2.0.