I.3Извлечение и структурирование данных

NeuralMetrics/trocr-base-printed — неизменённая копия microsoft/trocr-base-printed, модели TrOCR для распознавания текста на изображениях отдельных строк. Репозиторий поддерживает воспроизводимые эксперименты с закреплённой версией исходной модели; README указывает, что веса, файлы и поведение совпадают с оригиналом. Модель построена по схеме vision encoder-decoder: трансформерный визуальный энкодер обрабатывает изображение, а авторегрессионный текстовый декодер генерирует распознанную строку. В исходной карточке указано, что энкодер инициализирован весами BEiT, а декодер — RoBERTa. Модель предназначена для OCR обрезанных строк после обнаружения макета страницы и может служить стабильной базовой точкой для сравнения методов распознавания. Модель не предназначена для распознавания целых страниц без предварительного выделения строк. Лицензия и авторство остаются такими же, как у исходной модели microsoft/trocr-base-printed; конкретный тип лицензии в предоставленных данных не приведён.

Fsoft-AIC разработала ViDeBERTa-base — предварительно обученную монолингвальную языковую модель для вьетнамского языка на архитектуре DeBERTaV3. Модель содержит 211,6 млн параметров, обучена на разнообразном вьетнамском тексте объёмом 138 ГБ и рассчитана на контекст до 512 токенов. Эта версия предназначена для тонкой настройки на задачах понимания вьетнамского текста, включая классификацию токенов, разметку частей речи и распознавание именованных сущностей. В карточке приведены результаты экспериментов на наборах VLSP POS, PhoNER и ViQuAD. Репозиторий содержит веса PyTorch. Информация о лицензии в предоставленных данных отсутствует.

bookpanda/wangchanberta-base-att-spm-uncased-tagging — дообученная модель на базе WangchanBERTa от AI Research для классификации токенов. Её можно применять для разметки отдельных слов и фрагментов текста, например для извлечения сущностей, если соответствующие метки предусмотрены обучением. Архитектура — BERT, размер — 139,1 млн параметров; модель принимает текст с контекстом до 512 токенов и доступна в формате PyTorch. Датасет и схема меток в карточке не раскрыты, поэтому нельзя определить точный сценарий разметки или качество. Базовая модель рассчитана на тайский язык, однако сведения о языках этой версии в метаданных отсутствуют. Условия лицензии в предоставленных данных не указаны.

XLM-Align — предобученная многоязычная модель на архитектуре XLM-RoBERTa, представленная авторами исследования ACL 2021 «Improving Pretrained Cross-Lingual Language Models via Self-Labeled Word Alignment». Она использует саморазмеченное выравнивание слов для улучшения межъязыковых представлений и поддерживает 94 языка. Модель содержит 305,2 млн параметров, принимает текст и рассчитана на контекст до 514 токенов. Модель подходит для заполнения пропусков в тексте и как основа для межъязычных задач понимания языка, включая распознавание именованных сущностей, разметку частей речи и ответы на вопросы. В приведённой оценке XTREME XLM-Align превосходит XLM-R_base по среднему результату и по всем перечисленным задачам. Доступный формат — PyTorch; лицензия в предоставленных данных не указана.

YOLO Khmer Text & Math Line Detection v4.0 — модель обнаружения строк текста на страницах камбоджийских учебников по математике и физике. По README, её разработчик обучил модель на материалах национальной школьной программы Камбоджи для 5–12 классов; архитектура относится к семейству YOLO, а репозиторий содержит ONNX-версию. Модель выделяет целые строки, объединяющие кхмерский текст и математические выражения, включая дроби, корни, интегралы, векторы, пределы, матрицы и системы уравнений. Модель предназначена для подготовки страниц учебников к последующему распознаванию текста и формул, а также для поиска строк в приложениях для сервера, настольных компьютеров, веба и мобильных устройств. Для страниц высокого разрешения рекомендуется размер изображения 1280 пикселей; README приводит для версии v4.0 показатели 91,22% mAP@50, 90,99% точности и 86,58% полноты. Модель выдаёт рамки обнаруженных строк, а не распознанный текст или LaTeX. В метаданных указана лицензия Apache-2.0. Результаты описывают обнаружение строк в учебниках по математике и физике Камбоджи; качество на других типах документов и языках не подтверждено.

ArmorOCR — модель для распознавания текста на изображениях с привязкой результатов к их расположению, разработанная на базе Qwen3-VL-8B-Instruct. Она предназначена для работы с обычными и состязательными изображениями, где текст может быть искажён или специально скрыт. Модель принимает исходное изображение и формирует текстовый ответ за один проход, без преобразований изображения во время инференса и без помощи внешних инструментов. ArmorOCR использует мультимодальную архитектуру Qwen3-VL и доступна в формате safetensors для библиотеки Transformers. Карточка указывает английский и китайский языки. Модель дообучена на Qwen3-VL-8B-Instruct; базовая модель имеет 8 млрд параметров. Репозиторий распространяется по лицензии Apache-2.0. Описание не содержит результатов оценки качества или подробностей ограничений на конкретных типах изображений.

GreekBERT — предварительно обученная языковая модель BERT для греческого языка, выпущенная группой обработки естественного языка Афинского университета экономики и бизнеса (AUEB) вместе с научной статьёй 2020 года. Это плотный трансформер BERT с примерно 140,1 млн параметров и контекстом до 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Модель предназначена для работы с греческим текстом без диакритических знаков и в нижнем регистре; токенизатор выполняет эту предобработку автоматически. Модель обучена на греческих текстах Википедии, материалах Европейского парламента и корпусе OSCAR. Её можно использовать для заполнения пропусков в тексте, а также дообучать для прикладных задач обработки греческого языка, например распознавания именованных сущностей и классификации текстов. В README приведены оценки на наборах для распознавания сущностей и логического вывода, но сами по себе они не гарантируют качество в конкретном сценарии. Лицензия в предоставленных сведениях не указана.

dbmdz/bert-base-italian-xxl-uncased — модель BERT для итальянского языка, опубликованная командой MDZ Digital Library Баварской государственной библиотеки. Это версия BERT для предсказания замаскированных токенов; её можно применять как основу для языковых задач и дообучения, например для разметки именованных сущностей и частей речи. Модель содержит 137,9 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена на крупном итальянском корпусе объёмом 81 ГБ, включающем Википедию, тексты OPUS и итальянскую часть OSCAR. Поддерживается работа с PyTorch, TensorFlow и Flax. В README отмечено, что при обучении XXL-версий указали неверный размер словаря в конфигурации: фактический размер — 31 102 токена. По словам авторов, модель при этом работает, и оценки проводились с этой конфигурацией. Лицензия — MIT.

BERTurk — некейсированная модель семейства BERT для турецкого языка, опубликованная командой цифровой библиотеки MDZ при Баварской государственной библиотеке. Это плотная модель с 211,6 млн параметров и словарём из 128 тысяч токенов; длина контекста составляет 512 токенов. Модель предварительно обучена на корпусе объёмом 35 ГБ, включающем отфильтрованный и сегментированный по предложениям турецкий OSCAR, Википедию, корпуса OPUS и специальный корпус Кемаля Офлазера. Модель предназначена как базовый энкодер для задач обработки турецкого текста и может служить основой для дообучения под разметку частей речи, распознавание именованных сущностей и другие задачи NLP. Репозиторий содержит веса в форматах PyTorch, Safetensors, TensorFlow и Flax. Лицензия — MIT. В карточке приведены результаты для PoS tagging и NER, однако сама модель является предобученной базовой моделью, а не готовым специализированным классификатором.

PassbyGrocer/bert-ner-msra — модель на базе китайской google-bert/bert-base-chinese, дообученная для распознавания именованных сущностей на уровне токенов. Она предназначена для разметки сущностей в китайском тексте; карточка сообщает о метриках на оценочном наборе: F1 0,9494, точность 0,9481 и полнота 0,9507. Модель использует архитектуру BERT с 129,5 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки токенов. Файлы модели опубликованы в формате safetensors. В README набор данных назван неизвестным, а подробности о типах сущностей, обучающих данных и ограничениях отсутствуют. Модель создана на основе китайского BERT, поэтому её основным языком является китайский. Лицензия в предоставленных данных не указана.

BLING-1.4b-0.1 — инструктивная модель llmware на архитектуре GPT-NeoX, дообученная на дистиллированных инструкционных данных. Она содержит 1,7 млрд параметров и рассчитана на локальный запуск на CPU без специальных оптимизаций квантования; контекст — до 2048 токенов. Модель предназначена для ответов на вопросы по предоставленному контексту, извлечения ключевых значений и базового суммирования, особенно в сценариях RAG и прототипирования с конфиденциальными данными. Модель обучена преимущественно для английского языка и ориентирована на фактические, извлекательные задачи. В описанном тестировании RAG-Instruct-Benchmark она набрала 82,25 балла из 100; качество суммирования оценено как связное, но преимущественно извлекательное, а сложные вопросы и математико-логические задачи показали слабые результаты. Результаты тестирования ограничены двумя прогонами, поэтому ответы следует проверять. Базовая модель — EleutherAI/Pythia-1.4b-v0. Лицензия — Apache 2.0.

CamemBERTav2-base — франкоязычная языковая модель, разработанная командой Almanach и предварительно обученная на корпусе из 275 млрд токенов французского текста. Она основана на архитектуре DeBERTa-v2 и обучена с задачей Replaced Token Detection. Модель содержит 138,4 млн параметров и принимает последовательности длиной до 1024 токенов. Модель предназначена для получения контекстных представлений текста и как основа для дообучения под задачи французского NLP, включая классификацию, распознавание сущностей, разметку частей речи, синтаксический анализ и ответы на вопросы. В сравнении с предыдущей версией использует WordPiece-токенизатор на 32 768 токенов с поддержкой эмодзи, табуляции и переноса строки; для работы нужен Fast Tokenizer. В README приведены результаты дообучения на ряде французских бенчмарков, включая NER, вопросно-ответные и классификационные задачи. Это не готовая чат-модель: для прикладных задач классификации или генерации ответов обычно требуется соответствующая голова и дообучение. Распространяется по лицензии MIT.

CeLLaTe-ner-2class-bioformer16l-baseline-with-gazetteers-lr_2.10 — дообученная модель семейства BERT на базе bioformers/bioformer-16l для классификации токенов. Она предназначена для распознавания именованных сущностей в англоязычном биомедицинском тексте; в README указано обучение на наборе OTAR3088/CeLLaTe-ner-2class-iob_final. На тестовой выборке приведены значения micro F1 0,7749, precision 0,7897 и recall 0,7607. Модель содержит 50,3 млн параметров, использует формат safetensors и библиотеку Transformers; длина контекста — 1024 токена. Лицензия — Apache-2.0. В README не описаны классы сущностей, применение газеттеров и ограничения модели, поэтому её качество и пригодность для конкретных категорий биомедицинских текстов следует оценивать на целевых данных.

CeLLaTe-ner-2class-bioformer16l-reinitllrd-with-gazetteers-lr_2.754e-5 — модель семейства BERT, разработанная путём дообучения bioformers/bioformer-16l на наборе данных OTAR3088/CeLLaTe-ner-2class-iob_final. Она предназначена для классификации токенов в задаче распознавания биомедицинских сущностей. В README приведены результаты оценки: micro F1 0,7859, precision 0,8043 и recall 0,7683. Модель содержит 50,3 млн параметров, принимает текст с контекстом до 1024 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0.

CeLLaTe-ner-2class-tapt-pubmedbert-tokenizer-adapted-lr3.89 — англоязычная модель на архитектуре BERT для классификации токенов. Она дообучена Mardiyyah на базе Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-wwmask с использованием набора OTAR3088/CeLLaTe-ner-2class-iob_final. Модель содержит 138,2 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для распознавания именованных сущностей в биомедицинском тексте с двухклассовой разметкой IOB. В карточке приведены результаты оценки: micro F1 0,7817, precision 0,7896 и recall 0,7739. Модель распространяется по лицензии Apache-2.0.

CeLLaTe-ner-2class-pubmedbert-tapt-tokenizer-adapted-spanmask-gazetters-lr_2.16 — англоязычная модель на базе BERT, разработанная Mardiyyah и дообученная для классификации токенов на наборе OTAR3088/CeLLaTe-ner-2class-iob_final. Она предназначена для разметки токенов в биомедицинских текстах; название набора указывает на двухклассовую NER-задачу с IOB-разметкой. Модель содержит 138,2 млн параметров, принимает текст, выдаёт метки токенов и поддерживает контекст до 512 токенов. На оценочном наборе указаны Micro F1 0,7720, Macro F1 0,7820, точность 0,9845, precision 0,7974 и recall 0,7480. Веса доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0. Карточка не уточняет классы сущностей и ограничения разметки, поэтому результаты не следует переносить на другие корпуса без проверки.

ChartVerse-8B — мультимодальная модель для анализа графиков и диаграмм, разработанная в рамках проекта opendatalab/ChartVerse. Это дообученная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration и 8 млрд параметров, которая принимает изображения графиков вместе с текстовыми запросами и формирует текстовые ответы с визуальным рассуждением. Она предназначена для ответов на вопросы по графикам и решения задач, требующих извлечения и интерпретации данных. Для обучения использованы наборы ChartVerse-SFT-600K и ChartVerse-RL-40K; заявлены 64,1% среднего результата на шести бенчмарках, превосходство над Qwen3-VL-30B-A3B-Thinking и близкие результаты к Qwen3-VL-32B-Thinking. Карточка не сообщает длину контекста. Модель распространяется по лицензии Apache-2.0.

CLI-7B — мультимодальная модель с 7,1 млрд параметров от команды codefuse-ai, официальный чекпойнт фреймворка Cross-Layer Injection (CLI), представленного в статье для ECCV 2026. Модель построена на LLaVA-OneVision-Qwen2-7B: использует языковую часть Qwen2-7B и визуальный энкодер SigLIP-so400m-patch14-384. Архитектура CLI заменяет обычное соединение зрения и языка динамическим обменом между слоями: проекции AMP объединяют визуальные признаки, а механизм AGF выбирает признаки для подачи в декодер LLM. Модель предназначена для диалога и рассуждений по изображениям, в том числе для анализа диаграмм, графиков и документов, визуальных вопросов и ответов, а также общего описания изображений. Карточка сообщает о проверке на 28 мультимодальных бенчмарках и небольших дополнительных затратах памяти при инференсе. Поддерживается английский язык; контекст — 32 768 токенов. Для запуска необходима специальная реализация AMP и AGF из репозитория codefuse-ai/CLI: обычная загрузка как LlavaOneVision в Transformers не воспроизводит поведение CLI. Лицензия — Apache-2.0.

Portuguese Clinical NER - Finding — модель распознавания клинических сущностей в португальских медицинских текстах. Она входит в проект BioBERTpt, создана пользователем pucpr и обучена на бразильском клиническом корпусе SemClinBr на основе BioBERTpt(all). Модель использует архитектуру BERT для классификации токенов, обучалась 10 эпох и размечает сущности в формате IOB2; заявлена совместимость распознаваемых сущностей с UMLS. Модель предназначена для извлечения клинических находок из медицинских записей на португальском языке. Репозиторий содержит веса PyTorch с 205,1 млн параметров; максимальная длина контекста составляет 512 токенов. Условия лицензирования в предоставленных данных не описаны.

Модель Portuguese Clinical NER — Procedure разработана в рамках проекта BioBERTpt и предназначена для распознавания упоминаний медицинских процедур в португальских клинических текстах. Она размечает текст на уровне токенов в формате IOB2 и относится к семейству BERT; в метаданных указано 205,1 млн параметров и контекст до 512 токенов. Модель обучена на бразильском клиническом корпусе SemClinBr в течение 10 эпох на базе BioBERTpt(all). Она подходит для извлечения процедур из клинических записей и последующей обработки клинических сущностей, совместимых с UMLS. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных источниках не описаны.

gauneg/deberta-v3-base-absa-ate-sentiment — англоязычная модель на базе Microsoft DeBERTa-v3-base, дообученная для извлечения аспектных терминов из текста и определения тональности, выраженной по отношению к каждому аспекту. Она выполняет классификацию токенов; для получения выделенных фрагментов README показывает использование через Transformers pipeline с задачей NER и объединением токенов. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 для классификации токенов и поддерживает контекст до 512 токенов. Обучение проводилось на наборах SemEval ABSA 2014–2016 и MAMS. В README приведены результаты оценки на тестовых наборах, включая отзывы об отелях; показатели различаются в зависимости от набора и метрики. Модель подходит для анализа отзывов и другого англоязычного текста, где требуется найти упомянутые аспекты и оценить их тональность. Она выпущена под лицензией MIT. Карточка описывает обучение и оценку на задачах аспектного анализа тональности; обобщение на иные языки и домены не подтверждено.

Карточка модели EdgeAIMed/EdgeAIMed-NER-ChemicalDetect-BigMed-278M на Hugging Face совпадает с карточкой OpenMed/OpenMed-NER-ChemicalDetect-BigMed-278M, поэтому описание составлено по ней. OpenMed-NER-ChemicalDetect-BigMed-278M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и 305,2 млн параметров. Модель принимает токенизированный текст и возвращает BIO-разметку: B-CHEM и I-CHEM. Контекст — до 514 токенов. Модель предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических текстов и медицинских документов. Её можно применять для поиска упоминаний лекарств, анализа литературы и построения биомедицинских баз знаний. В README заявлены обучение на BC4CHEMD и F1 0,94, однако приведённые показатели не сопровождаются описанием методики оценки. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

zeromodels/electra_base_discriminator — конверсия базового энкодера ELECTRA от Google в формате Keras 3 для zeromodels. Это двунаправленный Transformer-энкодер в стиле BERT, предварительно обученный различать исходные и заменённые токены; репозиторий содержит backbone для последующей настройки, а не генератор ELECTRA. Реализация работает с TensorFlow, PyTorch и JAX и использует WordPiece-токенизатор. Модель предназначена для извлечения текстовых представлений и подготовки энкодера к downstream-задачам. С добавлением или дообучением подходящей головы её можно применять для классификации последовательностей и токенов, например NER и разметки частей речи; карточка также указывает на использование дискриминаторных чекпойнтов для вопросов и ответов. Головы задач, отсутствующие в чекпойнте, инициализируются случайно и требуют настройки. Базовая модель ориентирована на английский язык. Лицензия — Apache 2.0.

ElhBERTeu-nerc — модель семейства BERT, разработанная orai-nlp и дообученная для распознавания именованных сущностей в текстах на баскском языке на датасете NERC из BasqueGLUE. Она размечает токены тегами организаций, персон, географических названий и категории MISC. В README приведены результаты на объединённом тестовом наборе: F1 0,867 и accuracy 0,979; обучение проводилось 10 эпох с batch size 32 и learning rate 3e-5. Модель содержит 151,7 млн параметров, принимает контекст до 512 токенов и распространяется в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

Fleet Semantic 4B — экспериментальная языковая модель проекта Fleet на базе Qwen/Qwen3-4B-Instruct-2507. Это причинная модель с архитектурой FleetForCausalLM, в которой семантическая маршрутизация к специалистам встроена в генерацию: модель может задействовать одного или двух специалистов либо оставить запрос базовой модели. В опубликованный чекпойнт входят backbone и параметры Fleet; отдельно загружать Qwen для инференса не требуется. Модель содержит специалистов по количественным рассуждениям, медицинским рассуждениям, узкому извлечению юридической информации, классификации намерений, вызову функций и структурированному выводу. Архитектура допускает динамическую установку совместимых пакетов специалистов формата .fleet. Модель принимает текст и генерирует текст; размер по метаданным — 3,7 млрд параметров, контекст — до 262 144 токенов. README описывает проект как исследовательский прототип: проверены загрузка, генерация и операции с экспертами, но пока не установлено, что Fleet улучшает результаты на всех задачах относительно базовой Qwen. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория и базовой модели.

Карточка модели eaboouf55/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 isahsn/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 Ninja2005/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 ong365/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/gelectra-large-privacy-policy-content-policy — дообученная немецкоязычная модель ELECTRA Large для классификации текста по темам, связанным с содержанием политик конфиденциальности. README перечисляет категории Audience, Contact, Control, Deletion, LegalBasis, Policy, Processing, Purpose, Retention, Security/Privacy, Selling, Sharing, ThirdParty и UserRights; также упоминается английская версия. Модель принимает текст и выдаёт метки классов. Модель содержит 434,5 млн параметров, использует архитектуру ElectraForSequenceClassification и рассчитана на контекст до 512 токенов. Доступны форматы safetensors и ONNX. Лицензия — Apache-2.0. README не описывает качество классификации, обучающие данные или поддержку английского языка явно, поэтому надёжность и языковой охват за пределами немецкого требуют проверки.