I.3Извлечение и структурирование данных

OpenMed разработала эту дообученную модель на базе RoBERTa для распознавания химических сущностей в биомедицинском тексте. Она обучена на наборе BC5CDR-Chem и присваивает токенам метки B-CHEM и I-CHEM, чтобы выделять названия химических соединений, лекарств и терапевтических веществ. Модель рассчитана на обработку научных публикаций, клинических записей и других медицинских документов, в том числе для извлечения препаратов и поиска упоминаний химических веществ при фармаконадзоре и анализе литературы. Архитектура — RoBERTa для классификации токенов; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. README приводит F1 0,96 на BC5CDR-Chem, но не описывает независимую проверку этих результатов. Модель предназначена для англоязычных биомедицинских текстов и не выполняет сама по себе анализ взаимодействий лекарств или диагностику. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-TinyMed-82M — дообученная OpenMed модель для распознавания химических сущностей в биомедицинских текстах. Она использует архитектуру RoBERTa для классификации токенов и размечает названия химических соединений, лекарств и терапевтических веществ тегами B-CHEM и I-CHEM. В README указана базовая архитектура distilroberta-base; метаданные сообщают о 95,2 млн параметров и контекстном окне до 514 токенов. Модель предназначена для извлечения химических сущностей из научных публикаций, клинических записей и других медицинских документов, например для фармаконадзора, анализа литературы и построения биомедицинских баз знаний. README приводит результаты на BC5CDR-Chem: F1 0,94, точность 0,94 и полноту 0,95. Поддерживается английский язык. Лицензия — Apache-2.0.

OpenMed-PII-EuroMed-Large-210M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и других чувствительных данных в тексте. Это дообученный энкодер EuroBERT-210m с архитектурой EuroBertForTokenClassification и 211,7 млн параметров; модель размечает токены по типам сущностей, охватывая 54 категории, включая имена, адреса, контактные данные, идентификаторы и медицинские сведения. Контекст — до 8192 токенов. Модель предназначена для поиска и удаления персональных данных в клинических записях и документах, предварительной очистки наборов данных и аудита текстовых коллекций. В README приведены результаты на тестовой выборке NVIDIA Nemotron-PII: micro F1 0,960, точность 0,9681 и полнота 0,9521. Авторы указывают, что система служит вспомогательным инструментом: пропуски возможны, качество зависит от предметной области, а для критичных случаев нужна проверка человеком. Основной язык обучения — английский. Лицензия — Apache-2.0.

OpenMed-PII-Italian-BioClinicalBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это плотная трансформерная модель семейства BERT, дообученная на базе emilyalsentzer/Bio_ClinicalBERT и реализованная как BertForTokenClassification. Она обрабатывает последовательности токенов с контекстом до 512 токенов и выдаёт BIO-разметку для 54 типов чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые данные, контакты и даты. Модель предназначена для поиска персональных данных в клинических записях и документах, их обезличивания, подготовки наборов данных к исследованиям и аудита коллекций документов. В README сообщается о Micro F1 0,9260 на итальянской части набора AI4Privacy PII Masking 400k. Лицензия — Apache-2.0. Модель оптимизирована для итальянского языка. README предупреждает о возможных пропусках персональных данных и изменении качества на специализированной терминологии; результаты для критически важных сценариев следует проверять человеком.

OpenMed-PII-Italian-EuroMed-Large-210M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это дообученный энкодер EuroBERT с архитектурой EuroBertForTokenClassification и примерно 211,7 млн параметров; модель принимает текст и размечает токены, относящиеся к 54 типам чувствительных данных, включая имена, адреса, идентификаторы, медицинские сведения и контактную информацию. Контекст модели — до 8192 токенов. Модель предназначена для выявления и удаления персональных данных из клинических записей, медицинских документов и других текстов, а также для подготовки наборов данных к исследованиям и аудита документов на наличие чувствительной информации. В карточке сообщается о Micro F1 0,9685 на итальянской части набора AI4Privacy; веса опубликованы в формате safetensors. Модель оптимизирована для итальянского языка. Возможны пропуски персональных данных, а качество может меняться при использовании специализированной терминологии, поэтому результаты в важных сценариях следует проверять человеком. Лицензия — Apache-2.0.

OpenMed-PII-QwenMed-XLarge-600M-v1 — модель OpenMed для токенной классификации текста и обнаружения 54 типов персональных и чувствительных данных, включая имена, адреса, идентификаторы, медицинские сведения и контактную информацию. Это дообученная на NVIDIA Nemotron-PII плотная модель архитектуры Qwen3ForTokenClassification с 507,6 млн параметров, контекстом до 32 768 токенов и форматом safetensors; для работы используется библиотека Transformers. Модель предназначена для поиска и последующего удаления или маскирования PII в клинических записях, медицинских документах и других текстовых коллекциях, а также для предварительной очистки наборов данных и аудита документов. В README приведён результат micro-F1 0,9124 на тестовой выборке Nemotron-PII. Основной язык — английский. Модель распространяется по лицензии Apache-2.0. Её выводы следует проверять человеком: возможны пропуски чувствительных данных, качество зависит от предметной области, а для ряда категорий точность ниже. README позиционирует модель как вспомогательный инструмент, а не замену проверке критически важных данных.

OpenMed-PII-SnowflakeMed-Large-568M-v1 — модель OpenMed для выявления и классификации персональных и медицинских идентификаторов в тексте. Это дообученная модель токенной классификации на архитектуре XLM-RoBERTa, основанная на Snowflake/snowflake-arctic-embed-l-v2.0. В метаданных указано 658,7 млн параметров и контекст до 8194 токенов; модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель предназначена для поиска 54 типов чувствительных данных, включая имена, адреса, номера медицинских записей, финансовые идентификаторы и контактные данные. Её можно применять для предварительной деидентификации клинических заметок и документов, подготовки наборов данных к исследованиям и аудита текстовых коллекций. В README приведён результат micro F1 0,9594 на тестовой выборке NVIDIA Nemotron-PII. Модель ориентирована прежде всего на английский текст. Возможны пропуски чувствительных данных, а качество зависит от категории и контекста; README рекомендует использовать её как вспомогательный инструмент с проверкой результатов человеком. Лицензия — Apache-2.0.

OpenMed-PII-Spanish-BiomedBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных и чувствительных данных в испанском тексте. Это дообученная модель BERT для токенной классификации на базе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract. По карточке, модель распознаёт 54 типа сущностей, включая имена, адреса, контакты, финансовые идентификаторы и медицинские номера. В метаданных указано 136,7 млн параметров и контекст до 512 токенов; модель работает с текстом и выдаёт метки сущностей с привязкой к токенам. Модель предназначена для поиска и обезличивания PII в клинических записях, медицинских документах и других текстовых коллекциях на испанском языке, а также для подготовки данных к исследованиям и аудита документов. На испанской части датасета AI4Privacy в карточке приведена оценка Micro F1 0,8567. Для лучшего результата README рекомендует предварительно удалять диакритические знаки; смещения сущностей при этом сохраняются для сопоставления с исходным текстом. Модель может пропускать чувствительные данные, а качество зависит от контекста и терминологии, поэтому критические результаты требуют проверки человеком. Она оптимизирована для испанского и может хуже работать на других языках. Лицензия — Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Chemical-XLarge-770M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе BC4CHEMD для поиска химических соединений, лекарств, реагентов и их синонимов в аннотациях и полных текстах научных статей. Модель поддерживает zero-shot извлечение сущностей: пользователь может задавать типы сущностей при обработке, хотя карточка отдельно описывает обучение на типе CHEM. Модель принимает текст и возвращает распознанные сущности с классификацией по типам. В README приведён результат F1 0,9247 на тестовой выборке BC4CHEMD. Среди сценариев применения — поиск химических соединений в литературе, индексация веществ и подготовка данных для связывания с ChEBI или DrugBank. Доступна по лицензии Apache-2.0; для интеграции README указывает библиотеку GLiNER и экосистему Hugging Face Transformers.

OpenMed-ZeroShot-NER-Pharma-Base-220M — модель распознавания именованных сущностей на основе архитектуры GLiNER, разработанная OpenMed. Она дообучена для поиска химических сущностей в биомедицинских текстах на корпусе BC5CDR-Chem и особенно ориентирована на упоминания лекарственных соединений и терапевтических веществ. Модель поддерживает zero-shot извлечение: типы сущностей можно задавать при запросе без отдельного дообучения, хотя в карточке конкретно заявлен тип CHE. Модель принимает текст и возвращает найденные сущности с метками. Её применяют для извлечения названий химических соединений из научных публикаций и медицинских записей, а также как этап конвейеров фармаконадзора и анализа связей «химическое вещество — заболевание». В README для оценки на отложенном тестовом наборе BC5CDR-Chem указана F1-оценка 0,92; это значение относится к описанной авторами оценке и не гарантирует аналогичное качество на других данных. Репозиторий распространяется по лицензии Apache-2.0.

Parchi-v2 — компактная языковая модель для разбора заказов в небольших продуктовых магазинах (kirana). Она создана дообучением Qwen/Qwen2.5-0.5B-Instruct методом LoRA с последующим объединением адаптера с базовой моделью. Модель принимает заметку о закупке на хинглише, английском или телугу, включая латинскую транслитерацию телугу, и формирует JSON с поставщиком и строками заказа: товаром, количеством, единицей измерения и ценой за единицу в рупиях, если она указана. Модель предназначена для извлечения заказа из одной заметки, обычно содержащей до шести товарных строк, и интеграции в приложение или рабочий процесс закупок. Она обучалась на 2 600 сгенерированных заметках для каталога из 64 товаров. На небольших наборах рукописных заметок, не встречавшихся при обучении, точное совпадение всех полей составило 74% для хинглиша и 64% для телугу; размеры наборов — 34 и 36 заметок соответственно. Репозиторий содержит веса safetensors в формате 16 бит, модель использует Transformers и имеет контекст до 32 768 токенов. Ограничения: модель ориентируется на известные 64 товара и может подменить незнакомый товар похожим; возможны ошибки с ценой, следующей строкой заказа, близкими написаниями на телугу и названиями только по бренду. Рекомендуется задавать обучающий системный промпт и использовать жадное декодирование. Лицензия — Apache-2.0.

Persian-OCR от WeightedAI — модель оптического распознавания символов, предназначенная для извлечения персидского текста из изображений. Она использует архитектуру CNN и Transformer с обучением по функции потерь CTC; в репозитории представлены веса PyTorch и словарь символов. Модель содержит 183,5 млн параметров. Для обучения использовался пользовательский синтетический набор примерно из 600 тысяч изображений персидского текста, созданных на основе Википедии с 49 шрифтами; длина последовательностей составляла от 0 до 150 символов. В README заявлена точность последовательности 96% на этом наборе. Модель подходит для распознавания персидских надписей и страниц, но для реальных изображений может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

jefftherover/pii-dual-mmbert-base-v2 — дообученная модель на базе многоязычного энкодера jhu-clsp/mmBERT-base для классификации токенов. По названию модели можно предположить, что она предназначена для обнаружения и разметки персональных данных (PII) в тексте, однако README не описывает её назначение и метки, а обучающий датасет указан как неизвестный. Модель содержит 306,9 млн параметров, использует архитектуру ModernBERT и принимает последовательности длиной до 8192 токенов. В README приведены результаты оценки: F1 0,9970, точность 0,9963 и полнота 0,9977; датасет и методика оценки не раскрыты, поэтому эти показатели нельзя считать подтверждением качества на новых данных. Модель доступна в формате Safetensors через Transformers и распространяется по лицензии MIT.

PP-FormulaNet_plus-M — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она входит в линейку PP-FormulaNet_plus и предназначена для преобразования формул в изображениях в исходный код LaTeX, в том числе при разборе страниц с учебниками, диссертациями, экзаменационными материалами и научными журналами. Версия M поддерживает китайские формулы и обрабатывает последовательности до 2 560 токенов, что позволяет распознавать сложные выражения. Модель рассчитана на английские и китайские формулы; в качестве библиотеки используется PaddleOCR. Лицензия — Apache-2.0. Модель можно применять отдельно или как модуль распознавания формул в конвейерах анализа документов PaddleOCR. Показатели качества и скорости в README не приводятся для версии M, поэтому их нельзя оценить по имеющимся сведениям.

Карточка модели TechnoBaptist/privacy-filter-multilingual-v2 на Hugging Face совпадает с карточкой OpenMed/privacy-filter-multilingual-v2, поэтому описание составлено по ней. OpenMed разработала OpenMed/privacy-filter-multilingual-v2 — мультиязычную модель для извлечения персональных данных из текста. Это полноценно дообученная на базе openai/privacy-filter модель с архитектурой MoE и BIOES-головой классификации токенов. Она размечает фрагменты по 54 категориям PII, используя 217 меток BIOES. В метаданных указано 145,4 млн параметров и контекст до 131 072 токенов; карточка описывает исходную базовую модель как MoE на 1,4 млрд параметров с 50 млн активных параметров на токен. Модель предназначена для обнаружения и последующего маскирования персональных данных в многоязычных текстах; обёртка OpenMed также поддерживает извлечение сущностей и деидентификацию с заменой значений. Поддерживаются арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Весовые файлы представлены в формате safetensors, лицензия — Apache-2.0. Качество неравномерно: карточка отмечает более слабые результаты для японского, корейского, китайского и ряда языков с низкими ресурсами. Обучающие данные преимущественно синтетические, поэтому для реальных текстов и критически важных сценариев нужны доменная оценка и калибровка; модель не является специализированным решением для клинических медицинских данных и не заменяет проверку требований законодательства.

syssec-utd/py314-pylingual-v8-segmenter — дообученная модель RoBERTa для классификации токенов и сегментации текста. Она основана на syssec-utd/py314-pylingual-v8-mlm и обучена на токенизированном датасете syssec-utd/segmentation-py314-pylingual-v8-tokenized. Модель содержит 136,3 млн параметров, принимает текстовые токены и выдаёт метки для токенов; максимальная длина контекста — 1026 токенов. На оценочном наборе указаны F1 0,9932, точность 0,9928, полнота 0,9936 и accuracy 0,9985. Эти результаты относятся к описанному набору оценки; назначение сегментации и поддерживаемые языки подробнее не раскрыты. Лицензия в доступных данных не указана.

py315-pylingual-v3-segmenter — модель классификации токенов на базе RoBERTa, разработанная syssec-utd. Она дообучена на наборе syssec-utd/segmentation-py315-pylingual-v3-tokenized и предназначена для сегментации текста с помощью разметки отдельных токенов. В метаданных указаны 136,3 млн параметров, контекст до 1026 токенов и формат весов safetensors. На оценочном наборе README сообщает F1 0,9948 и accuracy 0,9985; результаты относятся к этому набору и сами по себе не гарантируют такое же качество на других данных. Лицензия в предоставленных сведениях не указана.

bd2lcco/Qwen3-0.6B-finetuned — это дообученная модель для классификации токенов, опубликованная пользователем bd2lcco на Hugging Face и основанная на Qwen/Qwen3-0.6B. В метаданных указаны архитектура Qwen3ForTokenClassification, около 507,9 млн параметров, контекст до 40 960 токенов и формат safetensors; лицензия — Apache-2.0. Модель предназначена для разметки отдельных токенов во входном тексте, например для извлечения сущностей или определения меток последовательности, если соответствующие классы предусмотрены дообучением. Открытый поиск по точному идентификатору не нашёл карточку этой модели, поэтому её конкретную схему меток и специализацию подтвердить нельзя. Карточка базовой модели Qwen3-0.6B указывает на компактную многоязычную языковую модель; точные языки и контекстные характеристики производной модели сверх метаданных здесь не уточняются.

dsadd5018/Qwen3-0.6B-JSON-SFT-GRPO — дообученная разработчиком dsadd5018 языковая модель семейства Qwen3 на базе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель с архитектурой Qwen3ForCausalLM содержит 507,9 млн параметров и предназначена для генерации текста в диалоговом формате; название и базовая модель указывают на специализацию на создании JSON. Модель принимает текст и генерирует текст. В метаданных указан контекст до 40 960 токенов и английский язык. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Модель может подойти для генерации структурированных ответов в JSON и диалоговых сценариев. Карточка не приводит результатов оценки качества или подробностей о данных и настройке GRPO, поэтому фактическую точность JSON и преимущества дообучения следует проверять на целевых задачах.

Jhjhugv/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, разработанная Jhjhugv и дообученная на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель предназначена для генерации текста в формате JSON; базовая модель ориентирована на извлечение метаданных, поручений, решений и препятствий из корейских протоколов совещаний. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с использованием Unsloth и библиотеки TRL; доступны веса в формате safetensors и интерфейс для диалогов и вызова инструментов. Практические сценарии — преобразование протоколов совещаний в структурированные JSON-данные и извлечение из них задач, решений и препятствий. Поддержка корейского языка следует из назначения базовой модели; метаданные карточки также помечают английский. Модель распространяется по лицензии Apache-2.0. Отдельные сведения о качестве и известных ограничениях дообученной версии в карточке не приведены.

luckysong777/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная авторегрессионная языковая модель семейства Qwen3, дообученная на базе NotoriousH2/Qwen3-0.6B-JSON-SFT. В README указано, что модель обучалась с помощью Unsloth и библиотеки TRL; число параметров — 507,9 млн, нативное окно контекста — 40 960 токенов. Модель предназначена для генерации текста в формате JSON и диалогового взаимодействия. Описание базовой модели указывает на извлечение метаданных, поручений, решений и препятствий из корейских протоколов совещаний; применимость этих сценариев к данной производной модели вероятна, но отдельные результаты её обучения в карточке не приведены. Репозиторий предоставляет веса в формате Safetensors. Модель выпущена под лицензией Apache-2.0. Английский указан среди языков карточки, а описание базовой модели связывает её с корейскими протоколами; точное качество и ограничения извлечения для этой версии в README не описаны.

RUNorm-tagger — русскоязычная модель для классификации токенов на базе архитектуры BERT, опубликованная организацией RUNorm. Она предназначена для разметки отдельных токенов в тексте; карточка не уточняет конкретную схему меток или прикладной сценарий. Модель содержит 12,1 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Доступны веса PyTorch. Лицензия — Apache-2.0. Карточка README не содержит дополнительных сведений о качестве и ограничениях модели.

SpanBERT-large-cased — англоязычная предобученная языковая модель на архитектуре BERT, разработанная исследовательской группой SpanBERT и опубликованная организацией SpanBERT. Она использует обучение, ориентированное на представление и предсказание фрагментов текста, и предназначена как основа для последующей настройки на задачи понимания текста, особенно ответы на вопросы, выделение отношений и разрешение кореференции. В официальном репозитории указана конфигурация из 24 слоёв, скрытого размера 1024 и 16 голов внимания; метаданные этой копии Hugging Face указывают 432,3 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт контекстные представления токенов; сама по себе это не генеративный чат-бот и не готовый классификатор для всех перечисленных задач. Репозиторий демонстрирует её применение после дообучения на SQuAD, TACRED, GLUE и задачах кореференции. SpanBERT показала преимущество над BERT в приведённых авторами оценках SQuAD и кореференции. Модель предназначена для английского языка. Лицензия — CC-BY-NC 4.0, в том числе для предобученных весов; коммерческое использование не разрешено этой лицензией.

stanfordnlp/stanza-he — модель Stanza для анализа текста на иврите, разработанная проектом Stanza при Stanford NLP. Она входит в набор инструментов лингвистического анализа Stanza и предназначена для обработки текста, включая распознавание сущностей; в Hugging Face модель классифицирована для разметки токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Модель подходит для лингвистического анализа текстов на иврите в приложениях NLP. README не уточняет архитектуру, размер, контекст и конкретные типы разметки, поэтому их нельзя определить по доступным сведениям.

TrOCR base-stage1 — базовая предварительно обученная модель распознавания текста на изображениях, представленная Microsoft и основанная на работе Li и соавторов. Она предназначена для OCR на изображениях с одной строкой текста; для прикладного распознавания рекомендуется искать дообученные версии под нужный тип данных. Модель построена по архитектуре encoder-decoder: трансформерный визуальный энкодер получает изображение как последовательность патчей 16×16, а трансформерный текстовый декодер авторегрессионно генерирует текст. Энкодер инициализирован весами BEiT, декодер — RoBERTa. Карточка не приводит сведений о языковой специализации, размере и лицензии, поэтому эти характеристики здесь не уточняются.

GanjinZero/UMLSBert_ENG — англоязычная версия CODER, модели векторных представлений медицинских терминов, разработанной Zheng Yuan, Zhengyun Zhao, Haixia Sun, Jiao Li, Fei Wang и Sheng Yu. README отдельно уточняет, что это не UMLSBert; в статье CODER описана как модель для нормализации медицинских терминов с использованием знаний и межъязыковых представлений. Модель основана на BERT и предназначена для извлечения признаков из текста: представления терминов можно применять для их сопоставления и нормализации. Параметры модели — 136,7 млн, максимальная длина контекста — 512 токенов. Репозиторий предоставляет веса PyTorch и safetensors. Модель рассчитана на английский язык и медицинскую терминологию. Доступна по лицензии Apache-2.0. README не приводит конкретных оценок качества или подробностей обучения этой английской версии.

wolof-finetuned-ner — модель для распознавания именованных сущностей в тексте на языке волоф. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; для классификации токенов использует контекст до 514 токенов. По карточке, модель обучалась с нуля на неуказанном датасете. В оценке на тестовом наборе указаны F1 0,8302, полнота 0,8980 и точность 0,7719. Модель подходит для разметки слов и фрагментов текста по типам сущностей в задачах обработки волофского языка. Карточка не сообщает, какие именно классы сущностей размечаются, и не описывает ограничения или условия лицензии.

Модель tner/xlm-roberta-base-bc5cdr — дообученная для распознавания именованных сущностей версия XLM-RoBERTa base из проекта TNER. Она выполняет поклассовую разметку токенов и предназначена для извлечения сущностей в тексте. Число параметров — 305,2 млн, максимальная длина контекста — 514 токенов; модель доступна в формате PyTorch. Название указывает на настройку для набора BC5CDR, связанного с распознаванием химических и медицинских сущностей в биомедицинских текстах. Модель подходит для извлечения таких упоминаний из научных публикаций и других текстовых материалов. README указывает на использование через Transformers, а базовую модель можно загрузить как asahi417/tner-xlm-roberta-base-bc5cdr. Это производная модель XLM-RoBERTa, дообученная для NER. README не сообщает лицензию и конкретный набор поддерживаемых языков; по названию набора BC5CDR назначение связано с англоязычными биомедицинскими текстами. Ограничение контекста составляет 514 токенов.

severinsimmler/xlm-roberta-longformer-base-16384 — версия модели hyperonym/xlm-roberta-longformer-base-16384 в формате PyTorch, опубликованная без изменений исходных весов. Это мультиязычный Longformer, инициализированный весами XLM-RoBERTa без дополнительного предварительного обучения; модель предназначена для дообучения под конкретные задачи и извлечения признаков из текста. Она содержит 305,2 млн параметров и поддерживает контекст до 16 386 токенов. Модель подходит для анализа длинных документов на разных языках, когда требуется получить контекстные представления текста. Репозиторий использует форматы PyTorch и Safetensors и распространяется по лицензии MIT. Карточка не сообщает результатов оценки качества на прикладных задачах; для целевого применения потребуется дообучение.

GreenMap/yolo11x-blueprint-legend-layout-detector — модель YOLO11x от GreenMap для обнаружения элементов легенд на архитектурных планах и строительных чертежах. Она находит графические символы и штриховки, текстовые описания и целые строки легенды, связывающие символ с описанием. Модель обучена на планах этажей и строительных чертежах; использует Ultralytics и представлена в формате PyTorch. Размер входного изображения при обучении — 1472 × 1472 пикселя. На валидационной выборке из 68 изображений модель показала mAP50 0,918 и mAP50-95 0,735; для классов символов и описаний mAP50 составила 0,993. Эти показатели относятся к указанной выборке и не гарантируют такого же качества на чертежах другого типа. Лицензия — Apache-2.0.