I.3Извлечение и структурирование данных

KBIR — языковая модель Bloomberg на архитектуре RoBERTa, разработанная для получения контекстных представлений ключевых фраз. В предобучении к RoBERTa добавлены головы восстановления пропусков и классификации замен; при оценке на последующих задачах используются предобученные представления, а не эти головы. Модель содержит 454,1 млн параметров, распространяется в формате PyTorch и принимает текст с контекстом до 514 токенов. Представления KBIR можно дообучать для извлечения ключевых фраз, распознавания именованных сущностей, ответов на вопросы и других задач классификации текста, совместимых с RoBERTa. README приводит примеры оценки на наборах данных для извлечения ключевых фраз и предлагает адаптировать модель к другим наборам данных. Модель предназначена для работы с текстом; README не сообщает языковую специализацию. Лицензия — Apache-2.0. Результаты зависят от последующего дообучения и набора данных; сама модель не является готовым решением для перечисленных прикладных задач.

Legal-BERT-LGPD — модель на архитектуре BERT, разработанная для анализа бразильских юридических текстов с акцентом на закон LGPD о защите персональных данных. Она выполняет токен-классификацию для распознавания именованных сущностей, включая персональные данные в документах. Модель дообучена на базе pierreguillou/ner-bert-large-cased-pt-lenerbr с адаптацией к юридическому корпусу на португальском языке; содержит 433,2 млн параметров и обрабатывает контекст до 512 токенов. Модель предназначена для извлечения имен, дат, адресов и других размеченных сущностей из бразильских юридических документов, в том числе материалов, связанных с приватностью и защитой данных. В README для отдельных классов указаны F1 0,95 для имен, 0,98 для дат и 0,82 для адресов; эти результаты относятся к приведённой оценке и не гарантируют такую же точность на других данных. Модель специализирована на юридическом португальском Бразилии, может хуже работать в других областях и языках и не заменяет юридическую консультацию. Лицензия — MIT.

LUKE Japanese base — японская версия предварительно обученного трансформера LUKE (Language Understanding with Knowledge-based Embeddings), разработанная Studio Ousia. Модель обрабатывает слова и сущности как отдельные токены и формирует их контекстуализированные представления; в её параметрах есть эмбеддинги сущностей из Wikipedia. Это базовая модель на 138,4 млн параметров с контекстом до 514 токенов, опубликованная в формате PyTorch. Модель предназначена для задач понимания японского текста, в том числе заполнения маски, распознавания именованных сущностей, классификации отношений и ответов на вопросы. В README приведены результаты оценки на dev-выборке JGLUE для классификации тональности, оценки текстового сходства, вывода и ответов на вопросы. Для обычных NLP-задач, где на вход подаются только слова и не используются сущности Wikipedia, авторы рекомендуют lite-версию. Лицензия — Apache-2.0.

Mermaid-Yi-9B — языковая модель Troy Andrew Schultz для генерации представлений графов знаний. Модель построена на архитектуре Llama и содержит 8,6 млрд параметров; она принимает текст и генерирует текст. Для обучения автор использовал 17 тысяч синтетических примеров, полученных с помощью Mermaid Mistral 7B, а исходный набор из 500 примеров применялся для оценки. В README сообщается об одном цикле обучения и значении eval loss около 0,3. Модель предназначена для преобразования текстовых данных в графы знаний и для экспериментов с синтетическими обучающими данными. Указанное максимальное контекстное окно — 4096 токенов. Модель распространяется в формате safetensors по лицензии CC BY 4.0. README заявляет о готовности к практическому применению, однако не приводит независимых оценок качества или подробностей о форматах генерируемых графов.

Cbezz/modernbert-ausmed-pii — дообученная модель Cbezz для выделения персональных и медицинских идентификаторов в австралийских клинических заметках. Это encoder-модель ModernBERT с классификационной головой для токенов, примерно 149 млн параметров и контекстом до 8192 токенов. Она возвращает разметку сущностей в формате BIO для имён, адресов, контактных данных, номеров медицинских документов и других перечисленных в карточке категорий; класс MEDICAL_ENTITY предназначен для распознавания медицинских терминов как сложных отрицательных примеров, а не для их удаления. Модель подходит для извлечения PII перед последующей проверкой или обезличиванием клинических текстов. Обучение проводилось на 17 817 синтетических заметках; в README приведены значения F1 0,8835 на тестовой выборке и 0,8811 на отложенной выборке. Эти результаты относятся к указанным синтетическим данным, поэтому качество на реальных клинических записях может отличаться. Модель выпущена под лицензией Apache-2.0.

allenai/multicite-multilabel-scibert — модель AllenAI для многометочной классификации научных цитат. Она основана на SciBERT и предназначена для определения нескольких меток текста цитирования. Модель использует архитектуру BERT, содержит 137,1 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для классификации цитат в научных текстах и автоматической разметки корпусов научных публикаций. Она опубликована в формате PyTorch под лицензией MIT. Карточка не описывает точный набор меток и показатели качества, поэтому пригодность для конкретной схемы разметки следует проверять отдельно.

Модель разработана командой NLP4BIA Барселонского суперкомпьютерного центра для распознавания упоминаний заболеваний в чешских клинических текстах. Это дообученная версия HPLT/hplt_bert_base_cs с архитектурой LtgBERT для классификации токенов: она присваивает токенам BIO-метки O, B-DISEASE и I-DISEASE. Модель содержит 124,3 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для извлечения названий заболеваний из медицинских записей и документов на чешском языке. Для соответствия опубликованной оценке на входе нужна токенизация, аналогичная обучающей; на длинных документах рекомендуется использовать шаг 128 и корректно объединять результаты по фрагментам. В README сообщаются strict F1 0,5284 и посимвольный F1 0,6818 на тестовом наборе MultiClinNER для чешского языка. Авторы предупреждают о возможных смещениях и нежелательных искажениях и не приводят оценку этих смещений. Лицензия модели — CC BY 4.0.

nerel-bio-RuBioBERT-base — модель для классификации токенов, созданная дообучением RuBioBERT разработчиком ekaterinatao. Архитектура — BERT для классификации токенов; размер составляет 205,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для присвоения меток отдельным токенам во входном тексте; название указывает на биомедицинскую область и NER, однако карточка не раскрывает набор меток и обучающие данные. В README приведены результаты оценки: F1 0,8132, точность 0,8107, полнота 0,8157 и accuracy 0,8721. Эти показатели относятся к указанному набору оценки, детали которого не описаны. Модель представлена в формате safetensors; лицензия в доступных данных не указана.

Модель flair/ner-german-legal — модель распознавания именованных сущностей в немецких юридических текстах, распространяемая как стандартная модель библиотеки Flair. Она предназначена для извлечения юридически значимых сущностей из документов; README сообщает о 19 тегах, включая адвокатов, европейские стандарты и законы. Модель построена на эмбеддингах Flair с архитектурой LSTM-CRF и обучена на наборе LER German. В README указан F1-результат 96,35 на этом наборе. Модель принимает немецкий текст и присваивает метки его фрагментам; репозиторий содержит веса PyTorch. Лицензия не указана в предоставленных данных.

OmniTab — модель для ответов на вопросы по таблицам, разработанная в рамках работы «OmniTab: Pretraining with Natural and Synthetic Data for Few-shot Table-based Question Answering». Она основана на архитектуре BART, инициализирована весами microsoft/tapex-large и дополнительно предобучена на естественных и синтетических данных. Модель предназначена для ответов на вопросы по табличным данным, в том числе в сценариях few-shot, когда доступно мало примеров. Она содержит 252,8 млн параметров, работает с текстовым представлением таблиц и принимает контекст до 1024 токенов. В метаданных указан английский язык и датасет WikiTableQuestions. Модель можно применять для извлечения ответов из таблиц и анализа их содержимого по запросу на естественном языке. Карточка не сообщает лицензию и не описывает отдельные ограничения качества или способы представления таблиц.

OpenMed-NER-AnatomyDetect-BioPatient-108M — дообученная OpenMed модель на базе BERT для распознавания анатомических сущностей в биомедицинском тексте. Она помечает токены тегами B-Anatomy и I-Anatomy, чтобы выделять названия анатомических структур и частей тела в медицинских записях и научной литературе. Модель использует архитектуру BertForTokenClassification, содержит 135,5 млн параметров и принимает токенизированный текст; максимальная длина контекста — 512 токенов. Карточка сообщает об обучении на корпусе ANATOMY и приводит F1 0,89, точность и полноту 0,89, accuracy 0,98. Модель подходит для извлечения анатомической терминологии и последующего анализа медицинских документов. Она предназначена для английского языка; результаты на других языках не заявлены. Модель распространяется под лицензией Apache-2.0 и совместима с Transformers. Метрики и заявления о готовности к клиническому применению приведены в карточке модели; перед использованием в клинических процессах качество следует проверять на целевых данных.

OpenMed-NER-ChemicalDetect-BioPatient-108M — модель OpenMed для распознавания упоминаний химических соединений и веществ в биомедицинских текстах. Это дообученный BERT-классификатор токенов на 135,5 млн параметров с контекстом до 512 токенов; веса опубликованы в формате Safetensors. Модель размечает токены тегами B-CHEM и I-CHEM и рассчитана на английские тексты. Модель подходит для извлечения названий химических веществ и лекарств из медицинских записей, научных публикаций и других биомедицинских документов. Это может поддержать поиск упоминаний препаратов, мониторинг нежелательных явлений и подготовку данных для исследований. В README заявлены результаты на корпусе BC4CHEMD: F1, точность и полнота 0,94, однако подробности независимой проверки не приведены. Модель распространяется по лицензии Apache-2.0 и интегрируется с Hugging Face Transformers. Её назначение ограничено распознаванием химических сущностей: README не подтверждает извлечение отношений, таких как лекарственные взаимодействия, или клиническую интерпретацию. Максимальная длина контекста составляет 512 токенов.

OpenMed-NER-ChemicalDetect-EuroMed-212M — дообученная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она использует архитектуру EuroBERT с примерно 212 млн параметров и решает задачу классификации токенов, присваивая фрагментам текста BIO-метки B-CHEM и I-CHEM. Для модели указан контекст до 8192 токенов. Модель обучена на корпусе BC4CHEMD и предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических записей и других медицинских документов. Её можно применять для поиска лекарственных веществ в медицинских текстах, мониторинга нежелательных явлений, анализа литературы по разработке препаратов и построения биомедицинских баз знаний. В README приведены F1 0,91, точность 0,92 и полнота 0,91; эти показатели относятся к описанной оценке на BC4CHEMD и не гарантируют аналогичных результатов на других данных. Модель принимает токенизированный текст и возвращает разметку химических сущностей. В метаданных указан английский язык. Распространяется по лицензии Apache-2.0; для переноса на другие типы документов качество следует проверять отдельно.

OpenMed разработала специализированную модель распознавания химических сущностей в биомедицинских текстах. Это дообученная ModernBERT-large с 394,7 млн параметров для токеновой классификации: она выделяет названия химических соединений и веществ тегами B-CHEM и I-CHEM. Модель обучена на корпусе BC4CHEMD и принимает токенизированный текст; контекст — до 8192 токенов. Модель подходит для извлечения химических соединений из научных публикаций, медицинских записей и других биомедицинских документов, например для поиска лекарств в записях пациентов, анализа литературы и построения биомедицинских графов знаний. В README приведены показатели на BC4CHEMD: F1 0,93, точность 0,92 и полнота 0,94; результаты зависят от текста и области применения, поэтому для критичных клинических сценариев их следует проверять отдельно. Доступна в формате safetensors по лицензии Apache-2.0.

OpenMed разработала специализированную модель распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер DeBERTa-v2 для токенной классификации с 155 млн параметров и контекстом до 512 токенов. Модель выделяет названия химических соединений и веществ, присваивая токенам метки B-CHEM и I-CHEM. Модель обучена на корпусе BC4CHEMD и предназначена для извлечения химических упоминаний из научной литературы, клинических записей и других медицинских документов. Такие извлечения можно использовать для поиска лекарств в записях пациентов, мониторинга нежелательных явлений, анализа литературы для разработки препаратов и построения биомедицинских графов знаний. README сообщает F1 0,93, точность 0,92 и полноту 0,94 на оценке модели. Модель принимает текст и возвращает токенные метки сущностей; она рассчитана на английский язык. Репозиторий использует формат safetensors, а лицензия — Apache-2.0. Ограничение контекста составляет 512 токенов; модель распознаёт химические сущности и не предназначена для извлечения всех типов биомедицинских сущностей.

OpenMed разработала OpenMed-NER-ChemicalDetect-TinyMed-66M — модель на основе DistilBERT, дообученную для распознавания химических сущностей в биомедицинских текстах. Она принимает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM; размер контекста составляет 512 токенов. Модель обучена на корпусе BC4CHEMD с аннотациями упоминаний химических соединений в научной литературе. Модель предназначена для извлечения химических веществ и соединений из научных публикаций, клинических записей и других биомедицинских документов. Её можно применять при поиске лекарственных взаимодействий, извлечении упоминаний препаратов из записей пациентов, мониторинге нежелательных явлений и построении биомедицинских баз знаний. В README приведены показатели на BC4CHEMD: F1 и точность 0,93, полнота 0,93, accuracy 0,98. Это англоязычная модель для классификации токенов, совместимая с Transformers; файлы весов представлены в формате safetensors. Лицензия — Apache-2.0. Результаты для BC4CHEMD не гарантируют такое же качество на других корпусах и типах клинических документов; модель размечает химические сущности и сама по себе не устанавливает взаимодействия или нежелательные реакции.

OpenMed-NER-DiseaseDetect-ModernMed-149M — дообученная OpenMed модель на базе ModernBERT-base для распознавания названий заболеваний в биомедицинском тексте. Она выполняет token classification и размечает найденные сущности тегами BIO: B-DISEASE и I-DISEASE. Модель содержит 149 млн параметров, принимает токенизированный текст и рассчитана на контекст до 8192 токенов. Модель обучена на наборе BC5CDR-Disease, содержащем аннотации заболеваний в рефератах PubMed. Она предназначена для извлечения заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, например для поиска по литературе и построения биомедицинских баз знаний. В карточке указаны F1 0,86, точность 0,85 и полнота 0,86 на BC5CDR-Disease. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Она извлекает только сущности заболеваний; качество на других типах текстов и вне целевого набора данных может отличаться. Результаты не заменяют проверку специалистом и не являются медицинским диагнозом.

OpenMed разработала OpenMed-NER-DiseaseDetect-PubMed-109M — модель на базе BiomedNLP-BiomedBERT, дообученную для распознавания названий заболеваний в биомедицинских текстах. Она обрабатывает токенизированный текст и размечает упоминания заболеваний BIO-тегами B-DISEASE и I-DISEASE. Архитектура — BERT для классификации токенов; размер составляет 136,7 млн параметров, контекст — до 512 токенов. Модель предназначена для извлечения заболеваний из аннотаций PubMed, научных публикаций и медицинских документов, а также для поиска упоминаний заболеваний при анализе биомедицинской литературы. В README указаны результаты на BC5CDR-Disease: F1 0,87, точность 0,85 и полнота 0,90. Датасет включает 1 500 аннотаций PubMed; эти показатели относятся к указанному набору данных и не гарантируют аналогичное качество на других типах текстов. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0.

OpenMed разработала эту специализированную модель для распознавания названий заболеваний в биомедицинских текстах. Это дообученная модель DistilBERT на 65 млн параметров для token classification: она присваивает токенам метки B-DISEASE и I-DISEASE, которые можно объединить в упоминания заболеваний. Модель обучена на наборе BC5CDR-Disease и рассчитана на английский текст; максимальная длина контекста составляет 512 токенов. Модель подходит для извлечения заболеваний из научных публикаций и медицинских записей, а также для биомедицинского поиска, анализа литературы и подготовки данных для медицинской аналитики. В README приведены результаты на BC5CDR-Disease: F1 0,88, точность 0,86 и полнота 0,89. Эти показатели относятся к указанному набору данных и не гарантируют такую же точность на других источниках или клинических сценариях. Модель распространяется по лицензии Apache-2.0. Она распознаёт только сущности заболеваний, поэтому её выводы не следует трактовать как диагноз или как полноценное извлечение лекарств, взаимодействий и других типов сущностей.

OpenMed-NER-DNADetect-BioClinical-108M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный трансформер на архитектуре Bio_ClinicalBERT, представленный в виде BertForTokenClassification; по метаданным модель содержит 135,5 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате safetensors. Модель размечает упоминания белков, ДНК, РНК, клеточных линий и типов клеток BIO-тегами. Она предназначена для извлечения таких сущностей из клинических записей и научных публикаций, а также для поиска и структурирования биомедицинской информации. В README указаны обучение на корпусе JNLPBA и результаты на нём: F1 0,81, точность 0,76, полнота 0,86 и accuracy 0,91. Модель работает с англоязычным текстом и рассчитана на задачи биомедицинской обработки естественного языка. Она не генерирует ответы и может ошибаться при переносе на тексты и типы сущностей, отличающиеся от обучающих данных; показатели в карточке относятся к JNLPBA. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-ElectraMed-33M — дообученную модель на базе архитектуры e5-small-v2 для распознавания биомедицинских сущностей в тексте. Она обрабатывает токенизированный текст и присваивает токенам BIO-метки для белков, ДНК, РНК, клеточных линий и типов клеток. В метаданных указаны архитектура BERT, около 40 млн параметров и контекст до 512 токенов; модель использует формат safetensors и совместима с Transformers. Модель предназначена для извлечения сущностей из медицинских записей и научной литературы, а также для биомедицинского поиска и анализа. README приводит для JNLPBA F1 0,76, точность 0,70 и полноту 0,82; эти результаты относятся к указанному корпусу и не гарантируют качество на других текстах. Поддерживается английский язык. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-SuperClinical-141M — дообученную модель DeBERTa для распознавания биомедицинских сущностей в тексте. Она принимает токенизированный текст и присваивает токенам BIO-метки для белков, ДНК, РНК, клеточных линий и типов клеток; предназначена для обработки научной литературы, клинических записей и других биомедицинских документов. Модель содержит 155 млн параметров, использует архитектуру DeBERTa-v2 и рассчитана на контекст до 512 токенов. Карточка указывает обучение на корпусе JNLPBA и приводит для него F1 0,80, точность 0,75 и полноту 0,86. Это английская модель для извлечения сущностей, а не для постановки диагноза или самостоятельных клинических решений; качество зависит от жанра текста и совпадения его разметки с целевыми категориями. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-TinyMed-66M — модель распознавания биомедицинских сущностей, дообученную на базе distilbert-base-uncased для разметки токенов. Она выделяет белки, ДНК, РНК, клеточные линии и типы клеток в научных аннотациях и медицинских текстах, присваивая сущностям метки в формате BIO. Модель использует архитектуру DistilBERT, принимает текст и имеет контекст 512 токенов; карточка указывает поддержку английского языка. Модель предназначена для извлечения биомедицинских терминов из литературы и документов, включая задачи поиска сущностей для последующего анализа и построения баз знаний. В README приведены результаты на JNLPBA: F1 0,79, точность 0,75, полнота 0,84 и accuracy 0,91. Эти показатели относятся к указанному датасету и не гарантируют качество на других типах текстов. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-GenomeDetect-PubMed-109M — дообученную модель на архитектуре BERT для распознавания упоминаний генов и белков в биомедицинских текстах. Модель обучена на корпусе BC2GM и принимает токенизированный текст, возвращая BIO-разметку сущностей B-GENE/PROTEIN и I-GENE/PROTEIN. Размер модели — 136,7 млн параметров, максимальная длина контекста — 512 токенов; заявлена поддержка английского языка. Модель предназначена для извлечения генов и белков из научных публикаций, медицинских записей и других биомедицинских документов, например для поиска литературы и построения биомедицинских графов знаний. В README указаны F1 0,88, точность 0,88, полнота 0,89 и accuracy 0,97 на BC2GM. Эти результаты относятся к указанному корпусу и не гарантируют такое же качество на других жанрах текста или клинических данных. Лицензия — Apache-2.0.

OpenMed/OpenMed-NER-GenomicDetect-BioMed-109M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Это дообученная архитектура BERT для token classification, основанная на BiomedNLP-BiomedELECTRA-base-uncased-abstract. Модель принимает токенизированный текст и выдаёт BIO-разметку; в карточке указана метка сущности B-Cell-line-name/I-Cell-line-name. Размер модели — 136,7 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для извлечения генетических и биомедицинских упоминаний из научной литературы и медицинских документов, включая поиск клеточных линий для последующего анализа и текстового майнинга. В README также перечислены сценарии клинической аналитики и поиска по литературе, однако заявленные там показатели качества и более широкие типы сущностей не подтверждены приведённым списком меток. Карточка указывает обучение на корпусе GELLUS. Язык карточки — английский. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-OncologyDetect-BioClinical-108M — специализированную модель распознавания биомедицинских сущностей в текстах об онкологии и генетике рака. Это дообученный Bio_ClinicalBERT на корпусе BioNLP 2013 CG для задачи NER; модель размечает токены BIO-тегами, выделяя, среди прочего, гены и их продукты, виды рака, клетки, ткани, органы, химические вещества и другие анатомические и биологические сущности. Модель подходит для извлечения сущностей из медицинских записей и научной литературы, анализа онкологических публикаций и построения биомедицинских баз знаний. Размер — 135,5 млн параметров, максимальный контекст — 512 токенов; вход — токенизированный текст, выход — метки токенов. В README приведены результаты на целевом корпусе: F1 0,80, точность 0,79 и полнота 0,81. Английский указан как язык карточки. Модель распространяется по лицензии Apache-2.0.

OpenMed-NER-PharmaDetect-ElectraMed-109M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер для NER: он присваивает токенам BIO-метки B-CHEM и I-CHEM, чтобы выделять названия химических соединений, лекарств и терапевтических веществ. Модель ориентирована на тексты медицинских документов и научных публикаций, в частности на задачу BC5CDR_CHEM. Модель использует архитектуру BERT для классификации токенов, содержит 136,7 млн параметров и обрабатывает контекст длиной до 512 токенов. README приводит оценки на BC5CDR-Chem: F1 0,95, точность 0,95, полноту 0,96 и accuracy 0,98. Среди сценариев применения — извлечение лекарств из записей пациентов, мониторинг нежелательных явлений и поиск химических соединений в научной литературе. Модель выпущена под лицензией Apache-2.0.

OpenMed-NER-PharmaDetect-ElectraMed-560M — специализированная модель OpenMed для распознавания названий химических соединений в биомедицинских текстах. Это дообученный трансформер с архитектурой XLM-RoBERTa и 658,7 млн параметров, предназначенный для token classification. Модель принимает токенизированный текст и возвращает BIO-разметку химических сущностей, используя метки B-CHEM и I-CHEM. Контекст ограничен 514 токенами. Модель обучена на BC5CDR_CHEM и рассчитана на извлечение лекарств и химических соединений из медицинских записей, научных публикаций и других биомедицинских документов. Это может служить этапом подготовки данных для мониторинга нежелательных реакций, поиска литературы и построения биомедицинских баз знаний. В README заявлены F1 0,96, точность 0,95 и полнота 0,96 на соответствующем наборе данных. Карточка указывает совместимость с Transformers; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Заявленные метрики относятся к BC5CDR_CHEM и сами по себе не подтверждают качество на других типах клинических текстов или вне английского языка.

OpenMed-NER-PharmaDetect-ModernClinical-395M — модель распознавания химических сущностей, разработанная OpenMed и дообученная на корпусе BC5CDR_CHEM. Она выполняет классификацию токенов и отмечает названия химических соединений, лекарств и терапевтических веществ в биомедицинском тексте BIO-метками B-CHEM и I-CHEM. Модель построена на архитектуре ModernBERT; в README базовая архитектура названа BioClinical-ModernBERT-large. Размер составляет 394,7 млн параметров, контекст — до 8192 токенов. Она предназначена для извлечения химических сущностей из клинических записей, научных публикаций и медицинских документов, в том числе как этапа анализа лекарственных взаимодействий, нежелательных явлений и литературы по разработке препаратов. Для неё заявлены F1 0,95, точность 0,95 и полнота 0,96 на задачах распознавания химических сущностей. Модель принимает токенизированный текст и возвращает метки сущностей для токенов. В карточке указан английский язык и лицензия Apache-2.0. Результаты зависят от домена и качества входного текста; модель распознаёт химические сущности, но сама по себе не устанавливает лекарственные взаимодействия и не заменяет клиническую проверку.

OpenMed-NER-PharmaDetect-MultiMed-335M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученная модель на архитектуре BERT с 433,9 млн параметров, предназначенная для токенной классификации; она принимает токенизированный текст и присваивает словам BIO-метки B-CHEM и I-CHEM. Контекст ограничен 512 токенами. Модель обучена на наборе BC5CDR_CHEM и рассчитана на извлечение названий химических соединений, лекарств и терапевтических веществ из аннотаций научных статей и медицинских документов. Возможные сценарии включают поиск препаратов в записях пациентов, мониторинг нежелательных явлений и подготовку данных для исследований лекарств. В карточке заявлены F1 0,961, точность 0,9585 и полнота 0,9634 на BC5CDR_CHEM. Указана лицензия Apache-2.0. Результаты относятся к конкретному набору BC5CDR_CHEM; качество на других типах клинических и научных текстов в карточке не подтверждено. Язык модели — английский.