I.3Извлечение и структурирование данных

OpenMed-NER-AnatomyDetect-PubMed-v2-109M — модель OpenMed для распознавания анатомических сущностей в биомедицинских текстах. Это дообученный трансформер семейства BERT на основе BiomedNLP-BiomedBERT-base-uncased-abstract, с архитектурой BertForTokenClassification и 136,7 млн параметров. Модель выделяет названия анатомических структур и частей тела, присваивая токенам BIO-метки B-Anatomy и I-Anatomy. Модель предназначена для извлечения анатомических терминов из научных публикаций и клинических документов, а также для поиска по медицинской литературе и построения биомедицинских баз знаний. Она принимает токенизированный текст и возвращает разметку токенов; заявленные в карточке показатели на наборе ANATOMY — F1 0,90, точность 0,89 и полнота 0,91. Контекст ограничен 512 токенами. Карточка указывает английский язык и лицензию Apache-2.0.

OpenMed-NER-ChemicalDetect-TinyMed-65M — дообученная OpenMed модель на архитектуре DistilBERT для распознавания химических соединений и веществ в биомедицинских текстах. Она выполняет токенную классификацию с BIO-метками B-CHEM и I-CHEM; базовая архитектура в карточке указана как distilbert-base-cased. Модель принимает токенизированный текст и выдаёт метки химических сущностей для найденных фрагментов. Модель предназначена для извлечения химических названий из научных публикаций, медицинских записей и других биомедицинских документов. Возможные сценарии — поиск упоминаний лекарств, анализ литературы для разработки препаратов и подготовка данных для биомедицинских баз знаний. В README приведены результаты на BC4CHEMD: F1 и precision 0,93, recall 0,93, accuracy 0,98. Контекст — 512 токенов; поддерживаемый язык карточки — английский. Лицензия — Apache-2.0. Результаты относятся к распознаванию химических сущностей в домене обучающего набора и не подтверждают пригодность для всех клинических задач. README заявляет о проверке на клинических тестах, но подробности протокола и метрики для таких тестов не приведены.

OpenMed разработала специализированную модель распознавания заболеваний в биомедицинских текстах. Это дообученная DeBERTa для классификации токенов: она находит фрагменты с названиями заболеваний и размечает их тегами B-DISEASE и I-DISEASE. Модель рассчитана на тексты медицинских документов и научных публикаций; среди примеров применения — извлечение упоминаний заболеваний для анализа литературы и медицинских данных. Модель содержит 533,8 млн параметров, принимает токенизированный текст и выдаёт BIO-разметку. Контекст ограничен 512 токенами. В карточке указаны результаты на BC5CDR-Disease: F1 0,9118, точность 0,9028 и полнота 0,9211. Данные о поддерживаемом языке — английский. Распространяется по лицензии Apache-2.0.

OpenMed-NER-DNADetect-SuperMedical-125M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная на корпусе JNLPBA архитектура RoBERTa для классификации токенов; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. Модель размечает сущности BIO-тегами и распознаёт белки, ДНК, РНК, клеточные линии и типы клеток. Модель предназначена для извлечения биомедицинских терминов из научных публикаций и медицинских документов, а также для поиска сущностей при анализе литературы и построении биомедицинских баз знаний. В карточке приведены метрики на JNLPBA: F1 0,80, точность 0,76, полнота 0,86 и accuracy 0,93. Заявления карточки о пригодности для клинического применения не заменяют отдельную проверку на целевых данных. Модель принимает токенизированный английский текст и выдаёт метки сущностей; лицензия — Apache-2.0.

OpenMed-NER-GenomeDetect-BigMed-560M — модель OpenMed для распознавания упоминаний генов и белков в биомедицинских текстах. Это дообученный трансформер XLM-RoBERTa для классификации токенов с 658,7 млн параметров и контекстом до 514 токенов. Модель размечает найденные упоминания тегами BIO типов B-GENE/PROTEIN и I-GENE/PROTEIN; репозиторий содержит веса в формате safetensors. Модель предназначена для извлечения генов и белков из научных статей, медицинской документации и других биомедицинских текстов. Её можно применять для поиска сущностей в литературе, анализа клинических записей и построения биомедицинских баз знаний. В README приведены результаты на BC2GM: F1 0,88, точность 0,87 и полнота 0,88; эти показатели относятся к указанному корпусу и не гарантируют такое же качество на других текстах. Обучение описано на корпусе BC2GM. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-GenomicDetect-TinyMed-65M — специализированную модель для распознавания именованных сущностей в биомедицинских текстах. Это дообученная версия DistilBERT с архитектурой DistilBertForTokenClassification, примерно 65 млн параметров и контекстом до 512 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей; в карточке указаны метки B-Cell-line-name и I-Cell-line-name, поэтому подтверждённая область распознавания — названия клеточных линий. Модель предназначена для извлечения таких сущностей из научной литературы и других биомедицинских документов, а также для последующего поиска и структурирования упоминаний в корпусах. В README приведены результаты на GELLUS: F1 0,98, точность 0,99 и полнота 0,98; эти показатели относятся к описанной оценке и не гарантируют такого же качества на других данных. Язык карточки — английский. Репозиторий использует формат Safetensors, лицензия — Apache-2.0.

OpenMed-NER-PathologyDetect-ElectraMed-33M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер архитектуры BERT для классификации токенов, обученный на корпусе NCBI Disease; он выделяет сущности метками B-Disease и I-Disease и выдаёт BIO-разметку. В README также указана базовая архитектура e5-small-v2, однако идентификатор базовой модели не приведён. По метаданным модель содержит 40 млн параметров, принимает последовательности токенов с контекстом до 512 токенов и распространяется в формате safetensors. Модель подходит для извлечения названий заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, а также для построения систем поиска и анализа медицинской литературы. README приводит F1 0,82, точность 0,79 и полноту 0,85 на NCBI Disease; эти результаты относятся к указанному корпусу. Модель ориентирована на английский язык. Лицензия — Apache-2.0. Её задача ограничена распознаванием заболеваний: README упоминает более широкие сценарии вроде извлечения лекарств, но поддержка соответствующих сущностей не заявлена.

OpenMed-NER-PathologyDetect-MultiMed-568M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Она дообучена для задачи NER на корпусе NCBI Disease и выдаёт метки BIO для сущностей типов B-Disease и I-Disease. По метаданным, модель использует архитектуру XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. README сообщает F1 0,88, точность 0,87 и полноту 0,89 на NCBI Disease. Модель предназначена для извлечения названий заболеваний из научных публикаций и медицинских документов, а также для последующего поиска и анализа таких упоминаний. Карточка приводит дополнительные сценарии — мониторинг нежелательных явлений, анализ литературы и построение биомедицинских графов знаний, однако описанные метки относятся к заболеваниям, а не к лекарствам или химическим веществам. Данные о поддерживаемом языке в карточке и метаданных указывают на английский. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-SuperClinical-141M — модель DeBERTa V2 для распознавания упоминаний заболеваний в биомедицинском тексте. Она выполняет токенную классификацию и размечает сущности заболеваниями в формате BIO; в карточке указаны метки B-Disease и I-Disease. Модель обучена на корпусе NCBI Disease и предназначена для анализа клинических текстов, научных публикаций и медицинских документов. Модель содержит 155 млн параметров, принимает токенизированный текст и поддерживает контекст до 512 токенов. Карточка сообщает F1 0,89, точность 0,86 и полноту 0,92 на NCBI Disease, но эти показатели относятся к конкретному набору данных и не гарантируют такого же качества на других текстах. Возможности извлечения лекарств или химических соединений README заявляет среди сценариев, однако перечисленные метки относятся только к заболеваниям. Модель доступна в формате safetensors по лицензии Apache-2.0. Она предназначена для извлечения заболеваний и не заменяет клиническую оценку; при обработке длинных фрагментов следует учитывать ограничение контекста.

OpenMed разработала специализированную модель распознавания химических сущностей в биомедицинском тексте. Это дообученный трансформер XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и 658,7 млн параметров; он принимает токенизированный текст и размечает химические упоминания тегами B-CHEM и I-CHEM. Модель предназначена для извлечения названий лекарств и соединений из медицинских записей, научных публикаций и других биомедицинских документов. Модель обучена на BC5CDR_CHEM и рассчитана на задачи биомедицинского NER, включая поиск химических соединений для фармаконадзора, анализа литературы и построения биомедицинских графов знаний. В карточке приведены показатели на наборе BC5CDR-Chem: F1 0,94, точность 0,94 и полнота 0,95. Репозиторий содержит веса в формате safetensors; указанная лицензия — Apache-2.0. Метаданные указывают английский язык и контекст до 8194 токенов. Результаты на BC5CDR-Chem не гарантируют такую же точность на других типах документов или вне тематического распределения обучающих данных.

Карточка модели aria220/OpenMed-NER-PharmaDetect-SuperClinical-434M на Hugging Face совпадает с карточкой OpenMed/OpenMed-NER-PharmaDetect-SuperClinical-434M, поэтому описание составлено по ней. OpenMed разработала OpenMed-NER-PharmaDetect-SuperClinical-434M — специализированную модель распознавания химических сущностей в биомедицинских текстах. Это дообученная для token classification модель на архитектуре DeBERTa V2 с 533,8 млн параметров; README указывает базовую архитектуру DeBERTa V3 Large. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей типов B-CHEM и I-CHEM. Контекст — до 512 токенов. Модель обучена на BC5CDR_CHEM и предназначена для извлечения названий химических соединений и лекарственных веществ из научной литературы и медицинских документов. Возможные сценарии — поиск препаратов в текстах, мониторинг нежелательных явлений и подготовка данных для биомедицинских графов знаний. В README приведены результаты на BC5CDR_CHEM: F1 0,9614, точность 0,9520 и полнота 0,9710; эти показатели относятся к указанному набору данных и не гарантируют качество на иных типах текстов. Карточка указывает английский язык. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-TinyMed-135M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученный трансформер DistilBERT для токенной классификации: он присваивает токенам BIO-метки B-CHEM и I-CHEM, обозначающие границы химических соединений и лекарственных веществ. В README в качестве базовой архитектуры указана distilbert-base-multilingual-cased; модель работает с текстом и имеет контекст длиной 512 токенов. Модель обучена на BC5CDR-Chem и рассчитана на извлечение химических соединений из научных публикаций и медицинских документов. Её можно использовать для поиска лекарств в медицинских записях, мониторинга нежелательных явлений, анализа литературы для разработки лекарств и подготовки данных для биомедицинских графов знаний. README приводит F1 0,95, точность 0,94, полноту 0,95 и accuracy 0,98 на BC5CDR-Chem; эти показатели относятся к указанному корпусу. Модель совместима с Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0. Результаты на другом типе текста могут отличаться: метки ориентированы на химические сущности, а контекст ограничен 512 токенами.

OpenMed-PII-French-BigMed-Large-560M-v1 — модель OpenMed для обнаружения и классификации персональных и иных чувствительных данных во французском тексте. Это дообученная на основе FacebookAI/xlm-roberta-large модель XLM-RoBERTa для токен-классификации с 658,7 млн параметров и контекстом до 514 токенов. Она размечает 54 типа сущностей, включая имена, адреса, контактные и финансовые данные, идентификаторы и медицинскую информацию. Модель предназначена для поиска PII в клинических записях и документах, подготовки наборов данных к исследованию, деидентификации и аудита документов. В README приведён результат F1 0,9733 на французской части набора AI4Privacy; модель может помогать в рабочих конвейерах обработки документов и соблюдении требований приватности. Модель принимает текст и выдаёт метки токенов с границами обнаруженных сущностей. Она оптимизирована для французского языка: качество на других языках и специализированной терминологии может снижаться. Возможны пропуски чувствительных данных, поэтому критические результаты требуют проверки человеком. Лицензия — Apache-2.0.

OpenMed-PII-German-BioClinicalBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных данных в немецком тексте. Она дообучена на базе emilyalsentzer/Bio_ClinicalBERT и использует архитектуру BERT с токенной классификацией; содержит 135,5 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель размечает 54 типа чувствительных сущностей, в том числе имена, адреса, идентификаторы, финансовые и медицинские сведения, контактные данные и даты. Её используют для поиска персональных данных в клинических записях и документах, подготовки данных к исследованиям и поддержки обезличивания в рабочих процессах с требованиями приватности. В карточке сообщается оценка micro F1 0,9316 на немецкой части набора AI4Privacy. Модель рассчитана на немецкий язык; качество на других языках и в специализированных предметных областях может снижаться. Возможны пропуски персональных данных, поэтому результаты следует проверять человеком, особенно в критически важных сценариях. Лицензия — Apache-2.0.

OpenMed-PII-German-BioClinicalModern-Base-149M-v1 — модель OpenMed для выявления и классификации персональных и других чувствительных данных в немецком тексте. Это дообученный BioClinical-ModernBERT с плотной архитектурой ModernBERT, примерно 149 млн параметров и контекстом до 8192 токенов; модель использует классификацию токенов и возвращает BIO-разметку сущностей. Модель предназначена для поиска PII в клинических записях, медицинских документах и других текстах, чтобы поддерживать обезличивание, подготовку данных и проверки приватности. В карточке заявлено 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские сведения. На немецкой части AI4Privacy модель показала micro-F1 0,9456. Модель оптимизирована для немецкого языка; качество на других языках и в текстах с узкоспециализированной терминологией может быть ниже. Возможны пропуски чувствительных данных, поэтому критические результаты требуют проверки человеком. Лицензия — Apache-2.0.

OpenMed-PII-German-FastClinical-Small-82M-v1 — модель OpenMed для обнаружения и классификации персональных и медицинских данных в немецком тексте. Это дообученная на задаче разметки токенов RoBERTa-модель с 95,2 млн параметров и контекстом до 514 токенов; она принимает текст и присваивает метки сущностям, включая имена, адреса, идентификаторы, медицинские номера, контакты и финансовые сведения. README описывает применение для обезличивания клинических записей и документов, проверки коллекций и подготовки исследовательских данных; модель обучалась на немецкой части AI4Privacy PII Masking 400k. В README заявлены 54 типа сущностей и micro-F1 0,9386 на немецком подмножестве AI4Privacy. Модель может ускорить поиск чувствительных фрагментов, но предназначена для помощи, а не замены проверки человеком: возможны пропуски, а качество зависит от терминологии и контекста. Оптимизирована для немецкого и может работать хуже на других языках. Лицензия — Apache-2.0.

OpenMed-PII-German-SuperClinical-Base-184M-v1 — модель OpenMed для поиска персональных и других чувствительных данных в немецком тексте. Это дообученная на token classification модель на архитектуре DeBERTa-v3-base; метаданные указывают 211,6 млн параметров, контекст 512 токенов и формат safetensors. Модель размечает токены BIO-тегами и выявляет 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские данные. Модель предназначена для обнаружения PII в клинических записях, медицинских документах и других немецкоязычных текстах, чтобы поддерживать обезличивание данных, подготовку наборов для исследований и аудит документов. В README указана оценка micro F1 0,9627 на немецкой части AI4Privacy; модель описана как подходящая для производственных конвейеров, но требующая проверки результатов человеком. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-PII-German-SuperClinical-Large-434M-v1 — модель разметки токенов на базе DeBERTa V3 Large, дообученную для обнаружения и классификации персональных и других чувствительных данных в немецком тексте. Она распознаёт 54 типа сущностей, включая имена, адреса, идентификаторы, финансовые и медицинские сведения, контактные данные и даты. Модель предназначена для обезличивания клинических записей и документов, подготовки исследовательских наборов данных и поиска чувствительной информации при аудите. В README указана оценка F1 0,9761 на немецкой части набора AI4Privacy PII Masking 400k. Модель имеет 533,8 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и выдаёт метки сущностей для токенов в формате BIO. Она оптимизирована для немецкого языка; качество на других языках и при специализированной терминологии может быть ниже. Авторы предупреждают, что модель может пропускать персональные данные и рекомендуют проверять результаты человеком в критически важных сценариях. Лицензия — Apache-2.0.

OpenMed разработала эту модель для обнаружения и классификации персональных данных в текстах на португальском языке. Это дообученная на задаче классификации токенов трансформерная модель семейства DeBERTa V2; в метаданных указано 155 млн параметров, а в README — 44 млн. Она принимает последовательности текста длиной до 512 токенов и размечает чувствительные фрагменты, включая имена, адреса, идентификаторы, медицинские сведения, контактные и финансовые данные. Модель предназначена для обезличивания клинических записей и документов, подготовки наборов данных к исследованиям и поиска персональных данных при аудите. README сообщает о результате micro F1 0,8849 на португальском тестовом наборе AI4Privacy и синтетических данных. Модель дообучена на основе microsoft/deberta-v3-small и распространяется в формате safetensors по лицензии Apache-2.0. Она рассчитана прежде всего на португальский текст, включая локальные форматы данных Бразилии. Модель служит вспомогательным средством: часть персональных данных может быть пропущена, а качество зависит от контекста и терминологии; результаты для других языков могут быть хуже. Для критически важных сценариев README рекомендует проверку человеком.

OpenMed-PII-Portuguese-SuperMedical-Base-125M-v1 — модель OpenMed для обнаружения и классификации персональных данных в португальском тексте. Это дообученная на основе FacebookAI/roberta-base модель RoBERTa с архитектурой RobertaForTokenClassification; она содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Модель размечает текст по 54 типам чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контакты и даты. Модель предназначена для выявления PII в клинических записях и документах, подготовки данных к исследованиям, поддержки деидентификации и аудита приватности. В карточке указана оценка F1 0,8856 на португальском тестовом наборе AI4Privacy и синтетических данных. Модель обучалась на португальских данных, включая синтетические примеры с локальными форматами, такими как CPF и бразильские телефонные номера. Она распространяется по лицензии Apache-2.0. Результаты следует проверять человеком: модель может пропускать чувствительные данные, а качество зависит от контекста и терминологии; для языков, кроме португальского, она не оптимизирована.

OpenMed-PII-Spanish-ClinicalBGE-Large-568M-v1 — модель OpenMed для поиска и классификации персональных и других чувствительных данных в испанском тексте. Это дообученная на базе BAAI/bge-m3 модель XLM-RoBERTa для разметки токенов; в метаданных указаны 658,7 млн параметров и контекст до 8194 токенов. Модель распространяется в формате safetensors и предназначена для использования с Transformers. Модель выявляет 54 типа сущностей, включая имена, адреса, идентификаторы, медицинские записи, контактные и финансовые сведения. Её применяют для деидентификации клинических заметок и документов, подготовки наборов данных к исследованиям и аудита документов на наличие чувствительной информации. В оценке на испанской части AI4Privacy указана micro F1 0,9391. Модель обучалась на тексте без диакритических знаков; README рекомендует удалять акценты перед обработкой. Возможны пропуски сущностей, а качество зависит от терминологии и может быть ниже вне испанского языка, поэтому результаты в критичных сценариях следует проверять. Лицензия — Apache-2.0.

OpenMed-PII-Spanish-SuperClinical-Small-44M-v1 — модель OpenMed для поиска и классификации персональных и других чувствительных данных в испанском тексте. Это дообученная на задаче классификации токенов модель DeBERTa V2; метаданные указывают базовую модель microsoft/deberta-v3-small, 155 млн параметров и контекст до 512 токенов. В README заявлено обнаружение 54 типов сущностей, включая имена, адреса, идентификаторы, медицинские записи, контактные и финансовые данные. Модель предназначена для выявления PII в клинических заметках, медицинских документах и других текстах, а также для последующего обезличивания, подготовки исследовательских наборов данных и аудита коллекций документов. В README приведён результат Micro F1 0,9225 на испанской части набора AI4Privacy PII Masking 400k. Для наилучших результатов карточка рекомендует удалять диакритические знаки перед обработкой; заявлено, что смещения символов сохраняются для сопоставления найденных сущностей с исходным текстом. Модель ориентирована на испанский язык и может пропускать чувствительные данные; точность также зависит от предметной терминологии. README рекомендует использовать её как вспомогательный инструмент с проверкой человеком в критически важных сценариях. Лицензия по метаданным — Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Pathology-XLarge-770M — англоязычная модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе NCBI Disease; в карточке указано 770 млн параметров. Модель принимает текст и возвращает найденные сущности с метками, прежде всего DISEASE. Zero-shot-интерфейс позволяет задавать типы сущностей при запросе, хотя основное обучение и оценка ориентированы на распознавание заболеваний. Модель предназначена для извлечения упоминаний болезней из научных аннотаций и клинических текстов, поиска когорт и построения медицинских графов знаний; результаты могут служить входом для последующей нормализации понятий в MeSH или OMIM. В README для тестовой части NCBI Disease приведён F1 около 0,887. Данные подтверждают применение для английского языка и текстовую классификацию токенов. Лицензия — Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Pharma-Multi-209M — специализированная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе BC5CDR-Chem, содержащем упоминания химических соединений, лекарств и терапевтических веществ. В метаданных указаны задача token-classification и формат PyTorch; модель принимает текст и возвращает метки и границы распознанных сущностей. Модель предназначена для извлечения названий химических веществ из научной литературы и других биомедицинских текстов, в том числе для фармаконадзора, поиска нежелательных реакций и последующего анализа связей «химическое вещество — заболевание». В README приведён F1 0,89 на тестовой выборке BC5CDR-Chem, исключённой из обучения. Заявленная возможность задавать собственные типы сущностей связана с zero-shot подходом GLiNER, однако обучение ориентировано прежде всего на химические сущности BC5CDR-Chem. Модель рассчитана на англоязычный текст. Длина контекста и число параметров не указаны в доступных данных. Лицензия Apache-2.0.

Ortix Seg LV Base — модель Baltrix из выпуска Ortix для выделения границ предложений в письменном латышском тексте. Она предназначена для очистки документов, обработки корпусов и подготовки текста к поиску и другим языковым конвейерам. Модель использует архитектуру DeBERTa V2 для классификации токенов; вариант Base содержит 6 слоёв. По метаданным, в модели 81,8 млн параметров, контекст составляет 1024 токена. Для применения предусмотрен пакет ortix-seg, который использует конфигурацию сегментации и правила постобработки для латышского языка. Модель дообучена на базе AiLab-IMCS-UL/lv-deberta-base и распространяется по лицензии Apache-2.0. Она рассчитана на сегментацию латышского текста; качество на других языках и задачах не заявлено.

pii-layout-synth-v10 — дообученная на неизвестном наборе данных модель answerdotai/ModernBERT-base для классификации токенов. Она предназначена для разметки последовательностей текста; название модели указывает на возможную связь с синтетическими данными о расположении персональной информации, но README не подтверждает это назначение. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и формат safetensors, работает через Transformers и поддерживает контекст до 8192 токенов. В README приведены результаты оценки: F1 0,9931, точность 0,9986, precision 0,9913 и recall 0,9949; набор данных и методика оценки не раскрыты. Лицензия — Apache-2.0.

PortugueseT5Oie — модель семейства T5, опубликованная под идентификатором bratao/PortugueseT5Oie. Это энкодер-декодер на 385,2 млн параметров, предназначенный для извлечения из португалоязычного текста отношений и фактов в формате Open Information Extraction (OpenIE). В карточке модели задача названа экстрактивным OpenIE; модель работает с текстом и выдаёт текстовые представления извлечённых отношений. Модель можно применять для выделения связей между сущностями в предложениях и преобразования найденных фактов в структурированные тройки. Точная обучающая инструкция для этого чекпойнта, его обучающие данные и итоговая оценка качества не подтверждены. Состояние тренера указывает на шаг 2 000 из запланированных 1 291 623, поэтому опубликованные веса могут быть промежуточными. Для практического использования потребуется проверка на собственных данных; при генерации возможны пропуски, дублирование и галлюцинации. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.

Это быстрая модель для разметки частей речи в английском тексте, поставляемая вместе с библиотекой Flair. Она использует эмбеддинги Flair и архитектуру LSTM-CRF и предсказывает детализированные POS-теги для токенов. На датасете OntoNotes в карточке указан F1-score 98,10. Модель подходит для синтаксического анализа текста и подготовки данных для последующих задач NLP. Она принимает текст и возвращает последовательность меток токенов. Поддерживаемый язык — английский; специальная предметная область не заявлена. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

syssec-utd/py314-pylingual-v6-segmenter — это дообученная модель RoBERTa для классификации токенов, созданная на основе syssec-utd/py314-pylingual-v6-mlm и обученная на датасете syssec-utd/segmentation-py314-pylingual-v6-tokenized. Она предназначена для сегментации текста с присвоением меток отдельным токенам. В репозитории указаны 136,3 млн параметров и контекст до 1026 токенов; модель использует библиотеку Transformers и сохранена в формате safetensors. На оценочной выборке указаны F1 0,994, точность 0,993, полнота 0,995 и accuracy 0,9983. Карточка не раскрывает набор меток и подробности обучающих данных, поэтому область применения результатов сегментации определить точнее нельзя. Лицензия в предоставленных данных не указана.

mlx-community/Qwen2.5-VL-3B-Instruct-8bit — 8-битная версия компактной мультимодальной модели Qwen2.5-VL-3B-Instruct, преобразованная сообществом mlx-community в формат MLX с помощью mlx-vlm 0.1.11. Модель основана на плотной архитектуре Qwen2.5-VL с 3,1 млрд параметров и предназначена для диалога с анализом изображений и генерацией ответов на естественном языке. Модель принимает текст и изображения, поддерживает контекст до 128 000 токенов и может использоваться для визуальных вопросов и ответов, описания изображений и структурированного вывода. Метаданные также указывают на интерфейс вызова инструментов. В карточке указана английская языковая поддержка. Для подробностей о возможностях README отсылает к карточке исходной модели. Лицензия в предоставленных данных не приведена.