I.3Извлечение и структурирование данных

OpenMed-ZeroShot-NER-Pathology-Small-166M — специализированная модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе NCBI Disease; объём модели — 166 млн параметров согласно её названию. Основная задача — выделять сущности типа DISEASE в научной литературе и клинических текстах, в том числе для последующей нормализации к MeSH или OMIM. Модель принимает текст и возвращает распознанные сущности с метками. README заявляет возможность задавать пользовательские типы сущностей без повторного обучения, однако описанный корпус и примеры сосредоточены на заболеваниях. Среди возможных сценариев — анализ медицинских записей, поиск упоминаний заболеваний в публикациях и подготовка данных для построения биомедицинских баз знаний. README приводит F1 0,71 на тестовой выборке NCBI Disease и сообщает об улучшении относительно базовой модели. Модель предназначена для английского языка. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Заявления README о точности и применении в клинических сценариях основаны на описанной задаче распознавания заболеваний; качество на других типах сущностей и текстах отдельно не подтверждено.

UMCU/PII_RobBERT — модель разметки токенов для обнаружения и классификации персональных данных в нидерландских текстах. Она разработана на основе DTAI-KULeuven/robbert-2023-dutch-large и дообучена командой UMCU с использованием MedNER; модель использует архитектуру RoBERTa и обучалась на наборе ai4privacy/pii-masking-openpii-1.5m. Модель присваивает токенам классы по схеме IOB, чтобы находить границы сущностей и определять их типы для последующего обезличивания текста. В классификационную голову добавлены три полносвязных слоя с ReLU и dropout 10%; веса получены объединением результатов пяти кросс-валидационных фолдов методом SLERP. Доступны веса в формате safetensors, использовать модель можно через Transformers. Размер — 453,9 млн параметров, контекст — 514 токенов. Лицензия Apache-2.0. Модель обучалась только на нидерландском языке. README приводит оценки для классификации заданных фрагментов и сквозного извлечения сущностей, но сами числовые результаты в доступной карточке отсутствуют. Качество для других языков и типов данных не подтверждено; извлечение меток само по себе не гарантирует корректное удаление или замену персональных данных.

ljh728/Qwen3-0.6B-JSON-SFT-GRPO — дообученная модель семейства Qwen3, разработанная ljh728 на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, в том числе ответов в формате JSON. Модель принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных ограничений, поэтому пригодность для конкретных сценариев JSON следует проверять на собственных примерах.

RobeCzech — одноязычная языковая модель RoBERTa для чешского языка, разработанная Институтом формальной и прикладной лингвистики Карлова университета в Праге (ÚFAL). Она предназначена прежде всего для задачи заполнения пропусков в тексте, а также может служить основой для морфологической разметки, лемматизации, синтаксического анализа зависимостей, распознавания именованных сущностей и семантического анализа. Модель содержит 153,2 млн параметров и принимает последовательности длиной до 514 токенов. Она обучена на чешских текстах из корпусов SYN v4, Czes, веб-корпуса W2C и Википедии; для токенизации используется byte-level BPE. Доступны веса в форматах PyTorch, safetensors и TensorFlow. Версия 1.1 исправляет проблемы токенизатора версии 1.0; веса и конфигурации этих версий несовместимы между собой. Модель подходит для построения чешскоязычных NLP-систем и адаптации к профильным задачам. Предсказания могут отражать стереотипы и содержать вредные смещения, поэтому результаты следует оценивать с учётом контекста применения. Лицензия CC BY-NC-SA 4.0 требует атрибуции, распространения производных материалов на тех же условиях и не допускает коммерческого использования.

Saraiki RoBERTa Base (Small Finetuned) — языковой энкодер на архитектуре RoBERTa, дообученный Мухаммадом Фаржадом Али Разой для языка сараики (skr). Модель содержит 192,6 млн параметров, использует формат PyTorch и принимает текст; контекст — до 514 токенов. Её основная задача — предсказывать скрытые токены в предложении на сараики (fill-mask) на основе обучения с маскированным языковым моделированием. Модель рассчитана на заполнение пропусков в тексте и может служить основой для последующей настройки классификации тональности, распознавания именованных сущностей и определения намерений в текстах на сараики. Лицензия — MIT. Качество зависит от охвата и написания текстов в обучающем наборе; для наилучших результатов рекомендуется подавать текст стандартным письмом сараики на персо-арабской основе. Небольшой объём данных может приводить к переобучению при последующей настройке. Как энкодер, модель не предназначена для связной генерации длинных текстов или ответов в чате и не выполняет перевод без дополнительного дообучения.

EMBO разработала sd-geneprod-roles-v2 — модель для классификации токенов, дообученная на BioLinkBERT-large (michiyasunaga/BioLinkBERT-large) на наборе данных source_data_nlp. Она основана на архитектуре BERT и предназначена для разметки последовательностей токенов; подробное описание меток и целевого сценария в карточке не приведено. Модель содержит 432,2 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. В оценке на тестовом наборе указаны accuracy 0,9950, precision 0,9228, recall 0,9288 и F1 0,9258. Лицензия Apache-2.0. Поскольку карточка не описывает схему меток и ограничения, применимость к конкретным типам текстов и качеству отдельных классов по этим результатам определить нельзя.

SoM-LLaVA-v1.5-13B — мультимодальная модель на базе LLaVA-v1.5, дообученная на данных в стиле SoM с вопросами и перечислением объектов. Карточка не называет разработчика отдельно; она описывает модель как вариант LLaVA-v1.5. В метаданных указана архитектура LlavaLlamaForCausalLM, около 12,9 млрд параметров и контекст 4096 токенов. Модель предназначена для ответов на вопросы об изображениях, включая визуальные подсказки в виде тегов с идентификаторами объектов, например запросы об объекте с заданным номером. По README, улучшены результаты на визуально-языковых бенчмарках POPE, MME, SEED, MM-Vet и LLaVA-Wild, в том числе для изображений без тегов. Для обучения и оценки рекомендуется официальный репозиторий LLaVA. Вход включает текст и изображения, выход — текст. Файлы опубликованы в формате Safetensors. Лицензия в предоставленных данных не указана, поэтому условия распространения и использования по ним определить нельзя. README не приводит конкретных численных результатов бенчмарков или ограничений точности.

stanfordnlp/stanza-hu — модель Stanza для венгерского языка из набора инструментов лингвистического анализа, разработанного Stanford NLP. Она предназначена для анализа текста и решения задачи классификации токенов; метаданные указывают библиотеку Stanza и формат PyTorch. Лицензия — Apache 2.0. Stanza предлагает инструменты для анализа естественного языка от исходного текста до синтаксического разбора и распознавания сущностей. Карточка этой модели не уточняет конкретные поддерживаемые виды разметки, размер и архитектуру модели или длину контекста.

TAPAS medium — модель Google на основе BERT для ответов на вопросы по таблицам. Она предобучена на англоязычных данных Википедии, а затем последовательно дообучена на SQA, WikiSQL и WikiTable Questions (WTQ). Модель выделяет подходящие ячейки таблицы и применяет агрегирующую голову для формирования ответа; в варианте по умолчанию индексы позиций сбрасываются в каждой ячейке таблицы. Модель предназначена для ответов на вопросы о содержимом таблиц, включая задачи с числовыми рассуждениями. Она содержит 49,2 млн параметров, принимает вопрос вместе с сериализованной таблицей и поддерживает последовательность длиной до 512 токенов. Доступны форматы PyTorch и TensorFlow. Основной язык — английский. Лицензия — Apache-2.0. Качество зависит от структуры и размера таблицы, а также от формулировки вопроса; модель обучена на англоязычных табличных данных, поэтому её не следует считать универсальной для произвольных языков или задач. README приводит результаты WTQ для крупных и базовых вариантов семейства, но не сообщает отдельную оценку для этой medium-модели.

thealper2/tapas-wtq — модель, созданная дообучением google/tapas-base на датасете WikiTableQuestions для ответов на вопросы по таблицам. Она принимает вопрос и таблицу, выбирает релевантные ячейки и определяет операцию агрегации: без агрегации, SUM, AVERAGE или COUNT. Архитектура TAPAS реализована в Transformers; модель содержит 136,7 млн параметров, использует формат safetensors и рассчитана на контекст до 1024 токенов. Поддерживаемый язык — английский. На validation-разбиении WikiTableQuestions точность ответа после нормализации составила 0,3178; точность выбора ячеек — 0,2715, а определения агрегации — 0,7412. Эти результаты относятся к указанному набору данных и не гарантируют качество на других таблицах. Лицензия — Apache-2.0.

kktoto/tiny_focal_ckpt — модель для классификации токенов на основе архитектуры BERT, обученная разработчиком с нуля. Она содержит 12,6 млн параметров и обрабатывает последовательности длиной до 512 токенов. Метрики на оценочном наборе: F1 — 0,6446, точность — 0,9516, полнота — 0,6366. Модель предназначена для задач разметки отдельных токенов во входном тексте. Данные обучения неизвестны, поэтому нельзя определить конкретную схему разметки или область применения. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют.

Модель edwardjross/xlm-roberta-base-finetuned-recipe-all разработана на основе XLM-RoBERTa base и дообучена для распознавания именованных сущностей в строках ингредиентов рецептов. Она присваивает токенам метки, включая название ингредиента, состояние обработки и единицу измерения; в карточке также упомянуты дополнительные метки. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и имеет контекст длиной 514 токенов. Модель предназначена для извлечения и разметки сведений об ингредиентах в рецептах, например для структурирования списков покупок или наполнения базы рецептов. На тестовом наборе автор сообщает F1 0,9615. Модель обучалась на двух американских англоязычных источниках рецептов, поэтому её применимость к другим языкам и форматам ограничена. Она размечает субтокены, метки нужно распространять на целые слова; для лучших результатов рекомендуется предварительно разделять символы и числа с единицами. При нескольких ингредиентах в одной строке модель обычно распознаёт только первый. Лицензия — MIT.

Модель lucio/xls-r-uzbek-cv8 — система автоматического распознавания узбекской речи, созданная дообучением facebook/wav2vec2-xls-r-300m на узбекской части Mozilla Common Voice 8.0. Она построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров; модель принимает аудио и преобразует речь в текст на современном латинском письме узбекского языка. Декодер использует языковую модель KenLM, построенную на текстах Common Voice. Модель предназначена для черновых субтитров к видео и индексирования записанных передач. На валидационной выборке указаны WER 0,3852 и CER 0,0777; автор предупреждает, что качество недостаточно для надёжных субтитров в реальном времени, например для обеспечения доступности. Модель выпущена под лицензией Apache-2.0.

YOLO26M Question Segmentation v2 — дообученная модель семейства YOLO26M, опубликованная erayyapagci для обнаружения областей с вопросами на страницах экзаменационных сборников, рабочих листов и отрисованных страниц PDF. Модель использует архитектуру YOLO для детекции объектов и распознаёт один класс — question. Рекомендуемый размер входного изображения — 1280 пикселей; веса PyTorch занимают около 168 МБ, в README указано 21,8 млн параметров. Модель предназначена для поиска и локализации границ вопросов на плотных учебных страницах с чёткими разделителями. В README приведены результаты проверки на двух тестовых наборах: mAP50-95 составляет 0,920 на старом и 0,957 на объединённом наборе. Для практического применения автор рекомендует начинать с порога confidence 0,25 и снижать его до 0,20, если важно реже пропускать пограничные области. Модель дообучена на базе yolo26m; часть обучающих данных взята из публичных проектов Roboflow. Лицензия — CC BY 4.0. Описанное назначение ограничено обнаружением вопросов в учебных и экзаменационных документах; результаты зависят от сходства страниц с обучающими данными, а README не заявляет о распознавании текста или поддержке произвольных документов.

aviai-e4b — модель wdenejko, дообученная на Gemma 4 E4B Instruct для преобразования авиационных сообщений в структурированные данные. Она принимает текстовые METAR и TAF и формирует канонический JSON, извлекает сведения из NOTAM в строки по категориям и классифицирует NOTAM по одному из 13 операционных классов. Модель предназначена для вспомогательного разбора авиационных сводок и прогнозов, а не для принятия решений в полёте. Модель основана на плотной архитектуре Gemma 4 E4B. Дообучение выполнено методом LoRA ранга 16 на текстовой части модели; адаптер объединён с базовыми весами. Репозиторий содержит чекпойнт Transformers в bf16 и варианты GGUF в F16 и Q8_0. Сохранённые аудио- и визуальные компоненты базовой модели не дообучались: aviai-e4b обучали и оценивали как текстовую модель. Она рассчитана на английские входные данные в формате ICAO. Для заявленных задач автор приводит результаты тестирования на отложенных наборах METAR, TAF и NOTAM; качество зависит от точного соблюдения шаблонов запросов из репозитория и параметров декодирования. Для длинных TAF нужен бюджет не менее 2048 токенов, а при извлечении данных из длинных NOTAM возможны некорректные результаты. Это исследовательская модель, не сертифицированная для авиационного применения; результаты следует независимо проверять. Лицензия — Apache-2.0.

CAMeLBERT-MSA-eighth — арабская модель семейства BERT, разработанная CAMeL Lab и предварительно обученная на одной восьмой корпуса для современного литературного арабского языка (MSA). Это вариант модели CAMeLBERT, представленный в исследовании о влиянии языкового варианта, размера корпуса и типа задачи на арабские предобученные языковые модели. Модель содержит 136,3 млн параметров, использует архитектуру BERT с головой masked language modeling и принимает последовательности длиной до 512 токенов. Она предназначена для заполнения пропусков в тексте и как основа для дообучения на задачах обработки арабского языка, включая распознавание именованных сущностей, разметку частей речи, анализ тональности, определение диалекта и классификацию поэзии. Для предобучения использовались корпуса современного литературного арабского языка, включая Arabic Gigaword, Arabic Wikipedia и OSIAN. Модель рассчитана на современный литературный арабский и может хуже подходить для диалектов и других языков. Для специализированных задач обычно требуется дообучение. Лицензия — Apache-2.0.

Koichi Yasuoka разработал японскую модель BERT для разметки частей речи и синтаксического анализа зависимостей. Это дообученная модель BertForTokenClassification на основе tohoku-nlp/bert-base-japanese-v2, предобученной на текстах японской Википедии. Модель присваивает UPOS каждому слову в японском тексте; карточка показывает применение для разметки токенов. Размер модели — 138,4 млн параметров, максимальный контекст — 512 токенов. Модель подходит для автоматической разметки японских текстов частями речи и подготовки данных для лингвистического анализа. Она использует PyTorch и Transformers. Лицензия — CC BY-SA 4.0.

hfl/chinese-macbert-large — крупная китайскоязычная модель семейства BERT, опубликованная HFL как ресурс к исследованию «Revisiting Pre-trained Models for Chinese Natural Language Processing». Она использует архитектуру BertForMaskedLM с 424,3 млн параметров и контекстом до 512 токенов. Модель обучена для заполнения пропусков; её предобучение MacBERT заменяет маскируемые слова похожими по смыслу, а также использует маскирование целых слов, N-грамм и предсказание порядка предложений. Модель подходит как исходная точка для китайских NLP-задач и как контекстная языковая модель для восстановления пропущенных токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия Apache-2.0. Основное ограничение — специализация на китайском языке и задача masked language modeling; сама по себе модель не является диалоговой генеративной системой.

Модель emilylearning/cond_ft_none_on_reddit__prcnt_100__test_run_False__xlm-roberta-base размещена пользователем emilylearning на Hugging Face и предназначена для классификации отдельных токенов в тексте. Она доступна через библиотеку Transformers и использует архитектуру XLM-RoBERTa с головкой token classification; название репозитория указывает на дообучение базовой модели на данных Reddit, однако точная схема меток и прикладная задача в карточке модели не описаны. Модель содержит около 305,2 млн параметров и поддерживает контекст длиной до 514 токенов. Она подходит для задач, где каждому токену или фрагменту текста требуется назначить метку, например для извлечения сущностей или разметки последовательностей, если используемые метки соответствуют конкретному набору данных. Сведения о поддерживаемых языках и лицензии в доступных источниках отсутствуют, поэтому их нельзя надёжно определить.

orbis-marianne/deberta-v3-sta-rel — модель классификации текста, опубликованная командой ORBIS-MARIANNE для выявления отношений между аргументативными высказываниями. Она предназначена для анализа аргументации на уровне высказываний: принимает текстовую последовательность и относит её к одному из классов отношений. Модель основана на архитектуре DeBERTa-v2 для классификации последовательностей; содержит около 211,6 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для извлечения структуры аргументации из текстов, например для определения связей между тезисами и аргументами. Карточка указывает задачу text-classification; репозиторий разработчика описывает классификацию отношений между аргументативными высказываниями как одну из задач модуля Argumentation Mining Transformers. Подтверждённых сведений о поддерживаемых языках и лицензии недостаточно, поэтому они здесь не уточняются.

renjithks/distilbert-expense-ner — модель на базе DistilBERT, дообученная для классификации токенов в задаче извлечения именованных сущностей из данных о расходах. Она предназначена для разметки фрагментов текста, например выделения категорий расходов или других сущностей, присутствующих в обучающих метках. Контекст модели составляет до 512 токенов; формат весов — PyTorch. Модель разработал пользователь Hugging Face renjithks, дообучив renjithks/distilbert-cord-ner на датасете, который в карточке не описан. На указанном наборе оценки модель получила F1 0,4971, точность 0,5096 и полноту 0,4852; эти результаты указывают на ограничения качества извлечения и могут не переноситься на другие данные. Карточка не раскрывает состав меток и обучающего датасета. Лицензия — Apache-2.0.

Dream Shimmer LR6 — разработанная Скоттом Леймротом версия Muse Glimmer 30B с изменением весов, снижающим склонность модели отказывать на обычные запросы. Это не дообучение: автор применил целевую правку весов в матрицах внимания и MLP, сохранив архитектуру Muse Glimmer и башню зрения. Модель поддерживает диалог с изображениями и ориентирована на агентные сценарии: многошаговое выполнение задач, использование инструментов и длинные диалоги. По опубликованным автором измерениям LR6 сопоставима с базовой моделью в использовании инструментов, структурированном выводе и обработке длинного контекста, но хуже справляется с соблюдением ограничений в многошаговых диалогах и надёжностью агента. Снижение отказов намеренное; модель недостаточно защищена от инъекций в запросы, поэтому ограничения инструментов следует обеспечивать вне модели и не помещать секреты в её контекст. Эти результаты получены самим автором и не являются независимой оценкой. Репозиторий использует формат safetensors и лицензию Apache-2.0; README указывает, что следует также учитывать лицензию базовой модели.

Koichi Yasuoka разработал GPT-2 для разметки японского текста: модель определяет части речи и выполняет синтаксический анализ зависимостей. Она дообучена на основе KoichiYasuoka/gpt2-small-japanese-juman-upos с использованием UD_Japanese-GSDLUW и предназначена для анализа предложений на японском языке. Архитектура — плотная GPT-2, реализация на PyTorch; нативная длина контекста составляет 1024 токена. Для использования через Transformers требуется библиотека fugashi. Лицензия — CC BY-SA 4.0.

IndoBERT base uncased — индонезийская версия BERT, разработанная командой IndoLEM. Модель обучена на корпусе объёмом более 220 млн слов из Википедии на индонезийском языке, новостных статей и веб-текстов. Это плотная трансформерная модель с архитектурой BERT и примерно 137,8 млн параметров; контекст — до 512 токенов. Модель предназначена для работы с индонезийским текстом. В конфигурации masked language modeling она предсказывает замаскированные токены; представления BERT также исследовались на задачах разметки частей речи и распознавания именованных сущностей в бенчмарке IndoLEM. Доступны веса PyTorch и Flax. Лицензия — MIT.

Модель sbx/KB-bert-swedish_PI-detection-detailed разработана Språkbanken Text в рамках исследовательской среды Mormor Karl и опубликована Марией Иреной Шаверной. Это дообученная модель BERT для классификации отдельных токенов в шведском тексте: она выявляет и размечает личные и чувствительные сведения, включая имена, адреса, контакты, идентификаторы, даты, сведения об образовании и семье. Модель основана на KB/bert-base-swedish-cased, содержит 151,9 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки для токенов. Она предназначена для предварительной разметки и помощи человеку при аннотации или деидентификации эссе изучающих шведский как второй язык. Лицензия — GPL-3.0. Качество модели лучше всего ожидается в исходном домене обучающих данных; на других типах текстов и для редких либо ранее не встречавшихся видов личных данных оно может снижаться. Модель не гарантирует обнаружение всех сведений и не должна самостоятельно автоматизировать разметку или деидентификацию; результаты требуют проверки человеком.

LennartKeller дообучил Longformer на подвыборке из 500 млн токенов немецкой части корпуса OSCAR. Веса инициализированы немецкой моделью GottBERT, а архитектура Longformer использует локальное внимание с окном 512 токенов и поддерживает последовательности длиной до 8192 токенов; в метаданных указан контекст 8194 токена. Модель содержит 153,2 млн параметров. Модель предназначена для извлечения признаков из длинных немецкоязычных текстов и предсказания замаскированных токенов. В пользовательской оценке на собственном наборе данных указана потеря 1,4981. Доступны веса в форматах PyTorch и safetensors. Информация о лицензии в предоставленных данных отсутствует.

blaze999/Medical-NER — англоязычная модель Saketh Mattupalli для распознавания медицинских сущностей в тексте. Это DeBERTa-v3-base, дообученная на наборе PubMED для задачи классификации токенов; модель распознаёт 41 тип медицинских сущностей. Она предназначена для извлечения медицинских терминов и упоминаний из текстов, например научных публикаций и других медицинских документов. Модель содержит 211,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов. Доступна в формате Safetensors и распространяется по лицензии MIT. Карточка указывает на специализацию для медицинского NER; качество на текстах вне обучающих данных и перенос на другие языки не подтверждены.

Skiuphill/my_awesome_wnut_model — дообученная модель DistilBERT для классификации токенов. Она основана на distilbert/distilbert-base-uncased и предназначена для разметки отдельных токенов во входном тексте; имя модели указывает на возможную связь с набором WNUT, однако README не подтверждает задачу или обучающие данные. Модель использует архитектуру DistilBertForTokenClassification, веса сохранены в формате safetensors, максимальная длина контекста — 512 токенов. README сообщает метрики на оценочной выборке: precision 0,574, recall 0,3197, F1 0,4107 и accuracy 0,9407. Лицензия — Apache-2.0.

Модель meutsabdahal/nepali-ner-roberta — версия RoBERTa для распознавания именованных сущностей в непальском тексте, разработанная на основе IRIISNEPAL/RoBERTa_Nepali_110M и дообученная на наборе EverestNER. Она размечает токены по схеме IOB2 и выделяет пять типов сущностей: людей, места, организации, даты и события. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метки токенов; контекст — до 514 токенов. Модель предназначена прежде всего для новостных текстов на непальском языке, похожих на материалы EverestNER, где хорошо представлены политические, географические и организационные названия. На тестовой части EverestNER средний micro-F1 по трём запускам составил 0,9185. Авторы представляют этот чекпойнт как исследовательский артефакт и результат сравнения энкодеров; вне домена EverestNER он не оценивался. Распознавание событий ненадёжно из-за малого числа примеров этого класса в тесте. Лицензия указана как other; конкретные условия использования в доступных данных не описаны.

JoaoReiz/ner-pt-f1-v1-qwen35-0-8b-specific-paramopama-seed42 — это LoRA-адаптер для модели Qwen/Qwen3.5-0.8B, предназначенный для генеративного распознавания именованных сущностей (NER) в текстах на португальском языке. Адаптер опубликован в рамках исследовательской матрицы экспериментов ner-pt-generative-2026-f1-v1 и рассчитан на исследовательское использование, оценивание и контролируемые эксперименты в прикладных системах. Модель использует базовую генеративную архитектуру Qwen3.5 с размером 0,8 млрд параметров и дообучение методом LoRA через PEFT в режиме BF16. Канонический сценарий инференса предполагает vLLM, temperature 0 и генерацию JSON с ограничениями формата labels_and_tokens. В эксперименте на датасете paramopama достигнуты precision 0,8841, recall 0,8875 и F1 0,8858 при структурной валидности 0,9984; результаты относятся только к указанному корпусу, фиксированным разбиениям и одному seed 42. Сильной стороной адаптера является высокая структурная корректность генерируемых ответов и хорошие показатели на целевом корпусе. При этом структурно корректный результат может быть семантически ошибочным, схемы аннотаций различаются между корпусами, а возможное перекрытие текстов способно влиять на оценки. Модель не валидировалась для ответственных решений или автономного применения и требует проверки ошибок в целевом домене. Для воспроизведения рекомендуется использовать точную ревизию базовой модели и BF16-совместимое оборудование. Лицензия в README не указана; необходимо отдельно проверить лицензии адаптера и датасета.