I.3Извлечение и структурирование данных

OpenMed разработала OpenMed-NER-GenomeDetect-ElectraMed-335M — модель для распознавания упоминаний генов и белков в биомедицинских текстах. Это дообученная модель токенной классификации на архитектуре BERT с 433,9 млн параметров; README указывает базовую архитектуру e5-large-v2 и обучение на корпусе BC2GM, размеченном для задачи поиска упоминаний генов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей B-GENE/PROTEIN и I-GENE/PROTEIN. Контекст — до 512 токенов, заявленный язык — английский. Модель предназначена для извлечения генов и белков из научной литературы, клинических записей и других биомедицинских документов, например для поиска по публикациям 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. Доступны веса safetensors, лицензия — Apache-2.0. Специализация на BC2GM ограничивает применимость к текстам других жанров и распределений; README не подтверждает заявленные широкие сценарии вроде извлечения лекарств или выявления взаимодействий препаратов.

OpenMed разработала OpenMed-NER-GenomicDetect-ElectraMed-109M — специализированную модель для распознавания именованных сущностей в биомедицинских текстах. Это трансформерная модель семейства BERT с классификационной головой для токенов, содержащая 136,7 млн параметров и работающая с контекстом до 512 токенов. Она принимает токенизированный текст и возвращает BIO-разметку; карточка указывает английский язык и классы сущностей B-Cell-line-name и I-Cell-line-name. Модель предназначена для извлечения упоминаний клеточных линий в научной литературе и биомедицинских документах, в том числе для последующего анализа геномных данных и построения биомедицинских баз знаний. В README приведены результаты на корпусе GELLUS: F1 0,97, точность 1,00 и полнота 0,94. При этом перечисленные классы относятся к названиям клеточных линий, поэтому заявленные в карточке более широкие сценарии вроде извлечения генов, лекарств и побочных эффектов могут не поддерживаться этими метками. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-OrganismDetect-BioMed-109M — дообученную модель BERT для распознавания названий организмов в биомедицинском тексте. Модель обучена на корпусе SPECIES800 и выделяет упоминания видов, включая научные и общеупотребительные названия, разметкой B-SPECIES и I-SPECIES. Модель принимает токенизированный текст и выдаёт BIO-разметку для извлечённых сущностей. Её применяют для поиска упоминаний организмов в научных аннотациях и биомедицинских документах, а также для анализа биоразнообразия и таксономической литературы. Архитектура — BertForTokenClassification на базе BiomedNLP-BiomedELECTRA-base-uncased-abstract; размер — 136,7 млн параметров, контекст — до 512 токенов. В README указаны F1 0,79, точность 0,76 и полнота 0,83 на SPECIES800. Модель рассчитана на английский язык. Она распознаёт сущности видов, а не лекарства или химические соединения; заявленные в README сценарии извлечения лекарств и обнаружения взаимодействий не подтверждаются описанными метками. Лицензия — Apache-2.0.

OpenMed-NER-ProteinDetect-ModernClinical-395M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная модель архитектуры ModernBERT для классификации токенов с примерно 394,7 млн параметров и контекстом до 8192 токенов. Она размечает упоминания белков, белковых комплексов, семейств и вариантов тегами BIO; README также указывает на распознавание других типов сущностей, но не перечисляет их полностью. Модель предназначена для извлечения сущностей из биомедицинской литературы и клинических текстов, включая поиск белков и анализ молекулярных взаимодействий. README сообщает F1 0,91 на корпусе FSU, однако результатов независимой проверки не приводит. Заявленные сценарии применения включают анализ научных публикаций, построение биомедицинских графов знаний и исследования в области системной биологии. Модель принимает токенизированный английский текст и выдаёт BIO-разметку сущностей. Репозиторий использует формат safetensors и совместим с экосистемой Hugging Face Transformers. Лицензия — Apache-2.0.

OpenMed-NER-SpeciesDetect-TinyMed-82M — специализированная модель OpenMed для распознавания названий видов и организмов в тексте. Она дообучена для задачи классификации токенов на корпусе LINNAEUS и размечает упоминания видов тегами B-SPECIES и I-SPECIES, включая научные и общеупотребительные названия. Основа — distilroberta-base; архитектура RoBERTa, около 95,2 млн параметров, контекст до 514 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей. Модель предназначена для извлечения названий организмов из биомедицинских статей и других текстов, а также для биомедицинского текстового майнинга и построения баз знаний. В README приведены показатели на LINNAEUS: F1 0,88, точность 0,85 и полнота 0,92. Эти результаты относятся к указанному корпусу; качество на клинических документах и других доменах отдельно не подтверждено. Карточка указывает английский язык. Лицензия — Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Organism-Multi-209M — специализированная модель OpenMed для распознавания упоминаний организмов и видов в научных и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе SPECIES800, содержащем аннотации организмов в научных аннотациях, включая научные и распространённые названия видов. Модель принимает текст и возвращает найденные сущности с метками. Zero-shot-подход позволяет задавать типы сущностей при использовании без отдельного дообучения; основной заявленный тип — SPECIES. Модель подходит для разметки упоминаний организмов, биокурации и извлечения видовых названий из литературы. В карточке указано значение F1 0,69 на тестовом наборе, исключённом из обучения; приведённые сравнительные результаты относятся к другим размерам модели и не должны переноситься на эту версию. В метаданных указан английский язык и формат PyTorch. Лицензия — Apache-2.0. Результаты на SPECIES800 не гарантируют сопоставимое качество на других текстах, языках или типах сущностей; заявленная гибкость zero-shot не означает одинаковой точности для произвольных меток.

OpenMed/OpenMed-ZeroShot-NER-Organism-Small-166M — модель OpenMed для распознавания упоминаний организмов и видов в научных и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе SPECIES800, содержащем аннотации упоминаний организмов, включая научные и общеупотребительные названия видов. Модель принимает текст и возвращает найденные именованные сущности с метками; поддерживаемая метка в карточке — SPECIES, а zero-shot подход позволяет задавать типы сущностей при запросе без отдельного дообучения. Основные сценарии — извлечение названий видов из научной литературы, разметка организмов для биокурации и анализ текстов по биоразнообразию и таксономии. В README для версии Small указана оценка F1 0,71 на тестовой части SPECIES800, исключённой из обучения. Метаданные указывают формат PyTorch, задачу token-classification и лицензию Apache-2.0. Заявления README о широкой клинической применимости и распознавании произвольных категорий не подтверждены приведёнными результатами: специализация этой версии — виды и организмы.

OpenMed-ZeroShot-NER-Organism-Tiny-60M — специализированная модель OpenMed для распознавания упоминаний видов организмов в научных и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе SPECIES800; размер модели — около 60 млн параметров. Модель принимает текст и возвращает найденные упоминания сущностей с метками, прежде всего SPECIES. Zero-shot-подход позволяет задавать типы сущностей при извлечении без отдельного дообучения, хотя карточка описывает обучение именно для распознавания видов. Модель подходит для разметки названий видов в научной литературе, экологических исследованиях и задачах биокурации, включая работу с научными и общеупотребительными названиями. В карточке приведён F1 0,57 на тестовой выборке SPECIES800, не использованной при обучении; заявленное улучшение относительно базовой модели составляет 19,6%. Это указывает на ограничения точности и необходимость проверки результатов в целевом корпусе. Лицензия — Apache-2.0.

PetBERT-Tick-v2 — англоязычный классификатор на архитектуре BERT, разработанный SAVSNET и дообученный на базе SAVSNET/PetBERT. Модель определяет, упоминаются ли клещи в ветеринарной электронной медицинской записи; результат относится к одному из классов: tick_absent или tick_present. Модель предназначена для автоматического выявления записей о клещах в клинических данных собак и кошек. В README приведены результаты на тестовой выборке из 15 842 примеров: accuracy 0,972, F1 для класса tick_present 0,942; указанный порог классификации — 0,943. Модель содержит 135,5 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов. Классификатор специализирован на ветеринарных записях и выявлении клещей; результаты на других типах документов и для иных задач не описаны. Для применения к отдельным записям стоит учитывать, что полнота для класса tick_present на приведённой выборке составляет 0,927. Лицензия в предоставленных материалах не указана.

Koichi Yasuoka разработал англоязычную модель RoBERTa для разметки частей речи. Это дообученная на UD_English модель FacebookAI/roberta-base с архитектурой RobertaForTokenClassification, примерно 151,8 млн параметров и контекстом до 514 токенов. Она присваивает каждому слову тег UPOS из универсального набора частей речи и предназначена для POS-разметки и анализа английского текста; в карточке также заявлен dependency parsing, но отдельный выход для зависимостей не описан. Модель принимает текст и выдаёт метки токенов; для загрузки используются Transformers и PyTorch. Лицензия — CC BY-SA 4.0. Модель ориентирована на английский язык, поэтому качество на других языках не подтверждено.

Модель Stanza для испанского языка разработана командой Stanford NLP. Это компонент набора инструментов Stanza для лингвистического анализа: он обрабатывает текст и поддерживает задачу token classification. Модель можно использовать как часть конвейера NLP для испанских текстов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка описывает модель как точный и эффективный инструмент Stanza, но не приводит сведений о её размере, контекстном окне или конкретных типах разметки.

Это модель Stanza для языка мьянма (бирманского), подготовленная Stanford NLP для лингвистического анализа текста. Stanza предоставляет инструменты для обработки текста от токенизации до синтаксического анализа и распознавания именованных сущностей; карточка модели и репозиторий созданы автоматически для коллекции моделей Stanza. Модель предназначена для разметки токенов в тексте на мьянма. Она доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не сообщает размер модели и длину контекста.

stanfordnlp/stanza-sk — модель из набора Stanza, разработанного Stanford NLP для лингвистического анализа словацкого языка. Она предназначена для разметки текста на уровне токенов в конвейере обработки словацкого текста. Stanza предоставляет инструменты анализа от исходного текста до синтаксического разбора и распознавания сущностей; данная карточка подтверждает задачу token-classification и язык sk. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает размер модели, длину контекста или конкретные виды токенных меток, поэтому эти характеристики не указаны.

stanfordnlp/stanza-te — модель из набора Stanza, разработанного Stanford NLP для лингвистического анализа текстов на телугу. Она предназначена для разметки токенов и входит в набор инструментов, который охватывает анализ текста от исходной строки до синтаксического разбора и распознавания сущностей. Репозиторий содержит веса PyTorch и использует лицензию Apache-2.0. Модель подходит для языкового анализа телугу в приложениях NLP. Карточка не уточняет отдельные характеристики этой модели, включая её размер, контекст и конкретные виды разметки токенов; возможности Stanza в целом не следует считать подтверждением каждой из них для этого чекпойнта.

Stanza для урду — набор моделей Стэнфордского университета для лингвистического анализа текста. Эта модель предназначена для обработки текста на урду в конвейере Stanza; семейство включает средства анализа от исходного текста до синтаксического разбора и распознавания сущностей. В репозитории представлены веса PyTorch, а задача в карточке Hugging Face обозначена как классификация токенов. Модель подходит для разметки токенов в текстах на урду и как компонент NLP-конвейеров Stanza. Репозиторий распространяется по лицензии Apache-2.0. Данные карточки не уточняют размер модели, длину контекста и конкретные типы разметки, поддерживаемые этим чекпойнтом.

Starlight LQ-FSE Base — корейская модель для классификации и извлечения предложений из финансовых документов. Репозиторий сохраняет веса и исходные выходы LangQuant/LQ-FSE-base на базе KLUE-RoBERTa, Inter-sentence Transformer и голов извлечения и классификации ролей; это не новый результат обучения, а доработка исходной модели с правилами и форматом вывода для последующей обработки статей. Лицензия в метаданных — MIT. Модель обрабатывает предложения, сохраняя исходные смещения в тексте, оценки и вероятности ролей. Дополнительная проекция относит предложения к EVENT, STATEMENT или DROP, а runtime включает эвристические этапы построения кандидатов событий и утверждений, связывания сущностей и извлечения отношений. В тесте на 29 статьях вариант со всеми предложениями и проекцией показал Macro F1 0,577 и покрытие 0,896. Обработка ограничена 30 предложениями на документ и 128 токенами на предложение; более длинные документы обрезаются. Проекция и этапы извлечения основаны на правилах для корейского языка и могут ошибаться, в частности, на косвенной речи и сложных сказуемых. Обученной головы сущностей нет, поэтому некоторые этапы пропускаются или оставляют атрибуцию говорящего пустой. Новые головы в репозитории представлены только как структура для обучения и не имеют обученных весов.

TitanBrain-TestRepo-r25 — репозиторий модели на базе BERT, представленный в формате PyTorch и предназначенный для извлечения признаков из текста. README описывает TitanBrain как разговорного помощника с улучшенными рассуждениями, генерацией ответов и вызовом функций, однако метаданные этого репозитория указывают на задачу feature-extraction и архитектуру BertModel. Карточка сообщает об оценке рассуждений, в том числе о результате 87,5% на AIME 2025 для обновлённой версии TitanBrain, и рекомендует температуру 0,6 для взаимодействия с ней. Эти заявления относятся к описанной в README версии TitanBrain; карточка не подтверждает, что именно они характеризуют данный BERT-репозиторий. Для репозитория указана лицензия MIT.

TrelBERT — модель на основе BERT, разработанная командой deepsense.ai для анализа польскоязычных сообщений в Twitter. Это плотная трансформерная архитектура BertForMaskedLM с 151,6 млн параметров, дообученная методом masked language modeling на примерно 45 млн польских твитов. В качестве основы использован контрольный пункт HerBERT; модель работает с контекстом до 514 токенов, а для обучения на данных Twitter применялась максимальная длина последовательности 128 токенов. Модель предназначена прежде всего для предсказания замаскированных слов в польском тексте и может служить основой для дообучения на задачах анализа польских сообщений. В экспериментах с KLEJ её дообучали для распознавания сущностей, анализа тональности и выявления кибербуллинга; на задаче обнаружения кибербуллинга она заняла первое место в соответствующем задании KLEJ. Опубликована по лицензии CC BY 4.0. Оптимизация на польских твитах и специальная предобработка ссылок и упоминаний ориентируют её на короткие сообщения из социальных сетей.

Apertus 1.5 8B BIOMEDICALADE — экспериментальная плотная языковая модель на архитектуре ApertusForCausalLM, разработанная как исследовательская QLoRA-настройка базовой модели andreasmartin/apertus-v1.5-8b-text. Модель дообучена на наборе mihirhirave/entity_extraction_ade_v2_with_validation для извлечения из клинических текстов упоминаний лекарств и нежелательных лекарственных явлений с выдачей результата в формате JSON. Модель принимает текст и генерирует текст; в метаданных указаны английский язык, 10,3 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит самостоятельные веса в формате Safetensors; лицензия — Apache-2.0. Карточка позиционирует модель как экспериментальный исследовательский артефакт и прямо запрещает клиническое применение: результаты могут пропускать серьёзные реакции или указывать несуществующие побочные эффекты.

AraNeoBERT v3 (dialect-augmented) — арабоязычный энкодер примерно на 250 млн параметров, разработанный miweru в сотрудничестве с SinaLab for Computational Linguistics and Artificial Intelligence. Модель обучена предсказывать замаскированные токены и предназначена для заполнения пропусков в арабском тексте; её представления также можно использовать при дообучении для распознавания именованных сущностей и анализа тональности. Архитектура основана на NeoBERT/ModernBERT: 28 слоёв, размер скрытого состояния 768, чередование локального и глобального внимания. Контекст — до 4096 токенов; токенизатор SentencePiece Unigram содержит 64 тысячи токенов. Предобучение охватывает современный стандартный арабский и диалектные тексты, включая египетский, марокканский, надждийский, левантийский и иракский варианты. В карточке приведены результаты дообученных вариантов на NER и анализе тональности, но сама модель является энкодером для masked language modeling. Для загрузки требуется пользовательский код модели в Transformers с параметром trust_remote_code=True. Лицензия — Apache-2.0. README описывает модель как исследовательский артефакт и указывает, что она частная; доступность весов и условия практического использования могут быть ограничены.

elgeish/cs224n-squad2.0-albert-base-v2 — дообученная модель AlbertForQuestionAnswering на базе ALBERT для извлечения ответов из текста и определения случаев, когда ответ в контексте отсутствует. Её подготовил автор elgeish как базовый результат для студентов курса CS224n, чтобы сократить время на запуск экспериментов с набором SQuAD 2.0. Модель содержит 136,3 млн параметров, использует PyTorch и принимает вопрос вместе с контекстом на английском языке; длина контекста — до 512 токенов. В README приведены результаты на 6078 примерах отложенной части dev-набора: exact match 78,94 и F1 81,77. Для обучения использовался официальный тренировочный набор SQuAD 2.0, а оценка и выбор модели проводились на случайной половине официального dev-набора. Модель подходит для экспериментов и учебных проектов по извлечению ответов из текста. README предупреждает, что официальный dev-набор SQuAD 2.0 содержит тестовый набор проекта, поэтому нельзя использовать его или модели, отобранные с его помощью, при работе над этим проектом. Лицензия в предоставленных данных не указана.

Koichi Yasuoka разработал модель на базе DeBERTa(V2), дообученную на китайских текстах Википедии на упрощённом и традиционном письме для разметки частей речи и синтаксического анализа зависимостей. Модель присваивает словам теги UPOS из универсального набора частей речи и предназначена для морфологической и синтаксической обработки китайского текста. Это модель DeBERTa V2 с архитектурой для классификации токенов, содержащая 133,7 млн параметров и рассчитанная на контекст до 512 токенов. Она принимает текст и выдаёт метки для токенов; в метаданных основным языком указан китайский. Модель построена на KoichiYasuoka/deberta-base-chinese и распространяется по лицензии CC BY-SA 4.0.

Koichi Yasuoka разработал эту модель на архитектуре DeBERTa V2 для разметки частей речи в японском тексте. Модель дообучена на основе KoichiYasuoka/deberta-base-japanese-aozora, предварительно обученной на текстах японской литературы из корпуса Aozora Bunko. Она присваивает каждому слову длинной единицы тег UPOS из набора Universal Dependencies. Модель предназначена для морфологического анализа японских текстов, в том числе для подготовки разметки частей речи и последующего синтаксического анализа. Она принимает текст и возвращает метки для токенов; максимальная длина контекста составляет 512 токенов, размер — 137,8 млн параметров. Распространяется по лицензии CC BY-SA 4.0.

Модель tbosse/distilbert-base-uncased-finetuned-pos разработана как дообученная версия distilbert-base-uncased для разметки частей речи в тексте. Она использует архитектуру DistilBERT и решает задачу классификации токенов на данных CoNLL-2003. Контекст модели составляет до 512 токенов. Модель предназначена для присвоения словам текстовой последовательности меток частей речи. В README для оценочной выборки указаны точность 0,9246 и F1 0,9126. Она может служить основой для анализа грамматической структуры англоязычных текстов; описание не содержит сведений о других сценариях применения. Лицензия — Apache-2.0.

Koichi Yasuoka разработал эту модель для разметки частей речи в японском тексте. Она дообучена на базе японской GPT-2 XL и использует архитектуру GPT-2 с классификационной головой для токенов; модель присваивает словам метки UPOS и признаки FEATS. Для работы в примере README используется библиотека Transformers и требуется fugashi. Контекст модели — до 1024 токенов. Модель подходит для морфосинтаксического анализа японских предложений и подготовки данных с разметкой частей речи. Она принимает текст и выдаёт метки для его токенов. Обучение связано с Universal Dependencies. Модель распространяется по лицензии CC BY-SA 4.0.

kl3m-002-520m — небольшая языковая модель семейства kl3m, разработанная 273 Ventures и переданная институту ALEA. Это модель Mixtral с архитектурой Mixture of Experts: 4 локальных эксперта, из которых для каждого токена выбираются 2. В README указано 520 млн параметров, тогда как метаданные Hugging Face содержат значение 184,5 млн; контекст ограничен 1 024 токенами со скользящим окном 256 токенов. Модель обучена предсказывать следующий токен на очищенных юридически допустимых данных, преимущественно на английском языке. Модель предназначена для юридических, нормативных, финансовых и корпоративных сценариев: генерации черновиков положений договоров, базовых ответов на вопросы о регулировании и извлечения сведений в JSON. Её небольшой размер позволяет запускать генерацию на CPU и использовать модель как основу для дообучения или обучения более крупных моделей. README отмечает низкую токсичность, но также предупреждает об ограниченных общих знаниях и отсутствии полноценного instruction-tuning. Модель опубликована по лицензии CC-BY 4.0. Разработчик представил её как историческую исследовательскую модель, созданную в ходе работы над kl3m-003-3.7b, и рекомендует выбирать другие модели для производственного применения. Сгенерированные юридические и нормативные тексты могут быть ошибочными и требуют проверки специалистом; модель не заменяет профессиональную юридическую консультацию.

Koichi Yasuoka разработал ModernBERT-модель для разметки частей речи в тайском тексте. Она дообучена на основе KoichiYasuoka/modernbert-base-thai-wikipedia и назначает каждому слову тег UPOS и признаки FEATS; README также указывает на применение для синтаксического анализа зависимостей. Модель содержит 112,4 млн параметров, использует архитектуру ModernBERT и поддерживает контекст до 8192 токенов. Она предназначена для анализа тайских текстов. Распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-BloodCancerDetect-SuperMedical-355M — модель распознавания и классификации клинических сущностей, связанных с хроническим лимфоцитарным лейкозом (ХЛЛ). Это дообученная RoBERTa-модель для NER: она принимает токенизированный биомедицинский текст и выдаёт BIO-метки B-CL и I-CL. В метаданных указаны 454,1 млн параметров, контекст до 514 токенов и формат safetensors. Модель предназначена для извлечения упоминаний, связанных с ХЛЛ, из медицинских записей и научной литературы. Её можно применять для анализа клинических документов, мониторинга сведений о лечении и подготовки данных для биомедицинских исследований. В README приведены F1 0,84, точность 0,98 и полнота 0,74 на корпусе CLL; эти показатели относятся к указанной оценке и не гарантируют аналогичного качества на других текстах. Карточка описывает обучение на специализированном корпусе CLL и архитектуру roberta-large, однако идентификатор базовой модели в метаданных не приведён. Модель рассчитана на англоязычные медицинские тексты. Лицензия — Apache-2.0.

OpenMed-NER-GenomicDetect-BioMed-335M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная модель семейства BERT для классификации токенов; в карточке указана базовая архитектура BiomedNLP-BiomedELECTRA-large-uncased-abstract. Модель принимает токенизированный текст, использует контекст до 512 токенов и возвращает BIO-метки для упоминаний сущностей. В метаданных указано 433,9 млн параметров, формат весов — safetensors. Модель обучена на корпусе GELLUS и предназначена прежде всего для распознавания генетических сущностей и анализа биомедицинской литературы и документов. В README среди поддерживаемых меток перечислены B-Cell-line-name и I-Cell-line-name, поэтому заявленные широкие сценарии извлечения генов, лекарств и побочных эффектов не подтверждены перечнем меток. README сообщает высокие метрики на GELLUS, но не приводит подробностей протокола оценки. Указанная лицензия — Apache-2.0.

OpenMed-NER-GenomicDetect-MultiMed-568M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Это дообученная модель XLM-RoBERTa для классификации токенов размером 658,7 млн параметров с контекстом до 8194 токенов. По карточке, она обучена на корпусе GELLUS и размечает сущности типа Cell-line-name с BIO-тегами. Модель предназначена для извлечения упоминаний клеточных линий из научной и клинической литературы и других биомедицинских документов. Такие разметки можно использовать для поиска и анализа упоминаний в геномике и молекулярной биологии. README также заявляет сценарии вроде анализа медицинских записей и поиска по литературе, но перечисленные метки ограничены типом Cell-line-name. Карточка сообщает о точности, полноте и F1, равных 1,00 на текущей оценке, однако методика и независимая проверка этих результатов не приведены. Модель принимает токенизированный текст и выдаёт метки токенов; языковой тег — английский. Лицензия — Apache-2.0.