I.3Извлечение и структурирование данных

Koichi Yasuoka разработал эту модель на основе RoBERTa для китайского языка. Она дообучена на текстах китайской Википедии, включая упрощённое и традиционное письмо, и размечает слова тегами UPOS — универсальными частями речи. Архитектура — RoBERTa с классификационной головой для токенов, размер — 133,7 млн параметров, контекст — до 512 токенов. Модель предназначена для разметки частей речи в китайском тексте и может использоваться в лингвистическом анализе и пайплайнах обработки китайского языка. В карточке также заявлен разбор зависимостей, однако указанный pipeline_tag — token-classification. Лицензия — CC BY-SA 4.0.

baobabtech разработала компактный классификатор SetFit на базе BAAI/bge-small-en-v1.5 для выявления водных конфликтов в новостных заголовках. Он присваивает три независимые метки: вода как повод для конфликта (Trigger), водная инфраструктура как цель или ущерб (Casualty) и вода как оружие или средство воздействия (Weapon). Модель основана на BERT, содержит около 40 млн параметров по метаданным и принимает текстовые заголовки на английском языке; максимальная длина контекста — 512 токенов. Модель предназначена для исследовательской классификации больших массивов заголовков и может обрабатывать сотни текстов в секунду. В README приведена оценка на отложенной выборке из 519 примеров: micro F1 — 0,853, exact match accuracy — 0,8015; качество по метке Weapon заметно ниже, чем по двум другим категориям. Это экспериментальный специализированный классификатор, не универсальная система анализа конфликтов. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Модель — дообученная версия FacebookAI/xlm-roberta-large с архитектурой BertCRFForTokenClassification и примерно 658,7 млн параметров. Она предназначена для токенной классификации: по метрикам и названиям классов в оценке модель размечает термины и явления в лингвистических текстах, включая морфологические, синтаксические, фонологические и семантические понятия. Контекст составляет до 514 токенов; базовая XLM-RoBERTa поддерживает 100 языков, однако язык обучающих данных этой версии не указан. На оценочном наборе указаны F1 0,801 и точность 0,972, при этом качество заметно различается по классам: например, F1 для Graphemicphenomenon равен 0, а для Academicdiscipline — 0,381. Датасет и подробности назначения автором не описаны. Модель распространяется по лицензии MIT.

BalPOS v2 — модель Shah Bakhsh для разметки частей речи в текстах на белуджском языке. Это XLM-RoBERTa, дообученная на базе shahbakhsh/BalBERT для классификации токенов по 16 категориям Universal Dependencies (UPOS). Модель содержит 305,2 млн параметров, принимает текст и имеет контекстное окно 514 токенов. Модель предназначена для синтаксической разметки белуджских текстов и исследовательских и прикладных NLP-конвейеров для этого языка. В README приведены результаты на отложенной тестовой выборке: точность 87,26% и взвешенная F1-мера 87,22%. Оценка проведена на корпусе из 774 предложений и 14 852 токенов. Качество может снижаться на диалектах и орфографических вариантах, отличающихся от корпуса; редкие метки имеют более высокую вариативность результатов. Модель распространяется по лицензии Apache-2.0.

BRAGD — модель разметки частей речи и морфологических признаков для фарерского языка, разработанная Annika Simonsen, Barbara Scalvini, Uni Johannesen, Iben Nyholm Debess, Hafsteinn Einarsson и Vésteinn Snæbjarnarson. Это дообученная на базе vesteinn/ScandiBERT модель XLM-RoBERTa с 151,7 млн параметров, реализованная как XLMRobertaForTokenClassification. Она присваивает каждому токену 73 бинарных признака, охватывающих класс и подкласс слова, род, число, падеж, артикль, степень сравнения, наклонение, залог, время, лицо и определённость. Для преобразования предсказанных признаков в итоговые теги BRAGD нужны constraint_mask.json и tag_mappings.json из репозитория. Модель предназначена для POS-разметки и морфологического анализа фарерских текстов, в том числе для подготовки лингвистических корпусов и обработки данных вне обучающего домена. В README приведены результаты статьи: точность составных тегов 97,5% на Sosialurin-BRAGD и 96,2% на OOD-BRAGD; это результаты исследовательской оценки, а не гарантия качества данного релиза. Контекст модели — 514 токенов. Весы опубликованы в формате safetensors; для использования требуется библиотека Transformers. Лицензия — CC BY 4.0.

DiSCo Clause Segmenter — модель BabakScrapes для сегментации английского текста на элементарные дискурсивные единицы, приблизительно соответствующие клаузам. Это дообученная на базе roberta-base модель RoBERTa для классификации токенов с 151,8 млн параметров и контекстом до 514 токенов. Она присваивает каждому токену метку начала, середины или конца клаузы (B/I/E); границы сегментов восстанавливаются из последовательностей этих меток. Модель предназначена для выделения клауз в английских текстах, в частности как первого этапа конвейера DiSCo: полученные сегменты можно передать сопутствующей модели для классификации Situation Entities. Обучение проводилось на открытом корпусе SitEnt; на отложенной части корпуса метрика покрытия золотых клауз предсказанными сегментами с перекрытием не менее 50% составила 95,5%, а точность классификации токенов — 0,861. Репозиторий содержит веса PyTorch и Safetensors и использует библиотеку Transformers. Лицензия — CC BY 4.0. Модель рассчитана только на английский язык и может несколько чаще нужного разделять текст на отдельные клаузы. Показатели приведены для отложенной выборки SitEnt и не гарантируют такую же точность на текстах из других областей; для восстановления сегментов требуется логика выравнивания слов и обработки меток B/I/E из конвейера DiSCo.

Koichi Yasuoka разработал эту модель на базе GPT-2 для разметки японского текста: она определяет части речи и синтаксические зависимости между словами. Модель дообучена от KoichiYasuoka/gpt2-small-japanese-wikipedia-juman-upos на данных UD_Japanese-GSDLUW и использует архитектуру GPT-2 с классификационной головой для токенов. Модель принимает японский текст и выдаёт токенную разметку для анализа синтаксиса. Её можно применять для подготовки корпусов, лингвистического анализа и обработки текста на японском языке. Контекст ограничен 1024 токенами; для работы через Transformers требуется библиотека fugashi. Лицензия — CC BY-SA 4.0.

LevelField — мультимодальная модель Level AI (蓝沃AI) на 9 млрд параметров, дообученная на базе Qwen3.5-9B для планирования процессов нестандартной механообработки по инженерным чертежам. Она принимает изображения чертежей и текстовые запросы, извлекает обозначения деталей, материалы, размеры, допуски и требования к шероховатости, а затем предлагает последовательность операций и варианты улучшения маршрута для 18 типов производственных процессов. Модель предназначена для помощи инженерам-технологам при разборе чертежей и подготовке маршрутов обработки. Разработчик сообщает о дообучении и обучении с подкреплением на 100 000 производственных чертежей и маршрутных карт от 16 заводов; веса выпущены в формате BF16. Внутренние результаты и сокращение времени подготовки маршрутов приведены разработчиком, но методика оценки и размеры выборок не раскрыты. Модель может ошибаться при чтении мелких пометок, плотных чертежей и неоднозначной геометрии; неполные входные данные могут привести к неподтверждённым предположениям. Предложенный маршрут необходимо проверить с учётом оборудования, оснастки, инструмента, материала и контроля качества; подтверждённой генерации CNC-программ или автономного управления производством карточка не заявляет. Лицензия — Apache-2.0.

khadija69/mdebertaV3_BIES_stem_1K_3 — модель классификации токенов на базе архитектуры DeBERTa v2 с 306 млн параметров. Разработчик дообучил её на khadija69/mdebertaV3_BIES_stem_1K_2; в README указан неизвестный набор данных и приведены результаты за 5 эпох: точность на обучающей выборке 0,6116, на валидационной — 0,5791. Модель предназначена для присвоения меток отдельным токенам последовательности. Контекст составляет до 512 токенов. Веса представлены в формате TensorFlow, лицензия — MIT. README не раскрывает назначение меток BIES, область применения или языки данных, поэтому практическую специализацию модели установить нельзя.

medgap-gemma-4-12b — дообученная версия модели Gemma 4 12B-it, разработанной Google. Модель адаптирована компанией Protocol Sync LLC на наборе данных protocolsyncllc/fda-warning-letters, содержащем предупреждающие письма FDA, связанные с медицинскими изделиями. Она предназначена для генерации и анализа текста в сценариях, где требуется работа с тематикой регулирования медицинских устройств и документами FDA. Модель относится к задачам генерации текста и использует архитектуру базовой модели Gemma 4 12B-it с 12 миллиардами параметров. В дообучении применялась техника LoRA, один этап обучения, скорость обучения 2e-4 и библиотека Unsloth. Обучение выполнялось на GPU RTX Pro 5000 с 48 ГБ видеопамяти. Другие характеристики, включая поддерживаемые языки, размер контекста и дополнительные модальности, в README не указаны; по имеющимся данным, модель ориентирована на текстовые входы и выходы. Для использования доступен вариант инференса в формате GGUF с квантованием Q8. Лицензия указана как llama3; условия и ограничения этой лицензии в README не раскрыты.

OpenMed-NER-BloodCancerDetect-BioPatient-108M — специализированная модель OpenMed для распознавания именованных сущностей, связанных с хроническим лимфолейкозом (ХЛЛ), в биомедицинских и клинических текстах. Это дообученный трансформер архитектуры BERT с 135,5 млн параметров; он принимает токенизированный текст и выдаёт BIO-разметку сущностей. Контекст ограничен 512 токенами, модель распространяется в формате safetensors и совместима с Transformers. Модель предназначена для извлечения терминов ХЛЛ из медицинских записей, научной литературы и других профильных документов. В README перечислены типы сущностей B-CL и I-CL. На описанном наборе CLL указаны F1 0,67, точность 0,65, полнота 0,69 и accuracy 0,94; поэтому качество извлечения может быть ограниченным. Лицензия — Apache-2.0.

oza75/sanigec-phase1 — модель семейства SaniGec, дообученная версия с архитектурой SaniGecModel. В метаданных для неё указана задача feature-extraction; карточка также приводит результаты оценки: loss 1,2194, Detection F1 0,6631 и Correction Accuracy 0,9765. Описание назначения, обучающих данных и практических сценариев в карточке не раскрыто. Название и метрики указывают на связь с обнаружением и исправлением ошибок, однако язык и поддерживаемые языки установить по доступным данным нельзя. Модель опубликована в формате safetensors; лицензия и базовая модель не указаны.

kaan84 разработал эту дообученную TrOCR для распознавания печатного сингальского текста на изображениях отдельных строк. Она использует архитектуру vision-encoder-decoder и исправленный токенизатор, который сохраняет символ Zero Width Joiner (ZWJ), необходимый для записи сингальских конъюнктов. Модель принимает изображение одной строки размером примерно 2600×128 пикселей и выдаёт текст на сингальском языке; страницы целиком она не распознаёт. Исправление токенизатора позволяет модели выдавать ZWJ, но точное распознавание конъюнктов остаётся нерешённым. На отложенной выборке из 349 строк символьная CER составила 0,1690; автор указывает, что это не улучшение относительно контрольной версии и что данные для обучения и оценки синтетические, созданы одним генератором и пятью шрифтами. В предварительной проверке на одной реальной странице CER составила 0,4657, причём результат также зависит от сегментации и порядка чтения строк. Для использования на страницах требуется предварительно выделить строки. Модель распространяется по лицензии Apache-2.0.

VideoChat-R1.5-7B — мультимодальная модель OpenGVLab для диалога и анализа видео. Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct и использует архитектуру Qwen2.5-VL с 7,1 млрд параметров; для работы доступна через Transformers. Модель принимает видеоданные и текстовые запросы и формирует текстовые ответы, а заявленная длина контекста составляет 128 000 токенов. Модель предназначена для ответов на вопросы о видеороликах и диалогового взаимодействия по их содержимому. В карточке указана поддержка английского языка; лицензия — Apache-2.0. README содержит лишь неполный пример установки, поэтому конкретные показатели качества и дополнительные ограничения применения по нему определить нельзя.

Anonymiseur-Lycéen — модель CamemBERT, дообученная XenocodeRCE для автоматического обнаружения и разметки персональных данных в текстах французских школьных работ. Она присваивает токенам метки сущностей, среди которых имена и фамилии, учебные заведения, классы, номера учащихся, адреса, профессии родителей и города. Модель содержит 137,8 млн параметров, использует архитектуру CamembertForTokenClassification и принимает контекст длиной до 514 токенов. Модель предназначена для предварительной анонимизации ученических работ перед публикацией, передачей или анализом. В README приведены примеры с оценками 63–70%; автор отмечает ложные срабатывания на известных именах, шум в разметке пунктуации и коротких слов, а также отсутствие надежного распознавания дат рождения, электронной почты и телефонов. Обучение проводилось на небольшом синтетическом наборе французских школьных работ, поэтому результаты стоит проверять вручную. Лицензия — MIT.

BRAGD-sosialurin — модель для разметки частей речи и морфологических признаков в текстах на фарерском языке, разработанная авторами BRAGD. Это дообученная на базе vesteinn/ScandiBERT модель XLM-RoBERTa с 151,7 млн параметров и контекстом до 514 токенов. Для каждого токена она предсказывает 73 бинарных признака, охватывающих часть речи, подкатегорию, род, число, падеж, артикль, степень сравнения, наклонение, залог, время, лицо и определённость; файлы маски ограничений и сопоставления тегов помогают преобразовать предсказания в теги BRAGD. Модель предназначена для морфосинтаксической разметки фарерских текстов, включая новостные материалы. В README приведены результаты исследовательской оценки схемы BRAGD: точность составного тега 97,5% на Sosialurin-BRAGD и 96,2% на данных вне домена OOD-BRAGD. Эти показатели относятся к описанной экспериментальной постановке, а не к опубликованному чекпойнту. Чекпойнт обучен только на Sosialurin-BRAGD. Лицензия — CC BY 4.0.

LumynaX Doc Donut Base — ранний эксперимент AbteeX AI Labs для понимания изображений документов. Модель построена на архитектуре vision-encoder-decoder и дообучена на базе naver-clova-ix/donut-base; репозиторий содержит веса PyTorch и рассчитан на преобразование изображений документов в текст. Модель предназначена для извлечения текста и структурированной информации из документов. В README описана интеграция с LumynaX Core через маршрутизацию во время выполнения; веса исходной модели при этом не объединялись. Поддерживаемый язык карточки — английский, а метаданные также указывают маори. Лицензия — MIT. Это устаревший, более не сопровождаемый исследовательский артефакт, который авторы не рекомендуют для промышленного применения. README предупреждает, что выпуск не отражает современные возможности и стандарты безопасности AbteeX AI Labs.

ModernBERT-Large-Instruct-Logician-v0.5 — англоязычная модель JohnGorri, дообученная на базе answerdotai/ModernBERT-base для предсказания замаскированных токенов с упором на логические выводы и дедуктивный анализ. Она использует архитектуру ModernBertForMaskedLM и содержит 394,7 млн параметров; заявленная длина контекста — 8192 токена. Модель предназначена для заполнения пропусков в структурированных текстах, например для восстановления аргументов или уточняющих условий по контексту. Лицензия Apache 2.0. Как masked language model, она не предназначена для генерации длинных ответов в диалоговом стиле.

Koichi Yasuoka разработал ModernBERT-large-japanese-aozora-luw-upos — модель семейства ModernBERT для разметки японского текста. Она дообучена на основе KoichiYasuoka/modernbert-large-japanese-aozora и предварительно обучалась на текстах 青空文庫; размер модели — 409,7 млн параметров, контекст — до 8192 токенов. Модель присваивает каждому длинному слову части речи по схеме UPOS и признаки FEATS. Она предназначена для морфологической разметки японских текстов и может применяться в обработке корпуса, лингвистическом анализе и подготовке данных для синтаксического разбора. В карточке также заявлен dependency parsing, но пример использования показывает pipeline для UPOS-разметки. Модель принимает текст и выдаёт метки токенов. Поддерживается японский язык. Лицензия — Apache-2.0. Качество разметки и ограничения на конкретных жанрах или типах текста в карточке не описаны.

OpenMed разработала специализированную модель распознавания клинических сущностей, дообученную для выявления терминов, связанных с хроническим лимфолейкозом (CLL), в биомедицинских текстах. Это модель семейства BERT с архитектурой BertForTokenClassification; в метаданных указано 433,9 млн параметров и контекст 512 токенов. Модель принимает токенизированный биомедицинский текст и возвращает метки сущностей в формате BIO; заявленный тип сущности — B-CL и I-CL. Модель предназначена для извлечения CLL-связанных сущностей из научных публикаций и медицинских документов, например для анализа упоминаний заболевания, биомаркеров и лечения. README сообщает F1 0,53, точность 0,48, полноту 0,60 и accuracy 0,91 на датасете CLL, поэтому качество извлечения может быть ограниченным и требует проверки для конкретного применения. Модель распространяется по лицензии Apache-2.0.

tinynofocalv2 — компактная модель на архитектуре BERT для классификации токенов, опубликованная пользователем kktoto. Она обучена с нуля на неизвестном наборе данных и содержит 12,6 млн параметров. Модель принимает текст, а её контекст ограничен 512 токенами. В карточке приведены результаты на наборе оценки: loss 0,1314, precision 0,7013, recall 0,6837, F1 0,6924 и accuracy 0,9522. Назначение разметки, языки и состав обучающих данных не описаны, поэтому применимость к конкретной задаче нужно проверять отдельно. Файлы модели доступны в формате PyTorch; сведения о лицензии отсутствуют.

Модель c-ho/2026-09-15-crf-classweights-clean — дообученная версия FacebookAI/xlm-roberta-large для классификации токенов. В архитектуре используется BertCRFForTokenClassification, а веса опубликованы в формате safetensors. По метрикам и названиям классов модель предназначена для выявления и разметки лингвистических терминов и понятий в тексте: например, морфологических, синтаксических, семантических и фонологических явлений. Размер модели — 658,7 млн параметров, максимальный контекст — 514 токенов; базовая XLM-RoBERTa поддерживает 100 языков, однако язык данных дообучения в карточке не раскрыт. На оценочной выборке указаны F1 0,7982, точность 0,7802 и полнота 0,8170; качество заметно различается между классами, включая F1 0 для Graphemicphenomenon. Модель выпущена под лицензией MIT.

nlpaueb/bert-base-uncased-contracts — вариант LEGAL-BERT от группы обработки естественного языка Афинского университета экономики и бизнеса (AUEB), предварительно обученный на американских контрактах. Это BERT-base для работы с юридическим текстом; модель предназначена для исследований в юридическом NLP, вычислительном праве и технологических приложениях для юристов. В каталоге Hugging Face основная задача указана как заполнение маски (fill-mask): модель предсказывает пропущенный токен в контексте. Её можно применять как языковую основу для последующей настройки и оценки на прикладных юридических задачах. Модель содержит 136,7 млн параметров, обрабатывает последовательности до 512 токенов и доступна в форматах PyTorch, TensorFlow и Flax. Она обучалась на корпусе контрактов США и рассчитана на английский язык. Авторы отмечают преимущество доменных вариантов LEGAL-BERT перед обычным BERT для специализированных юридических задач. Лицензия — CC BY-SA 4.0.

CliReBERT (Climate Research BERT) — англоязычная модель семейства BERT, разработанная для обработки научных текстов о климате и окружающей среде. По README, она обучена с нуля на корпусе рецензируемых исследований по изменению климата, использует архитектуру BERT-base uncased, собственный WordPiece-токенизатор и задачу masked language modeling. Метаданные указывают 136,7 млн параметров, контекст до 512 токенов и веса в форматах PyTorch и Safetensors. Модель предназначена для заполнения пропусков в тексте, а также для извлечения научной информации, классификации, извлечения отношений, разметки климатических документов и построения тематических графов знаний. В README сообщается об оценке на ClimaBench и преимуществах над рядом базовых моделей на отдельных задачах; эти результаты относятся к описанному бенчмарку. CliReBERT ограничена английской научной литературой о климате: она не предназначена для общего NLP и может хуже работать с социополитическими текстами и материалами вне экологической научной области. В README также отмечено возможное влияние смещений научных публикаций. Лицензия модели — MIT.

CyNER 2.0 — модель распознавания именованных сущностей в текстах по кибербезопасности, разработанная на базе DeBERTa v3 base и дообученная на исходном наборе CyNER и его расширенной версии. Она использует архитектуру DeBERTa v2 для классификации токенов, содержит 211,6 млн параметров и рассчитана на контекст до 512 токенов. Модель выделяет индикаторы угроз, вредоносное ПО, организации, системы и уязвимости в отчетах и других материалах по кибербезопасности. Модель предназначена для автоматизации анализа отчетов специалистами по информационной безопасности, обогащения данных threat intelligence и подготовки отчетности. В README указана оценка F1 91,88% на расширенном наборе данных. Модель ориентирована на английские тексты; лицензия — MIT. Качество может быть ниже для редких типов сущностей, например уязвимостей. Из-за настройки на кибербезопасность модель может плохо переноситься на другие предметные области и задачи распознавания сущностей.

Koichi Yasuoka разработал японскую DeBERTaV2-модель на базе deberta-large-japanese-wikipedia-luw-upos для разметки частей речи и синтаксического разбора по схеме Universal Dependencies. Модель дообучена на японской Википедии, текстах 青空文庫 и наборе UD_Japanese-GSDLUW; для обработки субслов использует отношение goeswith. Модель принимает японский текст и присваивает метки токенам, включая части речи и синтаксические зависимости. Это специализированный чекпойнт для лингвистического анализа японских предложений; размер составляет 435,4 млн параметров, контекст — до 512 токенов. Для использования предусмотрена библиотека Transformers и pipeline с aggregation_strategy="simple". Модель распространяется по лицензии CC BY-SA 4.0. Ее применение ограничено разметкой японского текста в рамках поддерживаемой схемы; сведений о поддержке других языков или задач в карточке нет.

EXAONE-3.5-7.8B-it-DACON-LLM — дообученная языковая модель Dongwook Min (mindw96) для соревнования по восстановлению корейских отзывов, записанных с обфускацией. Она основана на инструкционной модели LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct и использует плотную архитектуру ExaoneForCausalLM с 7,4 млрд параметров. Модель принимает текст и генерирует текст; базовая модель поддерживает корейский и английский языки. Контекстное окно составляет 32 768 токенов. Модель предназначена прежде всего для восстановления читаемого текста корейских отзывов. Данных о качестве на других задачах нет, поэтому её пригодность для широкого использования как чат-модели не установлена. Весовые файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Llama-3.2-3B-finance-india — дообученная с помощью LoRA модель на базе meta-llama/Llama-3.2-3B-Instruct, созданная для ответов на вопросы о компаниях индекса NIFTY 50 и индийском фондовом рынке. Это языковая модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; она принимает вопрос и текстовый контекст и формирует короткий ответ, опираясь на предоставленный отрывок финансовой новости. Заявленная длина контекста — 131 072 токена. Модель ориентирована на английский язык. В тесте на 300 примерах авторы сообщают улучшение относительно базовой модели: Exact Match 76,3, Token F1 91,5 и точность числовых ответов 91,9. Однако вопросы и ответы для обучения и проверки были сгенерированы Qwen2.5-7B-Instruct, поэтому метрики отражают согласие с ответами этой модели, а не проверку людьми. Модель не имеет актуальных рыночных знаний и отвечает только по переданному контексту; её область применения за пределами NIFTY 50 и английского языка не проверялась. Числовые ответы следует сверять с источником, а результаты не использовать для инвестиционных решений. Указана лицензия Llama 3.2.

wls04/math_bi4 — дообученная модель на базе Qwen/Qwen2.5-Math-1.5B-Instruct, созданная с использованием TRL. В метаданных указана архитектура Qwen2ForTokenClassification и задача token-classification; карточка также содержит пример запуска через text-generation, поэтому фактический сценарий применения описан неоднозначно. По назначению модели с разметкой токенов её можно использовать для классификации токенов в математических текстах. Базовая модель — инструкционная языковая модель Qwen2 на 1,5 млрд параметров; контекст модели составляет 4096 токенов. Метаданные указывают английский и китайский языки базовой модели, но отдельные языки для этого чекпойнта не заявлены. Лицензия в предоставленных данных не указана.

Koichi Yasuoka разработал эту модель на архитектуре RoBERTa-large для морфологической разметки корейского текста. Она дообучена на основе KoichiYasuoka/roberta-large-korean-hanja и присваивает каждому корейскому слову (어절) тег части речи по системе UPOS. Карточка также указывает на назначение для синтаксического анализа зависимостей. Модель содержит 442,9 млн параметров, принимает текст и выдаёт метки токенов. Контекст составляет до 514 токенов. Её можно применять для морфологического анализа корейских предложений и подготовки данных для лингвистических или NLP-задач. Лицензия — CC BY-SA 4.0.