I.4Обработка документов и форм

51la5/roberta-large-NER — модель классификации токенов на базе XLM-RoBERTa-large, дообученная на наборе CoNLL-2003 для английского языка. XLM-RoBERTa разработана авторами соответствующей исследовательской работы и основана на RoBERTa; базовая модель обучалась на многоязычных данных CommonCrawl. Модель содержит 658,7 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Основное назначение — распознавание именованных сущностей в английском тексте: модель присваивает метки отдельным токенам. Архитектура XLM-RoBERTa многоязычная, но это дообучение проведено на английском CoNLL-2003; README также указывает классификацию токенов и разметку частей речи как возможные сценарии. Для прикладного использования следует учитывать возможные систематические ошибки и смещения в распознавании сущностей, в том числе для разных демографических групп. Лицензия в карточке не определена, поэтому условия распространения и использования следует уточнить у владельца репозитория.

Это уменьшенная версия модели восстановления капитализации и пунктуации в испанском тексте, разработанная компанией VÓCALI в рамках проекта SANIVERT. Модель основана на dccuchile/bert-base-spanish-wwm-uncased и дообучена для классификации токенов; размер составляет 137,1 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для восстановления заглавных букв и знаков препинания в испанских текстах, например при подготовке транскрипций или черновиков без оформления. Для обучения использовались более 2,1 млн испанских текстовых примеров. В карточке указаны метрики Macro F1 и Weighted F1, но их значения не приведены. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

tomaarsen разработал SpanMarker на базе энкодера bert-base-cased для распознавания именованных сущностей. Модель обучена на FewNERD, CoNLL2003 и OntoNotes v5 и предназначена для обнаружения организаций (ORG) в англоязычном тексте. Она принимает последовательности длиной до 256 токенов и распознаёт сущности длиной до 8 слов. Для класса ORG указаны precision 0,7958, recall 0,7936 и F1 0,7947. Модель можно применять для извлечения названий компаний, учреждений и других организаций из предложений и документов, а также дообучать на собственных данных. Лицензия — CC BY-SA 4.0.

LocateAnything-3B — разработанная NVIDIA Labs в рамках семейства Eagle компактная трансформерная модель «зрение–язык» для локализации объектов по изображениям и текстовым запросам. Она предназначена для разработчиков и исследователей, которым нужны обнаружение объектов, привязка текстовых описаний к областям изображения и разметка визуальных элементов. Модель дообучена на базе Qwen/Qwen2.5-3B-Instruct; архитектура включает визуальный энкодер MoonViT, языковую модель и MLP-проектор. Веса представлены в формате safetensors. Модель принимает изображение и запрос на естественном языке, а выдаёт текст с метками и структурированными координатами рамок или точек. Поддерживаются поиск объектов по категориям и описаниям, плотное обнаружение в загруженных сценах, привязка элементов интерфейса и локализация текста в документах. Механизм Parallel Box Decoding предсказывает координаты блоками, что, согласно карточке, повышает пропускную способность до 2,5 раза относительно предшествующих подходов. Карточка сообщает о поддержке изображений исходного разрешения до 2,5K, запросов до 24K токенов и генерации до 8192 токенов. Основной указанный язык — английский. Модель предназначена для исследований и разработки. В метаданных указана лицензия other; конкретные условия использования следует сверить с лицензией в репозитории. Для запуска README приводит тестовое оборудование H100, поэтому требования к ресурсам могут быть существенными.

Модель unerslosnk — дообученная версия XLM-RoBERTa-large для классификации токенов на наборе данных uner_slo_snk. Она предназначена для разметки последовательностей, например извлечения сущностей или других меток на уровне токенов; конкретная схема меток в карточке не описана. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текст с контекстным окном 514 токенов. В оценке на тестовой выборке указаны F1 0,8425, точность 0,8090, полнота 0,8789 и accuracy 0,9834. Эти значения относятся к конкретному набору данных и не гарантируют аналогичного качества на других текстах. Модель распространяется по лицензии MIT.

matiss/vllm-translategemma-4b-it — версия TranslateGemma, подготовленная для запуска через vLLM. Google разработала исходную модель как компактную мультимодальную модель перевода на архитектуре Gemma 3; эта карточка описывает изменения шаблона чата, конфигурации модели и параметров генерации для совместимости с vLLM. Модель переводит текст между 55 языками и может извлекать текст из изображения и переводить его. Для изображений предусмотрен вход с разрешением 896 × 896 пикселей, кодируемый в 256 токенов; общий контекст составляет 2K токенов. Модель предназначена для перевода в приложениях и средах с ограниченными ресурсами, включая локальные компьютеры и облачную инфраструктуру. Она принимает текст и изображения и выдаёт переведённый текст. Качество зависит от обучающих данных; модель может ошибаться в передаче нюансов, неоднозначных выражений и фактов. Репозиторий содержит веса в формате safetensors; лицензия — Gemma, использование регулируется условиями Google Gemma.

Это модель XLM-RoBERTa-base, дообученная для классификации токенов. По названию репозитория она предназначена для задачи PAN-X на немецком языке; в README приведена оценка F1 0,8638 и loss 0,1386 на наборе оценки, но датасет и подробности разметки не описаны. Модель содержит 305,2 млн параметров, принимает текст и использует контекст до 514 токенов. Разработчик — владелец репозитория aoi-33; базовая модель создана FacebookAI. Лицензия — MIT.

Это модель XLM-RoBERTa Base, дообученная для классификации токенов. В карточке указан результат F1 0,8586 на оценочной выборке, однако набор данных обозначен как None, поэтому результат нельзя связать с конкретным тестовым корпусом. Модель основана на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель предназначена для присвоения меток отдельным токенам, например для распознавания именованных сущностей. По названию репозитория она настроена на немецкий и французский варианты задачи PAN-X, но карточка не описывает точную схему меток и оценочные данные. Весовые файлы доступны в формате safetensors. Лицензия — MIT.

Ælæctra — датская модель на базе ELECTRA-Small, дообученная Malte Højmark-Bertelsen для распознавания именованных сущностей в датском тексте на датасете DaNE. Это компактный трансформер с 20,8 млн параметров и контекстом до 512 токенов; доступны веса PyTorch и TensorFlow. Модель предназначена для разметки токенов и извлечения именованных сущностей из датских документов и текстов. В оценке на тестовом наборе DaNE вариант Cased показал micro-F1 80,08 без метки MISC. В README отмечено, что результат немного ниже, чем у датского BERT и multilingual BERT, зато модель значительно компактнее и требует меньше вычислительных ресурсов. Лицензия — MIT. કાર

wietsedv/bert-base-dutch-cased-finetuned-conll2002-ner — модель на архитектуре BERT для классификации токенов, разработанная пользователем wietsedv и дообученная для распознавания именованных сущностей в нидерландском тексте на датасете CoNLL-2002. Базовая модель BERTje представляет собой нидерландский BERT, разработанный исследователями Университета Гронингена. Модель предназначена для NER-задач: выделения и классификации сущностей в тексте, например персон, организаций и географических объектов, в соответствии с разметкой CoNLL-2002. Она работает через pipeline token-classification в Transformers, поддерживает PyTorch и JAX, содержит около 136,3 млн параметров и обрабатывает последовательности длиной до 512 токенов. Сильная сторона модели — специализация на нидерландском языке и задаче извлечения сущностей. Она не является генеративной моделью и не предназначена для свободной генерации текста, перевода или многоязычного распознавания сущностей; качество может снижаться на текстах, существенно отличающихся от данных CoNLL-2002.

CHURRO — открытая по весам мультимодальная модель распознавания исторических документов, разработанная Stanford OVAL. Модель содержит 3,1 млрд параметров и дообучена на базе Qwen/Qwen2.5-VL-3B-Instruct; она принимает изображения документов и выдаёт распознанный текст. Контекст модели — 128 000 токенов. Модель предназначена для транскрибации рукописного и печатного текста из исторических источников. Она обучена на CHURRO-DS — наборе примерно из 100 тысяч страниц 155 исторических коллекций, охватывающем 22 века и 46 языковых кластеров, в том числе исторические и мёртвые языки. Авторы сообщают о более высокой точности, чем у ряда существенно более крупных коммерческих и открытых VLM, при более низкой стоимости; для тестового набора CHURRO заявлено снижение стоимости в 15,5 раза относительно Gemini 2.5 Pro при превышении его точности. В репозитории указана лицензия other, поэтому перед использованием следует проверить её условия. Заявленные результаты относятся к тестовому набору CHURRO-DS; качество на иных коллекциях, почерках и языках может отличаться.

CLI-7B — мультимодальная модель с 7,1 млрд параметров от команды codefuse-ai, официальный чекпойнт фреймворка Cross-Layer Injection (CLI), представленного в статье для ECCV 2026. Модель построена на LLaVA-OneVision-Qwen2-7B: использует языковую часть Qwen2-7B и визуальный энкодер SigLIP-so400m-patch14-384. Архитектура CLI заменяет обычное соединение зрения и языка динамическим обменом между слоями: проекции AMP объединяют визуальные признаки, а механизм AGF выбирает признаки для подачи в декодер LLM. Модель предназначена для диалога и рассуждений по изображениям, в том числе для анализа диаграмм, графиков и документов, визуальных вопросов и ответов, а также общего описания изображений. Карточка сообщает о проверке на 28 мультимодальных бенчмарках и небольших дополнительных затратах памяти при инференсе. Поддерживается английский язык; контекст — 32 768 токенов. Для запуска необходима специальная реализация AMP и AGF из репозитория codefuse-ai/CLI: обычная загрузка как LlavaOneVision в Transformers не воспроизводит поведение CLI. Лицензия — Apache-2.0.

Kansallisarkisto/cyrillic-htr-model — модель распознавания рукописного текста на основе TrOCR, разработанная дообучением microsoft/trocr-large-handwritten. Архитектура vision-encoder-decoder принимает изображения рукописных строк и генерирует текст на кириллице. Модель предназначена для оцифровки архивных документов, исторических рукописей и транскрибирования рукописных заметок. Обучение проводилось на материале XVII–XX веков: в README указаны 740 страниц и более 30 000 строк текста. Для тестового набора примерно из 33 400 строк заявлена символьная ошибка CER 8. Модель поддерживает кириллическое письмо и распространяется по лицензии Apache 2.0. В README отмечено, что обучение в основном охватывает базовые символы кириллицы, поэтому распознавание других письменностей, редких знаков и разнообразных почерков может быть менее надёжным.

Это японская модель распознавания именованных сущностей на основе DeBERTa V2 Base Japanese, дообученная автором Mizuiro-sakura на японском наборе NER из Википедии. Она присваивает токенам метки, в том числе для имён людей, географических названий, организаций, событий, учреждений, компаний и продуктов; модель можно использовать для извлечения таких сущностей из японских текстов. В карточке приведены результаты оценки: micro F1 — 0,81, macro F1 — 0,80. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в форматах PyTorch и Safetensors для библиотеки Transformers. Базовая DeBERTa V2 Japanese была предварительно обучена на японской Википедии, японской части CC-100 и японской части OSCAR. Лицензия модели — MIT.

crabz/distil-slovakbert-ner — модель для распознавания именованных сущностей в словацком тексте. Она дообучена разработчиком на основе crabz/distil-slovakbert на словацкой части набора WikiANN. Архитектура — RoBERTa для классификации токенов; модель содержит 95,2 млн параметров и поддерживает контекст до 514 токенов. Модель назначает метки отдельным токенам и подходит для извлечения сущностей из словацких текстов. В README указана оценка F1 0,9307, однако подробности протокола оценки и состав классов не приведены. Лицензия в доступных данных не указана.

ersanbil разработившая модель ersanbil/kvkk-pii-ner предназначена для выявления персональных данных в турецком тексте в рамках соответствия KVKK. Это дообученная для BIO-разметки токенов модель BERT на основе dbmdz/bert-base-turkish-cased; она помечает имена людей, адреса, медицинские данные и специальные категории KVKK. Модель рассчитана на поиск сведений в свободном тексте, которые могут пропускать регулярные выражения, и используется как второй уровень гибридного конвейера kvkk-pii. Размер — 137,8 млн параметров, контекст — до 512 токенов; вход и выход представлены текстом с метками сущностей. В карточке сообщается о пятифолдовой перекрёстной проверке со средним F1 98,86% ± 0,19%. Модель обучена на синтетических данных; категория KVKK_SPECIAL представлена ограниченно, названия городов иногда ошибочно размечаются как имена людей, а полнота выявления медицинских сведений ниже на произвольном тексте, чем на структурированных формах. Указанная лицензия — Apache-2.0.

Bigheadjoshy/layoutlmv3_document_classification — дообученная Microsoft модель LayoutLMv3-base для классификации документов. Она относится к мультимодальному семейству Transformer для понимания текста, изображений и структуры документов; содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Для классификации использует архитектуру LayoutLMv3ForSequenceClassification. На оценочном наборе указаны accuracy 0,8859 и F1 0,8805. README не раскрывает набор данных, классы, сценарии применения и подробности обучения, поэтому результаты нельзя напрямую переносить на другие коллекции документов. Модель опубликована в формате Safetensors по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение на тех же условиях.

LLaVA-Phi-3-mini — мультимодальная модель семейства LLaVA, разработанная командой XTuner. Она дообучена на основе Microsoft Phi-3-mini-4k-instruct и использует визуальный энкодер CLIP-ViT-Large-patch14-336. Обучение проводилось на наборах ShareGPT4V-PT и InternVL-SFT. Модель предназначена для анализа изображений и генерации текстовых ответов по визуальному содержимому: описания изображений, визуальных вопросов и ответов, распознавания текста и решения задач, связанных с пониманием сцен и документов. Архитектура включает CLIP-визуальный энкодер, MLP-проектор и языковую модель Phi-3-mini; разрешение изображений составляет 336 пикселей, а заявленный контекст — 4096 токенов. Доступны варианты GGUF с точностью FP16 и INT4, совместимые с llama.cpp и Ollama. К сильным сторонам относятся сравнительно компактная языковая основа, поддержка мультимодального диалога и хорошие результаты на ряде тестов понимания изображений, включая MMMU, ScienceQA, HallusionBench и POPE. Ограничения включают зависимость качества от используемого визуального энкодера, возможные ошибки при интерпретации изображений и снижение точности в INT4-варианте по сравнению с FP16. Лицензия в README не указана.

avkay-llama/modernbert-pii-v0.1 — модель ModernBERT-base, дообученная для обнаружения фрагментов с персональными и защищёнными медицинскими данными (PII/PHI). Она выполняет токенную классификацию по 169 меткам BIO, основанным на онтологии из 84 понятий. При обучении использовалась схема-ориентированная маргинальная функция потерь, учитывающая, что разные наборы данных размечают разные категории; обучение включало 33 100 шагов и 32 корпуса. Модель предназначена для поиска чувствительных данных в тексте перед обезличиванием, редактированием или маскированием документов. В обучающие данные входят многоязычные корпуса, в том числе русскоязычный набор alrosait/russian-pii. Модель имеет 149 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors на базе Transformers. При преобразовании предсказаний в фрагменты текста нужно обрезать пробелы в начале и конце: смещения токенизатора могут захватывать предшествующий пробел. Покрытие медицинских идентификаторов ограничено относительно сетевых и контактных данных; некоторые обучающие фрагменты были получены поиском по строке и не участвовали в оценке. Лицензия — Apache-2.0.

Muse-Glimmer-30B-Abliterated-MM-bf16 — мультимодальная модель с открытыми весами, созданная Matt Macosko на основе mlx-community/Muse-Glimmer-30B-bf16 и предназначенная для локального запуска на Apple Silicon через MLX. Это дообученная версия Muse-Glimmer-30B с удалённым направленным подавлением отказов; изменение затрагивает языковые веса, а визуальная часть сохранена. В описании базовой модели указано 29,6 млрд параметров. Модель принимает текст и изображения и формирует текстовые ответы в диалоге. Она предназначена для описания и распознавания содержимого изображений, идентификации объектов и ориентиров, чтения текста на изображениях и анализа диаграмм. Визуальная архитектура включает 50-слойный ViT в стиле Qwen2.5-VL, GELU-адаптер и проекцию признаков в текстовый поток. Весы представлены в bf16 в формате safetensors для MLX; README оценивает их размер примерно в 60 ГБ и указывает на необходимость Apple Silicon с большим объёмом памяти. Модель лишена стандартного поведения отказа, поэтому может отвечать на запросы, которые базовая модель отклонила бы. Лицензия обозначена как other; README требует соблюдать лицензию базовой модели и применимые законы.

nanoLLaVA — компактная мультимодальная модель для диалога по изображениям, разработанная qnguyen3. Она сочетает языковую модель Quyen-SE-v0.1 на базе Qwen1.5-0.5B с визуальным энкодером google/siglip-so400m-patch14-384; в метаданных указано 463,9 млн параметров и контекст 32 768 токенов. Модель принимает текст и изображения и формирует текстовые ответы; среди сценариев — визуальные вопросы и ответы, чтение текста на изображениях и описание связи между изображением и текстом. В README приведены результаты на наборах VQA v2, TextVQA, ScienceQA, POPE, MMMU, GQA и MM-VET, однако данные обучения и код дообучения на момент публикации карточки ещё не представлены. Автор сообщает о более новой версии nanoLLaVA-1.5 с лучшей производительностью. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

OpenMed-PII-SuperClinical-Small-44M-v1-onnx-android — модель OpenMed для обнаружения персональных и клинических идентификаторов в англоязычных клинических и биомедицинских текстах. Она предназначена для token classification и может применяться в задачах выявления и последующей деидентификации конфиденциальных данных. Модель не диагностирует заболевания и не принимает клинических решений. Модель построена на архитектуре DeBERTa-v2 и содержит около 44 миллионов параметров. Она обрабатывает английский язык и поддерживает последовательности длиной до 512 токенов. Распознаётся более 55 типов сущностей, включая имена, даты, адреса, телефоны, электронную почту, номера медицинских записей, страховые идентификаторы, SSN, IP- и MAC-адреса, сведения о здоровье, расе и этнической принадлежности, религиозных убеждениях и другие персональные или клинические идентификаторы. В комплект входят ONNX-графы INT8, FP16 и полной точности, токенизатор и метаданные для интеграции. Модель рассчитана на локальный запуск после загрузки: на CPU в Python, в браузере через WebAssembly или WebGPU, а также на Android. Она возвращает найденные сущности, оценки уверенности и точные смещения в исходном тексте. Локальная обработка может поддерживать сценарии с повышенными требованиями к приватности и офлайн-развёртыванию, однако сама по себе не гарантирует соблюдение нормативных требований. Перед использованием необходимо оценить полноту обнаружения, пороги уверенности и корректность выделения фрагментов на данных целевого домена. Модель распространяется по лицензии Apache-2.0.

Qwen2-VL-7B-Instruct-GGUF — мультимодальная instruction-модель семейства Qwen, разработанная командой Qwen и представленная в GGUF-квантизации bartowski на основе llama.cpp. Модель основана на Qwen2-VL-7B-Instruct и предназначена для работы с текстом и изображениями. Модель подходит для анализа изображений различного разрешения и соотношения сторон, визуального вопросно-ответного взаимодействия, мультимодального рассуждения и сценариев агентской автоматизации, где требуется интерпретация визуальной информации. Заявлена поддержка нескольких языков и контекста до 32K токенов. Размер базовой модели — 7B параметров; точные характеристики конкретного уровня квантизации в README не указаны. К сильным сторонам относятся сочетание языкового и визуального понимания, способность обрабатывать изображения разных форматов и поддержка длинного контекста. Ограничения включают возможные неточности, неподходящие или вредоносные ответы, характерные для генеративных моделей; конкретные ограничения качества и производительности для выбранной квантизации не описаны. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-30B-A3B-Instruct-NVFP4 — мультимодальная модель для генерации текста по текстовым и визуальным входным данным, опубликованная пользователем или организацией ig1. Она основана на Qwen/Qwen3-VL-30B-A3B-Instruct и предназначена для сценариев, где требуется анализ изображений совместно с обработкой естественного языка; README также упоминает поддержку изображений и видео, однако конкретные языки и полный набор мультимодальных возможностей не указаны. Модель использует архитектуру Qwen3-VL с mixture-of-experts; обозначение 30B-A3B указывает на 30 млрд параметров в общей модели и около 3 млрд активных параметров на токен. Она подвергнута NVFP4-квантизации с использованием llm-compressor и предназначена для запуска через vLLM с поддержкой OpenAI-совместимого сервера, автоматического выбора инструментов и parser hermes. Для видеокарт RTX 5090 README рекомендует ограничивать контекст примерно 56K токенами, использовать не более трёх изображений и отключать видео из-за ограничений памяти; точный максимальный контекст модели не указан. К сильным сторонам относятся сниженные требования к памяти благодаря NVFP4-квантизации и возможность быстрого инференса на совместимом оборудовании. Ограничения включают возможную потерю качества из-за квантизации, зависимость от совместимой версии vLLM и необходимость уменьшать контекст или число мультимодальных входов на видеокартах с ограниченной памятью. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-8B-Instruct-MLX-6bit — 6-битная квантованная версия мультимодальной модели Qwen3-VL-8B-Instruct, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для работы на устройствах Apple Silicon. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Она может применяться в сценариях, где требуется анализ визуального содержимого и взаимодействие с ним на естественном языке. Исходная модель имеет размер 8B параметров, однако README не содержит подробностей об архитектуре, поддерживаемых языках и размере контекстного окна. Ключевые преимущества версии — сниженное потребление памяти по сравнению с полноразмерной моделью и оптимизация для экосистемы Apple Silicon. Квантование может сопровождаться некоторой потерей точности, но конкретные результаты оценки не указаны. Модель распространяется по лицензии Apache-2.0.

Qwen-3-VL-Ricoh-8B-20260227 — мультимодальная модель с визуальным вводом, разработанная японской компанией Ricoh на основе Qwen3-VL-8B-Thinking и Qwen3-VL-8B-Instruct. Она предназначена прежде всего для ответов на вопросы по японским документам с диаграммами и таблицами: модель извлекает сведения с изображений, выполняет вычисления и сравнения по прочитанным данным и формирует ответы с объяснением оснований. Ricoh сообщает об усилении многошагового рассуждения с помощью обучения с подкреплением и о снижении ошибок при чтении сложных документов. Модель ориентирована на японский язык и может использоваться для локального развёртывания в корпоративной среде; в README приведён пример запуска через vLLM 0.11.0. В метаданных Hugging Face указан формат safetensors и лицензия Apache-2.0. Результаты в README получены на наборах JDocQA и JDocQA-Reasoning; они не гарантируют такую же точность на других языках, типах изображений и документах.

Модель Surrey NLP — дообученная версия RoBERTa-large для обнаружения сокращений и соответствующих им полных форм в тексте. Она выполняет разметку токенов и предназначена для извлечения сокращений и их расшифровок из англоязычных документов. На тестовом наборе PLODv2 filtered модель получила F1 0,9208 для сокращений и 0,9108 для полных форм. Модель содержит 454,1 млн параметров, использует формат PyTorch и принимает контекст до 514 токенов. Опубликована вместе с работой для LREC-COLING 2024; лицензия — CC BY-SA 4.0.

sandsiv-278-pii-ch — многоязычная модель SandSIV для распознавания и разметки персональных данных в текстах, ориентированная на швейцарский контекст. Она дообучена для классификации токенов на базе microsoft/mdeberta-v3-base и имеет архитектуру DeBERTa V2; размер — 306 млн параметров по метаданным, длина контекста — 512 токенов. Модель выявляет 19 типов сущностей, включая имена, адреса, телефоны, электронную почту, номера банковских карт и IBAN, а также швейцарские AHV-номера, кантоны и номера земельного реестра. Поддерживает английский, итальянский, немецкий и французский языки. Модель предназначена для обнаружения PII как этапа обезличивания отзывов клиентов, обращений в поддержку и административных документов. SandSIV сообщает о применении модели в anonymo.io — настольном приложении, выполняющем инференс локально. Обучение проводилось на синтетических данных; по оценке разработчика, качество на реалистичных текстах, отличающихся от обучающих шаблонов, может быть ниже. Возможны ошибки при обработке идентификаторов документов с буквенным префиксом, фрагментация сущностей на части и более слабое распознавание возраста. Лицензия — MIT.

EMBO/sd-ner-v2 — дообученная модель на архитектуре BERT для распознавания именованных сущностей в тексте. Она создана на основе microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract и дообучена на наборе source_data_nlp. Модель содержит 136,7 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для выделения и классификации сущностей по токенам. На оценочном наборе указаны accuracy 0,9513, precision 0,8030, recall 0,8378 и F1 0,8200. Язык и конкретные типы сущностей в карточке не описаны. Лицензия — MIT.

ta_PP-OCRv5_mobile_rec — мобильная модель распознавания строк текста из семейства PP-OCRv5_rec, разработанная командой PaddleOCR. Она предназначена для распознавания тамильского текста на изображениях и может использоваться как модуль распознавания в конвейере OCR, который также включает обнаружение строк и, при необходимости, коррекцию ориентации и геометрии изображения. Модель принимает изображения строк и возвращает распознанный текст; в README для неё указана точность 87,65% по строгому критерию, где ошибка в любом символе делает всю строку неверной. Мобильный вариант ориентирован на эффективную работу. Для полного распознавания текста на документе или изображении модель следует применять вместе с детектором текста и другими необходимыми модулями PP-OCRv5. Карточка не сообщает размер модели и длину контекста. Лицензия — Apache-2.0.