I.4Обработка документов и форм

Alesub/bert-finetuned-ner — модель семейства BERT, дообученная для классификации токенов и распознавания именованных сущностей. Она принимает текст и присваивает метки отдельным токенам; подходит для извлечения сущностей из текста в задачах обработки естественного языка. Модель основана на google-bert/bert-base-cased, содержит 135,5 млн параметров и поддерживает контекст до 512 токенов. Используются библиотека Transformers и формат весов Safetensors. В карточке приведены результаты оценки: precision 0,375, recall 0,6, F1 0,4615 и accuracy 0,4. Датасет указан как None, поэтому назначение меток и языки обучения определить нельзя. Лицензия — Apache-2.0.

Карточка модели Zappandy/dukaan-saathi-receipt-lora на Hugging Face совпадает с карточкой summerdevlin46/dukaan-saathi-receipt-lora, поэтому описание составлено по ней. Dukaan Saathi Receipt Parser — дообученная на базе Llama-3.2-3B-Instruct модель, созданная для разбора чеков и накладных в индийских магазинах kirana; она входит в демонстрационный проект помощника по учёту запасов Dukaan Saathi. Модель принимает распознанный OCR-текст поставщицких документов и формирует структурированный JSON со строками товаров, количеством, ценами и сведениями о поставщике. Она рассчитана на шумный текст из рукописных счетов, печатных налоговых накладных и неформальных записей. Обучение ориентировано на единообразие формата: использованы 28 примеров, из них 6 составлены вручную по реальным форматам kirana, а 22 синтетических примера добавлены для редких случаев. В метаданных указаны архитектура LlamaForCausalLM, 3,2 млрд параметров, контекст до 131 072 токенов, английский и телугу, формат safetensors и лицензия MIT. Малый объём обучения ограничивает обобщение: модель склонна переобучаться на знакомые шаблоны чеков и не предназначена для универсального разбора чеков. Перед записью любых изменений в учёт запасов требуется подтверждение владельца.

Модель dkingtutcd/gemma-3-4b — дообученная разработчиком dkingtutcd версия Gemma 3 4B Instruct с поддержкой изображений и текста. Она предназначена для диалогов и задач, где нужно отвечать на вопросы по изображениям или сочетать визуальный ввод с текстовыми запросами. Модель построена на плотной архитектуре Gemma 3 и выдаёт текст; карточка указывает английский язык и формат весов Safetensors. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Подробности о наборе данных и оценке качества в карточке отсутствуют.

Jan-v2-VL-f32-AIO-GGUF — GGUF-сборка 8-миллиардной vision-language модели Jan-v2-VL, разработанной командой JanHQ. Модель предназначена для взаимодействия с визуальными и текстовыми данными, а также для выполнения многошаговых задач в реальных программных средах, включая браузеры и настольные приложения. Модель сочетает языковое рассуждение с визуальным восприятием, поддерживает анализ скриншотов, заземление элементов интерфейса и вызов инструментов. Она рассчитана на агентную автоматизацию, управление пользовательским интерфейсом, следование сложным инструкциям, сохранение промежуточного состояния и восстановление после незначительных ошибок. Заявлен английский язык, однако сведения о размере контекста и точной архитектуре в README не указаны. Доступны варианты low, med и high: low ориентирован на эффективность и меньшую задержку, med предлагает баланс качества и скорости, а high использует более глубокое рассуждение и требует больше времени на обработку. Сильными сторонами являются работа с визуально-текстовыми сценариями, устойчивое пошаговое выполнение длинных последовательностей и возможность локального запуска через vLLM и llama.cpp. Ограничениями являются отсутствие в README подробных метрик, данных о контекстном окне и гарантий качества за пределами заявленных сценариев, а также повышенные требования к ресурсам для полноразмерных F32-файлов. Модель распространяется по лицензии Apache-2.0.

JevK5-2B — англоязычная модель для принятия типизированных решений по документам, разработанная как открытая альтернатива Jev компанией TypeSafe; с TypeSafe AI модель не связана. Она принимает документ и вопрос с ответами «да/нет», вариантами выбора или числовой шкалой и за один проход выдаёт вероятности для каждого варианта, не генерируя текст ответа. Модель основана на плотной архитектуре Qwen3.5-2B с 1,7 млрд параметров: адаптер LoRA ранга 16 объединён с весами. Веса доступны в формате safetensors, лицензия — Apache-2.0. Базовая модель поддерживает контекст до 262 144 токенов, но JevK5-2B отказывает в обработке входов длиннее 16 384 токенов. Модель предназначена для извлечения фактов из документов, классификации и маршрутизации по заданным вариантам. В README приведены результаты на вопросах по бизнес-документам и публичном JevBench; авторы отмечают хорошее качество на простых решениях, но более низкое — на стандартных и сложных примерах по сравнению с версией на 4 млрд параметров. Слабые стороны — арифметика, многошаговые запросы, даты, суммы и общие знания; на закрытом наборе JevBench модель не оценивалась. Для применения требуется JevK5 runtime на GPU NVIDIA либо сборка GGUF и llama.cpp на других устройствах.

PaliGemma 2 10B — мультимодальная модель Google на основе компонентов SigLIP и Gemma 2. Она принимает изображения размером до 896 × 896 пикселей и текстовые последовательности до 512 токенов, а на выходе генерирует текст. Модель поддерживает несколько языков; конкретные языки в карточке не перечислены. Это базовая предварительно обученная модель, предназначенная прежде всего для дообучения под задачи компьютерного зрения и языка: описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения и сегментации объектов. Веса представлены в формате bfloat16 для дообучения; для данного репозитория указана библиотека Transformers и формат safetensors. Без дообучения результаты на специализированных задачах могут быть слабее, чем у моделей, настроенных для них, а модель рассчитана на один раунд ввода, а не на многоходовый диалог. Она может ошибаться в фактах, рассуждениях и понимании языковых нюансов. Использование регулируется условиями Gemma; перед применением следует учитывать политику запрещённых способов использования Gemma.

PaliGemma 2 3B Mix 448 — мультимодальная модель Google для работы с изображениями и текстом. Она сочетает визуальный энкодер SigLIP с языковой моделью Gemma 2 и принимает изображение вместе с текстовым запросом, выдавая текст. Версия Mix поддерживает несколько языков; вариант 448 рассчитан на изображения с разрешением 448 пикселей. Модель предназначена прежде всего для дообучения под задачи понимания изображений: создания подписей и описаний, визуальных вопросов и ответов, чтения текста на изображении, обнаружения объектов с координатами и сегментации. Также она может описывать короткие видео и служить основой для специализированных решений, например вопросов по спутниковым снимкам или интерфейсам. PaliGemma 2 лучше работает с чёткими запросами и задачами, заданными шаблонами. Это предварительно обученная модель, поэтому её результаты без дообучения на специализированных задачах могут уступать моделям общего назначения; она не является многоходовым чат-ботом и может ошибаться в фактах, сложных рассуждениях и интерпретации нюансов. Модель распространяется по лицензии Gemma с ограничениями, изложенными в политике допустимого использования Gemma.

PhoBERT-ner — модель VinAI PhoBERT-base-v2, дообученная пользователем quocanh944 для классификации токенов. Архитектура — RoBERTa с головой RobertaForTokenClassification; модель содержит 162,4 млн параметров, использует формат safetensors и принимает последовательности длиной до 258 токенов. Модель предназначена для разметки отдельных токенов во вьетнамском тексте. Такая задача может применяться, например, для распознавания сущностей, однако конкретные классы меток, обучающий датасет и результаты оценки не описаны. Базовая PhoBERT рассчитана на обработку вьетнамского языка. Лицензия и ограничения применения в доступной карточке не указаны. Качество и пригодность модели для конкретной схемы разметки следует оценивать отдельно.

PiiScan — мультиязычная модель для выявления персональных данных в тексте. Её разработал Arnab Pal на основе distilbert-base-multilingual-cased: это DistilBERT для классификации токенов с разметкой BIO по 27 меткам, из которых 13 типов сущностей обучены на данных, а ещё 11 выявляются отдельными правилами в сопутствующем сервисе. Модель распространяется в форматах ONNX и safetensors; вариант ONNX с INT8-квантизацией рассчитан на работу через onnxruntime на CPU и без подключения к сети. Контекст — до 512 токенов. Модель находит фрагменты персональных данных и возвращает их тип и точные смещения символов в исходной строке. Среди обученных типов — имена, адреса, телефоны, даты, электронная почта и номера документов; README описывает поддержку 30 языков. Репозиторий также упоминает отдельные правила проверки форматов и REST API для редактирования данных, но это возможности сопутствующего пакета, а не самой модели. На тесте, созданном тем же генератором, что и обучающие данные, результаты высокие; на размеченных реальных судебных документах качество заметно ниже. Модель не предназначена для HIPAA-деидентификации или обработки медицинских идентификаторов, слабо поддерживает длинную реальную прозу и не рассчитана на языки с письмом деванагари и бенгали. Для ответственной редактуры персональных данных нужна проверка человеком. Лицензия — Apache-2.0; обучающие данные получены из Ai4Privacy OpenPII 1.5M под CC-BY-4.0.

PP-FormulaNet_plus-L — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она преобразует формулы на изображениях в исходный код LaTeX и подходит для обработки формул в научных публикациях, учебниках, экзаменационных материалах и других документах. Версия L использует архитектуру Vary_VIT_B, поддерживает китайские формулы и может предсказывать до 2560 токенов, что помогает обрабатывать сложные выражения. В карточке приведены оценки BLEU 90,36 для английских и 45,78 для китайских формул; время инференса на GPU указано как 1976,52 мс. Модель доступна через PaddleOCR и может использоваться как часть конвейера распознавания формул или анализа структуры документов. Лицензия — Apache-2.0. Карточка описывает распознавание английских и китайских формул; языки интерфейса и результаты самой модели ограничены форматом формул LaTeX.

Карточка модели nttruong1007/qb-llava16-mistral7b на Hugging Face совпадает с карточкой llava-hf/llava-v1.6-mistral-7b-hf, поэтому описание составлено по ней. LLaVA-NeXT (LLaVA-1.6) — мультимодальная модель для диалога с изображениями, разработанная авторами работы LLaVA-NeXT. В этой версии языковая часть основана на Mistral-7B-Instruct-v0.2, объединённой с предварительно обученным визуальным энкодером. Модель принимает изображения и текстовые инструкции, а в ответ генерирует текст. Повышенное разрешение изображений и улучшенное обучение визуальным инструкциям предназначены для более качественного распознавания текста на изображениях, ответов на визуальные вопросы и рассуждений о содержимом изображения. Подходит для описания изображений и мультимодального чат-бота. Поддерживается английский язык; в README также заявлена двуязычная поддержка для семейства LLaVA-1.6, но второй язык для этого чекпойнта не уточнён. Репозиторий распространяется по лицензии Apache-2.0.

GabrieleConte/Qwen3.5-0.8B-LiteRT — конвертированная версия мультимодальной модели Qwen/Qwen3.5-0.8B, разработанной командой Qwen. Модель предназначена для локального запуска на устройствах с использованием LiteRT и LiteRT-LM, включая задачи понимания изображений и генерации текста по текстовым и визуальным входным данным. В комплект входят языковая модель, vision encoder, vision adapter и tokenizer. Языковая часть содержит около 752 млн параметров, vision encoder — около 675 млн, vision adapter — около 10 млн. Используется гибридная архитектура из 18 слоёв GatedDeltaNet и 6 слоёв Full Attention, а также 27-слойный Vision Transformer. Модель поддерживает мультимодальный ввод изображений, динамическую INT8-квантизацию и KV-кэш длиной 2048 токенов. Для предварительной обработки доступны фиксированные длины последовательностей 64, 128, 256 и 512 токенов, для изображений — варианты от 256 до 2304 патчей. Основной формат распространения — контейнер .litertlm. Сильными сторонами являются возможность on-device-инференса, интегрированный мультимодальный конвейер и уменьшенный объём вычислений благодаря INT8-квантизации. Ограничения включают отсутствие поддержки видео, возможные небольшие отличия качества из-за дополнения промптов до фиксированной длины и расхождения результатов с оригинальной реализацией Qwen3.5 из-за особенностей вычислений GatedDeltaNet. Модель распространяется по лицензии Apache 2.0, унаследованной от исходной модели.

mradermacher/Qwen3.5-KETI-HAECHI-27B-i1-GGUF — GGUF-квантизированная версия модели KETI-NLP/Qwen3.5-KETI-HAECHI-27B, подготовленная mradermacher. Модель ориентирована на корейский и английский языки и относится к мультимодальным vision-language моделям. Она предназначена для задач image-text-to-text, распознавания текста на изображениях, работы с материалами культурного наследия, использования инструментов и сценариев с длинными цепочками рассуждений. Поддерживаются текстовые и визуальные входные данные; для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Размер базовой модели составляет 27B параметров. Репозиторий содержит варианты GGUF-квантизации от IQ1_S до Q6_K размером примерно от 7,2 до 22,2 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Более агрессивные варианты могут заметно снижать качество; Q4_K_M обозначен как рекомендуемый по сочетанию скорости и качества. Точный размер контекста и архитектурные детали в README не указаны. Модель распространяется по лицензии Apache-2.0. К ограничениям относятся зависимость качества от выбранного уровня квантизации, необходимость дополнительного multimodal-компонента для обработки изображений и отсутствие в README подробных результатов оценки, характеристик контекста и требований к аппаратному обеспечению.

Qwen3.8-27B-PrismaScout-AQUA-Vision-20GB — мультимодальная квантованная модель на базе Qwen/Qwen3.8-27B, опубликованная rdtand с использованием методики PrismaQuant. Она предназначена для обработки текста, изображений и видео, включая сценарии визуального анализа и генерации ответов по мультимодальным входным данным. Модель совместима с vanilla vLLM и не требует форка vLLM, специального загрузчика или плагинов. Модель сохраняет визуальный входной тракт Qwen3.8, языковую голову и MTP-голову. В языковой части 64 слоя и 496 Linear-компонентов распределены между NVFP4, FP8 E4M3 и BF16; визуальная башня и merger используют NVFP4 W4A4. Всего в checkpoint содержится 615 Linear-компонентов, а итоговый размер артефакта составляет около 19,98 млрд байт, то есть укладывается в ограничение 20 GB. NVFP4 использует 4-битные веса и активации с размером группы 16, FP8 — 8-битные веса и активации. Точные поддерживаемые языки и размер контекстного окна в README не указаны. Сильная сторона модели — сочетание мультимодальности и существенного снижения размера при сохранении близкого к BF16 поведения: на указанном тесте прирост perplexity составил 3,0119%, а средняя KL-дивергенция относительно BF16-версии — 0,0439. Ограничения связаны с потерями квантования, возможными ошибками на нетипичных данных и отсутствием подробных сведений о качестве на широком наборе прикладных бенчмарков. Модель распространяется по лицензии Apache-2.0.

dealignai/Qwen3.8-Flash-Next-ABLITERATED-NVFP4 — мультимодальная версия Qwen3.8-Flash-Next, разработанная dealignai. Это прямое изменение весов базовой модели без дообучения, LoRA, дистилляции или изменения шаблона чата; заявлено сохранение исходных знаний, стиля, рассуждений и калибровки. Модель предназначена для текстовых и мультимодальных сценариев с обработкой изображений и видео, включая распознавание форм, цветов, текста на изображениях, движения и объектов в видео. Поддерживаются режимы рассуждения low, medium и xhigh, а также MTP speculative decoding. Модель работает с SGLang и рассчитана на tensor parallel на двух NVIDIA DGX Spark с использованием 4-битного формата NVFP4. Размер модели, максимальная длина контекста и точный перечень поддерживаемых языков в README не указаны. По заявленным результатам, производительность на MMLU почти не изменилась относительно базовой модели: 81,93% против 82,11%. Также заявлены связная генерация без зацикливания и сохранение мультимодальных возможностей. Ключевое ограничение — удаление защитных отказов: модель описана как исследовательский артефакт без встроенных ограничений безопасности и может выполнять вредоносные, незаконные и неэтичные запросы. Использование допускается по лицензии qwen-community-license-1.0; модель предоставляется без гарантий, а ответственность за результаты и соблюдение законодательства возлагается на пользователя.

Qwen3-VL-30B-A3B-Instruct-MLX-5bit — мультимодальная instruction-tuned модель для преобразования изображений и текста в текст. Оригинальную модель разработала команда Qwen, а данную 5-битную MLX-квантизацию подготовила команда LM Studio с использованием mlx_vlm. Модель предназначена для локального запуска на устройствах Apple Silicon. Модель основана на Qwen3-VL-30B-A3B-Instruct и поддерживает сценарии, требующие анализа визуальной и текстовой информации, включая обработку изображений и генерацию ответов по инструкциям. Из технических характеристик указаны размер 30B и конфигурация A3B, 5-битное квантование, архитектура и формат MLX, а также специализация на Apple Silicon. Языки, размер контекстного окна и точный перечень поддерживаемых модальностей в README не уточняются. Ключевые преимущества модели — мультимодальные возможности, instruction-tuned поведение и снижение требований к памяти благодаря 5-битному квантованию, что делает её подходящей для локального использования. Ограничения включают возможную потерю качества из-за квантования и зависимость производительности от оборудования Apple Silicon; конкретные показатели качества и скорости не приведены. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-8B-Heretic-Stable-GGUF — мультимодальная модель для преобразования изображений и текста в текст, разработанная prithivMLmods. Она основана на Qwen/Qwen3-VL-8B-Instruct и является GGUF-квантизованным представлением модели Qwen3-VL-8B-Heretic-Stable, созданной с применением abliteration и методов подавления отказов. Промежуточной версией была Qwen3-VL-8B-Instruct-Unredacted-MAX. Модель предназначена для визуально-текстового понимания, мультимодального рассуждения и выполнения сложных инструкций с использованием изображений и текста. Указан английский язык. Модель содержит около 8 миллиардов параметров; доступны варианты в форматах BF16, F16 и различных уровнях GGUF-квантизации размером примерно от 3,28 до 16,4 ГБ, а также отдельные мультимодальные проекционные файлы. К заявленным сильным сторонам относятся стабильность вывода, последовательность рассуждений и следование инструкциям. В README указано, что модель имеет сниженные внутренние механизмы отказа; в самостоятельном тесте harm_bench заявлена частота отказов 0 из 250 вредоносных запросов. Это ограничивает пригодность модели для сценариев, требующих встроенных защитных механизмов, и означает, что безопасность и законность применения полностью зависят от пользователя. Модель распространяется по лицензии Apache-2.0 и обозначена авторами как предназначенная для исследований и обучения.

Qwen_Qwen3-VL-30B-A3B-Thinking-GGUF — набор GGUF-квантизаций модели Qwen3-VL-30B-A3B-Thinking, разработанной командой Qwen и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу vision-language и предназначена для задач image-text-to-text: обработки изображений и текстовых запросов с генерацией текстовых ответов. В названии указаны конфигурация 30B-A3B и режим Thinking, однако в README не приведены подробности архитектуры, число активных параметров, поддерживаемые языки и размер контекста. Доступны варианты от BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством и требованиями к памяти. Файлы рассчитаны на запуск в LM Studio, llama.cpp и других проектах на базе llama.cpp; для модели указан специальный шаблон prompt с секцией рассуждений <think>. Более высокие варианты сохраняют качество ближе к исходной модели, а низкоразрядные требуют меньше оперативной памяти, но могут заметно уступать по качеству. Лицензия в предоставленном README не указана.

Qwen_Qwen3-VL-8B-Thinking-GGUF — это набор GGUF-квантизаций мультимодальной модели Qwen3-VL-8B-Thinking, разработанной Qwen и подготовленной пользователем bartowski. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Указана архитектура с 8B параметров, однако точные сведения о языках, размере контекста и поддерживаемых модальностях в README не приведены. Модель доступна в вариантах от исходных весов BF16 размером 16,39 ГБ до сильно сжатых форматов Q2 и Q3 размером около 3,8–5 ГБ, а также Q4, Q5, Q6 и Q8. Квантизация выполнена с использованием llama.cpp и метода imatrix. Версии Q5–Q6 позиционируются как высококачественные, Q4 — как оптимальный компромисс для большинства сценариев, а Q2–Q3 — как варианты для систем с ограниченным объёмом оперативной памяти, но с заметным снижением качества. Для запуска рекомендуются LM Studio, llama.cpp и другие проекты на базе llama.cpp. В README приведён формат prompt с системным сообщением, пользовательским запросом и секцией рассуждений assistant. Сильными сторонами являются мультимодальность, широкий выбор уровней квантизации и возможность локального запуска; ограничения связаны с потерями качества в низкобитных вариантах и отсутствием в предоставленных данных информации о лицензии, языках и контекстном окне.

Модель robbert0410lrate7.5b16 — дообученная для классификации токенов версия нидерландской RobBERT-v2 Dutch Base от разработчика pdelobelle. Она предназначена для задач разметки последовательностей, где требуется присвоить метку каждому токену. Модель содержит 144 млн параметров, использует архитектуру RoBERTa и принимает текст; длина контекста составляет 514 токенов. Репозиторий содержит веса в формате PyTorch. На оценочном наборе автор сообщает F1 0,8307, точность 0,8523, полноту 0,8173 и accuracy 0,9209. Датасет неизвестен из доступных сведений, поэтому показатели нельзя уверенно переносить на другие задачи или данные. Базовая модель рассчитана на нидерландский язык; лицензия модели — MIT.

Модель richielo/small-e-czech-finetuned-ner-wikiann — компактная модель распознавания именованных сущностей для чешского языка, разработанная путём дообучения Seznam/small-e-czech на датасете WikiANN. Она основана на архитектуре ELECTRA, содержит 20,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель присваивает метки отдельным токенам и подходит для извлечения сущностей из чешских текстов. На оценочной выборке указаны precision 0,8713, recall 0,8970, F1 0,8840 и accuracy 0,9557. Модель распространяется в формате PyTorch по лицензии CC BY 4.0. Оценки относятся к указанной выборке; подробности о составе классов и поведении на других текстах в карточке не приведены.

HYM/test-finetuned-ner — модель HYM для классификации токенов, дообученная на базе hfl/chinese-pert-large. Она подходит для разметки последовательностей, например для распознавания именованных сущностей, если метки обучающего набора соответствуют этой задаче. Модель использует архитектуру BERT с головой BertForTokenClassification, содержит 424,3 млн параметров и принимает последовательности длиной до 512 токенов. Для обучения использовался неизвестный набор данных; в карточке приведены метрики на оценочной выборке: F1 0,7581, точность 0,7449, полнота 0,7717 и accuracy 0,9546. Лицензия CC BY-NC-SA 4.0 предусматривает некоммерческое использование и распространение производных материалов на тех же условиях.

optimum-intel-internal-testing/trocr-small-handwritten — модель TrOCR для оптического распознавания рукописного текста. Она основана на работе Minghao Li и соавторов «TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models» и впервые выпущена в репозитории Microsoft UniLM. Данная версия дообучена на наборе данных IAM. Модель предназначена для OCR отдельных изображений строк текста, в частности рукописных записей. Это encoder-decoder архитектура: Transformer для обработки изображения используется как энкодер, а текстовый Transformer — как авторегрессионный декодер. Энкодер инициализирован весами DeiT, декодер — весами UniLM. Изображение преобразуется в последовательность патчей фиксированного размера 16×16 с абсолютными позиционными эмбеддингами, после чего декодер генерирует распознанный текст. Ключевые характеристики включают малый размер модели, визуально-текстовую модальность и поддержку сценариев распознавания строк рукописного текста. Модель ориентирована на изображения одной текстовой строки; для других типов документов, языков или многострочных изображений качество и применимость README не подтверждает. Лицензия в предоставленных данных не указана.

1T разработала Veil PII KO Lite — модель для обнаружения и классификации персональных данных в корейском тексте. Это дообученная KoELECTRA-base-v3 с архитектурой ELECTRA и 32 категориями PII; модель содержит 140,1 млн параметров и обрабатывает до 512 токенов за окно. Репозиторий включает веса Safetensors и оптимизированный для CPU формат ONNX INT8. Модель предназначена для локального обнаружения и маскирования персональных данных в диалогах и документах, в том числе в изолированных on-premise-средах. README сообщает о высоких результатах на тестах корейских диалогов и данных BCCard; длинные тексты обрабатываются скользящими окнами с перекрытием. По карточке заявлена поддержка корейского и английского языков. Качество может снижаться для имён, адресов и организаций, требующих контекстного анализа, а также для нестандартно записанных идентификаторов: например, удаление разделителей в телефонном номере заметно ухудшает F1, а пробелы между символами модель пока обрабатывает ненадёжно. Для таких входных данных README рекомендует при необходимости добавить правила на основе регулярных выражений. Лицензия — Apache-2.0.

Модель shingo1234/xlm-roberta-base-finetuned-panx-de — версия XLM-RoBERTa-base, дообученная для классификации токенов. По названию модели она предназначена для немецкого набора PAN-X; README сообщает F1 0,8602 и loss 0,1426 на оценочной выборке, но не описывает метки и состав данных. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и принимает текст с контекстом до 514 токенов. Подходит для разметки последовательностей на уровне токенов, например распознавания именованных сущностей в немецком тексте. Опубликована в формате safetensors; библиотека для работы — Transformers. Лицензия MIT.

nextgeo/address-extraction — модель для извлечения адресов из турецкого текста, разработанная на основе dbmdz/bert-base-turkish-cased. Это дообученный BERT-энкодер с архитектурой BertForTokenClassification; модель размечает токены для задачи извлечения адресных данных и рассчитана на обработку текста длиной до 512 токенов. Модель обучена на собственном наборе адресов разработчика, который не включён в репозиторий. README описывает запуск предсказания для одного адреса; указано, что среда настроена для CUDA, но должна работать и без GPU. Модель распространяется по лицензии MIT.

THemidli разработала компактный англоязычный классификатор токенов для распознавания именованных сущностей. Это дообученная модель prajjwal1/bert-mini на основе BERT с 11,1 млн параметров; она размечает последовательности восемью типами сущностей: PERSON, ORGANIZATION, LOCATION, TIMEDATE, PRODUCT, WORKOFART, JOB и AMOUNT. Максимальная длина контекста — 512 токенов, лицензия — Apache-2.0. Модель рассчитана на извлечение сущностей из английского текста, например для первичной разметки документов и последующей обработки результатов. В README приведены тестовый F1 0,646 и оценка F1 0,769 на 40 вручную размеченных примерах; результаты на малой выборке не гарантируют качества на других данных. Модель обучена на небольшом неоднородном наборе данных, а распознавание организаций, продуктов, произведений и границ должностей отмечено как слабое. Автор не рекомендует считать её готовой системой защиты персональных данных.

Cipher-AI/AutoCorrect-EN-v2 — англоязычная модель автокоррекции опечаток, созданная дообучением T5-Base с помощью Transformers. Она принимает текст с ошибками и генерирует исправленный вариант; пример в карточке показывает восстановление искажённых слов в английском предложении. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и формат safetensors. Для обработки модельного контекста метаданные указывают 512 токенов; в примере кода вход обрезается до 256 токенов. Поддерживаемый язык — английский. Модель предназначена для исправления опечаток в текстах и может использоваться в редакторах, формах ввода и конвейерах очистки текста. Она выпущена по лицензии Apache-2.0. Карточка демонстрирует коррекцию на примере, но не описывает качество на разных типах ошибок; назначение ограничено автокоррекцией и не подтверждает проверку грамматики или смысла текста.

bling-sheared-llama-1.3b-0.1 — англоязычная инструктивная модель llmware для генерации текста и локальной автоматизации задач с документами. Это плотная авторегрессионная модель семейства Llama на 1,3 млрд параметров, дообученная на базе princeton-nlp/Sheared-LLaMA-1.3B с помощью дистиллированных инструктивных наборов данных. Контекст составляет 4096 токенов; модель работает в формате PyTorch и ориентирована на запуск на CPU-ноутбуке без специальных оптимизаций квантования. Модель рассчитана на локальное прототипирование и сценарии RAG с чувствительными корпоративными данными. Она выполняет ответы на вопросы по предоставленному контексту, извлечение ключ-значение и базовое экстрактивное суммирование; также предназначена для сфокусированных инструктивных задач. В указанном бенчмарке RAG-Instruct-Benchmark-Tester средний результат составил 84,5 из 100, при этом качество ответов на сложные вопросы было низким, а по математике и логике — слабым. Модель разработала llmware; лицензия Apache 2.0. Ответы могут быть неточными или неполными, поэтому их следует проверять, особенно в важных сценариях. README описывает поддержку английского языка.

Kansallisarkisto/cyrillic-large-handwritten — модель распознавания рукописного текста на основе трансформерной архитектуры vision-encoder-decoder, разработанная в проекте ArchXAI. Она принимает изображение отдельной текстовой строки и генерирует её текстовую расшифровку; предназначена прежде всего для русского языка и исторических документов, а также для оцифровки архивных материалов и рукописных заметок. Модель дообучена на базе Kansallisarkisto/cyrillic-large-stage1. Обучающая выборка включает 56 615 строк, преимущественно из исторических документов архивов Эстонии, Финляндии и Латвии. В разметке символы «ѣ» и «і» нормализованы до «е» и «и». На внутридоменном тесте указаны CER 0,0406 и WER 0,1732. Модель распространяется по лицензии Apache 2.0. Модель ограничена распознаванием кириллицы и может плохо работать с другими языками, алфавитами и текстами вне домена обучения. Качество на новых типах документов зависит от состава обучающих данных; отдельные изображения строк соответствуют описанному способу обработки.