II.6Документация и сопровождение разработки

pucpr-br/sbertimbau_news_2023 — модель Sentence-Transformers, дообученная на базе neuralmind/bert-base-portuguese-cased. Она преобразует предложения и абзацы в плотные векторы размерностью 768, предназначенные для сравнения текстов по смыслу, семантического поиска и кластеризации. Модель построена на архитектуре BERT и содержит 136,1 млн параметров; максимальная длина контекста составляет 512 токенов. Модель рассчитана на тексты на бразильском португальском языке. Её можно использовать для поиска похожих новостных текстов и группировки предложений или документов; для получения эмбеддингов в экосистеме Sentence-Transformers требуется соответствующая библиотека либо отдельная операция pooling при использовании Transformers. Репозиторий предоставляет веса в формате safetensors. Лицензия в предоставленных данных не указана.

imvladikon/sentence-transformers-alephbert — модель эмбеддингов предложений на базе BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и рассчитана на семантический поиск, сравнение текстов и кластеризацию. Размер модели — 153,2 млн параметров, максимальная длина контекста — 512 токенов; карточка указывает поддержку иврита. По README, текущая версия получена дистилляцией LaBSE на частном корпусе и обучалась с MultipleNegativesRankingLoss и косинусным сходством. Модель подходит для построения векторных представлений и оценки семантической близости текстов на иврите. Она не генерирует текст; сведения о составе частного обучающего корпуса и его ограничениях не приведены. Формат файлов — PyTorch; лицензия в предоставленных данных не указана.

SimCSE-RetroMAE-Small — компактная модель семантических эмбеддингов, разработанная Seznam.cz и дообученная на основе Seznam/retromae-small-cs с objective SimCSE. Она предназначена для оценки смыслового сходства предложений и может применяться в поиске похожих текстов, семантическом поиске, извлечении документов, кластеризации и классификации. Модель построена на архитектуре BERT, содержит 27,2 млн параметров и обрабатывает входной текст с контекстом до 512 токенов. Основной язык — чешский. Репозиторий содержит веса PyTorch; лицензия — CC BY 4.0.

infgrad/stella-base-zh-v3-1792d — плотная модель семейства BERT от разработчика Infgrad, предназначенная для получения векторных представлений текста и поиска семантически близких предложений. Её можно загружать через Sentence Transformers; README описывает её как универсальный кодировщик для китайского текста. Размер по метаданным — 129,5 млн параметров, контекст — до 1024 токенов; в карточке модели указаны 1792 измерения эмбеддинга и максимум 512 токенов. Модель подходит для семантического поиска, сопоставления предложений и построения текстовых эмбеддингов для retrieval-систем. README сообщает результат 67,96 на C-MTEB. Для длинных текстов автор рекомендует разбиение на фрагменты; для классификационных задач эмбеддинги следует нормализовать. Лицензия — MIT.

Tamil-Embed-Base — модель эмбеддингов предложений, разработанная для работы с тамильским языком и дообученная на базе intfloat/multilingual-e5-base. Она использует архитектуру XLM-RoBERTa и содержит 305,2 млн параметров по метаданным; README указывает 278 млн. Модель преобразует текст в векторы для семантического поиска, сравнения предложений и межъязыкового поиска между тамильским и английским языками. Её обучали в два этапа: на парах для NLI, затем на параллельном корпусе Samanantar с трудными негативными примерами. Размер эмбеддинга — 768 измерений; Matryoshka-представления позволяют использовать усечённые векторы размером 512, 256, 128 или 64 измерения, чтобы ускорить поиск. Максимальная длина контекста — 514 токенов. Модель распространяется под лицензией Apache-2.0. README приводит результаты на межъязыковом бенчмарке, но таблица показана не полностью; поэтому по ней нельзя оценить качество на всех заявленных сценариях.

Это модель SentenceTransformer на архитектуре BERT, дообученная командой trmteb на базе dbmdz/bert-base-turkish-uncased. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения текстов по косинусному сходству. Максимальная длина входной последовательности — 512 токенов; используется mean pooling.

Карточка модели Nhat1904/16-shot-twitter-2classes на Hugging Face совпадает с карточкой Nhat1904/16-shot-twitter-2classes-new, поэтому описание составлено по ней. Nhat1904/16-shot-twitter-2classes-new — модель Sentence Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений по сходству. Модель содержит 136,7 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате PyTorch. Название указывает на обучение на небольшом количестве примеров из набора Twitter с двумя классами; в карточке также указан CosineSimilarityLoss. Такие векторы можно использовать в семантическом поиске и других системах сравнения текстов. Язык обучения явно не указан. Лицензия в предоставленных данных не указана.

ARK-ASR-0.6B — мультиязычная модель распознавания речи от проекта AutoArk. Она использует авторегрессионный декодер Qwen2 примерно на 0,6 млрд параметров, отдельный аудиоэнкодер в стиле Whisper сопоставимого масштаба и MLP-адаптер для преобразования аудиопризнаков. Модель принимает речь с частотой дискретизации 16 кГц и генерирует текстовую расшифровку; заявленная длина контекста — 32 768 токенов. Модель обучена по схеме адаптации на данных учителя и онлайн-дистилляции политики: её собственные варианты транскрипций сопоставляются с оценками учителя. Она предназначена для распознавания речи на китайском, английском, немецком, японском, французском, корейском, испанском, польском, итальянском, румынском, венгерском, чешском, нидерландском, финском, хорватском, словацком, словенском, эстонском и литовском языках. В приведённых авторами тестах качество сопоставимо с Qwen3-ASR-0.6B на английских и китайских наборах данных, но уступает более крупной Qwen3-ASR-1.7B на части тестов. Веса доступны в формате safetensors и распространяются по лицензии Apache-2.0. Для загрузки требуется Transformers с trust_remote_code=True; авторы рекомендуют официальный скрипт инференса, который обрабатывает аудиопромпт и фильтрацию токенов. Код обучения, инференса и оценки находится в отдельном репозитории open-audio-opd.

ARK-ASR-3B — мультиязычная модель автоматического распознавания речи от Edge0. Это авторегрессионная модель на базе Transformers с архитектурой arkasr: Whisper-подобный аудиоэнкодер, MLP-адаптер и декодер Qwen. Модель содержит около 3,1 млрд параметров, принимает аудио с частотой дискретизации 16 кГц и генерирует текстовую расшифровку; указанная длина контекста — 32 768 токенов. Модель предназначена для транскрибации речи на китайском, английском, немецком, японском, французском, корейском, испанском, польском, итальянском, румынском, венгерском, чешском, нидерландском, финском, хорватском, словацком, словенском, эстонском и литовском языках. В README приведены результаты на англоязычном коротком аудио: средний WER 5,04% на наборах AMI, Earnings22, GigaSpeech, LibriSpeech, SPGISpeech и VoxPopuli; также приведены результаты CER для китайского. Для загрузки используется Transformers и пользовательский код модели. Лицензия — Apache-2.0.

Swanand30/BAAI-arabic-fine-tuned-m — модель эмбеддингов на базе XLM-RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации текста. Для обучения использована функция MultipleNegativesRankingLoss с косинусным сходством. Модель содержит около 658,7 млн параметров, поддерживает контекст до 8194 токенов и распространяется в формате safetensors. Название указывает на настройку для арабского языка, однако README не приводит подробностей о данных обучения или сравнительной оценке качества. Модель подходит для поиска и группировки текстов по смыслу; лицензия в предоставленных сведениях не указана.

jegormeister/bert-base-dutch-cased — модель Sentence-Transformers на базе BERT, обученная для получения векторных представлений предложений и абзацев на нидерландском языке. Она кодирует текст в плотные векторы размерностью 256 и подходит для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 136,3 млн параметров, принимает текстовые входы с контекстом до 512 токенов и распространяется в формате PyTorch. При обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством. Для работы доступны Sentence-Transformers и Transformers; при использовании Transformers поверх выходов трансформера требуется применить подходящий pooling. Модель предназначена для построения эмбеддингов, а не для генерации текста. В README не названа лицензия, поэтому условия использования по имеющимся сведениям определить нельзя.

jegormeister разработал sentence-transformers-модель на базе BERT для нидерландского языка. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; архитектура содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска и группировки нидерландских текстов. Для использования доступны Sentence-Transformers и Transformers; при использовании Transformers требуется применить pooling к контекстным представлениям токенов. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

bilingual-embedding-base — модель для получения векторных представлений предложений на английском и французском языках. Репозиторий yco является форком Lajavaness/bilingual-embedding-base; в README указано, что изменение касается имени типа модели для совместимости с text-embeddings-inference. Модель основана на XLM-RoBERTa и дообучена на парах предложений для семантического сходства: в обучении использовались SNLI и XNLI, наборы STS на английском и французском, а также дополненные обучающие примеры. Модель кодирует текст в эмбеддинги для семантического поиска, сопоставления сходства и кластеризации. Архитектура Sentence Transformers включает усреднение токенных представлений и нормализацию; README описывает векторное пространство размерности 1024, тогда как архитектурный блок указывает размерность токенных эмбеддингов 768. Метаданные указывают 305,2 млн параметров и контекст до 514 токенов. Доступны форматы ONNX и Safetensors, лицензия Apache-2.0. Модель предназначена для английского и французского языков, поэтому её пригодность для других языков не подтверждена. README не содержит результатов оценки качества; фактическую производительность на целевом наборе данных следует проверять отдельно.

Omerhan/checkpoint-6248-v7 — модель Sentence Transformer, созданная дообучением intfloat/multilingual-e5-large-instruct. Она кодирует предложения и абзацы на турецком языке в плотные векторы размерности 1024, которые можно сравнивать с помощью косинусного сходства. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов. Максимальная длина последовательности — 512 токенов; библиотека — Sentence Transformers. В обучении использовались 920 106 примеров с парами и отрицательными примерами. Лицензия — Apache-2.0.

DETree Embedding — дообученный энкодер RoBERTa-large для получения векторных представлений предложений. Модель разработана автором репозитория heyongxin233 на основе FacebookAI/roberta-large и формирует эмбеддинги размерности 1024. Модель предназначена для извлечения признаков и представления текста в виде эмбеддингов, которые можно использовать в задачах поиска и сравнения предложений. Максимальная длина последовательности составляет 512 токенов; в метаданных указан контекст 514 токенов. Модель принимает текст и выдаёт векторы. Лицензия — MIT.

osiria/distiluse-base-italian — модель DistilUSE для получения векторных представлений предложений на итальянском языке. Она создана на основе mDistilUSE (sentence-transformers/distiluse-base-multilingual-cased-v1) с адаптацией слоя эмбеддингов под итальянский язык с использованием частот слов из Википедии. Модель построена на архитектуре DistilBERT, содержит 67 млн параметров и словарь из 30 785 токенов; максимальная длина контекста — 512 токенов. Модель предназначена для кодирования итальянских текстов и вычисления сходства между ними, например, для семантического поиска и сравнения предложений. Она принимает текст и выдаёт векторные представления. Выпущена под лицензией Apache-2.0.

clips/e5-base-v2-t2t-nl — дообученная командой CLIPS версия модели clips/e5-base-v2-t2t для работы с нидерландским текстом. Она создаёт плотные векторные представления предложений и предназначена для семантического поиска, сравнения предложений и ранжирования текстов; в карточке приведён пример кодирования запросов и фрагментов MS MARCO. Модель построена на архитектуре BERT и содержит 136,3 млн параметров. Она использует библиотеку Sentence Transformers, распространяется в формате Safetensors и имеет лицензию MIT. Модель рассчитана на нидерландский язык, обучена с использованием наборов данных BEIR для mMARCO, HotpotQA и FEVER. Длина контекста составляет 512 токенов. Эти характеристики делают её подходящей для поиска и сопоставления нидерландских текстов; README ссылается на оценку в бенчмарке MTEB-NL, но предоставленный фрагмент таблицы не содержит результатов этой модели.

embeddinggemma-300m-qat-q8_0-GGUF — модель для создания векторных представлений текста, опубликованная ggml-org на основе Google embeddinggemma-300m-qat-q8_0-unquantized. Она предназначена для задач семантического сравнения предложений, поиска по смыслу, извлечения признаков и других сценариев, где текст преобразуется в embeddings. Модель может запускаться через llama-server с API-эндпоинтом /embedding или с помощью утилиты llama-embedding. Из README известно, что модель поставляется в формате GGUF и использует QAT-квантизацию с вариантом q8_0; её базовый размер — 300M параметров. Точные сведения об архитектуре, поддерживаемых языках, модальностях, размерности векторов и длине контекста не указаны. При использовании pooling нормализацию embeddings можно настраивать: по умолчанию применяется евклидова L2-нормализация, также доступны варианты без нормализации, max absolute, taxicab и P-norm. Сильная сторона модели — специализированная ориентация на получение embeddings и совместимость с инструментами llama.cpp, что упрощает локальное развертывание. Ограничения и подробные показатели качества в README не приведены. Лицензия указана как gemma; дополнительные условия её применения следует уточнять в лицензии Gemma.

GreenNode-Embedding-Large-VN-Retrieval-fine-tuned-without-lotrinhhoc-18DEC — модель Sentence Transformers, дообученная GreenNode на базе GreenNode/GreenNode-Embedding-Large-VN-Mixed-V1 для получения плотных векторных представлений предложений и абзацев. Она использует XLM-RoBERTa с пуллингом CLS-токена и нормализацией; размер вектора составляет 1024, максимальная длина последовательности — 8192 токена, а близость текстов можно оценивать косинусным сходством. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки retrieval на наборе val_hit_at_k, а также сведения о дообучении на 3008 парных примерах; примеры данных на вьетнамском языке указывают на целевую ориентацию на этот язык. Для запуска подходит библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

x1saint/gte-small-triplet-tr — модель Sentence Transformers на базе Supabase/gte-small, дообученная на турецком наборе all-nli-tr. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство текстов оценивается косинусной близостью. Модель предназначена для семантического поиска, сравнения предложений, поиска перефразирований, кластеризации и извлечения признаков для классификации текста. Архитектура состоит из BERT-трансформера с усреднением токенных представлений; максимальная длина последовательности — 512 токенов. Обучающие данные содержат пары и тройки турецких текстов, а в README приведена точность cosine_accuracy 0,8552 на TripletEvaluator для all-nli-dev. Модель принимает турецкий текст и выдаёт текстовые эмбеддинги; опубликована в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

MarcoAland/Indonesian-bge-m3 — Sentence Transformer на базе BAAI/bge-m3, дообученный автором репозитория для работы с индонезийскими текстами. Модель использует архитектуру XLM-RoBERTa с плотным представлением: преобразует предложения и абзацы в нормализованные векторы размерности 1024, а сходство между ними оценивается косинусной мерой. Заявленная максимальная длина последовательности — 8192 токена; число параметров — 658,7 млн. Модель подходит для семантического поиска, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. Обучение проводилось на 45 000 примерах с парами положительных и отрицательных соответствий и функцией потерь MultipleNegativesRankingLoss. Примеры в карточке — на индонезийском языке; метаданные также указывают на многоязычную базовую модель, но для этой версии основной целевой язык — индонезийский. Модель выдаёт текстовые эмбеддинги, а не готовые ответы или метки; для поиска и классификации потребуется подходящий downstream-процесс. В карточке приведены результаты оценки, но они не позволяют судить о качестве на всех прикладных наборах данных. Условия лицензирования в предоставленных данных не указаны.

Omerhan разработал Omerhan/intfloat-fine-tuned-14376-v4 — Sentence Transformer, дообученный на базе intfloat/multilingual-e5-large-instruct для создания плотных текстовых эмбеддингов. Модель использует XLM-RoBERTa с усреднением токеновых представлений и нормализацией; размер эмбеддинга — 1024, максимальная длина последовательности — 512 токенов. Для сравнения векторов подходит косинусное сходство. Модель ориентирована на турецкий язык. Её можно применять для семантического поиска, сравнения предложений и документов, поиска перефразировок, кластеризации и классификации текста. Обучение проводилось на наборе json из 920 106 примеров с парами и отрицательными примерами; используются MatryoshkaLoss и MultipleNegativesRankingLoss. Модель распространяется по лицензии Apache-2.0.

jina-embeddings-v5-omni-nano-clustering-GGUF — мультимодальная модель эмбеддингов, разработанная Jina AI и представленная в формате GGUF для llama.cpp. Это квантованный вариант jinaai/jina-embeddings-v5-omni-nano-clustering с текстовой, визуальной и аудиокомпонентами; модель преобразует текст, изображения, видео и аудио в 768-мерные векторы единого пространства. Благодаря этому документы можно индексировать с использованием текста, а выполнять поиск или сопоставление — по любой поддерживаемой модальности без переиндексации. Модель предназначена прежде всего для кластеризации мультимодальных данных и поддерживает контекст до 8192 токенов. Она использует pooling по последнему токену, содержит около 0,95 млрд параметров и поддерживает Matryoshka-размерности эмбеддингов 32, 64, 128, 256, 512 и 768. Заявлены входы в распространённых форматах изображений, видео и аудио, а также PDF. Доступны F16 и 13 уровней int-квантизации текстовой части; мультимодальные проекторы поставляются в F16. Сильные стороны модели — единое векторное пространство для нескольких модальностей, компактный размер, возможность локального запуска через llama.cpp и уменьшения размерности вектора под требования приложения. Ограничения связаны с тем, что для мультимодального режима требуются специальные патчи Jina AI для llama.cpp, которые, согласно README, ещё не включены в upstream-версию; также численные бенчмарки и дополнительные ограничения вынесены в отдельную документацию. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая некоммерческий характер лицензии.

DuoNeural/LFM2.5-8B-A1B-Hermes-Agentic-Coder-Abliterated-v3-GGUF — модель для генерации кода и автономных агентских сценариев, разработанная DuoNeural. Она создана на основе DuoNeural/LFM2.5-8B-A1B-Abliterated и ориентирована на многошаговое планирование, вызов функций и инструментов, отладку, решение алгоритмических задач и программирование, включая низкоуровневый C, управление памятью, бинарный анализ и тестирование на проникновение. Модель использует гибридную архитектуру state-space и mixture-of-experts: при общем размере около 8,3 млрд параметров на каждый токен активируется 1,5 млрд. Заявлены контекст до 3072 токенов, поддержка двух режимов вывода — быстрого прямого ответа и режима System 2 с цепочками рассуждений в тегах <thought> — и формат GGUF для локального запуска. README не указывает полный список поддерживаемых языков, но описывает обучение на данных по вызову функций, рассуждениям, генерации и исправлению кода, а также многошаговым инструкциям. К сильным сторонам относятся высокая скорость инференса, специализация на коде и агентских задачах, а также заявленные результаты EvalPlus: 56,1% на HumanEval, 50,0% на HumanEval+, 60,8% на MBPP и 49,7% на MBPP+. Ограничениями являются относительно небольшое контекстное окно в 3072 токена и отсутствие в README подробных сведений о качестве на других языках, мультимодальности и практической надежности заявленных показателей. Модель распространяется по Liquid Foundation Model Community License; точные условия следует уточнять по указанной лицензии.

cambridgeltl/mirror-roberta-base-sentence-drophead — несупервизируемый энкодер предложений, разработанный Liu et al. (2021). Он основан на RoBERTa-base и обучен на неразмеченных предложениях; для получения представления текста рекомендуется брать вектор токена [CLS] до слоя pooler. В качестве аугментации пространства признаков используется drophead вместо dropout. Модель предназначена для извлечения векторных представлений предложений и задач сравнения их семантического сходства. Она содержит около 151,8 млн параметров, принимает текст и поддерживает контекст длиной до 514 токенов. Карточка указывает английский язык. Доступны веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

ModernBERT-base-ModBERTScore-12 — текстовая модель для извлечения признаков, созданная LazerLambda на основе answerdotai/ModernBERT-base. В ней используются первые 12 трансформерных слоёв исходной модели; размер составляет 103,9 млн параметров, архитектура — ModernBERT. Модель принимает текст и формирует векторные представления, которые можно использовать в системах поиска и сравнения текстов. Максимальная длина контекста — 8192 токена. Модель распространяется в формате Safetensors и предназначена для использования с библиотекой Transformers. Лицензия в предоставленных данных не указана.

Xenova/msmarco-distilbert-base-v4 — версия модели sentence-transformers/msmarco-distilbert-base-v4 с весами в формате ONNX, подготовленная для совместимости с библиотекой Transformers.js. Модель предназначена для извлечения признаков и создания векторных представлений текста, которые могут использоваться в задачах семантического поиска, сопоставления текстов и других сценариях обработки естественного языка. В названии указана архитектура на основе DistilBERT; точный размер модели, поддерживаемые языки, размер контекстного окна и перечень модальностей в README не приведены. Ключевое преимущество — возможность запуска через Transformers.js, включая веб- и JavaScript-сценарии, благодаря ONNX-весам. Ограничения, условия лицензирования и дополнительные характеристики в предоставленных данных не указаны.

WENGSYX/Multilingual_SimCSE — модель для извлечения признаков на основе архитектуры DeBERTa-v2, содержащая 306 млн параметров. Карточка указывает на мультиязычное назначение; модель принимает текст и формирует векторные представления, которые можно использовать для сравнения текстов и поиска похожих фрагментов. Модель подходит для создания текстовых эмбеддингов в мультиязычных поисковых и семантических системах. Контекст ограничен 512 токенами. Доступны веса в форматах PyTorch и Safetensors. В README приведены заголовки разделов с кодом обучения и запуска, но сами фрагменты опущены. Сведения о лицензии в доступных данных отсутствуют.

Nemotron-3-Embed-1B-AWQ-W4A16 — квантизированный энкодер текстовых представлений, созданный Facu Vlad J (groxaxo) на основе модели NVIDIA Nemotron-3-Embed-1B-BF16. Модель предназначена для извлечения эмбеддингов, семантического поиска, retrieval-сценариев и оценки качества локального или размещённого инференса. Заявлены английский и испанский языки, а также поддержка задач feature extraction. Модель использует архитектуру типа ministral3 и имеет размер порядка 1B параметров. Веса линейных слоёв квантизированы в INT4 по схеме AWQ W4A16 с асимметричными нулевыми точками и размером группы 32, тогда как активации, таблица токенов и нормализующие слои сохраняются в BF16. Размер эмбеддинга составляет 2048 измерений; также заявлена работа с представлениями размерностью 1024 и 512. Контекст ограничен 4096 токенами в рекомендуемой конфигурации vLLM. Контрольная точка сериализована в формате compressed-tensors и оптимизирована для инференса через vLLM с ядром Marlin, занимая около 1,0 ГБ на диске. Сильными сторонами являются существенно меньший размер по сравнению с BF16-версией, ускоренный GPU-инференс и заявленное отсутствие потери Recall@10 на тестах для английского и испанского языков. При этом результаты основаны на ограниченных наборах данных и требуют проверки на собственных сценариях. Квантизация может изменять точность, потребление памяти и пропускную способность, а для работы необходим runtime с поддержкой соответствующей архитектуры и формата. Модель распространяется по лицензии OpenMDW-1.1; перед использованием и распространением следует изучить условия лицензии исходной модели NVIDIA.

Nemotron Table Structure v1 — разработанная NVIDIA специализированная модель компьютерного зрения для выделения структуры таблиц на изображениях. Она обнаруживает ячейки, строки и столбцы и возвращает для каждого объекта класс, координаты ограничивающей рамки и оценку уверенности. Модель построена на YOLOX с backbone DarkNet53 и FPN decoupled head; содержит около 54 млн параметров и обрабатывает RGB-изображения, приводимые к размеру 1024 × 1024. Модель предназначена для извлечения табличных данных из сканов и документов, в том числе в конвейерах обработки документов и enterprise-поиска. В сочетании с OCR она помогает сохранить связи между элементами таблицы и преобразовать её структуру для последующего анализа или представления в Markdown. NVIDIA сообщает о предварительном обучении на COCO train2017 и дообучении на изображениях Digital Corpora с разметкой Azure AI Document Intelligence. Для инференса требуются PyTorch и код из репозитория; модель оптимизирована для систем с GPU NVIDIA. Карточка заявляет готовность к коммерческому и некоммерческому использованию по NVIDIA Open Model License Agreement; скрипты постобработки лицензированы Apache 2.0. Для распознавания текста модель следует использовать вместе с OCR: сама она выдаёт геометрию и классы элементов таблицы.