II.8Инженерия данных и аналитика

babycry — классификатор эмоциональной валентности вокализаций младенцев и маленьких детей, разработанный owlgebra-ai. Модель относит аудиоклип к одному из двух классов: positive — довольное или радостное гуление и смех; distress — плач, раздражение или эмоциональное расстройство. Она принимает аудио и выдаёт метку класса и вероятность positive. Это ансамбль из трёх замороженных аудиокодировщиков AST, wav2vec2 и CLAP: их эмбеддинги объединяются усреднением по окнам длительностью 2 секунды с шагом 1 секунда, после чего классификатор CLAP с логистической регрессией определяет класс. В README приведены результаты оценки на ReCANVo: balanced accuracy 0,648 и ROC-AUC 0,706. Обучающие данные включают ReCANVo, DonateACry и ESC-50; языковая поддержка как задача классификации не заявлена. Это слабый исследовательский базовый уровень, а не медицинское или клиническое устройство. Модель обучена на смешанных данных, в том числе на записях людей примерно 6–23 лет, поэтому применение к настоящим младенцам является переносом вне распределения и может ухудшить качество. Предсказания отдельных клипов ненадёжны; модель различает только два класса и не обрабатывает нейтральные или неоднозначные случаи. Для аудио-массива требуется исходная частота дискретизации; качество заметно меняется при предварительном понижении частоты. Лицензия указана как other, а лицензии обучающих корпусов различаются — перед использованием и распространением необходимо свериться с условиями каждого источника.

Ahmed-elbarbary/kronos-small-egx — дообученная версия Kronos-small, созданная Ahmed Elbarbary для прогнозирования дневных биржевых временных рядов Египетской биржи (EGX). Она принимает последовательность из 90 прошлых свечей и предназначена для выдачи прогноза на следующие 20 торговых сессий. При обучении для нормализации использовались только прошлые свечи, чтобы устранить унаследованную склонность исходной модели возвращать прогноз к среднему значению окна. Модель предназначена для исследований прогнозирования на малоликвидном развивающемся рынке и проверки результатов в сравнении с простыми базовыми методами. Автор сообщает, что модель устранила выраженную склонность исходной Kronos-small к возврату к среднему, однако улучшение точности прогнозов не доказано: результаты проверок неоднозначны, а на отдельных горизонтах модель уступала исходной версии. Чекпойнт соответствует последней, десятой эпохе обучения, а не лучшей по валидации. Доступна по лицензии MIT; прогнозы не следует трактовать как инвестиционные рекомендации или целевые цены.

PurpleCBoW — простая учебная реализация Continuous Bag-of-Words (CBOW) от LocalWisdom, предназначенная для знакомства с обработкой естественного языка. Это дообучение LocalWisdom/PurpleBoW на корпусе коротких рассказов на индонезийском языке jakartaresearch/cerpen-corpus; модель представлена в формате safetensors и относится к задаче извлечения признаков. CBOW использует контекстные слова для обучения векторных представлений слов, которые можно проверять для слов из словаря модели. Модель подходит для обучения и простых экспериментов с эмбеддингами, но README описывает её как очень простую реализацию, а не как готовую универсальную языковую модель. Лицензия — WTFPL.

Stonkfun Graduation Predictor — табличный трансформер от jrhode666 для ранжирования запусков токенов Stonkfun по вероятности достижения статуса graduated. Модель содержит 114,7 тыс. параметров и принимает структурированные признаки: метаданные токена и создателя, плотность запусков, а также агрегаты торговли за первые пять минут. Для расчёта признаков и оценки README использует PyTorch и библиотеку Transformers. Модель предназначена для отбора токенов, которые торговались в первые пять минут после запуска. Оценка gate_score равна нулю для токенов без сделок в этом окне. В тесте качество сырого выхода составило AUC 0,719 и AP 0,122; для оценки с gate_score — AUC 0,637 и AP 0,137. При пороге 0,8 точность составила 28,3%, полнота — 15,9%. Это ранжирующие оценки, а не калиброванные вероятности. Около 60% токенов, достигших graduation, впервые торгуются позже пяти минут и потому недоступны модели. Лицензия — MIT.

Cheque Field Regressor — модель на базе ResNet-50 для одновременной локализации шести стандартных полей на изображениях индийских банковских чеков. Она выдаёт для каждого поля нормализованные координаты ограничивающей рамки [xmin, ymin, xmax, ymax]. Модель содержит около 25 млн параметров и принимает изображения размером 512×1024; для сохранения пространственных признаков использует многомасштабное пулирование вместо глобального усреднения. Модель предназначена для экспериментов с локализацией полей чеков и воспроизведения анализа синтетических обучающих данных, а не для промышленного чтения чеков. В README перечислены поля даты, суммы цифрами и IFSC; полный список из шести полей в доступном тексте не приведён. Обучение проводилось на небольшом наборе изображений индийских чеков IDRBT с добавлением синтетических примеров. Метрики получены на тесте всего из 10 реальных изображений; в контролируемом сравнении модель не превзошла простой прогноз средних координат полей, а синтетические данные не дали измеримого улучшения. Для работы с чековыми изображениями модель выдаёт координаты рамок, а не распознанный текст. Перенос на чеки других стран и форматов не проверен; модель всегда предсказывает ровно шесть рамок и не обрабатывает отсутствующие или повторяющиеся поля. Лицензия репозитория — Apache-2.0.

Epicure-Core — векторная модель пищевых ингредиентов, разработанная Kaikaku. Это 300-мерные эмбеддинги 1 790 канонических ингредиентов, обученные методом skip-gram на метапутях по связям ингредиентов и ароматических соединений FlavorDB и на дополнительных переходах между парами ингредиентов. Модель занимает промежуточное положение между химическим сходством и контекстом совместного использования ингредиентов в рецептах. Эмбеддинги подходят для поиска близких ингредиентов, анализа свойств и кухонь, а также для арифметики направлений в пространстве векторов. В README приведены результаты оценки направлений для вкусовых свойств, макронутриентов и кухонь. Для загрузки предлагается библиотека Epicure; веса представлены в формате safetensors. Лицензия — CC BY 4.0. Модель ориентирована на пищевые ингредиенты и вычислительную гастрономию. Это не генеративная модель: она выдаёт векторы, а не текст или рецепты. Результаты зависят от геометрии эмбеддингов и состава словаря; README также отмечает, что примеры векторов кухонь для статьи были реконструированы по меткам режимов.

Yytsi разработал модель сегментации архитектурных планов этажей для последующего построения 3D-стен. Она использует декодер UNet с энкодером ResNet-34, предварительно обученным на ImageNet, и обучена на CubiCasa5K. На вход подаётся RGB-изображение плана размером 512×512 с сохранением пропорций; модель размечает пиксели четырьмя классами: пол, стены, двери и окна. Полученную сегментацию можно использовать для извлечения полигонов и экструзии плана в 3D. Модель рассчитана на планы в стиле CAD, похожем на преобладающие в обучающем наборе скандинавские жилые планы. В README указано значение mIoU 0,983 на валидации. Веса хранятся в формате safetensors, а для загрузки требуется файл конфигурации. Модель распространяется по лицензии MIT. Она может пропускать элементы на эскизах от руки, коммерческих чертежах и планах с отличающимися условными обозначениями. Предсказываются только четыре структурных класса; мебель, оборудование и текстовые пометки относятся к классу пола. Тонкие стены на очень больших планах могут теряться при растеризации до 512×512.

argos-dentsight-stage2-conditions-v1 — исследовательская модель детекции на базе D-FINE-Large, разработанная для проекта argos-dentsight. Она дообучена на панорамных стоматологических рентгенограммах OPG и обнаруживает 13 типов состояний и находок: кариес, зубной камень, эндодонтическое лечение, ретинированные зубы, реставрации, коронки, периапикальные просветления, корни, мосты, импланты, зачатки зубов, отсутствующие зубы и другие находки. Модель принимает изображения размером 1280×704 и возвращает рамки объектов с оценками классов. Предназначена для исследовательского использования и ранжирования находок по зубам в связке с отдельной моделью первого этапа, которая локализует позиции зубов по системе FDI. Без сопоставления рамок с результатами первого этапа предсказания не содержат идентификаторов зубов. Модель не предназначена для клинических решений: авторы сообщают о провале порогов приемки для кариеса, зубного камня и периапикальных просветлений, а оценки классов не откалиброваны и имеют низкие значения. Оценка mAP@0.5 = 0,53 не подтверждает клиническую пригодность; проверка согласия со стоматологами и ряд дополнительных оценок не проводились. Лицензия — Apache-2.0.

Luthor 8B — модель IAMIbrahim, дообученная на основе Qwen/Qwen3-8B для работы с терминалом и редактирования файлов в цикле агента-программиста. Она предназначена для пошагового исправления ошибок в репозиториях: изучения падающих тестов, поиска нужного файла, внесения правок и повторного запуска тестов. Модель использует архитектуру Qwen3ForCausalLM с 7,6 млрд параметров, принимает текст и рассчитана на контекст до 40 960 токенов; в обучении использовались окна до 16 384 токенов. Вызов инструментов предполагает формат function calling Hermes и объявления инструментов, согласованные с обучением. Дообучение проводилось на траекториях работы агента, где исправления проверялись запуском тестов. Однако в оценке на 10 отложенных задачах модель не решила ни одной и хуже базовой Qwen3-8B следовала протоколу инструментов. Обучающие примеры относятся к одной Python-кодовой базе с pytest, SQL-инструментами и YAML-конфигурацией; обобщение на другие языки и структуры проектов не проверено. Модель опубликована как отрицательный эксперимент, а не как улучшение базовой модели. Лицензия — Apache-2.0.

OneSQL-v0.2-Qwen-3B — дообученная языковая модель от onekq-ai для генерации SQL-запросов по описанию схемы базы данных и запросу на естественном языке. Она основана на unsloth/Qwen2.5-Coder-3B-Instruct-bnb-4bit и использует архитектуру Qwen2 с плотной моделью Qwen2ForCausalLM; число параметров — 3,1 млрд, контекст — до 32 768 токенов. Для работы в промпте сначала задают схему базы данных в формате CREATE TABLE, затем запрос на естественном языке с префиксом --, а в конце оставляют SELECT, после которого модель продолжает запрос. Репозиторий содержит полные веса версии OneSQL-v0.1-Qwen-3B. Модель представлена как text-generation и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Лицензия в доступных данных не указана.

XiYanSQL-QwenCoder-14B-2504 — модель генерации SQL по запросам на естественном языке от команды XiYanSQL. Это дообученная версия XiYanSQL-QwenCoder-14B-2502 на архитектуре Qwen2 с 14 млрд параметров; модель использует fine-tuning и обучение GRPO без отдельного процесса рассуждений. Она принимает вопрос пользователя, описание схемы базы данных и при необходимости справочную информацию, а затем генерирует SQL. Предназначена для Text-to-SQL-сценариев, включая подготовку запросов к SQLite, PostgreSQL и MySQL; авторы также заявляют поддержку нескольких диалектов и улучшенную работу на данных вне обучающего домена. Рекомендуется формат схемы M-Schema, хотя можно передавать и DDL. Контекст составляет 32 768 токенов. В карточке приведены результаты оценок на BIRD, Spider и внутреннем наборе DW, но они не гарантируют точность на конкретной базе данных. Модель доступна по лицензии Apache-2.0.

XiYanSQL-QwenCoder-32B-2412 — языковая модель команды XiYanSQL/XGenerationLab для преобразования вопросов на естественном языке в SQL. Она построена на архитектуре Qwen2 и содержит 32 млрд параметров; доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель принимает вопрос, описание схемы базы данных и при необходимости справочную информацию, затем генерирует SQL-запрос. Модель предназначена для работы с SQLite, PostgreSQL и MySQL. Её можно применять для запросов к базам данных на естественном языке и использовать как основу для дальнейшего дообучения SQL-моделей. В README заявлен результат 69,03% по EX на тестовой выборке BIRD для версии 32B. Пример запуска использует Transformers или vLLM; для схемы рекомендуется формат M-Schema, хотя допустим и DDL. Модель распространяется по лицензии Apache-2.0. Карточка демонстрирует китайский шаблон запроса, но полный перечень поддерживаемых естественных языков не установлен. Качество зависит от корректности схемы, формата входных данных и диалекта; перед выполнением сгенерированный SQL следует проверять.

XiYanSQL-QwenCoder-32B-2504 — модель генерации SQL из естественно-языковых вопросов, разработанная командой XiYanSQL. Она дообучена на базе XGenerationLab/XiYanSQL-QwenCoder-32B-2412 и использует архитектуру Qwen2 с 32 млрд параметров. Модель принимает текстовый вопрос, описание схемы базы данных и дополнительные справочные сведения, а затем генерирует SQL-запрос. Модель рассчитана на Text-to-SQL для SQLite, PostgreSQL и MySQL. В карточке описаны дообучение и обучение GRPO без процесса рассуждений, а также оценки на наборах BIRD, Spider и внутреннем DW-бенчмарке. Контекст составляет 32 768 токенов; README рекомендует формат схемы M-Schema, хотя допускается и DDL. Карточка приводит китайский шаблон запроса и метаданные с языками en и zh. Модель доступна в формате safetensors и совместима с Transformers и vLLM. Лицензия — Apache-2.0. Её назначение специализировано на генерации SQL, поэтому качество зависит от полноты и корректности переданной схемы, вопроса и диалекта; README отдельно отмечает возможное влияние формата схемы на производительность.

Apodex-1.1-mini-NVFP4 — reasoning-first языковая модель для сложных исследовательских задач с длительным горизонтом, разработанная командой Apodex AI. Она предназначена для агентных сценариев, в которых требуется работать с документами, наборами данных, таблицами, изображениями, кодом и инструментами: очищать данные, выбирать методы, выполнять анализ, проверять промежуточные результаты, восстанавливаться после ошибок и формировать проверяемые итоговые материалы. Модель основана на Apodex-1.1-mini и ориентирована на применение через AgentOS и асинхронную Agent Team, способную декомпозировать задачи, координировать параллельных субагентов, сохранять состояние работы, адаптировать план и учитывать обратную связь без полного перезапуска. Поддерживаются английский и китайский языки, генерация текста и нативные вызовы функций. Указан контекст до 262 144 токенов и рекомендуемый максимум генерации 32 768 токенов. Модель следует шаблону чата Qwen3.5; для развёртывания рекомендуется SGLang, а вариант NVFP4 использует соответствующую квантизацию. Сильные стороны модели — выполнение комплексных задач от начала до конца, работа с инструментами и встроенная проверка утверждений по источникам, данным и вычислениям. README приводит конкурентные результаты Apodex-1.1-mini на агентных, финансовых и исследовательских бенчмарках, однако не раскрывает точный размер модели, архитектуру и полный перечень ограничений. Для работы требуются совместимые сервер и парсеры вызовов инструментов; конкретные характеристики производительности зависят от конфигурации развёртывания. Модель распространяется по лицензии Apache 2.0.

Карточка модели GMQs/code-Llama-2-13B на Hugging Face совпадает с карточкой bugdaryan/Code-Llama-2-13B-instruct-text2sql, поэтому описание составлено по ней. Code-Llama-2-13B-instruct-text2sql — дообученная модель семейства Code Llama от bugdaryan, предназначенная прежде всего для преобразования вопросов на естественном языке в SQL-запросы с учётом схемы базы данных. В основе — авторегрессионный трансформер LlamaForCausalLM с 12,9 млрд параметров и контекстом до 16 384 токенов; README указывает на обучение с LoRA и 4-битной конфигурацией bitsandbytes. Репозиторий содержит веса PyTorch и Safetensors. Модель принимает текстовое описание схемы и вопрос, а выдаёт текст SQL. Карточка заявляет поддержку английского языка, а также возможностей генерации и дополнения кода, заполнения пропусков и диалогового режима. Эти дополнительные возможности не заменяют проверку SQL-запросов на соответствие схеме и корректность выполнения. Модель распространяется по лицензии Llama 2. Она может генерировать неточные или нежелательные ответы; перед использованием в приложениях рекомендуется проверять запросы и проводить оценку безопасности. В README назначение ограничено английским языком и условиями лицензии Code Llama и её вариантов.

Gemma 3 Text-to-SQL — адаптер LoRA для преобразования вопросов на естественном языке в SQL-запросы. В карточке он описан как дообученный вариант Gemma 3 27B Instruct, предназначенный для работы с запросами, условиями фильтрации, сортировкой, агрегатами и соединениями таблиц; при наличии схемы базы данных модель может использовать её в контексте. README указывает базовую модель lmstudio-community/gemma-3-27b-it-GGUF и адаптер размером около 70 МБ, а метаданные HF связывают репозиторий с google/gemma-3-1b-it и помечают его как GGUF и PEFT. Эти сведения о базе и формате расходятся, поэтому точную конфигурацию следует сверять с файлами репозитория. Модель рассчитана на разработчиков и аналитиков, которым нужно получать SQL по текстовому описанию запроса. README сообщает об обучении на синтетических и отобранных наборах text-to-SQL; метаданные называют gretelai/synthetic_text_to_sql. Лицензия в метаданных — MIT. Английский указан как язык карточки и примеров. Качество зависит от того, насколько полно в запросе передана схема базы данных и насколько знакома модели предметная терминология. Вложенные запросы могут потребовать уточнения промпта, а SQL-синтаксис может зависеть от конкретной СУБД. Сгенерированные запросы следует проверять перед выполнением.

QuantFactory/llama-3-sqlcoder-8b-GGUF — квантизированная версия модели defog/llama-3-sqlcoder-8b, созданная с использованием llama.cpp. Модель разработана компанией Defog, Inc. и дообучена на базе Meta-Llama-3-8B-Instruct. Модель предназначена для преобразования запросов на естественном языке в SQL-запросы на основе описаний схемы базы данных и DDL-операторов. Она ориентирована на PostgreSQL, Amazon Redshift и Snowflake и подходит для генерации запросов в системах аналитики, интерфейсах доступа к данным на естественном языке и вспомогательных инструментах для разработчиков. Рекомендуется использовать температуру 0 и отключить sampling. Известно, что модель относится к классу text-to-SQL, имеет размер базовой модели 8B параметров и распространяется в формате GGUF. README не содержит сведений о поддерживаемых естественных языках, размере контекстного окна и точных параметрах квантизации. Сильной стороной является специализация на генерации SQL для нескольких распространённых аналитических СУБД; качество оценивалось с помощью PostgreSQL-фреймворка SQL-Eval. Ограничения включают зависимость результата от корректного описания схемы и отсутствие подтверждённых данных о работе с другими SQL-диалектами и модальностями. Модель распространяется по лицензии CC BY-SA 4.0.

NaturalSQL-6.7B-v0 — языковая модель, дообученная cfahlgren1 на базе deepseek-ai/deepseek-coder-6.7b-instruct для преобразования вопросов на естественном языке в SQL с учётом схемы базы данных. Модель предназначена для генерации запросов PostgreSQL; при настройке запроса ей нужно передать описание схемы и вопрос пользователя. Модель имеет плотную архитектуру семейства Llama, около 6,6 млрд параметров и контекст до 16 384 токенов. По карточке, обучение включало 8 тысяч пар «естественный язык — SQL» и было ориентировано в том числе на сложные вопросы. README сообщает о сравнении с ведущими моделями своего размера, но отмечает, что запросы по датам требуют дальнейшего улучшения. Модель распространяется в формате safetensors под лицензией «other»; конкретные условия лицензии следует проверять в карточке репозитория. Результаты генерации нужно проверять на соответствие схеме и корректность SQL перед выполнением.

NL2SQL-StarCoder-15B — языковая модель для преобразования вопросов на естественном языке в SQL-запросы; автор карточки сообщает, что дообучил StarCoder 15B методом QLoRA. Модель принимает схему базы данных и вопрос в текстовом промпте и генерирует SQL. В README приведён пример для таблицы с данными о певцах; рекомендуемый формат запроса включает описание схемы через CREATE TABLE и вопрос в комментарии. Модель построена на архитектуре GPTBigCodeForCausalLM, хранится в формате PyTorch и имеет контекст 8192 токена. Для запуска в README указаны PyTorch 2.0.0 или новее, Transformers 4.32.0 и CUDA 11.4. В метаданных лицензия обозначена как other, поэтому конкретные условия использования следует уточнять в карточке репозитория.

SambaCoder-nsql-llama-2-70b — авторегрессионная языковая модель SambaNova Systems для генерации SQL по описанию на естественном языке и схеме таблиц. Она основана на Meta Llama 2 70B: модель дополнительно предварительно обучали на SQL-запросах из The Stack, затем дообучали на парах текст—SQL из NSText2SQL. Архитектура — плотная LlamaForCausalLM, число параметров — 68,7 млрд, базовый контекст — 4096 токенов; модель принимает текст и генерирует текст. Модель предназначена для преобразования вопросов к данным в SQL, особенно запросов SELECT, заданных вместе со схемой таблиц. В README упомянуты оценки на наборах Spider, BIRD и text2sql. Для использования требуется принять условия Meta Llama 2 Community License Agreement; модель распространяется с лицензией Llama 2.

SQLCoder 7B GGUF — квантованная версия модели SQLCoder 7B, разработанной Defog.ai и преобразованной в формат GGUF TheBloke. Модель основана на архитектуре Mistral, содержит около 7 миллиардов параметров и предназначена для генерации SQL-запросов по вопросам пользователя и описанию схемы базы данных. Указан английский язык и сценарий текстовой генерации. Модель подходит для аналитических помощников, интерфейсов преобразования естественного языка в SQL и локального выполнения инференса через llama.cpp и совместимые библиотеки или приложения. Ключевое преимущество — специализированная направленность на работу с SQL и наличие вариантов квантования от 2 до 8 бит для запуска на CPU и GPU. Ограничения README не описывает подробно; в частности, не указаны размер контекста, поддерживаемые диалекты SQL и результаты оценки качества, поэтому надежность запросов следует проверять на целевой схеме и СУБД. Модель распространяется по лицензии CC BY-SA 4.0.

MaziyarPanahi/sqlcoder-7b-Mistral-7B-Instruct-v0.1 — объединённая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и defog/sqlcoder-7b методом SLERP. Она предназначена для генерации текста и кода по инструкциям, в частности для работы с SQL-запросами. Модель поддерживает диалоговый формат и рассчитана на английский язык; метаданные указывают контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Она может помогать формировать SQL по текстовому описанию задачи и вести диалог о коде и запросах. Карточка не приводит результатов оценки качества или подробных ограничений; качество SQL следует проверять на целевой схеме данных и конкретной СУБД.

XiYanSQL-QwenCoder-3B-2502 — специализированная языковая модель команды XiYanSQL для преобразования запросов на естественном языке в SQL. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов; она принимает текстовые инструкции с вопросом, схемой базы данных и при необходимости справочной информацией и генерирует SQL. В README описано применение с SQLite, PostgreSQL и MySQL, а формат схемы M-Schema рекомендован авторами; также допускается DDL. Модель предназначена для генерации SQL по вопросам пользователя и может служить основой для дальнейшей настройки text-to-SQL моделей. README приводит оценки серии XiYanSQL-QwenCoder на тестах BIRD и Spider, но численные результаты конкретно версии 3B в доступном фрагменте не указаны. Для запуска авторы указывают Transformers версии 4.37.0 или новее и показывают использование chat template. Модель распространяется по лицензии Apache-2.0.

XiYanSQL-QwenCoder-3B-2504 — модель генерации SQL от команды XGenerationLab, дообученная на базе XiYanSQL-QwenCoder-3B-2502 с последующей оптимизацией методом GRPO. Она преобразует вопросы на естественном языке, описание схемы базы данных и дополнительные справочные сведения в SQL-запросы. Модель рассчитана на работу с диалектами SQLite, PostgreSQL и MySQL; в README описаны оценки на бенчмарках SQLite, PostgreSQL и MySQL, включая данные вне обучающего домена. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов. Карточка приводит пример использования с Transformers и vLLM и рекомендует представлять схему базы данных в формате M-Schema, хотя допускает DDL. Модель распространяется по лицензии Apache-2.0.

Code-Llama-2-13B-instruct-text2sql — дообученная модель семейства Code Llama от bugdaryan, предназначенная прежде всего для преобразования вопросов на естественном языке в SQL-запросы с учётом схемы базы данных. В основе — авторегрессионный трансформер LlamaForCausalLM с 12,9 млрд параметров и контекстом до 16 384 токенов; README указывает на обучение с LoRA и 4-битной конфигурацией bitsandbytes. Репозиторий содержит веса PyTorch и Safetensors. Модель принимает текстовое описание схемы и вопрос, а выдаёт текст SQL. Карточка заявляет поддержку английского языка, а также возможностей генерации и дополнения кода, заполнения пропусков и диалогового режима. Эти дополнительные возможности не заменяют проверку SQL-запросов на соответствие схеме и корректность выполнения. Модель распространяется по лицензии Llama 2. Она может генерировать неточные или нежелательные ответы; перед использованием в приложениях рекомендуется проверять запросы и проводить оценку безопасности. В README назначение ограничено английским языком и условиями лицензии Code Llama и её вариантов.

Многоязычная модель bards.ai для обнаружения и разметки персональных и чувствительных данных в тексте, предназначенная для последующего обезличивания. Она основана на XLM-RoBERTa-base и дообучена для классификации токенов с BIO-метками; охватывает 36 классов сущностей, включая идентификационные и контактные данные, финансовые и технические идентификаторы, сведения о здоровье, биометрические и генетические данные, а также специальные категории GDPR. Модель рассчитана на 24 официальных языка ЕС. Доступны веса Safetensors и ONNX, включая версию ONNX с INT8-квантизацией для CPU; размер модели — 305,2 млн параметров, контекст — до 514 токенов. Подходит для поиска данных перед сохранением документов, писем, обращений и переписок, очистки наборов данных и фильтрации текста в RAG-конвейерах и поисковых индексах. Лицензия — Apache-2.0. Точность зависит от языка, предметной области и качества входа; OCR-ошибки, смешение языков и неоднозначные упоминания могут ухудшать обнаружение. Для соответствия требованиям модель следует использовать как часть процесса проверки и обезличивания, а не как самостоятельную гарантию юридической достаточности.

Hrida-T2SQL-3B-V0.1 — компактная языковая модель для преобразования запросов на естественном языке в SQL, разработанная HridaAI и дообученная на Microsoft/Phi-3-mini-4k-instruct. Она принимает инструкцию, схему базы данных с таблицами, столбцами и типами данных, запрос пользователя и, при необходимости, указание диалекта SQL; на их основе генерирует SQL-запрос. Модель построена на архитектуре Phi-3, содержит 3,7 млрд параметров и имеет контекст 4096 токенов. Карточка описывает шаблон общения и примеры интеграции с Transformers и MLX. Модель предназначена для создания SQL по описанию нужных данных и схеме базы, в том числе с указанием диалекта, например MySQL, PostgreSQL или SQL Server. В метаданных указан английский язык. Лицензия — Apache-2.0. Качество результата зависит от полноты и точности переданной схемы; карточка не сообщает результаты оценки качества или ограничения по поддерживаемым диалектам.

Fireplace 2 — чат-модель Valiant Labs, дообученная на основе Meta Llama 3.1 8B Instruct для генерации обычных ответов и структурированных результатов. Она предназначена для диалогов, в которых по запросу нужны встроенные вызовы функций, SQL-запросы, JSON-объекты или примеры визуализаций данных с matplotlib; эти форматы можно чередовать с обычным чатом. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. README описывает применение формата чата Llama 3.1 Instruct и дополнительное обучение на наборах данных для вызова функций, SQL и диалогов; в метаданных указан английский язык. Модель может иногда выдавать некорректные структурированные результаты, поэтому их следует проверять перед использованием в производственных сценариях. Репозиторий распространяется по лицензии llama3.1.

lt-wikidata-comp-zh — модель LinkTransformer, разработанная исследователями Harvard. Это дообученная модель на базе DMetaSoul/sbert-chinese-qmc-domain-v1 для сопоставления записей и сущностей по китайским данным Wikidata, включая псевдонимы компаний. Она помогает находить совпадающие записи, кластеризовать и дедуплицировать данные, связывать и агрегировать сущности; также подходит для семантического поиска и других задач сходства предложений. Модель основана на BERT и sentence-transformers, содержит 129,5 млн параметров и преобразует текст в плотные эмбеддинги размерностью 768. Метаданные указывают контекст до 512 токенов; в конфигурации README для обработки задана максимальная длина последовательности 256 токенов. Модель обучена для китайского языка с использованием SupCon loss. Для применения доступны веса в формате safetensors и интеграция с пакетом LinkTransformer. README не сообщает лицензию, поэтому условия использования следует проверить на странице модели.

MinerU-HTML (Dripper) — дообученная OpenDataLab модель на архитектуре Qwen3 для извлечения основного содержимого HTML-страниц. Она классифицирует элементы страницы и формирует структурированный результат с помощью генерации, управляемой конечным автоматом; проект также предусматривает резервные методы извлечения и API для интеграции. Модель содержит около 508 млн параметров, принимает текстовое представление HTML и выдаёт текст с извлечённым содержимым. Контекст — до 40 960 токенов; в метаданных указана поддержка английского и китайского языков. Модель предназначена для очистки веб-страниц от навигации и других вспомогательных элементов, подготовки содержимого для индексации и использования в RAG-системах, а также для пакетной обработки и оценки качества извлечения. Для локального запуска README рекомендует GPU с CUDA и достаточный объём памяти; предусмотрена интеграция через Python API и REST API. Лицензия модели — Apache 2.0.