II.8Инженерия данных и аналитика

Patana Chilean Spanish BERT — модель BERT для испанского языка Чили, обученная Хорхе Ортисом Фуэнтесом на корпусе Chilean Spanish Corpus. Она дообучена на основе dccuchile/bert-base-spanish-wwm-cased и предназначена для предсказания замаскированных токенов, а также для адаптации к задачам классификации текста и токенов на чилийском испанском. Корпус включает чилийские новости, веб-тексты, жалобы и твиты; автор сообщает о сравнительно высоких результатах модели на задачах для чилийского испанского. Это BERT с 137,1 млн параметров и контекстом до 512 токенов. Модель принимает и выдаёт текст на испанском языке. Лицензия указана как CC BY 4.0, однако автор предупреждает, что совместимость лицензий всех обучающих данных, особенно для коммерческого использования, не подтверждена. Данные не проходили цензуру, поэтому модель может воспроизводить нежелательные идеологические представления.

PyThagorean-10B — текстовая авторегрессионная модель на архитектуре Llama, разработанная prithivMLmods и дообученная на 1,5 млн примеров. Модель содержит 9,9 млрд параметров, работает с контекстом до 32 768 токенов и предназначена прежде всего для решения математических задач с помощью Python-кода и библиотек, а также для генерации кода, пошаговых объяснений и инструкционного диалога. Модель подходит для учебных помощников по алгебре, математическому анализу и тригонометрии, создания вычислительных скриптов, объяснения решений и подготовки учебных материалов. В карточке заявлены многоязычные диалоги, поиск и суммаризация знаний; метаданные указывают английский язык. Модель принимает текст и генерирует текст, включая код. Лицензия — Llama 3.1.

FineEnvs выпустила полное дообучение Qwen/Qwen3.5-2B для агентного анализа данных и решения задач в нескольких программных агентских средах. Модель представляет собой плотную архитектуру Qwen3.5 с 2 млрд параметров; обучалась методом асинхронного GRPO с бинарной наградой за правильность на задачах SmolDataEnvs. Это чекпойнт на 500-м шаге обучения, показавший 37,0% pass@1 в четырёх оценочных средах. Модель предназначена для генерации текста и взаимодействия с инструментами в рамках агентского процесса: пользователь задаёт задачу анализа данных, а агентская среда предоставляет модели нужные инструменты. Результаты оценивались в OpenCode, Claude Code, Codex и Mini-SWE-Agent. README подчёркивает, что обычный чатовый запрос не воспроизводит этот сценарий, а для повторения оценок нужны соответствующие оболочка агента и инструменты. Репозиторий содержит полные веса и токенизатор, а не LoRA-адаптер; лицензия — Apache-2.0.

Модель osieosie/qwen3.5-9b-drctx-mix-mk2-nc20-bs20-os2-sft-e2 разработана на основе hamishivi/Qwen3.5-9B и дообучена методом SFT для самостоятельного управления контекстом в длительных агентных задачах. Она решает, когда и как уплотнять историю через инструмент edit_context, чтобы продолжать работу в пределах ограниченного контекстного бюджета. Это плотная текстовая причинная языковая модель семейства Qwen3.5 с 7,2 млрд параметров, доступная в формате safetensors и рассчитанная на запуск через Transformers. В обучении использовались траектории для работы в терминале и с кодом, а также длительного веб-исследования. Базовая модель поддерживает контекст до 262 144 токенов, однако данная версия обучалась и оценивалась с бюджетом 32 768 токенов. В оценке модель сохраняла качество ответов на задачах веб-исследования при сокращении числа операций уплотнения относительно предыдущей версии. Результаты на Terminal-Bench 2 не показали улучшения успешности или вычислительных затрат относительно базовой модели. Модель преимущественно выбирает суммаризацию; операции переноса и удаления содержимого почти не использует без явной подсказки. Лицензия — Apache-2.0.

timm/resnet50.ram_in1k — модель классификации изображений на основе ResNet-B, опубликованная в библиотеке timm. Она обучена на ImageNet-1k по рецепту AugMix с RandAugment, оптимизатором SGD с Nesterov, функцией потерь JSD и косинусным расписанием скорости обучения с разогревом. Архитектура использует активации ReLU, свёртку 7×7 с пулингом и обходные соединения с понижающей проекцией 1×1; модель содержит 25,6 млн параметров и требует около 4,1 GMACs. Модель предназначена для классификации изображений и может использоваться как базовая сеть для извлечения признаков, карт признаков и эмбеддингов изображений. Размер изображения при обучении — 224×224, при тестировании — 288×288. Репозиторий предоставляет веса PyTorch и Safetensors. Лицензия Apache-2.0.

JeremiahZ/roberta-base-sst2 — модель классификации текста на базе RoBERTa, дообученная на датасете SST-2 из набора GLUE. Она предназначена прежде всего для определения тональности коротких англоязычных текстов, например отзывов и пользовательских комментариев. Архитектура — RobertaForSequenceClassification; модель содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. На оценочной выборке SST-2 указана точность 93,58% и значение loss 0,2314. Модель ограничена задачей классификации и английским языком; результаты из карточки относятся к оценке на SST-2 и не гарантируют такое же качество на других жанрах или языках. Лицензия — MIT.

RT-DETR-R50 — модель обнаружения объектов на изображениях, разработанная Яном Чжао и Санбумом Чоем и опубликованная на Hugging Face участником Sangbum Choi. Она использует архитектуру RT-DETR с гибридным энкодером для обработки признаков разных масштабов и Transformer-декодером, который предсказывает классы объектов и ограничивающие рамки без NMS. В этой конфигурации используется backbone ResNet-50; в карточке указаны 42 млн параметров и обучение на COCO 2017. Модель предназначена для обнаружения объектов в изображениях и сценариев компьютерного зрения, где важны скорость и точность. Для COCO авторы приводят AP 53,1 и скорость 108 кадров в секунду на GPU T4; эти результаты относятся к указанным в карточке условиям оценки. Входные изображения предварительно масштабируются до 640×640 пикселей. Модель принимает изображения и выдаёт классы объектов и их рамки; языковые возможности не заявлены. Лицензия — Apache-2.0.

ruri-v3-30m (ONNX) — это ONNX-версия модели cl-nagoya/ruri-v3-30m, опубликованная пользователем sirasagi62. Исходную модель разработала исследовательская группа CL Research Group in Nagoya, Japan. Модель предназначена для построения векторных представлений японских текстов и задач семантического поиска, сравнения сходства, классификации, кластеризации и retrieval. Модель основана на архитектуре ModernBERT-Ja и оформлена как Sentence Transformer с mean pooling. Она содержит около 37 млн параметров, формирует embeddings размерностью 256 и поддерживает последовательности до 8192 токенов. Основной язык — японский. Для разных сценариев предусмотрены префиксы для обычного семантического кодирования, тематического анализа, поисковых запросов и документов. ONNX-репозиторий содержит варианты модели с разными форматами и уровнями квантования, включая FP16, INT8, UINT8 и Q4. Сильные стороны модели — небольшой размер, длинный контекст, высокая специализация на японских текстах и возможность локального запуска через ONNX Runtime или Transformers.js. Ограничение состоит в том, что это не генеративная языковая модель и она ориентирована прежде всего на японский язык; для многоязычных корпусов её пригодность может быть ниже. Модель и ONNX-версия распространяются по лицензии Apache 2.0.

S2T-LARGE-LIBRISPEECH-ASR — модель Speech to Text Transformer для автоматического распознавания речи, опубликованная в репозитории Facebook на Hugging Face. Это последовательная модель типа encoder-decoder с авторегрессионной генерацией транскрипта; размер — 211,6 млн параметров. На вход подаются речевые признаки: 80-канальные log-Mel фильтры, извлечённые из WAV или FLAC с частотой 16 кГц и нормализованные на уровне высказывания. Текст токенизируется SentencePiece с размером словаря 10 000, приводится к нижнему регистру. Модель предназначена для транскрибирования английской речи. Она обучена на корпусе LibriSpeech ASR объёмом около 1000 часов чтения вслух; для тестовых наборов LibriSpeech указана ошибка WER 3,3 на clean и 7,5 на other. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — MIT. Результаты относятся к чтению на LibriSpeech и не гарантируют аналогичное качество для разговорной речи, других языков или условий записи.

Это модель Sentence-Transformers на базе MPNet, созданная для проекта классификации дезинформации о Джастине Трюдо. Она преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров и рассчитана на контекст до 514 токенов. Её можно применять для поиска текстов, семантически близких к утверждениям о Трюдо, и группировки похожих сообщений. README указывает на обучение с CosineSimilarityLoss, но не приводит сведения о датасете, метриках или точности выявления дезинформации; поэтому качество классификации фактов не подтверждено. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

timm/tf_efficientnet_b3.in1k — модель классификации изображений семейства EfficientNet, обученная авторами статьи на ImageNet-1k в TensorFlow и перенесённая в PyTorch Россом Уайтманом. Вариант содержит около 12,2 млн параметров и рассчитан на изображения размером 300 × 300 пикселей. Модель предназначена для классификации изображений по категориям ImageNet-1k. Её также можно использовать как сверточную основу для извлечения карт признаков и изображенческих эмбеддингов. Репозиторий предоставляет веса в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0.

sshleifer/tiny-distilbert-base-uncased-finetuned-sst-2-english — компактная модель классификации текста из семейства DistilBERT, опубликованная sshleifer на Hugging Face. Она предназначена для определения тональности английского текста по двум классам: положительная или отрицательная; её можно использовать через Transformers как text-classification. Модель принимает текст и выдаёт метку класса с оценкой. Архитектура — DistilBertForSequenceClassification; максимальный контекст составляет 512 токенов. Репозиторий содержит веса PyTorch и TensorFlow. Доступная карточка не описывает лицензию, набор обучения или численные показатели качества, поэтому нельзя делать выводы о них.

Tongue — компактная модель идентификации языка от desert-ant-labs, предназначенная для определения языка коротких строк на устройстве. Она классифицирует текст длиной до 512 символов и выдаёт ранжированные коды ISO 639-1/639-3 с вероятностями и оценкой надёжности. Модель охватывает 84 языка: 59 распознаются по лексическим признакам, ещё 25 — по письменности; поддерживается 31 письменность. Для обработки используются нормализация, хеширование и маршрутизация по письменности на стороне приложения, а ONNX-граф содержит классификационную голову. Поставляются варианты весов int8 размером 2,01 МиБ и int4 размером 1,01 МиБ, а также граф ONNX в fp32 размером 8,4 МБ. По приведённым в карточке тестам точность особенно высока на коротких фразах и предложениях; вариант int4 немного уступает на очень коротком вводе. Модель рассчитана на офлайн-работу в браузерах, мобильных и настольных приложениях. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

TookaBERT-Base — базовая персидская модель-энкодер семейства TookaBERT, разработанная PartAI. Модель с архитектурой BERT и примерно 150,1 млн параметров предварительно обучена на более чем 500 ГБ персидских текстов из новостей, блогов, форумов и книг. Для предобучения использовались задача masked language modeling с whole-word masking и контекст до 512 токенов. Модель предназначена прежде всего для восстановления замаскированных слов в персидском тексте. Её представления также подходят как основа для дообучения на классификацию текстов и тональности, распознавание именованных сущностей и задачи вопросов и ответов. Опубликованные оценки охватывают несколько персидских NLP-бенчмарков; результаты могут меняться при дообучении. Модель доступна в форматах PyTorch и safetensors под лицензией Apache-2.0. Это энкодер для работы с текстом, а не генеративная чат-модель; контекст ограничен 512 токенами.

TransLynx Pakistani Punjabi Whisper Small — модель распознавания речи, разработанная командой TransLynx путём дообучения мультиязычной Whisper Small от OpenAI. Она преобразует речь на пакистанском пенджаби в текст на письме шахмукхи. Для языка внутри Whisper используется токен урду «ur»; параметры языка и задачи транскрибирования заданы в конфигурации генерации. Модель предназначена для транскрибации аудио, создания субтитров, голосовых интерфейсов и конвейеров обработки речевых данных на пакистанском пенджаби. В README указаны WER 7,07% на валидационной выборке и 11,50% на тесте с диктором, не участвовавшим в обучении. Обучение проводилось на 3 500 записях семи дикторов, произносивших один и тот же набор из 500 предложений. Модель ориентирована на текстовый вывод шахмукхи и не предназначена для распознавания восточного пенджаби на письме гурмукхи. Ограниченный набор предложений и дикторов может снижать качество на спонтанной речи, при шуме, иных диалектах и незнакомой лексике. Лицензия — Apache-2.0.

VibeVoice-Embed — отдельный акустический энкодер из Microsoft VibeVoice-1.5B, опубликованный lemuriandezapada. Модель принимает аудио с частотой 24 кГц и возвращает вектор голоса размерности 64: латентные кадры причинного VAE усредняются, а для детерминированного результата используется среднее распределения. Веса энкодера перенесены из исходного чекпойнта без изменений; модель содержит 344 млн параметров и хранится в формате safetensors. Энкодер предназначен для получения голосовых эмбеддингов, которые можно использовать для сравнения голосов, ранжирования похожих записей и кластеризации говорящих. В README сообщаются результаты разделения говорящих на контролируемом наборе синтетической речи и совместимость с аудио-эмбеддингами моделей VibeVoice 1.5B и 7B. Для сравнения рекомендуется нормализовать векторы и использовать косинусное сходство или эквивалентную метрику. Проверка проводилась на синтетических записях одного TTS-движка, поэтому качество на реальной речи и при разных каналах записи не подтверждено. Эмбеддинги не обеспечивают надёжный универсальный порог принятия решения «тот же или другой говорящий»; лучше применять их для ранжирования и кластеризации. Лицензия — MIT.

wrice/whisper-tiny-grpo-72a3573-fixed-en-t0.7-lr3e-6 — компактная модель распознавания речи на базе Whisper Tiny, дообученная разработчиком wrice методом GRPO (Group Relative Policy Optimization) с комбинированной наградой на основе ошибок слов и символов. Модель предназначена для преобразования аудиозаписей в текст; при обучении использовались англоязычные данные Common Voice 17.0, а язык аудио задавался по локали записи. На отложенной выборке Common Voice для английского указана WER 0,228. Это экспериментальная проверка концепции: результаты измерены на ограниченной валидационной выборке после нормализации текста и могут отличаться на других аудио, акцентах и в иных предметных областях. Репозиторий использует Transformers и формат safetensors; лицензия — MIT.

Карточка модели yulan-team/YuLan-Mini на Hugging Face совпадает с карточкой diskrot/YuLan-Mini-diskrot, поэтому описание составлено по ней. YuLan-Mini — базовая предварительно обученная языковая модель, разработанная командой AI Box Народного университета Китая. Это плотная авторегрессионная модель семейства Llama с 2,2 млрд параметров и контекстом до 28 723 токенов; веса опубликованы в формате Safetensors. Модель обучали на 1,08 трлн токенов, уделяя особое внимание математике и программированию. Модель предназначена для генерации текста и продолжения заданного фрагмента, а также для экспериментов и дальнейшего дообучения. Она не прошла настройку для следования инструкциям, поэтому не рассчитана на диалог в формате ассистента без дополнительного обучения или подходящего промпта. В карточке перечислены английский и китайский языки. Модель доступна по лицензии MIT. Заявленные сильные стороны — математические и кодовые задачи, эффективное предварительное обучение и длинный контекст. Результаты бенчмарков в README приведены для семейства моделей в сравнительной таблице, поэтому их нельзя однозначно приписать этой версии без дополнительных данных.

Zeta 2.1 — модель предсказания правок кода, разработанная Zed Industries и дообученная на ByteDance-Seed/Seed-Coder-8B-Base. По контексту кода, истории изменений и редактируемому фрагменту рядом с курсором она предлагает переписанное содержимое этого фрагмента; поддерживаются многообластные маркеры редактирования в формате SPM с префиксом, суффиксом и серединой. Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM и 7,6 млрд параметров. Она принимает текстовый контекст кода и выдаёт текст с предлагаемой правкой; нативная длина контекста — 32 768 токенов. Модель ориентирована на англоязычные сценарии, лицензия — Apache-2.0. Её назначение — подсказки для редактирования кода с учётом контекста проекта и предыдущих правок. Карточка не приводит оценки качества или список поддерживаемых языков программирования, поэтому пригодность для конкретного языка кода следует проверять отдельно.

AI-VS-REAL-IMAGE-DETECTION — модель Hemg, дообученная на основе Vision Transformer google/vit-base-patch16-224-in21k для классификации изображений. Она предназначена для определения, является ли изображение созданным искусственным интеллектом или реальным. В метаданных указаны архитектура ViTForImageClassification, 113,2 млн параметров и формат safetensors. На оценочном наборе модель показала accuracy 0,9584 и loss 0,1088. Модель принимает изображения и выдаёт класс классификации. Датасет обучения и его состав не раскрыты, поэтому результаты оценки не позволяют судить о точности на других источниках изображений и при изменении способов генерации или обработки изображений. Лицензия — Apache-2.0.

Alireza1044/albert-base-v2-mnli — модель Alireza1044, полученная дообучением albert-base-v2 на наборе GLUE MNLI для классификации текстовых пар. Она принимает текст и предсказывает отношение между посылкой и гипотезой, например следование, противоречие или нейтральность. Модель содержит 136,3 млн параметров, использует архитектуру ALBERT и поддерживает контекст до 512 токенов. Для оценки на тестовом наборе указаны accuracy 0,8501 и loss 0,5383. Доступна в формате PyTorch по лицензии Apache-2.0.

Arch-Agent-3B — дообученная языковая модель Katanemo для вызова функций и агентных сценариев. Она основана на Qwen/Qwen2.5-Coder-3B-Instruct и использует плотную архитектуру Qwen2 с 3,1 млрд параметров; для работы с моделью в README рекомендована библиотека Transformers версии 4.51.0 или новее. Модель предназначена для многоходового диалога с инструментами, выбора функций и планирования последовательностей вызовов API. Она может разбивать сложные запросы на подзадачи, учитывать промежуточные результаты и продолжать работу в нескольких ходах. README сообщает об оценке на Berkeley Function-Calling Leaderboard; для многоходовой оценки применялось масштабирование YaRN при контексте 64K. Метаданные указывают нативный контекст 32 768 токенов. Для получения JSON-подобных вызовов функций рекомендуется использовать формат промпта Katanemo. Модель принимает текстовые запросы и генерирует текстовые ответы с вызовами функций. Карточка описывает поддержку английского языка. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория. Описанные возможности зависят от правильного формата промпта и наличия внешних инструментов; в предоставленной карточке нет подробных результатов бенчмарка или описания ограничений надёжности.

Arch-Function-7B — языковая модель компании Katanemo для вызова функций и взаимодействия с API по запросам на естественном языке. Она основана на Qwen/Qwen2.5-Coder-7B-Instruct и дообучена для работы с описаниями функций: разбирает сигнатуры, определяет необходимые параметры и формирует структурированный вывод для вызова функции. Модель относится к семейству Qwen2, имеет плотную архитектуру и 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и доступна в формате safetensors для Transformers. Модель предназначена для построения чат-ассистентов, которые выбирают подходящие инструменты, заполняют аргументы функций и помогают автоматизировать обращения к API и внутренним системам. Карточка описывает её как рассчитанную на низкую задержку и высокую пропускную способность, а примеры рекомендуют использовать специальный формат промпта Katanemo для получения JSON-подобных вызовов. Основной язык в метаданных — английский. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

BananaMind V2.5 Content Safety — текстовая модель классификации безопасности контента от Banaxi-Tech, дообученная на основе google/gemma-4-E2B-it на примерах из набора NVIDIA Nemotron 3.5 Content Safety. Она определяет, является ли входной текст безопасным или небезопасным, и для небезопасного текста указывает нарушенные категории. Модель предназначена для классификации запросов и ответов, разметки данных и помощи в проверке контента.

cahya/bert-base-indonesian-1.5G — BERT-base-модель, предварительно обученная на индонезийской Википедии и индонезийских газетах с помощью задачи masked language modeling. Модель без учета регистра, использует токенизацию WordPiece со словарем размером 32 000 токенов; содержит 137,8 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для заполнения пропусков в индонезийском тексте и получения контекстных представлений для последующих задач, например классификации текста. Поддерживает формат ввода пар предложений с маркерами [CLS] и [SEP]. Для использования доступны версии в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT.

CodeGen-NL 2B — авторегрессионная плотная языковая модель семейства CodeGen, разработанная Salesforce для синтеза программ. Это чекпойнт с 2 млрд обучаемых параметров, предварительно обученный на датасете The Pile, включающем данные с кодом. Модель принимает текстовые подсказки на естественном языке и программный код и генерирует продолжение текста или кода; особенно рассчитана на создание исполняемого кода по инструкциям на английском языке, оформленным как комментарии, и на дополнение частично написанного кода. Модель предназначена для генерации кода и может использоваться для прототипирования функций, завершения фрагментов программы и экспериментов с программным синтезом. Архитектура — CodeGenForCausalLM, формат весов — PyTorch, длина контекста — 2048 токенов. В README упомянута оценка на HumanEval и MTPB, но результаты здесь не приведены. Лицензия — BSD 3-Clause. Разработчик отмечает исследовательское назначение релиза и рекомендует отдельно оценивать точность, безопасность и справедливость перед применением; качество не гарантировано для всех задач.

BrainboxAI/code-il-E4B-safetensors — репозиторий с полной версией весов 16-битного помощника по программированию code-il-E4B, созданного Нетанелем Элиаси из BrainboxAI. Это дообученная Gemma 4 E4B Instruct с плотной архитектурой Gemma4ForConditionalGeneration; веса хранятся в формате safetensors и предназначены для работы через Transformers, дальнейшего обучения на частном коде и конвертации в другие форматы. Модель помогает писать и анализировать код, в том числе на Python и TypeScript; при запросе на иврите отвечает на иврите, а сам код формирует на английском. Базовая Gemma 4 также поддерживает анализ изображений, однако карточка этой версии описывает её прежде всего как текстового помощника по программированию. Этот вариант рассчитан на разработчиков, которым нужны полные веса для обучения или конвертации, а не на обычный запуск для повседневного программирования: файл весов занимает 16 ГБ. Для запуска автор рекомендует сжатую сборку BrainboxAI/code-il-E4B. Лицензия — Apache 2.0.

ainergy/CodeLlama-SDSAT_L7_13B — дообученная модель ainergy на базе CodeLlama-13B, представленная как 13-миллиардная модель для работы SDSAT (ускорения вывода LLM с помощью speculative decoding и semantic adaptive tokens). Она предназначена для генерации кода и сценариев, где применяется этот подход к ускорению вывода. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 12,9 млрд параметров и поддерживает контекст до 16 384 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0. Карточка указывает язык Code, поэтому естественный язык модели определить нельзя.

convnext_base.clip_laion2b — модель семейства ConvNeXt, опубликованная командой timm. Это только визуальный энкодер из CLIP, обученного на данных LAION-2B; он преобразует изображения в векторные признаки для поиска и других задач компьютерного зрения. Модель доступна в форматах PyTorch и safetensors, лицензия — Apache-2.0. Энкодер можно использовать для извлечения признаков изображений и построения систем визуального поиска или последующей классификации. Карточка не описывает текстовый энкодер CLIP, размеры модели, поддерживаемые языки или длину контекста; модель принимает изображения и выдаёт векторы признаков.

Czert-B-base-cased — чешская BERT-подобная модель, представленная в работе «Czert – Czech BERT-like Model for Language Representation». Это предварительно обученный чекпойнт для заполнения пропусков в тексте; модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В репозитории доступны веса PyTorch и TensorFlow. Модель обучена для чешского языка и может служить основой для дообучения на классификации тональности и документов, оценке семантического сходства предложений, распознавании именованных сущностей, морфологической разметке и семантическом анализе ролей. В версии Czert-B-v2 исправлена ошибка настройки токенизатора, присутствовавшая в v1; для этой карточки README указывает вариант base-cased. Опубликованные сравнения показывают результаты на перечисленных чешских задачах, но качество на других данных не гарантировано. Для задач классификации и разметки может потребоваться соответствующая дообученная модель. Сведения о лицензии в предоставленных материалах отсутствуют.