IV.11Патенты, товарные знаки и интеллектуальная собственность

Minetta Nemotron-3-Embed-8B-Legal — специализированная модель эмбеддингов для юридических текстов, дообученная на базе NVIDIA Nemotron-3-Embed-8B-BF16. Это плотная модель семейства Ministral 3 с 8 млрд параметров; она преобразует текст в векторы размерностью 4096 и рассчитана на длинный контекст до 262 144 токенов. Модель предназначена для семантического поиска и сопоставления юридических документов, включая судебные решения, договоры, законы и нормативные акты. Её можно применять для извлечения релевантных фрагментов в RAG-системах и поиска по юридическим корпусам. В README заявлены результаты на MLEB и MTEB(Law); результаты MLEB описаны как локальные запуски, отправленные на проверку, поэтому их следует считать самоотчётными. Модель обучена с помощью LoRA и контрастивного обучения с подбором трудных отрицательных примеров на открытых юридических источниках. Поддерживается английский язык; наиболее сильные области охвата — юрисдикции ЕС, США, Великобритании и Австралии. В README указана лицензия «other», без конкретных условий; модель предназначена для поиска и не заменяет юридическую консультацию.

vin00d дообучил Snowflake/snowflake-arctic-embed-l для поиска по юридическим текстам. Это модель Sentence Transformers на архитектуре BERT: она преобразует предложения и абзацы в нормализованные векторы размерности 1024, предназначенные для сравнения по косинусному сходству. Максимальная длина входа — 512 токенов. Модель подходит для семантического поиска по юридическим документам, сопоставления запросов с фрагментами документов, поиска перефразировок, кластеризации и классификации текстов. В README приведена оценка информационного поиска на обучающем наборе из 210 пар; результаты не гарантируют качество на других корпусах. Модель работает с текстом, а обучающие примеры относятся к англоязычным юридическим материалам. Лицензия в предоставленных данных не указана.

Roflmax/bge-m3-legal-ru-cocktail-40-60 — русскоязычная модель эмбеддингов для поиска и сравнения юридических документов, разработанная на основе двух дообученных вариантов BGE-M3. Она создана методом LM-Cocktail: веса моделей Roflmax/bge-m3-russian-legal и Roflmax/bge-m3-legal-ru-updata объединены в пропорции 40/60. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт векторы размерностью 1024; в метаданных указаны задачи sentence-similarity и feature-extraction. Модель предназначена для семантического поиска по судебным решениям, федеральным законам и региональным нормативным актам, а также для поиска похожих документов, кластеризации и классификации по сходству эмбеддингов. Для сравнения векторов рекомендуется косинусное сходство. README сообщает о Recall@5 91,79% на тестовом наборе из 7 187 примеров и указывает, что запросы можно кодировать без префиксов. Метаданные указывают контекст до 8194 токенов, тогда как README рекомендует ограничивать последовательность 512 токенами и разбивать более длинные документы на фрагменты. Модель оптимизирована для русского языка и юридического домена; на текстах из других областей качество может быть ниже. Данные о давности обучающей выборки не приведены. Лицензия — MIT.

Карточка модели Masterjorj/bge-m3-legal-ru-cocktail-40-60-bel на Hugging Face совпадает с карточкой Roflmax/bge-m3-legal-ru-cocktail-40-60, поэтому описание составлено по ней. Roflmax/bge-m3-legal-ru-cocktail-40-60 — русскоязычная модель эмбеддингов для поиска и сравнения юридических документов, разработанная на основе двух дообученных вариантов BGE-M3. Она создана методом LM-Cocktail: веса моделей Roflmax/bge-m3-russian-legal и Roflmax/bge-m3-legal-ru-updata объединены в пропорции 40/60. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт векторы размерностью 1024; в метаданных указаны задачи sentence-similarity и feature-extraction. Модель предназначена для семантического поиска по судебным решениям, федеральным законам и региональным нормативным актам, а также для поиска похожих документов, кластеризации и классификации по сходству эмбеддингов. Для сравнения векторов рекомендуется косинусное сходство. README сообщает о Recall@5 91,79% на тестовом наборе из 7 187 примеров и указывает, что запросы можно кодировать без префиксов. Метаданные указывают контекст до 8194 токенов, тогда как README рекомендует ограничивать последовательность 512 токенами и разбивать более длинные документы на фрагменты. Модель оптимизирована для русского языка и юридического домена; на текстах из других областей качество может быть ниже. Данные о давности обучающей выборки не приведены. Лицензия — MIT.

IoannisKat1/legal-bert-base-uncased-new2 — модель Sentence Transformers на основе nlpaueb/legal-bert-base-uncased, дообученная для преобразования предложений и абзацев в плотные векторы размерности 768. В архитектуре используется BERT с усреднением токенных представлений; сходство векторов можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения юридических текстов на английском языке. Её можно применять для поиска релевантных документов и фрагментов, выявления перефразировок, кластеризации и извлечения признаков для классификации. В README приведены результаты оценки поиска на разных размерах вектора, но данных для оценки качества на широком наборе задач нет. Модель содержит 136,7 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Она унаследовала языковую и предметную специализацию базовой модели Legal-BERT; контекст ограничен 512 токенами, поэтому длинные документы нужно разбивать на фрагменты.

Mankei-326M-Embedder — компактная модель эмбеддингов немецкого текста от keyvan-ai для семантического поиска и извлечения релевантных фрагментов в RAG-системах, развёрнутых локально. Модель содержит 326,4 млн параметров, основана на плотной архитектуре Llama и выдаёт векторные представления текста. Для запросов требуется префикс «query: », для фрагментов — «passage: »; используется pooling по последнему токену. Контекст — до 2048 токенов. Модель обучена контрастивным методом с LoRA на немецкой базовой модели Mankei и датасете GermanDPR с жёсткими отрицательными примерами. В описанных zero-shot тестах она показала высокие результаты на немецких юридических документах вне обучающего домена; на вопросах по Wikipedia уступила более крупным универсальным моделям. Компактный размер и возможность работы на CPU подходят для локального поиска по большим коллекциям документов. Лицензия — Apache-2.0.

ModernBERT-base Legal Spanish — модель Sentence Transformers, разработанная Wilfredo Martel и дообученная на испанском наборе юридических текстов small-spanish-legal-dataset. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска и сравнения текстов. Модель основана на encoder-архитектуре ModernBERT, использует среднее pooling токенов и обрабатывает последовательности длиной до 8192 токенов. Модель предназначена для поиска юридических документов по запросу, оценки смыслового сходства, поиска перефразировок, кластеризации и классификации испаноязычных текстов. В README приведены результаты оценки поиска на наборах с размерностью векторов 768 и 512. Лицензия — Apache-2.0.

ceat-fc-rag-2 — англоязычная модель Sentence Transformers, созданная дообучением nlpaueb/legal-bert-base-uncased на 786 парах текстов. Архитектура состоит из BERT и среднего пулинга токенов; модель преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их косинусным сходством. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск в корпусах документов, оценку сходства предложений, поиск перефразировок, кластеризацию и извлечение признаков для классификации. Юридически ориентированная базовая модель и английский язык делают её подходящей для англоязычных юридических текстов, хотя карточка не подтверждает отдельную оценку качества на юридических задачах. В README приведены метрики информационного поиска на нескольких размерностях векторов; их значения умеренные и относятся к указанному набору оценки. Модель распространяется по лицензии Apache-2.0. Вход — текст, выход — векторные представления; лимит в 512 токенов ограничивает длину обрабатываемого текста за один проход.

Chroma Context-1 — агентная поисковая модель Chroma, дообученная на базе openai/gpt-oss-20b с помощью SFT и RL. Она предназначена для поиска подтверждающих документов по сложным многошаговым запросам в паре с более мощной моделью рассуждений: разбивает запрос на подзадачи, вызывает инструменты поиска и редактирует рабочий контекст, удаляя менее полезные документы. Модель имеет архитектуру MoE и принимает текстовые запросы, выдавая текст и вызовы инструментов в агентной среде. В README заявлена поддержка задач из веба, права и финансов, а также обобщение на другие области. По данным каталога, модель содержит 1,6 млрд параметров, использует Transformers и формат safetensors, а длина контекста составляет 131 072 токена. Для воспроизведения заявленных результатов необходим специальный агентный harness, который выполняет инструменты и управляет бюджетом токенов, очисткой контекста и удалением дубликатов; авторы пока его не опубликовали. Поэтому работа модели без harness не гарантирует результаты из технического отчёта. Лицензия — Apache-2.0.

trt19/gemma-300m-legal-ft1 — модель Sentence Transformers, дообученная на базе google/embeddinggemma-300m для представления юридических текстов в виде плотных эмбеддингов. Она преобразует предложения и абзацы в векторы размерности 768 и предназначена для семантического поиска, сравнения текстов и других задач, где нужно находить близкие по смыслу документы. Для сравнения используется косинусное сходство. Модель основана на плотной текстовой архитектуре Gemma 3 и содержит 302,8 млн параметров. Максимальная длина входной последовательности — 2048 токенов. В карточке приведены примеры на португальском языке из обучающего набора размером 1000 пар и троек текстов; поддержка других языков не подтверждена. Репозиторий использует safetensors и библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

littlejohn-ai/bge-m3-spa-law-qa — дообученная Sentence Transformers модель на базе BAAI/bge-m3 для поиска и сопоставления испаноязычных юридических текстов. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024; для сравнения предусмотрена косинусная близость. Архитектура включает XLM-RoBERTa, pooling по CLS-токену и нормализацию, максимальная длина последовательности — 8192 токена. Модель рассчитана на семантический поиск по юридическим документам и извлечение релевантных фрагментов для систем RAG. README также указывает задачи семантического сходства, поиска перефразировок, классификации и кластеризации. В карточке приведены метрики Information Retrieval для разных размерностей эмбеддингов. Лицензия — Apache-2.0.

dariolopez/bge-m3-es-legal-tmp-5 — модель Sentence Transformers, дообученная на базе BAAI/bge-m3 для работы с испанскими текстами юридической тематики. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, нормализует их и сравнивает с помощью косинусного сходства. Максимальная длина входа — 8192 токена; архитектура основана на XLM-RoBERTa. Модель подходит для семантического поиска и сравнения юридических текстов, поиска перефразирований, кластеризации и классификации. В README приведены результаты оценки поиска при разных размерностях векторов, от 64 до 1024; качество зависит от выбранной размерности и набора данных. Лицензия — Apache-2.0.

google/bigbird-pegasus-large-bigpatent — модель суммаризации текста на архитектуре BigBird-Pegasus, опубликованная Google. Она использует разреженное блочное внимание BigBird, чтобы обрабатывать длинные документы с меньшими вычислительными затратами, чем стандартное полное внимание. Модель содержит 366,8 млн параметров, принимает текстовые последовательности длиной до 4096 токенов и предназначена для генерации краткого содержания, в частности патентных документов на английском языке. Модель подходит для суммирования длинных текстов и патентных описаний. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. В карточке модели нет измерений качества и подробных сведений об ограничениях; практическое применение стоит проверять на собственных документах.

EVIE-Preview-4.5B — мультимодальная модель для поиска информации в визуальных документах, разработанная Tencent и представленная как предварительная версия EVIE. Она дообучена на базе Qwen/Qwen3.5-4B и использует архитектуру ColQwen3_5: визуально-языковая основа с линейным и полным вниманием формирует контекстные представления токенов, которые проецируются в векторы размерности 128. Для поиска применяется позднее взаимодействие MaxSim между токенами запроса и визуальными токенами страниц. Модель кодирует запросы и страницы документов для мультиязычного поиска по графикам, таблицам, научным отчётам, финансовой отчётности и сканированным формам. В README указано 4,54 млрд параметров; модель распространяется в формате safetensors, а карточка заявляет лицензию Apache-2.0. На ViDoRe V3 и ViDoRe V1+V2 представлены результаты бенчмарков, включая первое место в таблицах сравнения README. Поддерживаются запросы на английском, французском, немецком, итальянском, испанском, португальском и китайском языках; среди документов также упоминаются страницы на японском. Это предварительный чекпойнт: README рекомендует вместо него более новые модели EVIE. Для индексации он формирует много токен-векторов на страницу, поэтому объём индекса может быть значительным; приведённая оценка для 1 млн страниц при 1792 токенах на страницу — 420,5 ГиБ в BF16.

EmbeddingGemma-300m Legal Spanish — модель Sentence Transformers, созданная Wilfredo Martel дообучением google/embeddinggemma-300m на 420 тысячах пар запросов и релевантных документов из испаноязычного юридического датасета. Она кодирует текст в плотные эмбеддинги размерностью 768 и предназначена прежде всего для поиска релевантных правовых документов и сравнения текстов по косинусному сходству. Модель подходит для семантического поиска, подбора документов к запросу, поиска перефразировок, кластеризации и классификации испаноязычных юридических текстов. Максимальная длина входа — 2048 токенов; модель принимает текст и выдаёт векторы. В README приведены высокие показатели cosine accuracy@1–5 на двух наборах оценки поиска, но они относятся к этим наборам и не гарантируют аналогичное качество на других корпусах. Модель содержит 302,8 млн параметров, распространяется в формате safetensors и использует библиотеку Sentence Transformers. Лицензия — Apache-2.0.

rufimelo/Legal-BERTimbau-sts-large-ma-v3 — модель встраивания предложений, адаптированная к португалоязычным юридическим текстам. Она основана на Legal-BERTimbau-large из семейства BERTimbau и обучена вычислять семантическое сходство предложений на португальском языке. Размер модели — 433,2 млн параметров, контекст — до 512 токенов; на выходе она формирует плотные векторы размерностью 1024. Модель предназначена для семантического поиска, сравнения юридических формулировок и кластеризации предложений и абзацев. Обучение включало дистилляцию знаний от sentence-transformers/stsb-roberta-large, а затем дообучение на наборах ASSIN, ASSIN2 и stsb_multi_mt для португальского языка, а также на PortugueseLegalSentences-v0. Доступны веса PyTorch и safetensors; для использования README рекомендует библиотеку Sentence-Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

PIXIE-Splade-v1.0 — разреженный двуязычный поисковый энкодер, разработанный компанией TelePIX Co., Ltd. Модель предназначена для поиска документов и технической информации на корейском и английском языках, особенно в аэрокосмической области. Она формирует разреженные векторы размерностью 50 000, где веса токенов можно индексировать в Lucene или Elasticsearch и анализировать, чтобы понять, какие слова повлияли на совпадение. Модель построена на ModernBERT с архитектурой ModernBertForMaskedLM и пуллингом SPLADE; метаданные указывают 148,7 млн параметров и контекст до 16 384 токенов. В README заявлена максимальная длина последовательности 5 632 токена. Для оценки поиска приведены результаты на корейских и англоязычных наборах, включая аэрокосмический STELLA и бенчмарки MTEB и BEIR. Выходы подходят для разреженного поиска и гибридного ранжирования с плотными ретриверами. Модель распространяется по лицензии Apache-2.0. Она предназначена для извлечения признаков и поискового ранжирования, а не для генерации ответов; качество за пределами корейского и английского языков и аэрокосмических сценариев отдельно не подтверждено.

rufimelo/Legal-BERTimbau-base-TSDAE-sts — модель Sentence-Transformers для сопоставления семантически близких предложений и абзацев на португальском языке в юридической области. Она основана на Legal-BERTimbau-base-TSDAE, производной от BERTimbau large, и дообучена для оценки семантического сходства на наборах ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура — BERT, около 136,1 млн параметров; модель преобразует текст в плотные векторы размерностью 1024 и принимает контекст длиной до 512 токенов. Модель подходит для семантического поиска и кластеризации юридических текстов, а также для ранжирования сходства между предложениями. В README приведены результаты оценки на португальских наборах STS. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

CaioXapelaum/Orca-2-7b-Patent-Instruct-Llama-2 — объединённая генеративная языковая модель, созданная с помощью mergekit методом TIES на основе NousResearch/Llama-2-7b-hf. В объединение вошли arcee-ai/Patent-Instruct-7b и microsoft/Orca-2-7b; веса сохранены в формате safetensors, тип данных исходной конфигурации — float16. Модель имеет архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст длиной до 4096 токенов. Модель предназначена для генерации текста по инструкциям, в том числе для задач, связанных с патентами, сочетая возможности включённых в merge моделей. Она принимает текст и генерирует текст; метаданные указывают задачу text-generation. В карточке не приведены результаты оценки качества или подробности использования, поэтому пригодность для конкретных патентных сценариев следует проверять на собственных данных. Лицензия в предоставленных данных не указана.

maticzav/legal-bert-embedding — модель Sentence Transformers, дообученная на базе nlpaueb/legal-bert-base-uncased для представления юридических предложений и абзацев в виде плотных векторов. Архитектура основана на BERT с усреднением токенных эмбеддингов; модель содержит 136,7 млн параметров, выдаёт векторы размерности 768 и использует косинусное сходство. Максимальная длина входа — 512 токенов. Модель предназначена для сравнения юридических текстов по смыслу, семантического поиска, поиска перефразировок, кластеризации и классификации текстов. README приводит результаты оценки сходства на наборе contradiction-eval: корреляция Спирмена для косинусного сходства составила 0,6328. Обучение описано на 4 371 парах из датасета json, но его происхождение и репрезентативность не раскрыты. Базовая модель и обучающий контекст ориентированы на английские юридические тексты, поэтому применимость к другим языкам не подтверждена. Лицензия в предоставленных данных не указана.

EmbeddingGemma-300m Legal Spanish — модель Sentence Transformers, разработанная Wilfredo Martel путём дообучения google/embeddinggemma-300m на наборе испанских юридических запросов и релевантных текстов. Она преобразует предложения и абзацы на испанском языке в плотные эмбеддинги размерностью 768 для семантического поиска по юридическим материалам, сопоставления сходства и извлечения релевантных документов. Модель основана на текстовой архитектуре Gemma 3, содержит 302,8 млн параметров и принимает последовательности длиной до 2048 токенов. Для сравнения векторов используется косинусное сходство. В README приведены результаты оценки поиска на испанских юридических наборах данных; модель также подходит для кластеризации и классификации текста. Лицензия — Apache-2.0. Модель рассчитана на испанские юридические тексты. Она выдаёт векторы признаков, а не готовые ответы или юридические заключения; качество вне юридического домена и испанского языка в предоставленных материалах не охарактеризовано.

rufimelo/Legal-BERTimbau-sts-large — модель эмбеддингов на основе архитектуры BERT, разработанная для семантического сравнения португалоязычных текстов в юридической области. Она преобразует предложения и абзацы в плотные векторы размерностью 1024; модель насчитывает 433,2 млн параметров и принимает контекст длиной до 512 токенов. Модель дообучена для задачи семантического сходства текстов на датасетах ASSIN и ASSIN2. Её можно применять для семантического поиска по юридическим документам, поиска похожих фрагментов и кластеризации португалоязычных юридических текстов. В README модель описана как основанная на Legal-BERTimbau-large, который, в свою очередь, происходит от BERTimbau large. Для практического применения доступны веса PyTorch и Safetensors; README рекомендует библиотеку Sentence-Transformers. Качество может зависеть от соответствия текстов юридической тематике и португальскому языку; контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-zwxzpdk на Hugging Face совпадает с карточкой CaioXapelaum/Orca-2-7b-Patent-Instruct-Llama-2, поэтому описание составлено по ней. CaioXapelaum/Orca-2-7b-Patent-Instruct-Llama-2 — объединённая генеративная языковая модель, созданная с помощью mergekit методом TIES на основе NousResearch/Llama-2-7b-hf. В объединение вошли arcee-ai/Patent-Instruct-7b и microsoft/Orca-2-7b; веса сохранены в формате safetensors, тип данных исходной конфигурации — float16. Модель имеет архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст длиной до 4096 токенов. Модель предназначена для генерации текста по инструкциям, в том числе для задач, связанных с патентами, сочетая возможности включённых в merge моделей. Она принимает текст и генерирует текст; метаданные указывают задачу text-generation. В карточке не приведены результаты оценки качества или подробности использования, поэтому пригодность для конкретных патентных сценариев следует проверять на собственных данных. Лицензия в предоставленных данных не указана.

arcee-ai/Patent-Instruct-Internlm2-7B-Ties — объединённая языковая модель, созданная с помощью mergekit и метода TIES. В качестве основы использована NousResearch/Llama-2-7b-hf; в объединение также вошли arcee-ai/Patent-Instruct-7b и chargoddard/internlm2-7b-llama. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста, в том числе ответов в стиле инструкций и текстов по тематике патентов благодаря одной из объединённых моделей Patent-Instruct. Она принимает текст и выдаёт текст, а максимальная длина контекста составляет 4096 токенов. Карточка не приводит оценок качества или подробных результатов тестирования, поэтому пригодность для конкретного патентного сценария следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

PIXIE-Rune-v1.5 — модель эмбеддингов на базе Sentence Transformers, разработанная компанией TelePIX Co., Ltd. Она предназначена для семантического поиска и информационного поиска, особенно на корейском и английском языках; модель также показывает хорошие результаты в аэрокосмической тематике и подходит для поиска по техническим документам и ответов на вопросы по ним. Архитектура включает XLM-RoBERTa, пулинг CLS-токена и нормализацию выходных векторов. Модель содержит 658,7 млн параметров, формирует эмбеддинги размерности 1024 и поддерживает контекст до 8194 токенов по метаданным; в README указана максимальная длина последовательности 6144 токена. Для сравнения текстов используется косинусное сходство. Модель обучена с дообучением на наборах данных информационного поиска на корейском и английском языках. Она может применяться для семантического поиска, извлечения релевантных документов и построения многоязычных систем поиска. Лицензия — Apache-2.0. Ограничения: основная оптимизация выполнена для корейского и английского языков, а качество на других языках и за пределами задач поиска в карточке не подтверждено. Для использования в поисковой системе требуется отдельный механизм индексации и ранжирования результатов.

A karsar által közzétett, Sentence Transformers formátumú, 124,3 млн параметртэй BERT-модель дообучена на hu_legal_dataset на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она преобразует венгерские юридические предложения и абзацы в плотные векторы размерности 384; сходство между текстами оценивается косинусной мерой. Модель подходит для семантического поиска и сравнения юридических текстов, поиска перефразирований, кластеризации и классификации. Архитектура использует mean pooling, формат весов — safetensors. В README указана максимальная длина последовательности 128 токенов, а метаданные указывают нативный контекст 512 токенов. Лицензия Apache-2.0. Модель рассчитана на венгерский язык и юридические документы; результаты для других языков и областей не подтверждены. Для входа и выхода за указанный предел последовательности потребуется учитывать усечение текста.

mpkato/chemu-biobert-ner — модель распознавания именованных сущностей в описаниях химических реакций и патентах. Она разработана на основе BioBERT-Base v1.2 и дообучена как BertForTokenClassification на корпусе ChEMU 2020 Task 1. Модель содержит 135,5 млн параметров, использует формат safetensors и обрабатывает последовательности длиной до 512 токенов. Модель размечает десять типов сущностей, связанных с этапами реакции, включая исходные вещества, реагенты и катализаторы, растворители, продукты, условия и выходы. На отложенной выборке ChEMU 2020 указана оценка exact-match micro-F1; для сравнения, общий результат выше baseline BANNER на 6,9 процентного пункта. Модель рассчитана на англоязычные химические патенты, особенно описания органического синтеза. Для длинных фрагментов текста требуется разбиение на части или chunking. Качество на других химических областях, включая материаловедение, неорганическую химию и иные наборы данных по катализу, не проверено. Для некоторых типов веществ точность ниже, чем для часто встречающихся типов; отмечены ошибки сегментации многословных названий и путаница между растворителями и реагентами. Лицензия CC BY-NC 3.0 ограничивает использование некоммерческими исследовательскими целями.

Карточка модели mergekit-community/mergekit-ties-kkhkcqw на Hugging Face совпадает с карточкой arcee-ai/Patent-Instruct-Internlm2-7B-Ties, поэтому описание составлено по ней. arcee-ai/Patent-Instruct-Internlm2-7B-Ties — объединённая языковая модель, созданная с помощью mergekit и метода TIES. В качестве основы использована NousResearch/Llama-2-7b-hf; в объединение также вошли arcee-ai/Patent-Instruct-7b и chargoddard/internlm2-7b-llama. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста, в том числе ответов в стиле инструкций и текстов по тематике патентов благодаря одной из объединённых моделей Patent-Instruct. Она принимает текст и выдаёт текст, а максимальная длина контекста составляет 4096 токенов. Карточка не приводит оценок качества или подробных результатов тестирования, поэтому пригодность для конкретного патентного сценария следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

arcee-ai/patent-evol-merge — объединённая языковая модель на архитектуре Llama, созданная методом task arithmetic с помощью mergekit на основе Llama-2-7B. В слияние вошли Patent-Instruct-7b, Orca-2-7b и Barcenas-Orca-2-7b. Модель содержит 6,6 млрд параметров, использует формат safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов, в том числе с инструкциями и патентной тематикой благодаря включённой Patent-Instruct модели. Карточка не описывает отдельные результаты оценки качества или более узкие гарантированные сценарии применения. Лицензия в предоставленных данных не указана.

Patent-Instruct-Pro — объединённая диалоговая модель семейства LLaMA, созданная Arcee AI с помощью mergekit на основе TencentARC/LLaMA-Pro-8B-Instruct и arcee-ai/Patent-Instruct-Extended. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы, в том числе для задач, связанных с патентами. Архитектура — плотная LlamaForCausalLM, размер — 8,2 млрд параметров, контекст — 4096 токенов; модель принимает и выдаёт текст. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает слияние моделей методом SLERP, но не приводит оценки качества, перечень поддерживаемых языков или подробные ограничения применения; специализацию на патентной тематике следует считать ориентиром, а не гарантией точности юридического анализа.