IV.11Патенты, товарные знаки и интеллектуальная собственность

polyBERT — химическая языковая модель, представленная К. Кюннетом и Р. Рамапрасадом для машинного анализа полимеров. Она принимает строки PSMILES и преобразует их в плотные векторы размерностью 600, представляющие химическую структуру полимеров; эти векторы можно использовать для поиска сходных структур и последующего анализа. Модель построена на архитектуре DeBERTa-v2, содержит 28,5 млн параметров и рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач полимерной информатики, включая извлечение признаков и сравнение структур по сходству. Для работы доступны PyTorch и интеграция с Sentence Transformers либо Transformers с соответствующей операцией pooling. Естественный язык интерфейса не заявлен: входом служат структурные записи PSMILES. Лицензия описана в отдельном файле LICENSE, но её условия в предоставленных данных не приведены.

polyBERT — химическая языковая модель для представления полимеров, описанная авторами Kuenneth и Ramprasad. Она преобразует строки PSMILES в плотные 600-мерные векторы, кодирующие химическую структуру полимеров, чтобы использовать их в задачах машинного анализа и поиска сходства. Модель построена на архитектуре DeBERTa v2, содержит 28,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для химической информатики полимеров: векторы можно применять для сравнения структур и извлечения признаков для последующего анализа. Карточка указывает на использование Sentence-Transformers или Transformers с подходящей операцией pooling. Модель опубликована в форматах PyTorch и Safetensors. В README указано, что условия использования описаны в файле LICENSE, но текст лицензии не предоставлен.

Карточка модели HAYDERphd/polyBERT на Hugging Face совпадает с карточкой cooperzvegintzov/polyBERT, поэтому описание составлено по ней. polyBERT — химическая языковая модель, представленная К. Кюннетом и Р. Рамапрасадом для машинного анализа полимеров. Она принимает строки PSMILES и преобразует их в плотные векторы размерностью 600, представляющие химическую структуру полимеров; эти векторы можно использовать для поиска сходных структур и последующего анализа. Модель построена на архитектуре DeBERTa-v2, содержит 28,5 млн параметров и рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач полимерной информатики, включая извлечение признаков и сравнение структур по сходству. Для работы доступны PyTorch и интеграция с Sentence Transformers либо Transformers с соответствующей операцией pooling. Естественный язык интерфейса не заявлен: входом служат структурные записи PSMILES. Лицензия описана в отдельном файле LICENSE, но её условия в предоставленных данных не приведены.

Fallovski/CrossencoderPharma — франкоязычный медицинский CrossEncoder, дообученный на базе doctolib-lab/doctobert-fr-base с помощью библиотеки sentence-transformers. Он принимает пару текстов и выдаёт оценку их соответствия, которую можно использовать для ранжирования результатов поиска и семантического поиска. Модель построена на RoBERTa для классификации последовательностей и выдаёт один числовой балл. Максимальная длина входной последовательности — 64 токена. По примерам обучающих данных модель ориентирована на сопоставление названий и описаний фармацевтических товаров и медицинских терминов; в README приведены метрики классификации на валидации, но они не гарантируют качество на других данных. Модель подходит для поиска и сравнения коротких текстов в медицинском и фармацевтическом контексте. Лицензия в предоставленных данных не указана.

IUPAC2SMILES-canonical-base — модель Knowladgator Engineering для преобразования химических названий IUPAC на английском языке в канонические строки SMILES. Она основана на MT5 и использует архитектуру encoder-decoder с механизмом внимания и разные токенизаторы для кодировщика и декодировщика. Веса занимают около 180 МБ; число параметров — 29,4 млн. Модель предназначена для перевода названий веществ в машинно-читаемое представление, в том числе при пакетной обработке и выборе стиля названия. В оценке авторов указаны точность 93,7% и BLEU-4 0,974. Модель хуже обрабатывает крупные молекулы и не поддерживает изомерные и изотопные варианты SMILES. Распространяется по лицензии Apache 2.0.

OpenMed-NER-PharmaDetect-BioClinical-108M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученная Bio_ClinicalBERT с архитектурой BERT для классификации токенов; она размечает упоминания химических веществ и препаратов тегами B-CHEM и I-CHEM. Модель обучена на BC5CDR_CHEM и принимает токенизированный текст, возвращая предсказания в формате BIO. По метаданным, размер модели составляет 135,5 млн параметров, максимальный контекст — 512 токенов; язык карточки — английский. Модель подходит для извлечения упоминаний препаратов из клинических записей и научных публикаций, мониторинга нежелательных явлений и подготовки данных для поиска лекарственных взаимодействий и исследований в области разработки лекарств. В README заявлены F1 0,96, точность 0,95 и полнота 0,96 на BC5CDR-Chem; эти показатели относятся к указанному набору данных. Лицензия — Apache-2.0.

Диалоговая языковая модель IzNrsydn, дообученная на базе IzNrsydn/legal-chatbot-llama3-finetuned. Она предназначена для генерации ответов в формате чата и может применяться как основа чат-бота по юридическим вопросам. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указаны английский язык, формат весов safetensors и обучение с использованием Unsloth и библиотеки TRL. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов юридической оценки или тестирования, поэтому надёжность ответов и пригодность для конкретных правовых юрисдикций по имеющимся сведениям определить нельзя.

1-bit Medical Embedding Model — медицинская и биомедицинская модель для построения текстовых эмбеддингов. Она создана на основе Microsoft BitNet b1.58 2B4T и адаптирована в двунаправленный энкодер предложений по рецепту LLM2Vec: базовые веса оставались замороженными, а для обучения использовались LoRA-адаптеры, затем объединённые с моделью. Модель содержит 2,4 млрд параметров; доступны ternary GGUF с квантизацией TQ1_0 размером около 1,1 ГБ и bf16-веса. Эмбеддинги имеют размерность 2560, а первые 768, 512, 256 или 128 измерений можно использовать как укороченные векторы. Поддерживается запуск на CPU через llama.cpp. Модель предназначена для поиска и сопоставления медицинских текстов: семантического поиска, извлечения релевантных публикаций, кластеризации и оценки сходства. Обучение проводилось на англоязычных данных PubMed, учебниках и парах вопросов с контекстами PubMedQA; для запросов рекомендуется инструкционный префикс, а для документов — без префикса. Внутренняя оценка на парах PubMed показала Recall@10 0,98 для GGUF, но модель обучалась лишь несколько тысяч шагов, не проверялась на внешних бенчмарках и слабее подходит для клинических записей. Ternary-экспорт уступает bf16-версии примерно пятью пунктами Recall@1. Модель не предназначена для принятия клинических решений. Лицензия — MIT.

IUPAC2SMILES-canonical-small — компактная модель Knowledgator Engineering для преобразования названий химических веществ по номенклатуре IUPAC в канонические строки SMILES. Она основана на MT5 и использует архитектуру энкодер-декодер с механизмом внимания и раздельными токенизаторами для входной и выходной частей. Модель обрабатывает английские названия IUPAC и выдаёт SMILES; для задания стиля названия предусмотрены специальные токены. Модель подходит для преобразования химических названий в машинно-читаемое представление в химических конвертерах и пакетной обработке. В README указаны точность 88,9% и BLEU-4 0,966. Размер модели по метаданным — 3,7 млн параметров; веса доступны в формате safetensors. Лицензия — Apache License 2.0. Ограничения: точность снижается при обработке крупных молекул; модель не поддерживает изомерные и изотопные варианты SMILES.

Romulus-cpt-Llama-3.1-8B-v0.1 — модель Louis Brulé Naudet, полученная непрерывным предобучением Meta-Llama-3.1-8B-Instruct на корпусе французского права объёмом около 34,9 млн токенов. Это плотная Llama-модель с 7,5 млрд параметров, рассчитанная на генерацию текста; базовая модель поддерживает контекст до 131 072 токенов. Модель предназначена прежде всего как основа для последующего дообучения на размеченных данных по французскому праву. В текущем виде она не выровнена для создания пригодного к использованию текста, поэтому для прикладных задач ей потребуется дополнительное дообучение под целевой сценарий. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Llama 3.

Romulus-cpt-Llama-3.1-8B-v0.1-Instruct — модель Louis Brulé Naudet для продолжительного предварительного обучения на французских юридических текстах. Она основана на Meta-Llama-3.1-8B-Instruct и предназначена прежде всего как отправная точка для последующего дообучения на размеченных данных для задач французского права. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат Safetensors; родной контекст составляет 131 072 токена. Обучающий корпус включает около 34,9 млн токенов. Несмотря на имя с суффиксом Instruct, автор предупреждает, что модель не выровнена для генерации пригодного к использованию текста и требует дополнительной настройки для целевых задач. Репозиторий указывает лицензию Llama 3.1. Модель подходит для экспериментов и подготовки специализированных юридических ассистентов на французском языке, но качество ответов для конкретного сценария зависит от последующего дообучения.

Trendyol разработала эту модель для поиска визуально похожих изображений товаров и извлечения признаков в электронной коммерции. Это дообученная DinoV2 ViT-B/14 с ArcFace loss: замороженная базовая сеть и линейная проекционная голова формируют L2-нормированные эмбеддинги размерностью 256. Модель принимает изображения, предварительно обработанные до 224×224 пикселей по описанному в карточке конвейеру, включая масштабирование, дополнение до квадрата и нормализацию ImageNet. Модель предназначена для поиска товаров по изображению, рекомендаций на основе визуального сходства, выявления дубликатов и извлечения признаков для поиска по каталогу товаров. Для воспроизводимых результатов следует применять указанную предобработку. Модель оптимизирована для изображений товаров и может хуже работать в других визуальных областях. Распространяется по лицензии CC BY-SA 4.0.

OpenMed/OpenMed-ZeroShot-NER-Pharma-Small-166M — специализированная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на наборе BC5CDR-Chem; размер 166 млн параметров в названии репозитория. Основная метка сущности — CHE, охватывающая химические соединения и лекарственные вещества. Модель предназначена для извлечения упоминаний препаратов и других химических соединений из научных аннотаций и медицинских текстов. Результаты можно использовать для фармаконадзора, поиска нежелательных реакций и последующего извлечения связей «химическое вещество — заболевание». В README заявлена возможность задавать пользовательские типы сущностей без повторного обучения, однако основная специализация модели — химические сущности BC5CDR-Chem; для редких типов может потребоваться настройка порога. Модель принимает текст и выдаёт разметку сущностей. В README приведён показатель F1 0,86 на тестовой выборке BC5CDR-Chem, исключённой из обучения. Карточка указывает английский язык и лицензию Apache-2.0. Результаты зависят от предметной области и заданных меток; широкие заявления README о распознавании любых медицинских сущностей не подтверждены приведённой специализацией и оценкой.

STM — биомедицинская модель плотного поиска на базе Mistral-7B-Instruct-v0.2, разработанная для извлечения релевантных текстов в биомедицинских коллекциях. Веса четырёх специализированных экспертов объединены методом TIES; репозиторий использует архитектуру Mistral и библиотеку sentence-transformers. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель предназначена для поиска и сопоставления предложений и документов по смыслу, в частности для биомедицинского retrieval. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Метаданные также указывают поддержку извлечения признаков и эмбеддингов.

TinySapBERT — компактная модель представлений биомедицинских сущностей от dmis-lab. Её обучили по схеме SapBERT на основе TinyPubMedBERT, используя официальный код и инструкции SapBERT. TinyPubMedBERT, в свою очередь, является дистиллированной версией PubMedBERT. Модель предназначена для получения векторных представлений биомедицинских текстов и сущностей, например для сопоставления упоминаний с терминами и поиска близких понятий. Это модель семейства BERT с 15,6 млн параметров и контекстом до 512 токенов; репозиторий содержит веса PyTorch. Карточка связывает её с биомедицинским распознаванием сущностей и системой KAZU, но не сообщает отдельных метрик качества или условий лицензии.

Это модель ALBERT, обученная с нуля методом masked language modeling на примерно 2,8 млн реакций USPTO в формате SMILES. Её разработчик подготовил её для attention-guided atom mapping с RXNMapper v2: сигнал сопоставления атомов формируется без целевой разметки в одной из голов внимания. Рекомендуемый чекпойнт — checkpoint-1360000; для сопоставления README советует использовать голову 3 слоя 10. Модель содержит около 8 млн параметров, принимает последовательности SMILES и имеет контекстное окно 512 токенов. В репозитории также размещены промежуточные чекпойнты обучения и общий токенизатор с 591 токеном. Помимо atom mapping, чекпойнты можно применять для дообучения и извлечения признаков. Модель распространяется по лицензии MIT.

SapBERT-XLMR — многоязычная биомедицинская модель для получения векторных представлений названий сущностей. Её разработали в Cambridge Language Technology Lab; модель обучена на данных UMLS 2020AB и основана на XLM-RoBERTa. Для представления входной строки рекомендуется использовать вектор токена [CLS]. Модель предназначена для извлечения эмбеддингов медицинских и биомедицинских терминов, в том числе для сопоставления названий сущностей между языками. Она содержит 305,2 млн параметров, принимает текст и выдаёт векторные представления; контекстное окно составляет 514 токенов. В карточке указана поддержка нескольких языков, но конкретный перечень не приведён. Модель подходит для семантического поиска и сопоставления терминов UMLS. Карточка не описывает ограничения точности или клиническую валидацию; результаты не следует трактовать как медицинские рекомендации. Лицензия в предоставленных данных не указана.

ether0 — специализированная языковая модель FutureHouse на 23,4 млрд параметров, созданная дообучением и обучением с подкреплением модели Mistral-Small-24B-Instruct-2501. Она принимает вопросы на английском языке, в том числе с молекулами в формате SMILES, рассуждает на естественном языке и выдаёт молекулярные структуры SMILES. Контекст модели — 32 768 токенов; репозиторий содержит веса safetensors. Модель предназначена для задач химического рассуждения, где ответом служит молекула, включая предсказание продуктов реакций, описание молекул и прогнозирование их классификации по GHS. Это не универсальный чат-бот. Лучше подавать структуры в SMILES: поддержка названий IUPAC ограничена, а обычные названия молекул могут приводить к ошибочной интерпретации. У модели также слабые общие знания по химии и учебным материалам. По карточке, она обучена отказывать в запросах о ряде опасных соединений и вредоносных темах. Лицензия — Apache 2.0.

SciCore-Mol — исследовательская система на основе языковой модели, разработанная авторами из Пекинского университета, Университета Цинхуа и Нанкинского университета для работы с молекулярными данными и химическими задачами. В карточке Hugging Face представлена плотная модель Qwen3ForCausalLM на 7,6 млрд параметров с контекстом 40 960 токенов; в README описана архитектура с подключаемыми модулями: GVP-энкодером молекулярных структур, диффузионным генератором и Reaction Transformer для реакционных данных. Модули вызываются специальными токенами и объединяются со скрытыми состояниями LLM. Модель предназначена для генерации ответов в диалоговом формате и специализированных сценариев химии: предсказания продуктов реакций и выхода, ретросинтетического анализа, описания молекул, решения молекулярных задач и оценки ADMET при оптимизации лекарств. В README также перечислены проверки на химических подмножествах MMLU и наборах ChemBench4K, ORD и SMolInstruct. Метаданные указывают английский и китайский языки, формат весов Safetensors и лицензию Apache-2.0. Полная подготовка системы требует CUDA 12.1 и рекомендуется на восьми GPU A800/A100 с 80 ГБ памяти; это требование относится к обучению, а не обязательно к запуску готового чекпойнта.

OmniChem-7B-v1 — специализированная языковая модель для химии, разработанная командой OmniChem. Это причинная трансформерная модель с архитектурой Qwen2, обученная на базе Qwen2.5-7B-Instruct: авторы продолжили предварительное обучение на специализированном корпусе объёмом 5 млрд токенов, а затем дообучили модель на парах вопросов и ответов и примерах рассуждений. В репозитории доступны веса Safetensors; модель содержит 7,1 млрд параметров и принимает текстовые инструкции, выдавая текстовые ответы. Модель предназначена для химических исследовательских задач, включая планирование синтеза, анализ и оптимизацию физико-химических свойств и фот физических свойств веществ. Авторы заявляют, что обучение на физических ограничениях и структурированных рассуждениях помогает снижать фактические ошибки. Метаданные указывают контекст до 32 768 токенов; README описывает расширение до 128 000 токенов с YaRN при соответствующей настройке. Модель совместима с Transformers версии 4.40.0 и выше. Лицензия CC BY-NC-SA 4.0 разрешает использование на указанных условиях, включая ограничения на коммерческое применение.

NPComposer — условная модель генерации природных продуктов, созданная дообучением GP-MoLFormer-Uniq на базе данных COCONUT, содержащей более 700 000 экспериментально подтверждённых природных соединений. Это авторегрессионный трансформер MolFormer с 51,5 млн параметров и контекстом 202 токена; модель работает со строковым представлением молекул SMILES и формирует текстовую последовательность молекулы. Генерацию можно направлять специальными токенами с указанием биосинтетического пути, надкласса природного продукта, наличия гликозида, числа ароматических колец, QED-показателя лекарственноподобия и оценки синтетической доступности. Это позволяет исследовать варианты молекул с заданными свойствами и структурными характеристиками. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества и подробности ограничений, поэтому пригодность сгенерированных соединений требует отдельной проверки.

ChemFM-1B — языковая модель для химии, созданная авторами ChemFM и размещённая в каталоге Aurigene AI как зеркало upstream-модели ChemFM/ChemFM-1B. Она предназначена для генерации молекул и может дообучаться для предсказания свойств и решения задач реакционной химии. Модель содержит 969,5 млн параметров, построена на плотной архитектуре Llama и принимает текстовые входы, включая представления молекул SMILES. Обучающие данные связаны с набором UniChem; максимальная длина контекста — 512 токенов. Модель ориентирована на этапы генерации кандидатов и оптимизации лидов в поиске лекарств. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Указана лицензия MIT. README отсылает к исходной карточке за полными сведениями об обучении и цитировании, поэтому конкретные метрики качества и проверенные режимы применения здесь не приведены.

Molexar-1-10M-PT — базовая предварительно обученная модель семейства Molexar от авторов проекта Molexar. Это плотная авторегрессионная языковая модель для молекулярных последовательностей Fragment-SELFIES; декодер построен по схеме Gemma2 с RoPE, grouped-query attention, чередованием слоёв скользящего и полного внимания и logit softcapping. Модель содержит около 10,5 млн параметров, использует контекст до 256 токенов и распространяется в формате PyTorch по лицензии MIT. Модель предназначена для безусловной генерации молекул и продолжения последовательности с заданного фрагмента, включая раннюю генерацию идей для дизайна лекарств. Она предобучена на корпусе молекулярных строк, полученных из UniChem с дополнительным охватом лигандов обучающих наборов SAIR и PLINDER. В опубликованной оценке авторов валидность сгенерированных молекул составила 100%, однако это не подтверждает их биологическую активность, безопасность или синтетическую доступность. Базовая версия не обучена следовать условиям по свойствам, фармакофорам, белковым последовательностям или карманам; для таких сценариев авторы рекомендуют Molexar-1-10M-IT. Модель выдаёт молекулярные строки, не управляет стереохимией и явным 3D-представлением, а токенизатор не содержит токен йода [I]. Результаты требуют химической проверки и экспериментальной валидации.

REXzyme — разработанная AI4PD модель на архитектуре Efficient T5 для преобразования химических реакций в аминокислотные последовательности ферментов. На вход подаётся реакция в каноническом формате SMILES, а модель авторегрессионно генерирует последовательность белка. В README описано обучение на реакциях и парах «реакция — фермент» из базы RHEA; метаданные указывают архитектуру T5, 385,2 млн параметров, контекст 512 токенов и формат PyTorch. Модель предназначена для генерации кандидатов в ферменты, способные катализировать заданные реакции, включая исследование новых вариантов ферментов. Авторы отмечают, что способность генерировать ферменты для реакций, не встречавшихся в природе и обучающих данных, ещё не проверена в достаточной степени; разработка и экспериментальная проверка продолжаются. Модель опубликована под лицензией Apache-2.0.

ZymCTRL (Enzyme Control) — условная языковая модель для генерации искусственных ферментов, разработанная группой AI for Protein Design Центра геномной регуляции. По заданному номеру ферментативной комиссии EC модель генерирует последовательность белка, предназначенную для соответствующей каталитической реакции. Её обучили на более чем 37 млн последовательностей ферментов из UniProt с аннотациями EC; при обучении номера EC помещались перед последовательностями, чтобы модель связывала классы ферментов с их последовательностями. Модель использует авторегрессионную архитектуру декодера на основе CTRL Transformer, реализованную как GPT2LMHeadModel: 36 слоёв, размерность 1280 и 738 млн параметров. Контекст составляет 1024 токена. Модель предназначена для генерации последовательностей по классам EC, в том числе в режиме zero-shot; README также описывает дообучение на пользовательском наборе последовательностей. Авторы сообщают, что сгенерированные последовательности имеют упорядоченную глобулярную структуру и могут отличаться от природных последовательностей при соответствии заданной каталитической функции. Для использования требуется работать с последовательностями белков и номерами EC; модель не является экспериментальной проверкой ферментативной активности. Репозиторий распространяется по лицензии Apache-2.0.

CloneLM-Heavy — авторегрессионная языковая модель семейства Mistral, разработанная авторами проекта CloneBO для генерации последовательностей тяжёлых цепей антител. Её обучали на клонических семействах антител, чтобы моделировать эволюцию последовательностей и предлагать варианты с мутациями, пригодные для дальнейшей оптимизации антител. Модель содержит 377,5 млн параметров и имеет контекст 2048 токенов; в метаданных указаны Transformers и формат safetensors. Её используют в вычислительном дизайне и оптимизации антител, в том числе в составе CloneBO, где генерацию направляют экспериментальными измерениями и процедурой twisted sequential Monte Carlo. Это специализированная модель для белковых последовательностей, а не универсальный чат-ассистент. Описание проекта сообщает об улучшении эффективности оптимизации и получении более сильных и стабильных связывателей в лабораторных экспериментах. Лицензия весов в доступных источниках не установлена.

Intern-S1-mini context-conditioned molecule transfer V10.4 — BBB Martins — это дообученная модель jiosephlee на базе jiosephlee/Intern-S1-mini-lm для переноса свойств молекул с учётом контекста биологического анализа. Она предназначена для ранжирования молекул-кандидатов по сходству с заданным контекстом, связанным с проницаемостью гематоэнцефалического барьера (BBB) и набором Martins. Модель основана на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Репозиторий содержит чекпойнт Transformers в формате safetensors. При обучении использовались 10 эпох с ограничением в 350 шагов и мягкая целевая функция; обучение остановили на шаге 207 после выхода валидационных показателей на плато, а чекпойнт выбрали по метрике knn_binary_macro_f1_at_5. В README приведены результаты на тестовом наборе: Macro-F1@5 0,6732 и NDCG@5 0,7365. Модель рассчитана на специализированные задачи переноса молекулярных свойств и поиска кандидатов в контексте BBB Martins, а не на универсальный диалог. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результаты оценки относятся к описанному набору и метрикам; другие области применения ими не подтверждены.

MIST-1.8B-kayun6v3-gap — вариант модели семейства MIST, разработанный Electrochemical Energy Group Мичиганского университета. Это энкодер RoBERTa-PreLayerNorm с 24 слоями, размером скрытого состояния 1536, 24 головами внимания и максимальной длиной последовательности 2048 токенов, дополненный двухслойной MLP-головой для регрессии. Модель дообучена на наборе QM9 из MoleculeNet для предсказания HOMO–LUMO-зазора молекул. На вход подаются SMILES-строки, обычно в кекулизованной форме; на выходе — численная оценка зазора в Hartree. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей masked language modeling. Модель подходит для вычислительного скрининга молекул и изучения их электронных свойств. Репозиторий содержит веса Safetensors и заявляет лицензию Apache 2.0, однако README ограничивает использование исследовательскими целями, запрещает коммерческое использование без отдельного соглашения и перераспространение без разрешения.

PolyTAO — предварительно обученная генеративная языковая модель для проектирования полимеров. Репозиторий hkqiu содержит версию модели на архитектуре T5 с 123,8 млн параметров; она принимает текстовую последовательность из 15 числовых характеристик полимера и генерирует текстовое представление полимера по заданным свойствам. Характеристики описывают молекулярную массу, число атомов и различные типы колец, доноров и акцепторов водородных связей, а также другие структурные свойства. Модель предназначена для генерации кандидатов полимеров с заданными характеристиками в задачах химического дизайна и исследования материалов. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0. В карточке не приведены сведения о поддерживаемых естественных языках.

Карточка модели Sieddi/Octen-Embedding-8B на Hugging Face совпадает с карточкой Octen/Octen-Embedding-8B, поэтому описание составлено по ней. Octen-Embedding-8B — текстовая модель эмбеддингов, разработанная Octen и дообученная методом LoRA на базе Qwen/Qwen3-Embedding-8B. Она предназначена для семантического поиска и извлечения документов, сравнения текстов, кластеризации и создания векторных представлений для последующей классификации или ответов на вопросы. Модель построена на архитектуре Qwen3, содержит 7,6 млрд параметров, формирует эмбеддинги размерностью 4096 и поддерживает контекст до 40 960 токенов. Модель заявлена как мультиязычная, с поддержкой более 100 языков, включая английский и китайский; также заявлены межъязыковой поиск и поиск по коду. В README указаны специализации для юридических, финансовых, медицинских и программных материалов, а также первое место в RTEB по состоянию на 12 января 2026 года. Для документов без префикса README рекомендует добавлять в начало «- » из-за известной проблемы в upstream-модели. Качество может различаться по языкам и областям, документы длиннее контекста требуют усечения; генерация текста не является назначением модели. Лицензия — Apache 2.0.