IV.4Клиническая медицина и общественное здоровье

Bio-Saul-Dolphin-Beagle-Breadcrumbs — слитая диалоговая языковая модель, созданная с помощью mergekit на основе mlabonne/NeuralBeagle14-7B и моделей BioMistral, Saul-Instruct и Dolphin. Она предназначена для генерации текста в диалоге и может применяться для ответов на вопросы, в том числе по биомедицинским и юридическим темам, а также для общих инструкций. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса сохранены в формате safetensors. Слияние выполнено методом breadcrumbs; в конфигурации указаны точность float16 и плотность 0,9. Модель принимает текст и генерирует текст. Лицензия — MIT. Документация не содержит результатов оценивания качества, поэтому надёжность ответов, особенно в медицинских и юридических сценариях, следует проверять.

Карточка модели EdgeAIMed/EdgeAIMed-NER-ChemicalDetect-BigMed-278M на Hugging Face совпадает с карточкой OpenMed/OpenMed-NER-ChemicalDetect-BigMed-278M, поэтому описание составлено по ней. OpenMed-NER-ChemicalDetect-BigMed-278M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и 305,2 млн параметров. Модель принимает токенизированный текст и возвращает BIO-разметку: B-CHEM и I-CHEM. Контекст — до 514 токенов. Модель предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических текстов и медицинских документов. Её можно применять для поиска упоминаний лекарств, анализа литературы и построения биомедицинских баз знаний. В README заявлены обучение на BC4CHEMD и F1 0,94, однако приведённые показатели не сопровождаются описанием методики оценки. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

NorskHelsenett разработала эту модель на базе Google EmbeddingGemma 300M, дообучив её на наборе норвежских триплетов для поиска по текстам о здоровье и медицинских услугах. Sentence Transformer преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов оценивается косинусным сходством. Модель принимает последовательности длиной до 2048 токенов и подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Модель предназначена прежде всего для норвежского языка и может применяться для поиска релевантной информации в медицинских и административных текстах, например в материалах о диагнозах, услугах и возмещении расходов. README приводит результаты оценки на тестах поиска и сходства, но они не гарантируют качество для других наборов данных и языков. Распространяется на условиях Gemma Terms of Use и Gemma Prohibited Use Policy; формат весов — Safetensors.

MedEmbed Biomedical MRL — англоязычная модель Sentence Transformer на базе BERT, дообученная для семантического поиска по биомедицинским текстам. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; для сравнения используется косинусное сходство. Модель обучена на 4 012 парах запросов и релевантных текстов с функцией потерь MultipleNegativesRankingLoss. Модель подходит для семантического поиска и сопоставления биомедицинских вопросов с текстами, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Максимальная длина входа — 512 токенов. В README приведены результаты оценки на наборе medembed-small, однако они не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

EMBO разработала SODA-VEC — модель эмбеддингов для биомедицинских и научных текстов, обученную с функцией потерь VICReg Our. Это дообученная ModernBERT-base с 149 млн параметров, mean pooling и L2-нормализацией: она преобразует текст в векторы размерности 768. Модель рассчитана на английский язык и контекст до 8192 токенов. Модель предназначена для семантического поиска и оценки сходства текстов в биомедицине и науках о жизни. При обучении использовались 26,5 млн пар заголовков и аннотаций из PubMed Central; среди описанных сценариев оценки — поиск публикаций и различение тематически близких и несвязанных статей. Лицензия — Apache-2.0. Модель оптимизирована для заголовков и аннотаций, поэтому длинные документы может потребоваться разбивать на фрагменты. На текстах общего назначения её качество может быть ниже; она наследует смещения корпуса PubMed Central.

NeuML/biomedbert-hash-nano-embeddings — компактная модель эмбеддингов NeuML, дообученная с помощью Sentence Transformers на основе NeuML/biomedbert-hash-nano. Она преобразует предложения и абзацы в плотные векторы размерностью 128 для семантического поиска, кластеризации и использования в RAG. Модель ориентирована на медицинскую литературу: при обучении применялись пары заголовков и аннотаций PubMed, а также дистиллированные оценки моделей для медицинских текстов. Архитектура относится к семейству BERT Hash; число параметров по метаданным — 4,4 млн, контекст — до 512 токенов. Поддерживается английский язык. Модель рассчитана на компактные базы эмбеддингов и сценарии с ограниченными вычислительными ресурсами; небольшая размерность векторов снижает требования к хранению. Лицензия — Apache-2.0. В README приведено сравнение качества на задачах с данными PubMed, однако результаты конкретно этой модели в предоставленном фрагменте таблицы отсутствуют.

OpenMed/OpenMed-NER-ChemicalDetect-SuperMedical-125M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученная RoBERTa-base с архитектурой RobertaForTokenClassification; модель содержит 151,8 млн параметров и принимает токенизированный текст. Она присваивает токенам BIO-метки B-CHEM и I-CHEM, выделяя названия химических соединений и веществ. Указанный размер контекста — 514 токенов. Модель предназначена для извлечения химических упоминаний из научных публикаций, медицинских записей и других биомедицинских документов, в том числе для анализа лекарств, мониторинга нежелательных явлений и поиска сведений для разработки лекарств. README сообщает о метриках F1 0,94, precision 0,93, recall 0,94 и accuracy 0,99 на BC4CHEMD, однако подробности валидации не приведены. Карточка указывает лицензию Apache-2.0.

BGE-M3 Medical Vietnamese Dense Embedding — модель плотных текстовых эмбеддингов, созданная разработчиком nqd-301125 путём дообучения BAAI/bge-m3 на медицинских данных. Она предназначена для семантического поиска и подбора релевантных медицинских текстов на вьетнамском языке. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Итоговые веса объединяют выбранный вручную LoRA-адаптер с базовой моделью; артефакт загружается через SentenceTransformers и сохранён в формате safetensors. Модель подходит для поиска медицинской информации по смыслу и оценки сходства предложений. В карточке описана настройка именно плотного поиска, а не разреженных или многовекторных компонентов BGE-M3. Это не система медицинской диагностики; результаты следует проверять перед клиническим или иным критически важным использованием. Внутренняя оценка не заменяет внешние тесты, а данные могут не охватывать все медицинские области и реальные запросы на вьетнамском языке. Лицензия — Apache-2.0.

Llama3-merge-biomed-8b — экспериментальное объединение моделей, созданное автором репозитория методом DARE-TIES с помощью mergekit. В основу объединения вошли meta-llama/Meta-Llama-3-8B-Instruct, NousResearch/Hermes-2-Pro-Llama-3-8B и aaditya/Llama3-OpenBioLLM-8B; карточка указывает 7,5 млрд параметров, архитектуру Llama и контекст 8192 токена. Модель предназначена для генерации текста и диалоговых ответов, сочетая общие языковые навыки с биомедицинскими знаниями. Автор приводит результаты бенчмарков, включая задачи по биологии и медицине, ARC Challenge, Winogrande и Hellaswag, и рекомендует использовать шаблон запросов Llama 3. Языки в данных модели не перечислены явно. Модель распространяется в формате Safetensors по лицензии Llama 3. Результаты бенчмарков не гарантируют точность медицинских ответов; перед применением в клинических или иных ответственных сценариях выводы следует проверять.

MedEmbed Biomedical MRL — англоязычная модель Sentence Transformers на базе BERT, опубликованная пользователем potsu-potsu. Она преобразует предложения и абзацы в плотные эмбеддинги размерностью 768, нормализованные для сравнения по косинусному сходству. Модель обучена на 4 012 парах запросов и положительных ответов из биомедицинских текстов; поддерживает укорочение вектора до 512, 256, 128 или 64 измерений благодаря Matryoshka-обучению. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и ранжирования биомедицинских текстов, оценки сходства формулировок, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. В карточке приведены результаты оценки информационного поиска при разных размерностях вектора. Лицензия Apache-2.0. Результаты и обучение описаны для английского языка; качество на других языках не подтверждено.

OpenMed-PII-SnowflakeMed-Large-568M-v1 — модель OpenMed для выявления и классификации персональных и медицинских идентификаторов в тексте. Это дообученная модель токенной классификации на архитектуре XLM-RoBERTa, основанная на Snowflake/snowflake-arctic-embed-l-v2.0. В метаданных указано 658,7 млн параметров и контекст до 8194 токенов; модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель предназначена для поиска 54 типов чувствительных данных, включая имена, адреса, номера медицинских записей, финансовые идентификаторы и контактные данные. Её можно применять для предварительной деидентификации клинических заметок и документов, подготовки наборов данных к исследованиям и аудита текстовых коллекций. В README приведён результат micro F1 0,9594 на тестовой выборке NVIDIA Nemotron-PII. Модель ориентирована прежде всего на английский текст. Возможны пропуски чувствительных данных, а качество зависит от категории и контекста; README рекомендует использовать её как вспомогательный инструмент с проверкой результатов человеком. Лицензия — Apache-2.0.

Palmyra-Med-70B-32K — языковая модель Writer для медицинских и биомедицинских задач. Это плотная causal language model семейства Llama с 69,5 млрд параметров, дообученная на медицинских данных и инструкциях с применением Direct Preference Optimization. Модель принимает и генерирует текст, поддерживает диалоговый формат и контекст до 32 768 токенов; заявленный язык — английский. Модель предназначена для исследовательских и некоммерческих сценариев в здравоохранении и науках о жизни: анализа и краткого изложения клинических записей, извлечения медицинских сущностей, поиска сведений в биомедицинских текстах и поддержки исследований. В карточке сообщается о результатах на биомедицинских тестах, но также отмечается, что модель не проходила достаточную оценку в клинических испытаниях или реальной медицинской практике. Модель может допускать ошибки и смещения. Её не следует использовать для непосредственного ухода за пациентами, принятия клинических решений или как замену профессиональному медицинскому суждению. Лицензия обозначена как Writer Open Model License; карточка ограничивает применение некоммерческим использованием и исследованиями, а также требует соблюдать лицензию и Acceptable Use Policy.

google/pegasus-pubmed — модель семейства PEGASUS, разработанная авторами Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu и поддерживаемая в карточке @sshlei​​fer. Она предназначена для абстрактивного суммирования текста, в частности научных публикаций из области биомедицины. Архитектура — PegasusForConditionalGeneration с 366,8 млн параметров; модель работает с текстом и имеет контекст длиной до 1024 токенов. Вариант основан на подходе PEGASUS с предварительным обучением на пропущенных предложениях; в описании семейства указаны обучающие данные C4 и HugeNews и смешивание сэмплирования пропусков. Подходит для создания кратких пересказов длинных текстов и научных статей. Поддерживаемый язык по метаданным — английский. Лицензия в предоставленных данных не указана.

aleynahukmet/bge-medical-small-en-v1.5 — англоязычная модель эмбеддингов для семантического поиска медицинской информации. Разработчик дообучил BAAI/bge-small-en-v1.5 из библиотеки SentenceTransformers на наборах медицинских вопросов и ответов, включая MedQuad и Medical Meadow. Модель построена на архитектуре BERT, содержит около 40 млн параметров и принимает текстовые запросы; максимальная длина контекста — 512 токенов. Модель предназначена для представления медицинских запросов и текстов в виде векторов, чтобы находить семантически близкие материалы в системах поиска и ответов на вопросы. В README сообщается о результате около 0,887 на тестовом наборе, оценённом Translation Evaluator, однако подробности протокола оценки не приведены. Модель выдаёт признаки или эмбеддинги, а не готовые медицинские ответы. Лицензия в предоставленных данных не указана.

monologg/biobert_v1.1_pubmed — языковая модель на архитектуре BERT, опубликованная monologg на Hugging Face. Это BioBERT, предварительно обученная на биомедицинских текстах PubMed; её назначение — извлечение и анализ информации из научных и медицинских текстов. Репозиторий предоставляет модель для заполнения пропусков в тексте (fill-mask), с 135,5 млн параметров и контекстом до 512 токенов. Модель работает с текстом и подходит как языковая основа для биомедицинских задач, например распознавания сущностей, извлечения отношений и ответов на вопросы после соответствующей настройки. Карточка указывает Transformers и варианты весов PyTorch, JAX и safetensors. Лицензия в предоставленных сведениях не установлена; базовая BioBERT опубликована исследовательской группой DMIS-Lab.

nyamuda/extractive-summarization — модель T5-small, дообученная на датасете PubMed для суммаризации научных и медицинских текстов. Она предназначена для создания кратких изложений исследовательских статей, научных публикаций и технических аннотаций, помогая быстро выделять основное содержание для учёбы и исследований. В карточке заявлена экстрактивная суммаризация: итоговое изложение составляется из ключевых предложений исходного текста. Архитектура — T5 с 38,5 млн параметров; максимальный контекст — 512 токенов. Указаны английский язык и лицензия MIT. Компактный размер подходит для локального применения, однако небольшой контекст ограничивает обработку длинных документов: их может потребоваться разбивать на фрагменты. Модель ориентирована на научные и биомедицинские тексты; качество на других жанрах и языках не подтверждено.

gemma4-4b-sci — научно-ориентированная диалоговая модель, разработанная Michele Banfi на базе Gemma 4 E4B Instruct от Unsloth. Она дообучена методом QLoRA с SFT на 30 тысячах примеров из OpenSciLM/OS_Train_Data и SciRIFF; обучение длилось одну эпоху, а визуальный энкодер базовой модели оставлен замороженным. Модель предназначена для генерации ответов на научные вопросы и работы со сценариями оценки научных утверждений и медицинских исследований. Это генеративная модель без встроенного поиска или системы извлечения источников, поэтому ей нужно отдельно передавать контекст статей, если ответы должны опираться на конкретные публикации. В README приведены предварительные результаты ScholarQABench по SciFact, PubMedQA и QASA. Карточка описывает ранний исследовательский эксперимент и предупреждает о галлюцинациях и фактических ошибках. Указана лицензия Gemma Terms of Use. Метаданные отмечают англоязычную карточку, поддержку чата и форматы GGUF и Safetensors; модель основана на архитектуре Gemma 4.

shanchen/llama3-8B-slerp-med-262k — объединённая с помощью LazyMergekit модель на архитектуре Llama 3, созданная на основе Gradient Llama 3 8B Instruct 262k и медицинской JSL-MedLlama-3-8B-v1.0. Веса объединены методом SLERP; модель содержит 7,5 млрд параметров и рассчитана на контекст до 262 144 токенов. Модель предназначена для генерации текста и диалогового взаимодействия, сочетая инструктивную основу с медицинской специализацией второй модели. Может применяться для ответов на медицинские вопросы и работы с длинными текстами, однако карточка не приводит оценок качества или подробностей о медицинских сценариях. Поддерживаемый язык по метаданным — китайский. Модель распространяется в формате safetensors по лицензии Llama 3. Как и другие языковые модели, она может выдавать неточные сведения; медицинские ответы требуют проверки специалистом.

ccdv/lsg-bart-base-16384-pubmed — модель семейства BART, дообученная авторами репозитория на датасете PubMed из набора scientific_papers для суммаризации научных публикаций. Она использует механизм Local-Sparse-Global attention и рассчитана на входные последовательности длиной до 16 384 токенов; в README приведены результаты на тестовой выборке PubMed. Метаданные указывают 95,2 млн параметров, тогда как README сообщает примерно о 145 млн параметров, поэтому размер модели в источниках расходится. Модель принимает текст статьи и генерирует текстовое резюме. README указывает на дообучение в течение одной эпохи и требует Transformers версии не ниже 4.36.1 и загрузки пользовательского кода модели с параметром trust_remote_code=True. Лицензия в предоставленных данных не указана.

OpenMed-PII-EuroMed-Large-210M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и других чувствительных данных в тексте. Это дообученный энкодер EuroBERT-210m с архитектурой EuroBertForTokenClassification и 211,7 млн параметров; модель размечает токены по типам сущностей, охватывая 54 категории, включая имена, адреса, контактные данные, идентификаторы и медицинские сведения. Контекст — до 8192 токенов. Модель предназначена для поиска и удаления персональных данных в клинических записях и документах, предварительной очистки наборов данных и аудита текстовых коллекций. В README приведены результаты на тестовой выборке NVIDIA Nemotron-PII: micro F1 0,960, точность 0,9681 и полнота 0,9521. Авторы указывают, что система служит вспомогательным инструментом: пропуски возможны, качество зависит от предметной области, а для критичных случаев нужна проверка человеком. Основной язык обучения — английский. Лицензия — Apache-2.0.

NorskHelsenett разработала SPLADE-v1 — разреженный поисковый энкодер на базе multilingual BERT с архитектурой BertForMaskedLM и 194,6 млн параметров. Модель преобразует норвежский текст в разреженные векторы по словарю: взвешивает исходные термины и добавляет связанные слова, чтобы находить документы, даже когда пользователь формулирует запрос иначе, чем авторы источника. Контекст ограничен 512 токенами; модель работает через sentence-transformers и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для первичного поиска документов и гибридного поиска в материалах о здравоохранении, социальном обеспечении и вспомогательных технологиях на норвежском букмоле. Векторы можно индексировать как взвешенные термины в Elasticsearch или OpenSearch и использовать совместно с плотным поиском и переранжировщиком. Обучение включало дистилляцию от более сильной ранжирующей модели и регуляризацию разреженности; оценка проводилась на норвежских вопросах с размеченными источниками. Модель лучше подходит для поиска на уровне документов и дополнения гибридной системы, чем для самостоятельного ранжирования коротких фрагментов. Она настроена на норвежский букмол и указанные предметные области, поэтому перенос на другие языки и домены может быть слабым; длинные документы следует разбивать на части до 512 токенов.

Chung-Fan/bart-pubmed-20k — англоязычная модель BART, дообученная на базе facebook/bart-large-cnn. Число параметров — 252,8 млн, максимальный контекст — 1024 токена. Модель предназначена для генерации краткого пересказа текстов; название указывает на ориентацию на публикации PubMed. В карточке приведено значение loss 1,1077 на оценочной выборке, но нет описания обучающего набора, методики оценки или подробных рекомендаций по применению. Модель распространяется в формате safetensors по лицензии MIT.

RoBERTa от разработчика obi, дообученная для удаления идентифицирующей информации из медицинских записей. Модель выполняет классификацию токенов: каждому токену присваивается метка «не PHI» или одна из 11 категорий защищённой медицинской информации, после чего предсказания объединяются в фрагменты с использованием разметки BILOU. Модель предназначена для поиска персональных и медицинских идентификаторов в клинических заметках и может помогать удалять их из исходного текста. Для работы с документом README рекомендует разбивать его на предложения, токенизировать и затем собирать предсказания на уровне заметки. Обучение проводилось на наборе I2B2 2014; основным языком карточки указан английский. Модель содержит 454,1 млн параметров, использует контекст длиной до 514 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — MIT. Качество может зависеть от соответствия входных заметок данным и схеме разметки I2B2; модель выдаёт метки для токенов, а удаление PHI требует последующей обработки предсказанных фрагментов.

castorini/monot5-3b-med-msmarco — реранкер на архитектуре T5, дообученный сначала на MS MARCO Passage в течение 10 тысяч шагов (около одной эпохи), затем на MedMARCO из работы Sledge-Z ещё 1 тысячу шагов. Модель предназначена для переоценки релевантности пассажей и ранжирования документов по запросу, в том числе в медицинском поиске. Модель принимает текстовый запрос вместе с текстом кандидата и оценивает их релевантность; контекст составляет 512 токенов. В метаданных указано 385,2 млн параметров и формат PyTorch. Карточка ссылается на работу о ранжировании документов с предобученной sequence-to-sequence моделью и на pygaggle.ai для инструкций по применению. Лицензия в предоставленных данных не указана.

OpenMed-NER-ChemicalDetect-BigMed-278M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и 305,2 млн параметров. Модель принимает токенизированный текст и возвращает BIO-разметку: B-CHEM и I-CHEM. Контекст — до 514 токенов. Модель предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических текстов и медицинских документов. Её можно применять для поиска упоминаний лекарств, анализа литературы и построения биомедицинских баз знаний. В README заявлены обучение на BC4CHEMD и F1 0,94, однако приведённые показатели не сопровождаются описанием методики оценки. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

OpenMed-NER-ChemicalDetect-BioMed-335M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученная модель семейства BERT с архитектурой BertForTokenClassification, основанная на BiomedNLP-BiomedELECTRA-large-uncased-abstract. Она содержит 433,9 млн параметров, принимает токенизированный текст и выдаёт BIO-разметку химических упоминаний; длина контекста — 512 токенов. Модель обучена на корпусе BC4CHEMD и распознаёт метки B-CHEM и I-CHEM. Модель предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических записей и других биомедицинских документов. Такие результаты можно использовать для поиска лекарств в медицинских записях, мониторинга нежелательных явлений, анализа литературы для разработки препаратов и построения биомедицинских графов знаний. В README приведены показатели на BC4CHEMD: F1 0,94, точность 0,94 и полнота 0,95; отдельно указаны сравнительные результаты для модели с другим названием, поэтому их нельзя уверенно приписать этому чекпойнту. Лицензия — Apache-2.0.

OpenMed-NER-ChemicalDetect-EuroMed-212M — дообученная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она использует архитектуру EuroBERT с примерно 212 млн параметров и решает задачу классификации токенов, присваивая фрагментам текста BIO-метки B-CHEM и I-CHEM. Для модели указан контекст до 8192 токенов. Модель обучена на корпусе BC4CHEMD и предназначена для извлечения названий химических соединений и веществ из научных публикаций, клинических записей и других медицинских документов. Её можно применять для поиска лекарственных веществ в медицинских текстах, мониторинга нежелательных явлений, анализа литературы по разработке препаратов и построения биомедицинских баз знаний. В README приведены F1 0,91, точность 0,92 и полнота 0,91; эти показатели относятся к описанной оценке на BC4CHEMD и не гарантируют аналогичных результатов на других данных. Модель принимает токенизированный текст и возвращает разметку химических сущностей. В метаданных указан английский язык. Распространяется по лицензии Apache-2.0; для переноса на другие типы документов качество следует проверять отдельно.

OpenMed-NER-ChemicalDetect-SuperMedical-355M — разработанная OpenMed модель распознавания химических сущностей в биомедицинских текстах. Это дообученная архитектура RoBERTa для классификации токенов: она размечает упоминания химических соединений и веществ BIO-тегами B-CHEM и I-CHEM. Модель обучена на корпусе BC4CHEMD с аннотациями химических сущностей в аннотациях PubMed. Модель предназначена для извлечения химических веществ из научной литературы, клинических записей и медицинских документов, в том числе для поиска упоминаний лекарств, анализа нежелательных явлений и построения биомедицинских баз знаний. README сообщает результаты на BC4CHEMD: F1 0,95, точность 0,94, полнота 0,95 и accuracy 0,99. Репозиторий содержит веса Safetensors; размер модели по метаданным — 454,1 млн параметров, контекст — 514 токенов. Поддерживается английский язык. Лицензия — Apache-2.0.

OpenMed-PII-Spanish-BiomedBERT-Large-340M-v1 — модель OpenMed на архитектуре BERT, дообученная на microsoft/BiomedNLP-BiomedBERT-large-uncased-abstract для обнаружения и классификации персональных данных в испанском тексте. Модель содержит 433,9 млн параметров, принимает текст и возвращает метки для токенов; поддерживает контекст до 512 токенов и предназначена для испанского языка. Модель выявляет 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские номера, финансовые сведения, даты, электронную почту и телефоны. Её применяют для деидентификации клинических записей и документов, подготовки данных к исследованиям и аудита коллекций на наличие персональных данных. В оценке на испанской части набора AI4Privacy указана метрика Micro F1 0,8799. Для лучшего качества README рекомендует удалять диакритические знаки из входного текста; смещения найденных сущностей сохраняются для сопоставления с исходным текстом. Возможны пропуски PII, а результат зависит от терминологии предметной области, поэтому для важных сценариев требуется проверка человеком. Модель распространяется по лицензии Apache-2.0.

Privasis-Cleaner-0.6B — компактная модель NVIDIA для очистки текстов от чувствительной информации по инструкции пользователя. Она принимает исходный текст и указание, какие категории данных удалить или обобщить, например имена, даты, местоположения и идентификаторы, и возвращает очищенный текст для редактирования PII/PHI, подготовки данных к исследованиям и автоматизации требований приватности. Модель представляет собой decoder-only Transformer семейства Qwen3 с 507,9 млн параметров, дообученный методом SFT на 36 723 синтетических примерах-инструкциях. Метаданные указывают контекст до 40 960 токенов; модель принимает и выдаёт текст. В карточке заявлены сценарии для GDPR и HIPAA, однако язык данных обучения не уточнён, а метаданные карточки отмечают английский язык. Модель рассчитана на исследовательское и некоммерческое использование; лицензия репозитория указана как other, а для обучающих подмножеств описаны условия CC-BY-NC и лицензии исходных генераторов. Автоматическая очистка может пропускать чувствительные сведения или изменять нужный смысл, поэтому результат следует проверять на данных конкретного сценария.