IV.4Клиническая медицина и общественное здоровье

sante-embed — медицинская модель текстовых эмбеддингов на базе Alibaba-NLP/gte-Qwen2-1.5B-instruct, адаптированная разработчиком Singaraj для поиска по медицинским текстам на девяти языках. Она содержит 1,5 млрд параметров, использует архитектуру Qwen2 и формирует векторы размерности 1536 с нормализацией L2; сходство текстов предполагается оценивать по косинусной мере. Для запросов используется инструкция в формате «Instruct: … Query: …», а документы кодируются без префикса. Модель предназначена для семантического поиска, извлечения релевантных документов и кластеризации медицинских текстов, включая FAQ и многоязычные медицинские коллекции. Метаданные указывают контекст до 131 072 токенов, однако карточка модели задаёт максимум входа 512 токенов и сообщает, что более длинный текст обрезается. Модель не предназначена для клинической поддержки принятия решений и её результаты не следует использовать для ведения пациентов. Лицензия — Apache-2.0.

OmmWankhedee369/bge-base-medical-v1 — англоязычная модель Sentence Transformers, дообученная разработчиком репозитория на базе BAAI/bge-base-en-v1.5 для получения плотных текстовых эмбеддингов. Архитектура основана на BERT; модель преобразует предложения и абзацы в векторы размерности 768, нормализует их и позволяет сравнивать по косинусному сходству. Максимальная длина последовательности по README — 192 токена; общий контекст модели по метаданным — до 512 токенов. Модель предназначена для семантического поиска и извлечения релевантных текстов, в том числе в медицинских материалах. Подходит для поиска по коллекциям документов и подбора похожих предложений; README не приводит медицинские оценки качества или сведения о датасете обучения. Лицензия — Apache-2.0.

Healthcare Brain NER — модель распознавания именованных сущностей от Genzeon Platforms для обнаружения и обезличивания защищённой медицинской информации (PHI) и персональных данных (PII) в клиническом тексте. Это BERT-модель для классификации токенов на основе Bio_ClinicalBERT, дообученная с BIO-разметкой; README также упоминает постобработку по правилам. В метаданных указаны архитектура BertForTokenClassification, 135,5 млн параметров и контекст 512 токенов. Модель предназначена для поиска 20 типов чувствительных сущностей в медицинских записях, выписках, направлениях и других неструктурированных клинических документах. Её можно применять для подготовки текстов к повторному использованию, исследованиям и последующим NLP-процессам с учётом конфиденциальности. README приводит метрики на тестовых данных, но отмечает, что обучение преимущественно опирается на синтетические шаблонные данные, поэтому качество на разнообразной реальной документации может отличаться. Модель рассчитана на английский язык. Для документов длиннее 512 токенов рекомендуется обработка фрагментами с перекрытием, а для критичных процессов — проверка результатов специалистом. Лицензия — Apache-2.0.

OpenMed-PII-BioClinicalModern-Base-149M-v1 — модель OpenMed для поиска и классификации персональных и чувствительных данных в тексте. Это дообученная на NVIDIA Nemotron-PII модель токенной классификации на базе openmedscience/BioClinical-ModernBERT-base: архитектура ModernBERT, 149 млн параметров, контекст до 8192 токенов. Модель предназначена для выявления 54 типов сущностей, включая имена, адреса, номера документов и медицинских записей, контактные и финансовые данные, чтобы находить чувствительную информацию в клинических заметках и документах, поддерживать обезличивание и подготовку наборов данных. В README приведён результат micro F1 0,9509 на тестовой выборке из 2000 примеров Nemotron-PII. Модель работает с текстом на английском языке и выдаёт метки сущностей для фрагментов текста. Возможны пропуски чувствительных данных, а качество зависит от предметной лексики; особенно сложные категории требуют проверки. README рекомендует использовать модель как вспомогательный инструмент с проверкой человеком. Лицензия — Apache-2.0.

OpenMed-PII-ClinicalE5-Small-33M-v1 — англоязычная модель OpenMed для поиска и классификации персональных и медицинских идентификаторов в тексте. Она построена на архитектуре BERT и дообучена на базе intfloat/e5-small-v2 для задачи token classification; метаданные указывают 40 млн параметров, формат safetensors и контекст до 512 токенов. Модель распознаёт 54 типа чувствительных сущностей, включая имена, адреса, номера медицинских записей, контактные и финансовые данные. Модель предназначена для обезличивания клинических заметок и документов, предварительной очистки наборов данных и аудита текстовых коллекций на наличие чувствительной информации. В README указана оценка micro F1 0,9306 на тестовой выборке NVIDIA Nemotron-PII; качество различается между категориями, а для отдельных типов, например профессий и налоговых идентификаторов, оно заметно ниже. Модель рассчитана преимущественно на английский текст и должна использоваться как вспомогательное средство с проверкой результатов человеком. Лицензия — Apache-2.0.

OpenMed-PII-German-BioClinicalModern-Base-149M-v1 — модель OpenMed для выявления и классификации персональных и других чувствительных данных в немецком тексте. Это дообученный BioClinical-ModernBERT с плотной архитектурой ModernBERT, примерно 149 млн параметров и контекстом до 8192 токенов; модель использует классификацию токенов и возвращает BIO-разметку сущностей. Модель предназначена для поиска PII в клинических записях, медицинских документах и других текстах, чтобы поддерживать обезличивание, подготовку данных и проверки приватности. В карточке заявлено 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские сведения. На немецкой части AI4Privacy модель показала micro-F1 0,9456. Модель оптимизирована для немецкого языка; качество на других языках и в текстах с узкоспециализированной терминологией может быть ниже. Возможны пропуски чувствительных данных, поэтому критические результаты требуют проверки человеком. Лицензия — Apache-2.0.

OpenMed-PII-ModernMed-Large-395M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и других чувствительных данных в тексте. Это дообученный энкодер ModernBERT-large с архитектурой ModernBertForTokenClassification, примерно 394,7 млн параметров и контекстом до 8192 токенов. Модель размечает 54 типа сущностей, включая имена, адреса, идентификаторы, контактные и медицинские сведения; она обучена на NVIDIA Nemotron-PII и доступна в формате safetensors для библиотеки Transformers. Модель предназначена для выявления и удаления чувствительных данных из клинических записей, документов и наборов данных, а также для поддержки аудита конфиденциальности. В README сообщается о micro-F1 0,9579 на тестовой выборке из 2000 примеров. Модель рассчитана прежде всего на английский текст; качество зависит от категории сущностей и предметной области, а некоторые сведения она может пропустить. Авторы рекомендуют использовать её как вспомогательный инструмент с проверкой человеком. Лицензия — Apache-2.0.

Pankaj Raj Deo разработал UMLS-ED-Bioformer-8L-V-1 — модель Sentence Transformer на базе BERT, дообученную для сопоставления биомедицинских терминов и текстов. Она кодирует предложения и абзацы в плотные векторы размерности 512; сходство между ними можно оценивать косинусной мерой. Модель содержит 50,3 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. В обучающей и оценочной выборках используются пары и тройки биомедицинских терминов, включая варианты на нескольких языках; базовая Bioformer-8L описана как англоязычная. Модель выдаёт векторы, а не готовые текстовые ответы, поэтому для поиска или классификации требуется отдельная логика сравнения либо downstream-модель. Лицензия в предоставленных данных не указана.

allenai/aspire-biencoder-biomed-spec — BERT-биэнкодер от Allen Institute for AI для оценки сходства биомедицинских научных публикаций. Модель инициализирована энкодером SPECTER и дообучена на 1,2 млн пар совместно цитируемых биомедицинских статей в контрастивной постановке. На вход подаются заголовок и аннотация статьи, на выходе — один вектор документа, сформированный из представлений CLS по слоям энкодера. Модель предназначена для поиска похожих статей и информационного поиска по биомедицинским публикациям, в том числе для поиска релевантных аннотаций по запросу в виде научной аннотации. В README описана оценка на RELISH и TRECCOVID. В этой версии отсутствуют параметры scalar mix, которые использовались при обучении и важны для качества; для наиболее полного варианта авторы указывают отдельный архив aspire-biencoder-biomed-spec-full. Модель обучена преимущественно на биомедицинских данных, поэтому в других областях её качество может быть ниже. Контекст — до 512 токенов; лицензия Apache-2.0.

NeuML/biomedbert-base-reranker — англоязычный биомедицинский кросс-энкодер, дообученный NeuML на базе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext с использованием библиотеки sentence-transformers. Модель принимает пары текстов и оценивает их сходство или релевантность; оценки подходят для ранжирования результатов семантического поиска по медицинской литературе. Обучающие пары сформированы из выборки заголовков и аннотаций PubMed, а также похожих заголовков. Модель основана на BERT с архитектурой BertForSequenceClassification, содержит 136,7 млн параметров и поддерживает контекст до 512 токенов. В README описана оценка на наборах PubMed QA, PubMed Subset и PubMed Summary; кросс-энкодер показал преимущество над сравнивавшимися би-энкодерами и late-interaction моделями, но требует больше вычислений и подходит для обработки небольших наборов кандидатов. Лицензия — Apache-2.0.

MedCPT-Cross-Encoder — модель ранжирования текстовых пар, опубликованная Computational Biology Branch подразделения NCBI/NLM. Она оценивает релевантность статей заданному запросу: на вход подаются запрос и кандидатные тексты, а на выходе — оценки, по которым их можно упорядочить; более высокий балл означает большую релевантность. Модель построена на архитектуре BERT с классификационной головой, содержит 136,7 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для поиска и ранжирования научных статей, в частности биомедицинских материалов. Она выдаёт оценки релевантности, а не медицинские рекомендации или диагнозы. Лицензия указана как other; конкретные условия использования следует уточнить в материалах репозитория. Разработчик предупреждает, что результаты не предназначены для самостоятельного клинического или медицинского принятия решений без проверки специалистом.

OpenMed-PII-BiomedBERT-Large-340M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная для разметки токенов модель семейства BERT на базе microsoft/BiomedNLP-BiomedBERT-large-uncased-abstract. По метаданным, модель содержит 433,9 млн параметров, принимает контекст до 512 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель размечает 54 типа чувствительных данных, включая имена, адреса, номера документов и медицинских записей, контактные данные, платёжные реквизиты и сетевые идентификаторы. Её применяют для поиска и последующего удаления или маскирования PII в клинических записях и документах, подготовки наборов данных и аудита документов. В карточке приведён результат micro-F1 0,9543 на тестовой выборке NVIDIA Nemotron-PII; для некоторых категорий качество ниже. Модель рассчитана преимущественно на английский текст. Возможны пропуски чувствительных данных, а качество зависит от предметной области; карточка рекомендует использовать её как вспомогательный инструмент с проверкой результатов человеком. Лицензия — Apache-2.0.

OpenMed-PII-BiomedELECTRA-Large-335M-v1 — модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная модель токенной классификации на базе microsoft/BiomedNLP-BiomedELECTRA-large-uncased-abstract; в метаданных указаны архитектура семейства BERT, 433,9 млн параметров, контекст до 512 токенов и формат safetensors. Модель предназначена для выявления 54 типов чувствительных сущностей, включая имена, адреса, номера медицинских карт, контактные и финансовые данные. Её можно применять для обезличивания клинических записей и документов, проверки текстов на утечки данных, подготовки наборов данных к исследованиям и поддержки процессов соблюдения требований конфиденциальности. В README приведён результат micro F1 0,9544 на тестовой выборке из 2 000 примеров NVIDIA Nemotron-PII; качество различается по типам сущностей. Модель рассчитана преимущественно на английский текст, может пропускать чувствительные данные и требует проверки человеком в критичных сценариях. Лицензия — Apache-2.0.

OpenMed-PII-ModernMed-Base-149M-v1 — англоязычная модель OpenMed для выявления и классификации персональных и других чувствительных данных в тексте. Это дообученная для разметки последовательностей encoder-модель ModernBERT с 149 млн параметров и контекстом до 8192 токенов; она построена на answerdotai/ModernBERT-base и доступна через библиотеку Transformers. Модель распознаёт 54 типа сущностей, включая имена, адреса, контактные данные, идентификаторы, медицинские сведения и финансовую информацию. Она предназначена для поиска и удаления чувствительных данных из клинических записей и документов, подготовки наборов данных и аудита коллекций. На тестовой выборке из NVIDIA Nemotron-PII карточка сообщает micro F1 0,9514. Модель рассчитана прежде всего на английский текст. Возможны пропуски чувствительных данных, а качество зависит от предметной области; для важных сценариев обнаруженные сущности и пропуски следует проверять человеком. Распространяется по лицензии Apache-2.0.

OpenMed-PII-mSuperClinical-Large-279M-v1 — модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная для токенной классификации модель на архитектуре DeBERTa V2; в метаданных указано 306 млн параметров, контекст до 512 токенов и формат safetensors. Модель обучена на NVIDIA Nemotron-PII и рассчитана прежде всего на англоязычный текст. Модель выделяет 54 типа чувствительных сущностей, включая имена, адреса, номера социального страхования и медицинских карт, контактные и финансовые данные. Её можно применять для поиска PII в клинических записях и документах, подготовки данных к исследованию, деидентификации и поддержки аудита приватности. В README сообщается micro F1 0,9534 на тестовой выборке из 2 000 примеров. Разработчик позиционирует модель как вспомогательный компонент конвейера обработки, а не замену проверке человеком: возможны пропуски, а качество зависит от терминологии и типа сущности. README указывает лицензию Apache-2.0; для использования в критичных сценариях результаты следует проверять.

OpenMed разработала OpenMed-PII-Spanish-SuperClinical-Large-434M-v1 — модель классификации токенов на базе DeBERTa V3 Large, дообученную для обнаружения персональных и чувствительных данных в испанском тексте. Она размечает 54 типа сущностей, включая имена, адреса, идентификаторы, контактные и медицинские сведения. Модель предназначена для обезличивания клинических записей и документов, подготовки наборов данных и аудита коллекций текстов. В тестировании на испанской части AI4Privacy модель показала micro-F1 0,9491. Модель содержит 533,8 млн параметров, принимает текст и возвращает метки сущностей для токенов; максимальный контекст — 512 токенов. Карточка рекомендует перед обработкой удалять диакритические знаки: модель обучалась на тексте без акцентов, при этом смещения символов сохраняются для сопоставления с исходным текстом. Модель ориентирована на испанский язык и выпущена по лицензии Apache-2.0.

OpenMed-PII-SuperClinical-Base-184M-v1 — англоязычная модель OpenMed для обнаружения персональных и чувствительных данных в тексте. Это модель классификации токенов на базе DeBERTa-v3-base, дообученная на датасете NVIDIA Nemotron-PII; она размечает 54 типа сущностей, включая имена, адреса, идентификаторы, контактные сведения и медицинские данные. Размер по метаданным — 211,6 млн параметров, контекст — до 512 токенов. Модель подходит для поиска чувствительных данных в клинических записях и документах, подготовки наборов данных к исследованиям, аудита документов и последующего обезличивания текста. В README сообщается micro-F1 0,955 на тестовой выборке из 2 000 примеров Nemotron-PII. Лицензия — Apache-2.0. Модель предназначена для вспомогательного применения: возможны пропуски чувствительных данных, а качество зависит от предметной области. README указывает на более низкие результаты для некоторых категорий и на преимущественную ориентацию на английский язык; критические случаи требуют проверки человеком.

OpenMed-PII-SuperMedical-Base-125M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная для токенной классификации RoBERTa-base с 151,8 млн параметров и контекстом до 514 токенов; модель распространяется в формате Safetensors и предназначена для запуска через Transformers. Модель размечает 54 типа чувствительных сущностей, включая имена, адреса, номера социального страхования и медицинских записей, контактные и финансовые данные. Она подходит для обезличивания клинических заметок и документов, подготовки наборов данных и поиска чувствительной информации при аудите. В README приведён результат micro F1 0,9557 на тестовой выборке из NVIDIA Nemotron-PII; качество различается между типами сущностей. Модель рассчитана прежде всего на английский текст. Некоторые категории могут распознаваться хуже, а пропуски чувствительных данных возможны, поэтому для важных сценариев нужна проверка человеком. Лицензия — Apache 2.0.

WiNGPT-DocLoom — мультимодальная модель компании WiNGPT для извлечения структурированного текста из сложных PDF-документов. Она дообучена методом supervised fine-tuning на базе Qwen/Qwen3-VL-4B-Instruct и принимает изображения страниц документа, чтобы выдавать текст в естественном порядке чтения с сохранением структуры: заголовков, таблиц, списков и формул. Модель предназначена для OCR и последующего разбора документов, поиска информации и извлечения данных. В обучении использовались реальные и синтетические данные; отдельно заявлен акцент на обработке медицинских PDF. Для инференса авторы рекомендуют Transformers или vLLM, включая обработку многостраничных документов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Indic-Transcribe-Flex — мультиязычная модель распознавания речи, разработанная Bodhan AI на основе NVIDIA Canary-1B-v2. Она предназначена для транскрибации речи на 27 индийских языках и английском с индийским акцентом, включая смешанную речь вроде Hinglish. Архитектура сочетает акустический энкодер FastConformer и Transformer-декодер; вход — аудио, выход — текст. Модель поддерживает вывод в родной письменности, смешанный вариант с английскими словами и числами латиницей, а также полную романизацию латиницей. Она может автоматически определять язык речи или работать с заданным языком; среди заявленных сценариев — аудио в шумных условиях и лексика образования, сельского хозяйства и здравоохранения. Для входа указаны монофонические аудиофайлы с частотой 16 кГц; WAV, FLAC и MP3. В README отмечено, что Indic-Transcribe-Core показывает более высокую точность на приведённом бенчмарке. Модель распространяется по лицензии с идентификатором Hugging Face «other»; конкретные условия лицензии в доступных данных не раскрыты.

NorskHelsenett/eti-granite-v1 — модель Sentence Transformers, дообученная Norsk Helsenett на базе ibm-granite/granite-embedding-311m-multilingual-r2. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 768 для семантического поиска, сравнения текстов и поиска перефразирований; близость оценивается косинусным сходством. Архитектура основана на ModernBERT с пулингом CLS-токена. Веса доступны в формате safetensors; модель содержит 311,6 млн параметров. Модель подходит для поиска релевантных фрагментов в коллекциях документов, кластеризации текстов и подготовки признаков для классификации. README указывает максимальную длину последовательности 2048 токенов, тогда как метаданные сообщают нативный контекст 32768 токенов; фактический предел обработки следует сверять с используемой конфигурацией Sentence Transformers. Модель обучалась на парах и тройках текстов из датасета Norsk Helsenett, включая норвежские медицинские материалы, поэтому качество для других языков и областей может отличаться. Лицензия в предоставленных данных не указана.

NaijaVox-V1 — модель распознавания речи от Axiveri, дообученная методом LoRA на базе OpenAI Whisper-large-v3 для нигерийских языков и акцентов. Она преобразует аудио в текст на йоруба, хауса, игбо, нигерийском пиджине и нигерийском варианте английского; для йоруба заявлена поддержка диакритических знаков. Репозиторий содержит веса в формате Safetensors и расширенный токенизатор с новыми языковыми токенами. Модель предназначена для транскрибации речи в мобильных приложениях, банковском обслуживании, СМИ, здравоохранении, образовании и средствах доступности, а также для исследований распознавания малоресурсных языков Западной Африки. В README приведены результаты оценки на небольших тестовых выборках FLEURS и других наборах: например, WER составляет 16,8% для нигерийского пиджина, 21,1% для нигерийского английского и 28,8% для йоруба. Эти результаты не гарантируют аналогичного качества на других записях и условиях. Модель рассчитана на входное аудио и выдаёт текст. В карточке не приведены сведения о размере модели и длине контекста. Лицензия — Apache-2.0.

PubMedBERT Embeddings 500K — компактная англоязычная модель эмбеддингов от NeuML для поиска и сопоставления медицинских текстов. Это версия PubMedBERT Embeddings 2M с сокращённым словарём: оставлена четверть наиболее часто используемых токенов. В метаданных указаны архитектура Model2Vec с плотными векторами, формат safetensors и контекст до 1 000 000 токенов. Модель подходит для построения семантического поиска и баз знаний для RAG, а также для сравнения вопросов с ответами, заголовков со статьями и статей с аннотациями. README приводит результаты оценки на наборах PubMed QA, PubMed Subset и PubMed Summary; на этих тестах версия 500K показала лучшие результаты среди перечисленных компактных вариантов. Модель доступна по лицензии Apache 2.0.

rpro57/Os_Vencedores1 — модель Sentence Transformer на архитектуре BERT, обученная разработчиком rpro57 для получения векторных представлений предложений и абзацев. Она предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Модель выдаёт плотные эмбеддинги размерности 384; сходство можно оценивать косинусной близостью. В карточке приведена оценка поиска по медицинскому датасету Vigilante-Medico, а обучающие примеры написаны на португальском языке. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов; README задаёт максимальную длину последовательности 128 токенов. При использовании следует учитывать это различие и ориентироваться на конфигурацию загруженной модели. Данных о лицензии в доступных источниках нет.

Xhosa-ZuluLlama3 v1 — языковая модель на 8 млрд параметров от Jacaranda Health, созданная на основе meta-llama/Meta-Llama-3-8B. Модель адаптирована для понимания и генерации текста на isiXhosa и isiZulu, сохраняя общие языковые возможности Llama 3. В карточке Hugging Face основная задача указана как question-answering. Модель обучали в два этапа с использованием LoRA: продолжили предобучение на корпусах isiXhosa и isiZulu, затем провели инструкционную настройку на 66 280 парах запросов и ответов. Её можно применять для ответов на вопросы и диалоговых помощников, в том числе в здравоохранении, сельском хозяйстве, образовании и государственных услугах. Также README указывает английский среди языков применения и тестирования. Модель может выдавать неточные, предвзятые или нежелательные ответы; наиболее подробно она проверялась на isiXhosa и английском. Лицензия CC BY-NC-SA 4.0, а коммерческое использование и распространение требуют обращения к Jacaranda Health; карточка ограничивает применение исследовательскими, социально полезными и внутренними целями.

EpistemeAI разработала эту модель Sentence Transformer дообучением unsloth/embeddinggemma-300m на 10 000 примерах вопросов и фрагментов из набора generator, описанного как медицинская литература с рецензированием. Модель кодирует предложения и абзацы в плотные векторы размерности 768; сходство векторов оценивается косинусной мерой. Она предназначена для семантического поиска и сопоставления вопросов с фрагментами текста, а также для поиска перефразировок, классификации и кластеризации текстов. Модель содержит 302,8 млн параметров, использует архитектуру Gemma3Text и библиотеку Sentence Transformers. Метаданные указывают контекст 2048 токенов, тогда как README заявляет максимальную длину последовательности 1024 токена. Для поиска информации README приводит показатели cosine_accuracy@1 0,8285, @3 0,928 и @5 0,95. Это текстовая модель, а не диагностическая система; приведённые результаты относятся к указанной оценке и не гарантируют качество на других данных. Распространяется в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

PubMedBERT Embeddings 1M — англоязычная модель статических плотных эмбеддингов для медицинских текстов, опубликованная NeuML. Это версия с сокращённым словарём: из PubMedBERT Embeddings 2M оставлена верхняя половина наиболее часто используемых токенов. Модель относится к семейству Model2Vec и может использоваться с txtai, Sentence-Transformers и Model2Vec. Модель предназначена для построения векторных индексов, семантического поиска и извлечения релевантных материалов для RAG по медицинским публикациям и другим текстам на английском языке. В README приведены результаты сравнения на наборах PubMed QA, PubMed Subset и PubMed Summary; авторы указывают на небольшой компромисс в качестве относительно исходной модели. Контекстная длина в метаданных каталога — до 1 000 000 токенов. Модель принимает текст и выдаёт векторные представления, применимые для сравнения сходства, поиска и кластеризации. Она ориентирована на медицинский текст и не предназначена для генерации ответов: качество результатов поиска зависит от корпуса, индексации и выбранного порога сходства. Лицензия — Apache-2.0.

TabPFN-2.6 — трансформерная модель Prior Labs для классификации и регрессии структурированных табличных данных. Она использует обучение в контексте и выполняет предсказание за один прямой проход; архитектура включает 24 слоя с чередованием типов внимания, близким к TabPFN v2. Модель обучена исключительно на синтетических табличных задачах. Модель предназначена для задач с наборами до 50 000 строк и 2 000 признаков. В карточке указаны сценарии в химии, биологии, финансах, праве, климате и медицине. Она не предназначена для неструктурированных текстовых или визуальных данных; качество на наборах, превышающих указанные размеры, не проверено и может снижаться. Веса доступны по лицензии tabpfn-2.6-license-v1.0, которая разрешает исследования, тестирование, оценку и внутренний бенчмаркинг, но запрещает коммерческое и производственное использование модели, её производных и результатов. Для производственных сценариев Prior Labs предлагает отдельную коммерческую лицензию.

Карточка модели Atgenomix/icd_10_sentence_transformer_128_dim_model на Hugging Face совпадает с карточкой pritamdeka/BioBERT-mnli-snli-scinli-scitail-mednli-stsb, поэтому описание составлено по ней. pritamdeka/BioBERT-mnli-snli-scinli-scitail-mednli-stsb — модель эмбеддингов предложений на базе BERT, опубликованная пользователем pritamdeka. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Модель обучалась на SNLI, MNLI, SCINLI, SCITAIL, MEDNLI и STSB, включая наборы данных по биомедицинским текстам. Веса содержат 135,5 млн параметров, максимальная длина контекста составляет 512 токенов. Модель принимает текст и возвращает эмбеддинги; указанные наборы данных и название BioBERT указывают на специализацию для биомедицинского и научного текста. Для использования требуется корректная операция pooling поверх контекстных представлений либо Sentence-Transformers. Лицензия CC BY-NC 3.0 ограничивает коммерческое использование.

yasserrmd/pharma-gemma-300m-emb — модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m для работы с фармацевтическими и биомедицинскими текстами. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического сравнения и поиска; сходство оценивается косинусной мерой. Модель содержит 302,8 млн параметров, использует архитектуру Gemma 3 Text и принимает последовательности длиной до 2048 токенов. В README приведены примеры вопросов и ответов о лекарствах и биологии, а среди возможных сценариев названы поиск парафраз, классификация и кластеризация текстов. Репозиторий использует библиотеку Sentence Transformers и формат safetensors. Это инструмент для поиска и сопоставления текстов, а не модель для самостоятельной генерации медицинских рекомендаций или постановки диагноза. Качество зависит от соответствия запросов и корпуса её специализации; выводы о лечении следует проверять по надёжным источникам. Сведения о лицензии в предоставленных данных отсутствуют.