IV.6Научные исследования, математика и новые материалы

KRISSBERT — контекстный энкодер для связывания упоминаний биомедицинских сущностей с каноническими идентификаторами, разработанный авторами работы Zhang et al. Модель предназначена для поиска сущности в тексте с учётом контекста упоминания, включая разрешение неоднозначностей, например различение значений «ER» по контексту предложения. Модель построена на архитектуре BERT и инициализирована параметрами PubMedBERT, после чего продолжительно предобучалась на названиях сущностей из онтологии UMLS и аннотациях PubMed. Размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. README демонстрирует связывание сущностей на данных MedMentions с точностью top-1 около 58,3%; в экспериментах авторов модель оценивалась на семи стандартных наборах для биомедицинского entity linking. Модель принимает текст и выдаёт контекстные признаки, которые можно использовать для сопоставления упоминаний с прототипами сущностей и выбора канонического идентификатора UMLS. Она ориентирована на англоязычные биомедицинские тексты; лицензия — MIT. Показатель из README относится к описанному сценарию MedMentions и не гарантирует такую же точность на других данных.

Модель ml4pubmed/bluebert-pubmed-uncased-L-12-H-768-A-12_pub_section — дообученный классификатор текста на основе BlueBERT от BioNLP. Он предназначен для определения раздела научного документа по текстовому фрагменту: BACKGROUND, CONCLUSIONS, METHODS, OBJECTIVE или RESULTS. Модель использует архитектуру BERT с 12 слоями, скрытым размером 768 и 12 головами внимания; содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она рассчитана на англоязычные тексты из биомедицинской области. В карточке приведены метрики на тестовой выборке: точность 0,831 и F1 0,828. Модель подходит для автоматической разметки разделов аннотаций и научных текстов PubMed. Для текста существенно длиннее контекстного окна может понадобиться разбиение на фрагменты; качество на других языках и вне биомедицинской тематики не подтверждено. Сведения о лицензии в предоставленных данных отсутствуют.

shellwork/ChatParts-qwen2.5-14b — диалоговая модель команды XJTLU-Software iGEM, дообученная на базе Qwen2.5-14B-Instruct для синтетической биологии. Она предназначена для участников соревнований iGEM и исследователей: помогает находить, извлекать и упорядочивать сведения из материалов по синтетической биологии, а также отвечает на вопросы и составляет сводки в составе локального RAG-приложения команды. Модель использует плотную архитектуру Qwen2 и содержит 14 млрд параметров; максимальная длина контекста — 32 768 токенов. Для обучения собрали более 200 000 пар вопросов и ответов по страницам iGEM Wiki, обзорам по синтетической биологии и документации реестра iGEM Parts. В карточке указан английский язык. Репозиторий предоставляет веса в формате safetensors и лицензию Apache-2.0. Модель рассчитана на ответы и генерацию текста в специализированной области; качество ответов зависит от полноты и точности обучающих данных, а приведённое описание не сообщает результатов оценки. Для применения в RAG её используют как локальный компонент вместе с поиском по источникам.

Карточка модели EdgeAIMed/EdgeAIMed-NER-OncologyDetect-SuperClinical-434M на Hugging Face совпадает с карточкой OpenMed/OpenMed-NER-OncologyDetect-SuperClinical-434M, поэтому описание составлено по ней. OpenMed-NER-OncologyDetect-SuperClinical-434M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах, особенно связанных с генетикой рака. Это дообученный трансформер DeBERTa-v2 с примерно 533,8 млн параметров, который принимает токенизированный текст и выдаёт BIO-метки для сущностей, включая типы рака, гены и их продукты, клетки, ткани, органы, аминокислоты и химические вещества. Модель обучена на корпусе BioNLP 2013 CG и рассчитана на научную литературу, клинические тексты и документы здравоохранения; в карточке приведены F1 0,87, точность 0,86 и полнота 0,88. Её можно использовать для извлечения онкологических и генетических сущностей при анализе медицинских записей и публикаций, а также для подготовки данных к поиску и построению биомедицинских графов знаний. Метаданные указывают английский язык и контекст до 512 токенов. Заявленные в README сценарии обнаружения лекарственных взаимодействий и побочных эффектов не подтверждают отдельные возможности модели: её основная задача — разметка сущностей. Лицензия — Apache-2.0.

raynardj разработал модель для распознавания упоминаний заболеваний в биомедицинском тексте. Это модель классификации токенов на базе RoBERTa, дообученной на корпусах NCBI Disease и BC5CDR с использованием предварительно обученной на текстах PubMed модели. В метках модели используется класс Disease для токенов, относящихся к заболеваниям, и O для остальных; начальные и внутренние части сущностей отдельно не размечаются. Модель предназначена для извлечения названий заболеваний из публикаций и других биомедицинских текстов на английском языке. Она содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется по лицензии Apache-2.0. В README также упоминаются отдельные модели автора для распознавания генов и химических веществ, но эта карточка описывает именно модель заболеваний.

Карточка модели zxhezexin/openlrm-mix-large-1.1 на Hugging Face совпадает с карточкой zxhezexin/openlrm-mix-small-1.1, поэтому описание составлено по ней. OpenLRM Mix Small 1.1 — версия 1.1 открытой реализации проекта OpenLRM по статье LRM. Это модель для восстановления трёхмерного представления объекта по изображению. Вариант small использует 12 слоёв, размерность признаков 512, 8 голов внимания, триплоскость размерности 32 и входное разрешение 224 пикселя; в качестве визуального энкодера применяется DINOv2 ViT-S/14 с register-токенами. Размер указанной в карточке архитектуры small — 446 млн параметров. Модель обучалась на Objaverse. Реализация отличается от оригинальной статьи отказом от отложенного обратного распространения ошибки, случайными цветами фона при обучении и четырёхслойным декодером триплоскостей. Карточка описывает её как неофициальную реализацию, поэтому результаты могут отличаться от оригинального исследования. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

OpenMed-NER-OncologyDetect-SuperClinical-434M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах, особенно связанных с генетикой рака. Это дообученный трансформер DeBERTa-v2 с примерно 533,8 млн параметров, который принимает токенизированный текст и выдаёт BIO-метки для сущностей, включая типы рака, гены и их продукты, клетки, ткани, органы, аминокислоты и химические вещества. Модель обучена на корпусе BioNLP 2013 CG и рассчитана на научную литературу, клинические тексты и документы здравоохранения; в карточке приведены F1 0,87, точность 0,86 и полнота 0,88. Её можно использовать для извлечения онкологических и генетических сущностей при анализе медицинских записей и публикаций, а также для подготовки данных к поиску и построению биомедицинских графов знаний. Метаданные указывают английский язык и контекст до 512 токенов. Заявленные в README сценарии обнаружения лекарственных взаимодействий и побочных эффектов не подтверждают отдельные возможности модели: её основная задача — разметка сущностей. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-SuperClinical-141M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер DeBERTa-v2 для классификации токенов; README указывает базовую архитектуру deberta-v3-small. Модель обучена на BC5CDR_CHEM и выделяет сущности с BIO-метками B-CHEM и I-CHEM. Модель предназначена для извлечения лекарств, химических соединений и терапевтических веществ из медицинских записей и научной литературы, в том числе для мониторинга нежелательных реакций и поиска информации о лекарствах. Метаданные указывают 155 млн параметров, контекст 512 токенов и поддержку английского языка. В README заявлены F1 0,95, точность 0,94 и полнота 0,96; эти оценки относятся к указанному набору данных и не гарантируют такое же качество на других текстах. Лицензия — Apache-2.0.

OpenMed-NER-SpeciesDetect-MultiMed-335M — модель OpenMed для распознавания упоминаний видов и организмов в биомедицинских текстах. Это дообученная модель архитектуры BERT для классификации токенов с разметкой BIO; она принимает токенизированный текст и выдаёт метки сущностей B-SPECIES и I-SPECIES. По метаданным модель содержит 433,9 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате safetensors. Модель предназначена для извлечения названий видов из научной литературы и других биомедицинских материалов, а также для последующего таксономического анализа и построения баз знаний. В карточке указано обучение на корпусе LINNAEUS и приведены метрики F1 0,95, точность 0,93 и полнота 0,97; эти показатели относятся к оценке, описанной авторами, и не гарантируют аналогичных результатов на произвольных данных. Язык карточки — английский. Лицензия — Apache-2.0.

facebook/pixio-vitb16 — модель компьютерного зрения из семейства Pixio, разработанного FAIR в Meta и HKU. Это ViT-B с патчами размером 16 пикселей, дообученный на основе facebook/pixio-vit5b16; семейство Pixio обучалось методом masked autoencoding на 2 млрд веб-изображений с минимальной ручной фильтрацией данных. Модель принимает изображение и возвращает восемь классовых токенов и токены патчей, которые можно использовать как признаки изображения для последующих задач компьютерного зрения. Для изображения 256×256 получается 264 токена; поддерживаются и большие размеры, кратные 16. Модель предназначена для извлечения плотных визуальных признаков и исследовательских и прикладных сценариев компьютерного зрения. Лицензия FAIR Noncommercial Research License ограничивает использование некоммерческими исследовательскими целями.

Qwen2.5-Math-7B-CFT — языковая модель TIGER-Lab для математических рассуждений, дообученная методом Critique Fine-Tuning (CFT) на основе Qwen/Qwen2.5-Math-7B. Вместо прямого подражания правильным ответам она учится анализировать и критиковать заданный ответ; формат обучения подавал вопрос вместе с ошибочным или шумным решением, а модель должна была выдать критику. Для генерации критики при обучении использовался GPT-4o. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и работает с текстом в Transformers. Её можно применять для разбора математических задач, анализа решений и генерации пошаговых рассуждений; заявлены результаты 79,4% на MATH и 41,6% на OlympiadBench. Контекст составляет 4096 токенов. Карточка указывает английский язык; описание базовой модели также упоминает китайский. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0.

Qwen2.5-7B-SHARP-Span — модель оценки промежуточных шагов математических рассуждений, разработанная на основе Qwen/Qwen2.5-Math-7B-Instruct и дообученная на корпусе SHARP. Она анализирует решение по шагам и для каждого шага оценивает вероятность его корректности, помогая находить место, где рассуждение становится ошибочным или содержит неподтверждённое утверждение. Модель использует архитектуру Qwen2ForProcessRewardModel с классификационной головой на два класса; размер — 7,1 млрд параметров, контекст — до 4096 токенов. Вариант Span обучен на разметке галлюцинаций по фрагментам: отмеченный фрагмент соотносится с шагами решения, а анализ прекращается на первом ошибочном шаге. Модель предназначена для оценки и ранжирования готовых решений, включая Best-of-N, а не для генерации текста. Для подачи решения требуются разделители шагов и специальный маркер в конце каждого шага; используется формат Question/Solution без шаблона чата. Модель рассчитана на математические рассуждения; метаданные указывают английский язык, а базовая модель поддерживает английский и китайский. Число токенов и вероятность класса полезно интерпретировать как оценки, а не как доказательство правильности. Для работы требуется Transformers версии 4.40.0 или новее и включение trust_remote_code. Лицензия модели — Apache 2.0; обучающие данные SHARP распространяются по CC BY 4.0.

Карточка модели research21/sam3 на Hugging Face совпадает с карточкой facebook/sam3, поэтому описание составлено по ней. SAM 3 — модель Meta для сегментации объектов по запросам на изображениях и видео. Она объединяет обнаружение, сегментацию и отслеживание: принимает короткую текстовую фразу или визуальные подсказки — точки, рамки, маски и примеры объектов — и возвращает маски всех подходящих экземпляров. Для видео модель также отслеживает найденные объекты между кадрами; режим Tracker позволяет выделять и сопровождать конкретный экземпляр по визуальной подсказке. Модель поддерживает сегментацию понятий с открытым словарём и заявлена для работы с гораздо более широким набором текстовых запросов, чем предшественник SAM 2. В README указано, что на бенчмарке SA-CO с 270 тысячами понятий она достигает 75–80% человеческого результата. Репозиторий содержит веса safetensors и использует Transformers. Лицензия обозначена как other; конкретные условия следует проверять в карточке и связанных материалах проекта.

Карточка модели jtreminio/sam3.1 на Hugging Face совпадает с карточкой facebook/sam3.1, поэтому описание составлено по ней. SAM 3.1 — модель Meta для сегментации объектов по запросам в изображениях и видео. Она находит и выделяет масками экземпляры объектов по текстовому описанию или визуальным подсказкам: точкам, рамкам и маскам. Модель поддерживает сегментацию всех экземпляров заданного понятия из открытого словаря и отслеживание объектов в видео. SAM 3.1 развивает SAM 3 за счёт Object Multiplex — совместного отслеживания нескольких объектов с общей памятью. По данным карточки, это ускоряет инференс примерно в семь раз при отслеживании 128 объектов на одном GPU H100 без потери точности; также улучшены результаты на шести из семи бенчмарков VOS. Репозиторий содержит чекпойнты PyTorch, но не включает интеграцию с Transformers; инструкции по установке и использованию размещены в репозитории SAM 3 на GitHub. Указана лицензия other.

Карточка модели research21/sam3.1 на Hugging Face совпадает с карточкой facebook/sam3.1, поэтому описание составлено по ней. SAM 3.1 — модель Meta для сегментации объектов по запросам в изображениях и видео. Она находит и выделяет масками экземпляры объектов по текстовому описанию или визуальным подсказкам: точкам, рамкам и маскам. Модель поддерживает сегментацию всех экземпляров заданного понятия из открытого словаря и отслеживание объектов в видео. SAM 3.1 развивает SAM 3 за счёт Object Multiplex — совместного отслеживания нескольких объектов с общей памятью. По данным карточки, это ускоряет инференс примерно в семь раз при отслеживании 128 объектов на одном GPU H100 без потери точности; также улучшены результаты на шести из семи бенчмарков VOS. Репозиторий содержит чекпойнты PyTorch, но не включает интеграцию с Transformers; инструкции по установке и использованию размещены в репозитории SAM 3 на GitHub. Указана лицензия other.

Josephgflowers/TinyLlama-Cinder-1.3B-Test.2 — тестовая разговорная модель на архитектуре Llama с примерно 1,2 млрд параметров. В README указано, что она основана на TinyLlama 1.1B и обучалась на математических данных, пошаговых рассуждениях и диалоговом STEM-датасете Cinder. Модель предназначена для научных и образовательных бесед, ответов на математические вопросы и творческого исследования идей. Она принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. Распространяется в формате Safetensors по лицензии MIT.

ttrl-opt — дообученная языковая модель на базе Qwen3-4B-Instruct-2507, разработанная для задач исследования операций и математической оптимизации. Это плотная причинная архитектура Qwen3 примерно на 3,7 млрд параметров; модель использует Transformers, принимает текст и генерирует текст. Контекст составляет до 262 144 токенов. Модель предназначена для преобразования текстовых задач оптимизации в структурированные рассуждения, формулировки линейного программирования и ориентированный на решатели код Python. Чекпойнт получен на шаге обучения 125 с использованием GRPO и голосования большинства в стиле TTRL; обучение опиралось на выходы для оптимизации, ориентированные на Gurobi, и вознаграждение на основе решателя. Модель выпущена для исследований рассуждений в математической оптимизации. Формулировки, коэффициенты, ограничения, код и заявленные решения могут содержать ошибки или приводить к несовместным результатам; перед практическим использованием их следует проверять решателем и независимо. В карточке нет результатов отдельной оценки. Лицензия в предоставленных данных не указана.

verifier-deepseek-math-7b-0622 — дообученная модель WooYoungSeok для проверки математических решений. Она получает условие задачи и предложенное решение и после системного запроса «You are a math solution evaluator...» выдаёт метку aligned или not_aligned, чтобы оценить, соответствует ли решение условию. Модель основана на DeepSeekMath-7B-Instruct с архитектурой LlamaForCausalLM; размер — 6,5 млрд параметров, контекст — 4096 токенов. Обучение проводилось методом SFT на двух частях верификационных данных; на сбалансированном тестовом наборе из 1610 примеров указана точность 0,8155 и macro F1 0,8150, ошибок разбора меток не было. Репозиторий распространяется по лицензии Apache-2.0.

BioBERT Disease NER — модель распознавания именованных сущностей, разработанная Ishan0612 и дообученная на BioBERT для извлечения упоминаний заболеваний из биомедицинских текстов. Она основана на архитектуре BERT и содержит 135,5 млн параметров; модель работает с текстом и поддерживает контекст длиной до 512 токенов. Модель обучена на датасете NCBI Disease, включающем более 6 800 размеченных упоминаний из 793 аннотаций PubMed. В README указаны точность 86,80%, полнота 91,39% и F1-мера 89,04%. Модель предназначена для извлечения заболеваний из англоязычных научных и биомедицинских текстов. Распространяется по лицензии Apache-2.0.

BioGPT-Large — генеративная языковая модель семейства BioGPT, разработанная Microsoft и обученная на крупном массиве биомедицинской литературы. Это плотный Transformer с авторегрессивной архитектурой BioGptForCausalLM, содержащий 2,1 млрд параметров; максимальная длина контекста — 2048 токенов. Модель предназначена для генерации текста в биомедицинском контексте: например, для составления описаний биомедицинских терминов и помощи в задачах обработки научной литературы. В карточке сообщается о результатах на задачах извлечения сущностей и отношений, а также ответов на вопросы по биомедицинским публикациям. Основной язык модели — английский. Модель работает с текстовым вводом и генерирует текст. Она распространяется в формате PyTorch по лицензии MIT. Результаты на бенчмарках не гарантируют точность медицинских выводов; ответы модели требуют проверки специалистом.

Это дообученная версия OpenAI CLIP ViT-L/14, созданная tanganke на датасете DTD для извлечения признаков изображений. Архитектура — CLIPVisionModel на базе ViT-Large с размером патча 14; модель содержит около 402,7 млн параметров и распространяется в формате safetensors. Модель предназначена для получения визуальных признаков, в частности для задач классификации изображений, связанных с DTD. В README приведены оценки 0,5548 для исходной модели и 0,8548 после дообучения, но метрика и протокол оценки не описаны. Лицензия и условия использования в предоставленных данных не указаны.

kbulutozler/distilbert-base-uncased-FT-ner-BC5CDR-disease — англоязычная модель DistilBERT, дообученная для распознавания заболеваний в тексте. Она размечает упоминания заболеваний на уровне токенов и предназначена для извлечения таких сущностей из научных и биомедицинских текстов. Модель обучена на обучающей части набора BC5CDR-disease из BLURB; для тестовой части указаны precision 0,76, recall 0,81 и micro-F1 0,79. Модель использует архитектуру DistilBertForTokenClassification, принимает текст, имеет контекст до 512 токенов и распространяется по лицензии Apache-2.0. Карточка не сообщает об оценке на других наборах данных, поэтому качество на иных текстах может отличаться.

samirmsallem/gbert-base-definitions_ner — немецкоязычная модель распознавания именованных сущностей для научных текстов, разработанная на основе deepset/gbert-base и дообученная для разметки компонентов определений. Это модель BERT для классификации токенов: она выделяет термин, который определяется (DF), выражение, вводящее определение (VF), и пояснение значения (GF). Модель обучена на размеченных немецкоязычных предложениях из статей Википедии и предназначена для извлечения структурированных определений из научных текстов. Модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В README указана оценка F1 около 83% на тестовом наборе. Модель подходит для автоматического сбора терминов и их определений, однако её качество может снижаться на текстах и жанрах, отличающихся от обучающих данных. Лицензия в доступных сведениях не указана.

JiuZhang3.0-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, разработанная командой ToheartZhang. Это одна из серии моделей, дообученных для математических рассуждений и непрерывно предварительно обученных на корпусе, синтезированном небольшой языковой моделью. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Карточка описывает форматы рассуждений на естественном языке и манипулирования инструментами, а метаданные указывают на обучающие наборы с примерами CoT, использования инструментов и SFT. Модель предназначена для решения математических задач с пошаговыми объяснениями и работы с инструментами в текстовых сценариях. В README приведены результаты оценки на наборах GSM8k, MATH, SVAMP, ASDiv, MAWPS и CARP, однако конкретные результаты самой версии 7B в предоставленном фрагменте не видны. Модель опубликована в формате safetensors; лицензия в доступных данных не приведена.

blaze999/Medical-NER — англоязычная модель Saketh Mattupalli для распознавания медицинских сущностей в тексте. Это DeBERTa-v3-base, дообученная на наборе PubMED для задачи классификации токенов; модель распознаёт 41 тип медицинских сущностей. Она предназначена для извлечения медицинских терминов и упоминаний из текстов, например научных публикаций и других медицинских документов. Модель содержит 211,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов. Доступна в формате Safetensors и распространяется по лицензии MIT. Карточка указывает на специализацию для медицинского NER; качество на текстах вне обучающих данных и перенос на другие языки не подтверждены.

nerel-bio-RuBioBERT-base — модель для классификации токенов, созданная дообучением RuBioBERT разработчиком ekaterinatao. Архитектура — BERT для классификации токенов; размер составляет 205,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для присвоения меток отдельным токенам во входном тексте; название указывает на биомедицинскую область и NER, однако карточка не раскрывает набор меток и обучающие данные. В README приведены результаты оценки: F1 0,8132, точность 0,8107, полнота 0,8157 и accuracy 0,8721. Эти показатели относятся к указанному набору оценки, детали которого не описаны. Модель представлена в формате safetensors; лицензия в доступных данных не указана.

BayesRL/Olmo3-B3PO-7B-ESS1e10 — англоязычная плотная авторегрессионная модель семейства Olmo 3, разработанная BayesRL и дообученная методом B3PO для обучения с проверяемыми наградами (RLVR). Она использует параметрическое исследование: на каждом шаге обучения из приближённого апостериорного распределения IVON выбирается возмущение весов, которое применяется при генерации. Это вариант абляции ESS с λ = 1e10; базовая модель для дообучения — BayesRL/Olmo3-IVON-SFT-7B, исходная основа — allenai/Olmo-3-1025-7B. Модель содержит 6,9 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Она предназначена для генерации ответов и экспериментов с RLVR, в частности для математических задач; в README указана оценка на AIME 2024–2026, MATH-500, AMC 2023 и Minerva. Модель распространяется в формате safetensors и загружается как стандартная causal language model через Transformers. Лицензия — Apache-2.0.

OpenMed-NER-ChemicalDetect-BioPatient-108M — модель OpenMed для распознавания упоминаний химических соединений и веществ в биомедицинских текстах. Это дообученный BERT-классификатор токенов на 135,5 млн параметров с контекстом до 512 токенов; веса опубликованы в формате Safetensors. Модель размечает токены тегами B-CHEM и I-CHEM и рассчитана на английские тексты. Модель подходит для извлечения названий химических веществ и лекарств из медицинских записей, научных публикаций и других биомедицинских документов. Это может поддержать поиск упоминаний препаратов, мониторинг нежелательных явлений и подготовку данных для исследований. В README заявлены результаты на корпусе BC4CHEMD: F1, точность и полнота 0,94, однако подробности независимой проверки не приведены. Модель распространяется по лицензии Apache-2.0 и интегрируется с Hugging Face Transformers. Её назначение ограничено распознаванием химических сущностей: README не подтверждает извлечение отношений, таких как лекарственные взаимодействия, или клиническую интерпретацию. Максимальная длина контекста составляет 512 токенов.

OpenMed разработала OpenMed-NER-OrganismDetect-MultiMed-568M — модель распознавания упоминаний организмов и видов в тексте. Это дообученный трансформер XLM-RoBERTa с примерно 658,7 млн параметров, предназначенный для token classification и разметки названий видов тегами B-SPECIES и I-SPECIES. Модель рассчитана на научную и биомедицинскую литературу, где требуется находить научные и общеупотребительные названия организмов. Модель обучена на корпусе SPECIES800 и принимает токенизированный текст, выдавая BIO-разметку сущностей. В README приведены F1 0,83, точность 0,81 и полнота 0,86; результаты зависят от данных и способа оценки. Карточка заявляет поддержку экосистемы Hugging Face Transformers. Контекст составляет до 8194 токенов, а язык карточки и тегов — английский. Модель распространяется по лицензии Apache-2.0.

OpenMed-NER-PharmaDetect-BioPatient-108M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученная модель на базе Bio_Discharge_Summary_BERT с архитектурой BERT и примерно 135,5 млн параметров. Она принимает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM, выделяя названия химических соединений, лекарств и терапевтических веществ. Модель предназначена для извлечения химических сущностей из медицинских записей, научных публикаций и других биомедицинских документов. Её можно применять для анализа упоминаний лекарств, мониторинга нежелательных явлений, поиска по литературе о разработке лекарств и подготовки данных для биомедицинских баз знаний. Обучение проводилось на BC5CDR_CHEM; README сообщает F1 0,96, точность 0,95 и полноту 0,97. Контекст ограничен 512 токенами, поэтому длинные документы нужно обрабатывать частями. Лицензия — Apache-2.0.