IV.6Научные исследования, математика и новые материалы

OpenMed разработала специализированную модель распознавания химических сущностей в биомедицинских текстах. Это дообученная ModernBERT-large с 394,7 млн параметров для токеновой классификации: она выделяет названия химических соединений и веществ тегами B-CHEM и I-CHEM. Модель обучена на корпусе BC4CHEMD и принимает токенизированный текст; контекст — до 8192 токенов. Модель подходит для извлечения химических соединений из научных публикаций, медицинских записей и других биомедицинских документов, например для поиска лекарств в записях пациентов, анализа литературы и построения биомедицинских графов знаний. В README приведены показатели на BC4CHEMD: F1 0,93, точность 0,92 и полнота 0,94; результаты зависят от текста и области применения, поэтому для критичных клинических сценариев их следует проверять отдельно. Доступна в формате safetensors по лицензии Apache-2.0.

OpenMed-NER-DNADetect-BioClinical-108M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный трансформер на архитектуре Bio_ClinicalBERT, представленный в виде BertForTokenClassification; по метаданным модель содержит 135,5 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате safetensors. Модель размечает упоминания белков, ДНК, РНК, клеточных линий и типов клеток BIO-тегами. Она предназначена для извлечения таких сущностей из клинических записей и научных публикаций, а также для поиска и структурирования биомедицинской информации. В README указаны обучение на корпусе JNLPBA и результаты на нём: F1 0,81, точность 0,76, полнота 0,86 и accuracy 0,91. Модель работает с англоязычным текстом и рассчитана на задачи биомедицинской обработки естественного языка. Она не генерирует ответы и может ошибаться при переносе на тексты и типы сущностей, отличающиеся от обучающих данных; показатели в карточке относятся к JNLPBA. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DNADetect-TinyMed-135M — специализированную модель распознавания биомедицинских именованных сущностей. Это дообученная версия DistilBERT с архитектурой DistilBertForTokenClassification, предназначенная для разметки токенов в текстах и статьях по биомедицине. Модель присваивает BIO-метки сущностям пяти типов: белкам, ДНК, РНК, клеточным линиям и типам клеток. Модель рассчитана на извлечение сущностей из биомедицинской литературы и клинических текстов, включая поиск упоминаний генов и белков для анализа и построения баз знаний. В README указаны результаты на наборе JNLPBA: F1 0,80, точность 0,76, полнота 0,84 и accuracy 0,92. Контекст ограничен 512 токенами; заявленный основной язык — английский. Модель работает с текстом и выдаёт токеновые метки. Модель распространяется под лицензией Apache-2.0 и совместима с Transformers. Результаты на JNLPBA не гарантируют точность на других типах текстов; разметка охватывает только перечисленные категории сущностей. Перед использованием в клинических процессах качество следует проверять на целевых данных.

OpenMed разработала OpenMed-NER-DNADetect-TinyMed-82M — дообученную модель RoBERTa для распознавания биомедицинских сущностей в тексте. Она размечает последовательности токенов BIO-тегами и извлекает белки, ДНК, РНК, клеточные линии и типы клеток из научных статей, медицинских записей и других биомедицинских документов. Модель основана на distilroberta-base, имеет около 95,2 млн параметров и контекст до 514 токенов. Она обучена на корпусе JNLPBA с аннотациями биомедицинских сущностей; в карточке указаны F1 0,80, точность 0,75 и полнота 0,85. Подходит для извлечения сущностей и последующего поиска по литературе или построения биомедицинских баз знаний. Модель принимает текст на английском языке и выдаёт метки сущностей для токенов. Показатели из карточки относятся к JNLPBA и не гарантируют аналогичного качества на других типах текстов; модель не следует считать самостоятельным средством клинического принятия решений. Лицензия — Apache-2.0.

OpenMed-NER-ProteinDetect-BigMed-278M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная модель XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и примерно 305,2 млн параметров. Она размечает токены в формате BIO и предназначена прежде всего для извлечения белков, белковых комплексов, семейств и групп белков, а также вариантов белков. Карточка сообщает о обучении на корпусе FSU, посвящённом белковым взаимодействиям и молекулярной биологии, и указывает поддержку английского языка. Контекст модели составляет 514 токенов. Модель подходит для извлечения белковых сущностей из научной литературы и биомедицинских документов, а также для подготовки данных для анализа взаимодействий и построения биомедицинских графов знаний. В README приведены результаты на корпусе FSU: F1 0,95, точность 0,94, полнота 0,95 и accuracy 0,97. Эти показатели относятся к указанному корпусу и не гарантируют аналогичного качества на других типах текстов. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-ProteinDetect-PubMed-109M — дообученную модель BERT для распознавания белковых сущностей в биомедицинских текстах. Она принимает текст и присваивает метки токенам, выделяя белки, белковые комплексы, семейства и группы белков, варианты и перечисления белков. Модель рассчитана на анализ научной литературы и других материалов по молекулярной биологии и системной биологии. Модель основана на BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext, содержит 136,7 млн параметров и обрабатывает до 512 токенов в контексте. В карточке указана оценка F1 0,93 на корпусе FSU; эти результаты относятся к описанному набору данных и не гарантируют такое же качество на других текстах. Модель распространяется по лицензии Apache-2.0.

OpenMed/OpenMed-ZeroShot-NER-Genome-Tiny-60M — специализированная модель распознавания упоминаний генов и белков в биомедицинских текстах, разработанная OpenMed. Она построена на архитектуре GLiNER и дообучена на корпусе BC2GM, содержащем аннотации упоминаний генов и белков в научной литературе. Модель принимает текст и возвращает найденные сущности с разметкой токенов; благодаря zero-shot-подходу можно задавать типы сущностей при запросе без отдельного дообучения. Модель предназначена для извлечения названий генов и белков из научных публикаций и других биомедицинских текстов, в том числе для курирования данных, поиска связей и анализа вариантов. В карточке приведён F1 0,61 на тестовой выборке BC2GM, не использованной при обучении. Результат может зависеть от терминологии, границ сущностей и порога предсказания; README предлагает снижать порог для пользовательских типов сущностей. Заявлена лицензия Apache-2.0.

opus-mt-es-en-scielo — модель машинного перевода на архитектуре MarianMT, созданная дообучением Helsinki-NLP/opus-mt-es-en на датасете SciELO. Она предназначена для перевода научных текстов с испанского на английский. Модель содержит 58,4 млн параметров, принимает текст и выдаёт текст; максимальная длина контекста — 512 токенов. В карточке указаны результаты оценки на тестовой выборке: BLEU 40,8788 и loss 1,2593. Модель распространяется по лицензии Apache-2.0.

Модель uthayamurthy/origin-task1-bart-large — дообученный на всех параметрах чекпойнт facebook/bart-large-cnn для SciHigh-2026 Task 1. Она формирует краткие исследовательские тезисы по аннотациям научных статей, помогая быстро выделять основные выводы публикации. Модель основана на архитектуре BART и содержит 252,8 млн параметров по метаданным; принимает текст длиной до 1024 токенов и рассчитана на генерацию текста. Обучение проводилось на 10 000 примерах SciHigh Task 1 MixSub-SciHigh, а результаты проверки на 1985 примерах включают ROUGE-1 0,3808 и ROUGE-L 0,2503. Поддерживается английский язык. Модель доступна под лицензией Apache-2.0.

Карточка модели vy22215/Qwen2.5-Math-1.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-Math-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-Math-1.5B-Instruct — языковая модель с архитектурой Qwen2, разработанная командой Qwen. Это версия с инструкционной настройкой и 1,5 млрд параметров, предназначенная прежде всего для решения математических задач на английском и китайском языках с пошаговыми рассуждениями (CoT) и tool-integrated reasoning (TIR). Модель работает через Transformers и поддерживает контекст до 4096 токенов. TIR помогает выполнять точные вычисления, символьные преобразования и алгоритмические рассуждения; модель подходит для ответов на математические вопросы и решения задач, включая вычислительно сложные примеры. В карточке приведён результат 79,7 на бенчмарке MATH для версии 1.5B-Instruct при использовании TIR. Разработчик не рекомендует применять семейство для задач вне математики. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-Math-7B-RoPE-300k — вариант модели Qwen/Qwen2.5-Math-7B, разработанный на базе семейства Qwen. В нём увеличена базовая частота RoPE до 300k, чтобы расширить контекст с 4k до 32k токенов. Это плотная авторегрессионная языковая модель архитектуры Qwen2ForCausalLM с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель подходит для генерации пошаговых решений математических задач и работы с длинными текстовыми последовательностями. В метаданных указан английский язык; базовая модель также рассчитана на китайский, но карточка этого варианта не подтверждает его поддержку отдельно. Модель распространяется в формате safetensors по лицензии Apache 2.0. Увеличенный контекст не гарантирует сохранения качества на всём диапазоне до 32k токенов; отдельные ограничения качества в карточке не описаны.

Карточка модели waleko/Qwen2.5-Math-7B-RoPE-300k на Hugging Face совпадает с карточкой Qwen/Qwen2.5-Math-7B, поэтому описание составлено по ней. Qwen2.5-Math-7B — базовая плотная языковая модель семейства Qwen2.5-Math, разработанная командой Qwen. Она содержит 7,1 млрд параметров и предназначена для генерации решений математических задач на английском и китайском языках с рассуждением по шагам (CoT) и интегрированным использованием инструментов (TIR). Эту базовую версию используют для продолжения текста и few-shot вывода; она также служит основой для дальнейшего дообучения. Модель построена на архитектуре Qwen2 и запускается через Transformers. Для работы с моделью нужна версия Transformers 4.37.0 или новее; контекст составляет 4096 токенов. Модель специализирована на математике и не рекомендуется для других задач. Карточка не приводит отдельных ограничений точности. Лицензия — Apache-2.0.

rStar2-Agent-14B — воспроизведённая версия модели rStar2-Agent от сообщества rstar2-reproduce, описанной в техническом отчёте об агентном рассуждении. Это плотная авторегрессионная языковая модель семейства Qwen3 с 14 млрд параметров, обученная с применением агентного обучения с подкреплением. Она предназначена для математического рассуждения, планирования и решения сложных задач с использованием инструментов для написания и проверки кода; карточка также указывает диалоговый режим. Модель работает с текстом на английском и китайском языках и имеет контекст длиной 32 768 токенов. Авторы сообщают, что модель показывает результаты, сопоставимые с DeepSeek-R1-67B, и умеет автономно исследовать решения, проверять их и пересматривать ход рассуждений. Для воспроизведения результатов математической оценки README отсылает к проекту Microsoft rStar. Модель распространяется в формате safetensors по лицензии MIT. В приведённом README пример запуска использует SGLang и несколько GPU; сведения о качестве за пределами заявленных математических оценок и ограничениях модели не приведены.

Модель tomaarsen/span-marker-bert-base-acronyms разработана на базе SpanMarker и предназначена для распознавания упоминаний акронимов в английском тексте. Она выделяет полные формы терминов и соответствующие им сокращения, например «Principal Component Analysis» и «PCA», и присваивает им метки long и short. Модель дообучена на наборе Acronym Identification с использованием bert-base-cased в качестве энкодера. Модель решает задачу классификации токенов и поддерживает последовательности длиной до 256 токенов; максимальная длина распознаваемой сущности — 8 слов. В README приведена оценка F1 0,9336 на наборе акронимов. Для текста с непоследовательной капитализацией автор рекомендует uncased-вариант. Модель доступна под лицензией Apache-2.0.

vukpetar выпустил TrOCR Small, модель распознавания математических выражений на изображениях, дообученную на Synthetic Math Expression Dataset. Она предназначена для преобразования изображений с формулами в текстовую запись; также исходную модель TrOCR можно применять для распознавания одной строки текста на изображении. Модель использует архитектуру encoder-decoder: Transformer обрабатывает изображение как последовательность патчей размером 16×16, а Transformer-декодер авторегрессионно генерирует текст. Энкодер инициализирован весами BEiT, декодер — RoBERTa. Репозиторий содержит веса PyTorch и поддерживает зрительный ввод с текстовым выводом. Это специализированный вариант для синтетических математических выражений; точность на реальных рукописных формулах или иных типах изображений в карточке не описана. Лицензия в предоставленных данных не указана.

Uni-MuMER-Qwen3.5-2B — дообученная модель phxember на базе Qwen/Qwen3.5-2B для распознавания рукописных математических выражений. Она принимает изображение выражения и преобразует его в LaTeX; для специализации использовано многозадачное дообучение с вспомогательными задачами Tree-CoT, Error-Driven Learning и подсчётом символов. Модель построена на мультимодальной архитектуре Qwen3.5 с гибридом Gated DeltaNet и Gated Attention и содержит 2,2 млрд параметров. В README приведены результаты на наборах CROHME 2014, 2016 и 2019: точность полного совпадения составляет 83,98%, 81,17% и 80,15% соответственно. Модель рассчитана на чтение рукописной математической записи, а не на общее распознавание текста или решение задач по формулам. Для использования указаны Transformers версии 5.0.0 и выше либо vLLM версии 0.19.0 и выше; README отмечает несовместимость требований к версиям Transformers между этими средами. Лицензия — Apache-2.0.

Uni-MuMER-Qwen3-VL-2B — модель phxember, дообученная на базе Qwen/Qwen3-VL-2B-Instruct для распознавания рукописных математических выражений. Она принимает изображение с формулой и преобразует его в LaTeX. Архитектура Qwen3-VL объединяет визуальный энкодер ViT и языковую модель; размер модели — 2,1 млрд параметров. Дообучение Uni-MuMER объединяет основную задачу распознавания с тремя вспомогательными задачами: Tree-CoT, обучением на основе ошибок и подсчётом символов. В README приведены результаты на наборах CROHME 2014, 2016 и 2019: точное совпадение составило 83,27%, 78,55% и 79,40% соответственно. Модель рассчитана на обработку изображений рукописных формул и генерацию их текстового представления в LaTeX. Модель распространяется под лицензией Apache-2.0. Для запуска README описывает использование Transformers и vLLM; в примере для vLLM указан предел длины контекста 2048 токенов. Результаты опубликованы для ограниченного набора тестов CROHME и не гарантируют такую же точность на других типах почерка, изображениях или формулах.

Это модель XLM-RoBERTa Large, дообученная командой TNER для распознавания именованных сущностей в биомедицинских текстах набора BC5CDR. Она выполняет токен-классификацию: принимает текст и помечает в нём сущности, связанные с заболеваниями и химическими соединениями. Модель подходит для извлечения таких упоминаний из научных публикаций и других биомедицинских документов. Модель основана на архитектуре XLM-RoBERTa и содержит около 658,7 млн параметров. Максимальная длина контекста — 514 токенов; доступен формат PyTorch. Карточка рекомендует загружать токенизатор из репозитория asahi417/tner-xlm-roberta-large-uncased-bc5cdr. Лицензия в предоставленных данных не указана.

44b-reranker — переранжировщик на 149,6 млн параметров, разработанный NYSgpt на базе Alibaba-NLP/gte-reranker-modernbert-base. Это cross-encoder на архитектуре ModernBERT, дообученный на парах «рецензия → научная статья»: запросы составлены экспертами-рецензентами, а релевантной считается статья, к которой относится рецензия. Модель предназначена для второго этапа поиска: она оценивает пары запрос–документ и переупорядочивает уже отобранные кандидаты. По описанной оценке на 3 157 запросах и наборах из девяти статей модель достигла Precision@1 92,9% и MRR 0,956. Этот результат относится к научным статьям по машинному обучению и длинным запросам в стиле экспертной прозы; он не показывает качество поиска по всему корпусу. Контекст дообучения ограничен 512 токенами, а задержка измерена только на A10G при пакетной обработке. Лицензия — Apache-2.0.

Это модель для разметки последовательностей, опубликованная пользователем ghadeermobasher на Hugging Face. По названию она предназначена для распознавания химических веществ и заболеваний в биомедицинских текстах набора BC5CDR; карточка подтверждает задачу token classification, но не содержит подробного описания обучения или оценки качества. Модель использует архитектуру BERT и насчитывает 136,7 млн параметров; нативная длина контекста — 512 токенов. Название указывает на PubMedBERT и сбалансированную версию данных BC5CDR. Формат репозитория — PyTorch. Карточка не указывает лицензию и не описывает известные ограничения качества.

NeuML разработала BioClinical ModernBERT Embeddings — дообученную с помощью sentence-transformers модель ModernBERT, которая преобразует предложения и абзацы в плотные векторы размерностью 768. Она предназначена для семантического поиска, кластеризации текстов и построения баз знаний для RAG в биомедицинских и клинических материалах. Модель обучалась на случайной выборке пар заголовков и аннотаций PubMed, включая похожие пары заголовков. Контекст составляет до 8 192 токенов, что позволяет обрабатывать более длинные фрагменты, чем стандартные модели BERT с лимитом 512 токенов. В README приведены результаты сравнения на наборах PubMed QA, PubMed Subset и PubMed Summary; автор отмечает, что модель немного уступает эмбеддингам PubMedBERT, но поддерживает более длинный контекст. Репозиторий распространяется по лицензии Apache-2.0.

CeLLaTe-ner-2class-pubmedbert-combData-tapt-tokenizer-original-baseline — англоязычная модель для разметки последовательностей на основе BERT, разработанная как дообучение Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-original-baseline-combinedData. Она обучена для задачи NER на наборе OTAR3088/CeLLaTe-ner-2class-iob_final и предсказывает метки сущностей для токенов текста. Модель содержит 136,7 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. В README приведены результаты на оценочном наборе: micro F1 — 0,7571, precision — 0,7784, recall — 0,7370, accuracy — 0,9841. Распространяется по лицензии Apache-2.0; ограничения вне указанных результатов в карточке не описаны.

deep-wizard-7B-slerp — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit на основе DeepSeekMath-7B-RL и DeepSeekMath-7B-Instruct, с DeepSeekMath-7B-Base в качестве общей базовой модели. Она предназначена для генерации текста и может применяться для решения математических задач и ответов в диалоговом формате. Модель содержит 6,5 млрд параметров, принимает текст и выдаёт текст; длина контекста составляет 4096 токенов. В конфигурации слияния использован метод dare_ties с весами 0,7 для RL-модели и 0,3 для Instruct-модели, плотностью 0,5 и типом данных bfloat16. Репозиторий распространяет веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверять с лицензиями базовых моделей и файлами репозитория. Данных о поддерживаемых естественных языках нет.

QuantFactory/Math-IIO-7B-Instruct-GGUF — квантизированная версия Math IIO 7B Instruct, разработанная QuantFactory на базе Qwen/Qwen2.5-7B-Instruct от Qwen. Модель предназначена для генерации текста, следования инструкциям и решения математических задач в формате single-shot, включая вычисления, работу с уравнениями, логические запросы, математическое рассуждение, а также объяснение решений по шагам. Она может применяться в образовательных, аналитических и задачах поддержки решения проблем. Модель имеет размер 7B параметров и относится к instruction-tuned языковым моделям. Она оптимизирована для математического контента, поддерживает точную запись математических обозначений благодаря расширенной токенизации и дополнительным токенам. Обучение выполнялось на датасете Math-IIO-68K-Mini, содержащем около 68,8 тысячи примеров математических инструкций, уравнений и логических запросов. Указан английский язык; поддерживаемые модальности ограничены текстом. Размер контекста в README не указан. К сильным сторонам относятся специализация на математическом решении задач, пошаговое объяснение, обработка запросов от базовой арифметики до продвинутого анализа и линейной алгебры, а также формат GGUF, предназначенный для использования с llama.cpp. Ограничения включают отсутствие данных о точности на бенчмарках, фактическом размере контекста и подробностях квантизации; заявленные возможности не следует рассматривать как гарантию безошибочных вычислений. Модель распространяется по лицензии creativeml-openrail-m.

Mathstral 7B — языковая модель Mistral AI для математических и научных задач, созданная на основе Mistral 7B. Это плотная авторегрессионная модель класса MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы; карточка показывает её использование в диалоговом режиме и приводит результаты математических бенчмарков, включая MATH и GSM8K. Модель предназначена для решения математических задач, пошаговых рассуждений и помощи с научными вопросами. В бенчмарках она показывает сильные результаты на ряде математических задач для моделей сопоставимого размера, хотя результаты зависят от набора данных и режима оценки. Карточка не перечисляет поддерживаемые естественные языки и не описывает отдельные ограничения качества. Лицензия — Apache 2.0.

Mistral-Small-Reasoning — дообученная Yenting Lin при финансировании Ubitus инструктивная языковая модель для математических рассуждений. Она основана на Mistral-Small-24B-Instruct-2501 и дообучена на наборах OpenR1-Math-220k и s1K-1.1. Модель с плотной архитектурой Mistral содержит 23,4 млрд параметров, принимает текст и генерирует текст; заявленный контекст — 32 768 токенов. Основной язык карточки — английский. Модель предназначена для решения математических задач и ответов, требующих последовательных рассуждений. В README приведены результаты оценивания на MATH-500, AIME 2024/2025 и GPQA Diamond; качество ответов всё равно следует проверять. Модель распространяется по лицензии Apache 2.0. Разработчик предупреждает, что она предоставляется без гарантий и не предназначена для высокорисковых задач, включая медицинскую диагностику, юридические консультации и финансовые инвестиции.

OpenMed-NER-ChemicalDetect-ElectraMed-109M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер для токенной классификации: он присваивает токенам BIO-метки B-CHEM и I-CHEM, чтобы выделять названия химических соединений и веществ. В карточке указана архитектура e5-base-v2, а метаданные Hugging Face классифицируют модель как BERT с головой BertForTokenClassification; размер составляет 136,7 млн параметров, контекст — до 512 токенов. Модель обучена на корпусе BC4CHEMD с аннотациями химических упоминаний в биомедицинской литературе. Её можно применять для извлечения соединений из научных публикаций и медицинских записей, а также как компонент систем поиска сведений о лекарствах и анализа биомедицинских документов. README приводит F1 0,94, точность 0,93, полноту 0,94 и accuracy 0,98, но не описывает условия оценки, поэтому эти показатели не гарантируют такое же качество на других данных. Для клинического применения результаты следует проверять на целевых текстах. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала специализированную модель распознавания биомедицинских сущностей на основе XLM-RoBERTa, дообученной для классификации токенов. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и размечает сущности в формате BIO: белки, ДНК, РНК, клеточные линии и типы клеток. Модель предназначена для извлечения биомедицинских сущностей из научных публикаций и других текстов молекулярной биологии. Она обучена на корпусе JNLPBA и может применяться для поиска сущностей в литературе, построения биомедицинских баз знаний и анализа исследовательских текстов. В README приведены метрики на JNLPBA: F1 0,80, точность 0,75 и полнота 0,85. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Результаты зависят от качества и предметной области входного текста; обучение описано на данных JNLPBA, поэтому перенос на клинические документы и задачи вроде выявления лекарственных взаимодействий отдельно не подтверждён приведёнными метриками.

OpenMed разработала OpenMed-NER-DNADetect-BioMed-335M — модель на архитектуре BERT для распознавания биомедицинских сущностей в тексте. Она дообучена на корпусе JNLPBA и размечает белки, ДНК, РНК, клеточные линии и типы клеток BIO-тегами. Модель рассчитана на обработку аннотаций MEDLINE, научных публикаций и медицинских документов, например для извлечения сущностей и поиска биомедицинских сведений. Модель принимает токенизированный текст, поддерживает английский язык и имеет контекстное окно 512 токенов. В метаданных указано около 433,9 млн параметров; веса доступны в формате safetensors. README приводит F1 0,80, точность 0,76, полноту 0,85 и accuracy 0,93 на JNLPBA, однако не описывает протокол оценки. Лицензия Apache-2.0. Результаты на JNLPBA не гарантируют точности на иных жанрах и типах медицинских текстов; предназначенные для практического применения результаты стоит проверять на целевых данных.

OpenMed-NER-DNADetect-ModernMed-395M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный ModernBERT-large с архитектурой ModernBertForTokenClassification, примерно 395 млн параметров и контекстом до 8192 токенов. Модель принимает токенизированный текст и присваивает токенам BIO-метки для белков, ДНК, РНК, клеточных линий и типов клеток. Модель предназначена для извлечения этих сущностей из медицинских текстов и научных публикаций, включая анализ медицинских записей, мониторинг нежелательных явлений, поиск по биомедицинской литературе и построение графов знаний. В README заявлены обучение на JNLPBA и результаты F1 0,78, точность 0,74 и полнота 0,81; показатели приведены для задач распознавания сущностей и не гарантируют качество на иных типах документов. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0 и интегрируется с Transformers.