IV.6Научные исследования, математика и новые материалы

Qwen2-Math-72B-Instruct-GGUF — это набор файлов модели в формате GGUF для Qwen2-Math-72B-Instruct, разработанной командой Qwen и квантованной MaziyarPanahi. Модель предназначена для генерации текста с акцентом на математические задачи и работу в формате инструкций. Формат GGUF ориентирован на локальный запуск через llama.cpp и совместимые библиотеки и приложения, включая llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другие. В репозитории представлены варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством вывода. Базовая модель имеет размер 72B; сведения о точной архитектуре, поддерживаемых языках, модальностях и размере контекста в README не указаны. Сильная сторона модели — возможность локального использования в распространённой экосистеме GGUF и адаптация под разные аппаратные ограничения благодаря нескольким уровням квантования. Ограничениями являются потенциальная потеря качества при более агрессивном квантовании и высокие требования к ресурсам для запуска 72B-версии. Лицензия в README не указана.

Модель winglian/qwen3-14b-math — дообученная компанией или автором winglian плотная языковая модель Qwen3 с 14 млрд параметров, основанная на Qwen/Qwen3-14B-Base. Она предназначена для генерации текста с математической специализацией: обучалась на наборе winglian/OpenThoughts-114k-math-correct. В метаданных указаны поддержка чата, интерфейса вызова инструментов и контекст до 32 768 токенов; модель хранится в формате safetensors и использует библиотеку Transformers. Модель подходит для ответов на математические вопросы, объяснения решений и генерации текста с математическим содержанием. README сообщает значение loss 0,3439 на оценочном наборе, но не описывает методику и метрики оценки, поэтому по этому числу нельзя судить о качестве в реальных сценариях. Лицензия — Apache-2.0.

SeongryongJung выпустил дообученный чекпойнт Qwen3-8B для генерации текста в задачах химии. Модель создана методом SDPO с EMA-обновлением учителя и опубликована в формате Transformers; в репозитории находится последний чекпойнт обучения global_step_100. Это плотная причинная языковая модель с 7,6 млрд параметров и контекстом до 40 960 токенов, унаследованная от Qwen/Qwen3-8B. Модель предназначена для генерации ответов и рассуждений по химическим задачам. В README приведена лучшая валидационная метрика mean@16 — 77,86% на шаге 80; она не обязательно отражает качество опубликованного последнего чекпойнта, для которого указано 77,47%. Поддержка русского языка отдельно не заявлена. Лицензия — Apache-2.0.

ReasonFlux-F1-14B — 14-миллиардная языковая модель Gen-Verse, дообученная на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-14B. Она предназначена для диалоговой генерации текста с акцентом на решение задач, требующих рассуждений. В описании проекта говорится о дообучении на траекториях рассуждений с шаблонами; авторы представляют эту работу в рамках исследования ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates. Модель использует плотную архитектуру Qwen2 и поддерживает контекст до 131 072 токенов. Карточка указывает формат safetensors и библиотеку Transformers; метаданные также отмечают интерфейс вызова инструментов. Приведённые в README результаты в основном относятся к версии F1-32B, поэтому их нельзя считать оценкой качества версии 14B. Лицензия обозначена как other; конкретные условия использования следует сверить с лицензией репозитория.

harshitsoni1903/sapbert-finetuned-semra — модель Sentence Transformer, дообученная на базе cambridgeltl/SapBERT-from-PubMedBERT-fulltext. Она преобразует предложения и короткие фрагменты текста в плотные векторы размерности 768 для сравнения по косинусному сходству; архитектура состоит из BERT и усредняющего токены слоя Pooling. Модель ориентирована на семантический поиск и сопоставление биомедицинских названий и сущностей, а также может применяться для поиска похожих текстов, кластеризации и классификации. В README указаны 181 760 обучающих пар и обучение с MultipleNegativesRankingLoss. Метаданные сообщают о 136,7 млн параметров и предельном контексте 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 32 токена. Для эффективной работы следует учитывать именно более короткий предел карточки. Лицензия в предоставленных данных не указана.

SCIFACT_xlm_roberta_large — модель классификации текста на базе XLM-RoBERTa Large, дообученная на наборе SciFact. Она предназначена для классификации текстовых примеров в сценариях проверки научных утверждений и работы с научными фактами. В README указана точность 0,8819 на оценочной выборке; размер модели — 658,7 млн параметров, максимальная длина контекста — 514 токенов. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей и опубликована в формате PyTorch. Карточка не уточняет метки классов, процедуру обучения и оценивания или поддержку языков помимо английского. Модель распространяется по лицензии AGPL-3.0.

Skywork-R1V3-38B — мультимодальная чат-модель с визуальным рассуждением, разработанная командой Skywork. Она дообучена на базе OpenGVLab/InternVL3-38B; постобучение с подкреплением и настройка модуля связи изображений и текста направлены на улучшение рассуждений по визуальным и междисциплинарным задачам. Модель принимает текст и изображения и генерирует текстовые ответы в диалоговом формате; карточка сообщает о результатах на тестах по математике, физике, логике и общему мультимодальному рассуждению. Модель предназначена для вопросов по изображениям, решения визуальных задач и рассуждений по учебным и научным материалам. В README приведены результаты на MMMU, MathVista, MathVerse, MathVision и других бенчмарках, но эти показатели сами по себе не гарантируют качество на пользовательских данных. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers; лицензия — MIT. Метаданные указывают английский язык карточки, что не подтверждает поддержку других языков.

WizardMath-70B-V1.0 — языковая модель команды WizardLM для решения математических задач с помощью пошаговых рассуждений. Она основана на архитектуре Llama и обучена для усиления математических способностей больших языковых моделей; в карточке приведены результаты на GSM8K и MATH. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 2048 токенов. Модель предназначена для ответов на математические вопросы, решения задач и генерации объяснений к решениям. Для инференса авторы предлагают шаблон запроса в формате инструкции; для простых задач они не рекомендуют вариант промпта с цепочкой рассуждений. README указывает лицензию Llama 2; её условия следует учитывать при использовании модели.

Модель tsAspire разработана Шешерой Майсором, Арманом Коханом и Томом Хоупом для поиска и оценки детального сходства между биомедицинскими научными публикациями. Это BERT-модель с 137,1 млн параметров, обученная представлять заголовок и аннотацию статьи набором контекстных векторов предложений. При кодировании предложения учитывают контекст всего заголовка и аннотации; при сравнении модель сопоставляет предложения документов с помощью расстояния Васерштейна, формируя разреженное выравнивание между ними. Модель предназначена для поиска релевантных статей по аннотации или выбранным предложениям из документа, а также для ранжирования кандидатов по тематическому сходству. Она обучена на 1,2 млн пар биомедицинских статей, связанных совместным цитированием, и оценивалась на наборах TRECCOVID и RELISH. Контекст составляет до 512 токенов. Для получения векторов и ранжирования требуется дополнительный код поверх Transformers. Модель ориентирована на англоязычные биомедицинские тексты; качество в других областях может быть ниже. README также указывает, что при дополнительной настройке модель можно применять для классификации документов или предложений. Лицензия — Apache 2.0.

Карточка модели allenai/BAR-2x7B-Base на Hugging Face совпадает с карточкой allenai/BAR-2x7B-Math, поэтому описание составлено по ней. BAR-2x7B-Math — языковая модель для генерации текста с усиленными математическими возможностями. Её разработали в Allen Institute for AI в рамках подхода BAR (Branch-Adapt-Route): модель расширяет Olmo 2 7B доменным экспертом, который прошёл дополнительное обучение, supervised fine-tuning и обучение с подкреплением по проверяемым решениям (RLVR). Архитектура — смесь экспертов (MoE); в репозитории указано 6,9 млрд параметров, формат весов — safetensors, длина контекста — до 65 536 токенов. Модель предназначена прежде всего для решения математических задач и рассуждений с пошаговой генерацией ответа. Она также может вести диалог и генерировать обычный текст. В оценках из карточки BAR-2x7B-Math набрала 55,8 балла в категории математики; оценки зависят от использованных бенчмарков и не гарантируют точность отдельных ответов. Модель рассчитана на англоязычное использование; карточка не подтверждает поддержку других языков. Лицензия Apache-2.0 разрешает использование на её условиях. Как и другие генеративные языковые модели, она может выдавать неверные решения или обоснования, поэтому результаты важно проверять.

Карточка модели allenai/BAR-5x7B на Hugging Face совпадает с карточкой allenai/BAR-2x7B-Math, поэтому описание составлено по ней. BAR-2x7B-Math — языковая модель для генерации текста с усиленными математическими возможностями. Её разработали в Allen Institute for AI в рамках подхода BAR (Branch-Adapt-Route): модель расширяет Olmo 2 7B доменным экспертом, который прошёл дополнительное обучение, supervised fine-tuning и обучение с подкреплением по проверяемым решениям (RLVR). Архитектура — смесь экспертов (MoE); в репозитории указано 6,9 млрд параметров, формат весов — safetensors, длина контекста — до 65 536 токенов. Модель предназначена прежде всего для решения математических задач и рассуждений с пошаговой генерацией ответа. Она также может вести диалог и генерировать обычный текст. В оценках из карточки BAR-2x7B-Math набрала 55,8 балла в категории математики; оценки зависят от использованных бенчмарков и не гарантируют точность отдельных ответов. Модель рассчитана на англоязычное использование; карточка не подтверждает поддержку других языков. Лицензия Apache-2.0 разрешает использование на её условиях. Как и другие генеративные языковые модели, она может выдавать неверные решения или обоснования, поэтому результаты важно проверять.

Модель pruас/BENT-PubMedBERT-NER-Cell-Line — модель распознавания именованных сущностей, дообученная авторами на базе PubMedBERT для выделения упоминаний клеточных линий в биомедицинских текстах. Для обучения использованы наборы CellFinder и JNLPBA с метками CellLine и cell_line. Это BERT-модель для классификации токенов с 136,7 млн параметров и контекстом до 512 токенов. Она принимает английский текст и выдаёт метки для токенов, обозначающих клеточные линии. Репозиторий содержит веса PyTorch. Модель подходит для извлечения названий клеточных линий из публикаций и других биомедицинских документов. Карточка ссылается на работу NILINKER. Сведения о лицензии в предоставленных данных отсутствуют.

BIEncoderRanker — модель эмбеддингов на базе Sentence Transformers, дообученная Evgeny Bondarenko на deepvk/USER-bge-m3. Она кодирует предложения и абзацы в плотные векторы размерности 1024, нормализованные для сравнения по косинусному сходству. Архитектура включает XLM-RoBERTa, pooling по CLS-токену и нормализацию; максимальная длина входа — 8192 токена. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразирований и кластеризации; эмбеддинги также можно использовать в классификационных системах. Примеры обучающих данных и оценки в README относятся к русскоязычным описаниям медицинских исследований, что указывает на специализацию модели на сопоставлении таких формулировок. Лицензия в предоставленных данных не указана.

BioLinkBERT-base — биомедицинская языковая модель, разработанная авторами работы LinkBERT: Pretraining Language Models with Document Links. Это энкодер на архитектуре BERT, предварительно обученный на аннотациях PubMed с использованием связей цитирования между документами. Модель содержит 135,4 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Модель предназначена для дообучения на задачах классификации текстов и токенов, ответов на вопросы, а также для получения векторных представлений текста. Учет междокументных связей полезен в биомедицинских сценариях, где ответ требует сопоставления сведений из разных источников. В карточке указаны высокие результаты на биомедицинских тестах BLURB, PubMedQA и BioASQ. Это базовый энкодер, а не готовая система для конкретной задачи: для прикладной классификации или ответов на вопросы обычно требуется дообучение. Контекст ограничен 512 токенами; сведения о клинической валидации и пригодности для принятия медицинских решений в карточке не приводятся.

Cajal 9B v2 Full — языковая модель для генерации текста, разработанная Agnuxo и представленная в GGUF-квантизованных вариантах пользователем mradermacher. Модель ориентирована прежде всего на подготовку научных текстов и генерацию научных статей, а также на локальное использование в приложениях на базе Transformers и совместимых инструментов. В обучении указаны наборы данных Agnuxo/p2pclaw-training-dataset и bokete/aya_corpus_multilingual. Модель относится к классу текстовых генеративных моделей; заявленный размер — около 9 миллиардов параметров. Доступны варианты квантизации i1 с различными типами и размерами файлов — примерно от 2,8 до 7,5 ГБ, включая IQ и Q-форматы. Заявлены английский и испанский языки. Архитектура, максимальная длина контекста, поддержка других модальностей и результаты сравнительных тестов в README не указаны. К сильным сторонам относятся возможность локального запуска, широкий выбор уровней квантизации и специализация на научной генерации текста. К ограничениям относятся возможная потеря качества в наиболее компактных вариантах, отсутствие подробных оценок и недостаток информации о фактических возможностях модели. Для использования следует выбрать подходящий GGUF-файл и совместимый рантайм; README рекомендует варианты i1-Q4_K_S и i1-Q4_K_M как сбалансированные по размеру, скорости и качеству. Лицензия — Apache-2.0.

CeLLaTe-ner-2class-tapt-pubmedbert-tokenizer-adapted-baseline — англоязычная модель BERT для распознавания сущностей на уровне токенов в биомедицинских текстах. Она дообучена Mardiyyah на датасете OTAR3088/CeLLaTe-ner-2class-iob_final поверх Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-baseline. Модель содержит 138,2 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате safetensors для библиотеки Transformers. На оценочном наборе указаны micro F1 0,7627, macro F1 0,7710 и точность 0,9842. Модель подходит для выделения биомедицинских сущностей, но карточка не описывает набор классов и ограничения, поэтому результаты на других данных могут отличаться. Лицензия — Apache-2.0.

Карточка модели jseraph/Google-Labyrinth-S-6 на Hugging Face совпадает с карточкой microsoft/Phi-4-mini-reasoning, поэтому описание составлено по ней. Phi-4-mini-reasoning — компактная языковая модель Microsoft семейства Phi-4 на архитектуре Phi3ForCausalLM с 3,8 млрд параметров. Она дообучена на синтетических данных с упором на математические рассуждения и поддерживает генерацию текста; в метаданных указан контекст 4096 токенов. Модель предназначена для пошагового решения сложных математических задач при ограничениях по памяти, вычислительным ресурсам и задержке. Её можно применять для решения задач по математике, символьных вычислений, формальных доказательств и учебного тьюторства. В карточке также заявлена поддержка контекста до 128 тысяч токенов, что расходится с длиной контекста в метаданных. Модель разработана и выпущена Microsoft по лицензии MIT. Она ориентирована прежде всего на математические рассуждения, а не на все типы задач; из-за компактного размера может ошибаться в фактах. Карточка рекомендует оценивать точность и безопасность для конкретного применения.

Llama3-KALE-LM-Chem 8B — специализированная диалоговая языковая модель для задач химии, разработанная USTC Knowledge Computing Lab. Это дообученная версия Meta-Llama-3-8B-Instruct с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель генерирует текст и рассчитана на контекст до 8192 токенов. Модель предназначена для ответов на химические вопросы и решения задач, оцениваемых бенчмарками ChemBench и MMLU-Chem; в карточке также приведены результаты по MMLU, SciQ и извлечению информации. Она принимает текстовые запросы и выдаёт текстовые ответы на английском языке. README приводит сравнение с базовой Llama 3 и моделями GPT, но не раскрывает подробности обучения и не даёт гарантий качества в конкретных прикладных сценариях. Указана лицензия Llama 3 (llama3).

Это неофициальный чекпойнт LongT5-large от Stancld на базе архитектуры LongT5, разработанной Google. Модель с механизмом внимания transient-global дообучена на наборе ccdv/pubmed-summarization в течение 3 000 шагов для суммаризации англоязычных научных статей из области биомедицины. Она принимает текст статьи и генерирует краткое изложение; в карточке приведены оценки ROUGE на тестовой выборке, полученные с beam search размером 3. Модель содержит 385,2 млн параметров и распространяется в форматах PyTorch, Flax и safetensors. Метаданные указывают контекст в 4 096 токенов. Автор отмечает, что обучение не доведено до сходимости, а результаты уступают показателям исходной работы LongT5; очень короткие статьи исключались из обучения. Лицензия — Apache-2.0.

Карточка модели MathGenie/MathGenie-Mixtral-8x7B на Hugging Face совпадает с карточкой MathGenie/MathGenie-InterLM-20B, поэтому описание составлено по ней. MathGenie-InterLM-20B — языковая модель MathGenieLM, разработанная авторами проекта MathGenie для математических рассуждений. Она основана на InternLM-20B и дообучена на данных, созданных методом обратного преобразования решений в новые математические задачи. В README указано, что семейство MathGenieLM проверялось на пяти наборах для оценки математических рассуждений; для варианта InternLM2 приведены результаты 87,7% на GSM8K и 55,7% на MATH. Модель имеет плотную архитектуру InternLM2, около 19,3 млрд параметров и контекст до 32 768 токенов. Она генерирует текст и рассчитана прежде всего на английский язык; метаданные также отмечают возможности работы с кодом. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель подходит для решения математических задач и генерации пошаговых объяснений, однако README не приводит отдельной оценки именно этого чекпойнта MathGenie-InterLM-20B и описывает результаты для варианта MathGenieLM-InternLM2 в целом.

Morphy-Math-1.5B — языковая модель команды Moolvylabs, созданная на базе Qwen2.5-Math-1.5B-Instruct посредством целевого дообучения на сложных академических задачах. Это плотная причинно-авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации пошаговых решений по высшей математике, физике и квантовым вычислениям. Модель принимает текст и генерирует текст; контекст составляет 4096 токенов. Для точной работы с формулами и научной нотацией README рекомендует задавать вопросы на английском языке. Модель рассчитана на локальный запуск, в том числе на потребительском оборудовании. Репозиторий содержит веса в формате safetensors; README также описывает версии в разных форматах квантизации и предупреждает, что сильное сжатие может ухудшать рассуждения на абстрактных многопеременных задачах. Модель распространяется по лицензии Apache-2.0.

Модель raynardj/ner-gene-dna-rna-jnlpba-pubmed — модель распознавания именованных сущностей, разработанная сообществом raynardj. Она основана на RoBERTa, предварительно обученной на PubMed, и дообучена на наборе JNLPBA для разметки биомедицинских сущностей в тексте. Модель выделяет DNA, RNA, белки, клеточные линии и типы клеток; README также упоминает проверку на химических веществах и заболеваниях, но не приводит для них отдельные классы меток. Модель содержит 151,8 млн параметров, принимает текст и возвращает метки токенов. Контекст составляет до 514 токенов. Она предназначена для извлечения биомедицинских сущностей из научных текстов, в частности из публикаций о генах и их продуктах. Поддержка английского подтверждается карточкой модели и набором данных JNLPBA. Модель распространяется по лицензии Apache-2.0. Метки не используют префиксы B-/I-, поэтому вывод не сохраняет стандартное различение начала и продолжения сущности; для последовательных spans README предлагает дополнительную обработку.

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 разработала OpenMed-NER-ChemicalDetect-PubMed-v2-109M — модель на базе BiomedNLP-BiomedBERT для распознавания химических сущностей в биомедицинских текстах. Это BERT-модель для классификации токенов с 136,7 млн параметров и контекстом до 512 токенов; она принимает токенизированный текст и размечает упоминания химических веществ тегами BIO B-CHEM и I-CHEM. Модель дообучена на корпусе BC4CHEMD с аннотациями химических соединений в аннотациях PubMed. Модель подходит для извлечения названий химических соединений и лекарств из научных публикаций и медицинских документов, а также для поиска сущностей при мониторинге нежелательных явлений и построении биомедицинских баз знаний. В README приведены результаты на BC4CHEMD: F1 0,949, точность 0,9447 и полнота 0,9534. Карточка не подтверждает независимую валидацию этих показателей на клинических данных, поэтому качество на иных типах текстов может отличаться. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-ChemicalDetect-TinyMed-135M — дообученную модель DistilBERT для распознавания химических сущностей в биомедицинских текстах. Она выделяет названия химических соединений и веществ, помечая токены тегами B-CHEM и I-CHEM, и предназначена для анализа научной литературы, медицинских записей и других документов о здоровье. Модель основана на distilbert-base-multilingual-cased, принимает текст и возвращает BIO-разметку токенов. Контекст ограничен 512 токенами. В README сообщается о F1 0,93 на BC4CHEMD; обучение проводилось на этом корпусе. Модель можно применять для извлечения упоминаний химических веществ при поиске лекарственных взаимодействий, мониторинге нежелательных явлений и построении биомедицинских баз знаний. Заявленные результаты не гарантируют такую же точность на других типах текстов. Лицензия — Apache-2.0.

OpenMed-NER-DNADetect-BigMed-560M — модель OpenMed для распознавания биомедицинских именованных сущностей. Это дообученный трансформер XLM-RoBERTa с архитектурой XLMRobertaForTokenClassification и 658,7 млн параметров. Модель принимает текст и присваивает токенам BIO-метки для белков, ДНК, РНК, клеточных линий и типов клеток. Модель предназначена для извлечения сущностей из биомедицинской литературы и текстов здравоохранения, включая поиск упоминаний белков и генетических объектов для последующего анализа. В README приведены результаты на корпусе JNLPBA: F1 0,81, точность 0,77 и полнота 0,86. Контекст модели — до 514 токенов; заявлена поддержка английского языка. Распространяется по лицензии Apache-2.0. Показатели и заявления о пригодности для клинического применения приведены авторами карточки и не подтверждают качество на любых других наборах данных или текстах.

OpenMed-NER-DNADetect-ElectraMed-109M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученный трансформер архитектуры BERT с 136,7 млн параметров, предназначенный для токенной классификации. Модель выделяет белки, ДНК, РНК, клеточные линии и типы клеток, присваивая токенам BIO-метки. Модель обучена на корпусе JNLPBA, содержащем аннотации биомедицинских сущностей в рефератах MEDLINE. Её можно применять для извлечения упоминаний из медицинских записей и научной литературы, а также для последующего анализа биомедицинских текстов. Контекст ограничен 512 токенами; в README приведены показатели F1 0,77, точности 0,73, полноты 0,83 и accuracy 0,90 на JNLPBA. Модель принимает токенизированный текст и выдаёт BIO-разметку. Распространяется по лицензии Apache-2.0.

OpenMed-NER-DNADetect-ModernClinical-149M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Она дообучена на архитектуре BioClinical-ModernBERT-base и предназначена для разметки токенов в научных публикациях, клинических записях и других медицинских документах. Модель различает белки, ДНК, РНК, клеточные линии и типы клеток, выдавая BIO-метки для найденных сущностей. Модель имеет 149 млн параметров, архитектуру ModernBERT и контекст до 8192 токенов. В карточке указаны английский язык и датасет JNLPBA, составленный из биомедицинских аннотаций MEDLINE и GENIA. Для JNLPBA приведены F1 0,77, точность 0,73 и полнота 0,81. Модель можно применять для извлечения сущностей из медицинских записей, анализа литературы и построения биомедицинских баз знаний; показатели на этом датасете не гарантируют качество на иных корпусах или в клиническом использовании. Лицензия — Apache-2.0.

OpenMed/OpenMed-NER-DNADetect-SuperMedical-355M — модель OpenMed для распознавания биомедицинских именованных сущностей. Это дообученная модель на архитектуре RoBERTa для классификации токенов; она принимает текст и возвращает BIO-разметку. Модель выделяет белки, ДНК, РНК, клеточные линии и типы клеток в научной и медицинской литературе. В README заявлены обучение на корпусе JNLPBA и показатели F1 0,8177, точности 0,7716, полноты 0,8697 и accuracy 0,9318. Метаданные указывают 454,1 млн параметров, контекст до 514 токенов и лицензию Apache-2.0. Модель подходит для извлечения биомедицинских сущностей при анализе публикаций и медицинских документов, а также для построения поисковых систем и баз знаний. Заявленные показатели относятся к JNLPBA; качество на иных типах текстов и в клинических сценариях может отличаться. Поддерживается английский язык.

OpenMed разработала OpenMed-NER-DNADetect-TinyMed-66M — модель распознавания биомедицинских сущностей, дообученную на базе distilbert-base-uncased для разметки токенов. Она выделяет белки, ДНК, РНК, клеточные линии и типы клеток в научных аннотациях и медицинских текстах, присваивая сущностям метки в формате BIO. Модель использует архитектуру DistilBERT, принимает текст и имеет контекст 512 токенов; карточка указывает поддержку английского языка. Модель предназначена для извлечения биомедицинских терминов из литературы и документов, включая задачи поиска сущностей для последующего анализа и построения баз знаний. В README приведены результаты на JNLPBA: F1 0,79, точность 0,75, полнота 0,84 и accuracy 0,91. Эти показатели относятся к указанному датасету и не гарантируют качество на других типах текстов. Лицензия — Apache-2.0.