IV.8Государственное управление, правосудие и чрезвычайные ситуации

Roflmax/bge-m3-legal-ru — дообученная Roflmax на базе BAAI/bge-m3 модель Sentence Transformer для векторного представления русскоязычных юридических текстов. Она кодирует предложения и абзацы в плотные векторы размерности 1024; близость текстов можно оценивать косинусным сходством. Архитектура включает XLM-RoBERTa, слой pooling по CLS-токену и нормализацию. Репозиторий использует библиотеку Sentence Transformers, а число параметров составляет 658,7 млн. Модель предназначена для семантического поиска и сравнения юридических запросов с документами, а также для поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты поиска по судебным и нормативным материалам. Метаданные указывают контекст до 8194 токенов, тогда как карточка описывает максимальную длину последовательности в 512 токенов; фактическое ограничение может зависеть от используемой конфигурации модели. Лицензия в предоставленных данных не указана.

Roflmax/bge-m3-legal-ru-cocktail-40-60 — русскоязычная модель эмбеддингов для поиска и сравнения юридических документов, разработанная на основе двух дообученных вариантов BGE-M3. Она создана методом LM-Cocktail: веса моделей Roflmax/bge-m3-russian-legal и Roflmax/bge-m3-legal-ru-updata объединены в пропорции 40/60. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт векторы размерностью 1024; в метаданных указаны задачи sentence-similarity и feature-extraction. Модель предназначена для семантического поиска по судебным решениям, федеральным законам и региональным нормативным актам, а также для поиска похожих документов, кластеризации и классификации по сходству эмбеддингов. Для сравнения векторов рекомендуется косинусное сходство. README сообщает о Recall@5 91,79% на тестовом наборе из 7 187 примеров и указывает, что запросы можно кодировать без префиксов. Метаданные указывают контекст до 8194 токенов, тогда как README рекомендует ограничивать последовательность 512 токенами и разбивать более длинные документы на фрагменты. Модель оптимизирована для русского языка и юридического домена; на текстах из других областей качество может быть ниже. Данные о давности обучающей выборки не приведены. Лицензия — MIT.

Карточка модели Masterjorj/bge-m3-legal-ru-cocktail-40-60-bel на Hugging Face совпадает с карточкой Roflmax/bge-m3-legal-ru-cocktail-40-60, поэтому описание составлено по ней. Roflmax/bge-m3-legal-ru-cocktail-40-60 — русскоязычная модель эмбеддингов для поиска и сравнения юридических документов, разработанная на основе двух дообученных вариантов BGE-M3. Она создана методом LM-Cocktail: веса моделей Roflmax/bge-m3-russian-legal и Roflmax/bge-m3-legal-ru-updata объединены в пропорции 40/60. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и выдаёт векторы размерностью 1024; в метаданных указаны задачи sentence-similarity и feature-extraction. Модель предназначена для семантического поиска по судебным решениям, федеральным законам и региональным нормативным актам, а также для поиска похожих документов, кластеризации и классификации по сходству эмбеддингов. Для сравнения векторов рекомендуется косинусное сходство. README сообщает о Recall@5 91,79% на тестовом наборе из 7 187 примеров и указывает, что запросы можно кодировать без префиксов. Метаданные указывают контекст до 8194 токенов, тогда как README рекомендует ограничивать последовательность 512 токенами и разбивать более длинные документы на фрагменты. Модель оптимизирована для русского языка и юридического домена; на текстах из других областей качество может быть ниже. Данные о давности обучающей выборки не приведены. Лицензия — MIT.

Roflmax/bge-m3-russian-legal — модель эмбеддингов на базе BAAI/bge-m3, дообученная для семантического поиска по русскоязычным юридическим документам. Обучение проводилось на 26 734 парах запросов и документов из трёх категорий: судебные решения, федеральные и региональные законы. Архитектура — XLM-RoBERTa; модель содержит 658,7 млн параметров и выдаёт эмбеддинги размерностью 1024. README указывает максимальную длину последовательности 512 токенов, тогда как метаданные каталога сообщают контекст 8194 токена. Модель подходит для поиска юридических документов по смыслу и подбора релевантных судебных решений и нормативных актов к запросу. На тестовой выборке заявлены Recall@1 76,9%, Recall@5 92,9% и Recall@10 95,5%; показатели различаются по типам документов. Для инференса README рекомендует использовать префиксы BGE-M3. Модель распространяется по лицензии Apache-2.0.

deprem-ml разработала модель deprem-ner для извлечения географических и адресных сущностей из сообщений о людях, оказавшихся под завалами после землетрясения. Она предназначена для анализа обращений о помощи и поиска сведений об улице, провинции, районе, квартале, здании и этаже. Модель построена на BERT и решает задачу классификации токенов; число параметров — 137,8 млн, контекст — до 512 токенов. В качестве входа принимает текст, а на выходе выделяет сущности в тексте. Карточка приводит примеры сообщений на турецком языке. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

pan0sk/bge-m3-legal-v4 — дообученная pan0sk модель BAAI/bge-m3 для поиска релевантных фрагментов в греческих юридических, законодательных, административных и повседневных текстах. Это плотный энкодер на архитектуре XLM-RoBERTa с 658,7 млн параметров: он формирует векторы размерностью 1024 с mean pooling. Контекст составляет 8194 токена; доступны веса safetensors и GGUF F16, лицензия MIT. Модель предназначена для семантического поиска по греческим документам и сопоставления запросов с фрагментами текста. На отложенных выборках README сообщает recall@1 92,2% для юридических текстов, 77,8% для законодательных и административных и 85,6% для повседневных греческих текстов. Английский также присутствовал в обучающих данных, однако для поиска по греческому корпусу автор рекомендует переводить англоязычный запрос на греческий. Для полнотекстового поиска и ранжирования README рекомендует разбивать документы на фрагменты и индексировать каждый отдельно; эмбеддинги разных версий модели несовместимы и требуют повторного пересчёта при миграции.

Embeddinggemma-GTAIDE-300m-2605 — модель текстовых эмбеддингов проекта TAIDE, созданная на основе google/embeddinggemma-300m и дообученная на корпусе нормативных актов Тайваня на традиционном китайском языке. Она предназначена для семантического поиска: преобразует запросы и фрагменты документов в векторы размерностью 768, которые можно сравнивать по косинусному сходству. В README заявлена максимальная длина последовательности 2048 токенов. Основной сценарий — поиск наиболее подходящих положений законодательства по обращениям граждан, в том числе для подготовки ответов государственными служащими. На указанном в карточке наборе из 30 651 пары запросов и нормативных фрагментов модель показала Recall@10 98,79%, тогда как базовая embeddinggemma-300m — 89,28%. Эти результаты относятся к описанной оценке и не гарантируют такого же качества на других корпусах и запросах. Модель принимает текст и выдаёт векторы признаков; она не генерирует ответы и сама по себе не подтверждает юридическую корректность найденных документов. Обучающие законодательные данные актуализированы по 1 апреля 2026 года, поэтому последующие изменения законодательства могут не отражаться в её представлениях. В метаданных указана лицензия other; конкретные условия следует сверить с лицензией репозитория и базовой модели.

LT-NER-modernBERT — модель VSSA-SDSA для распознавания именованных сущностей в литовских текстах. Она дообучена на литовской части датасета MultiLeg на базе VSSA-SDSA/LT-MLKM-modernBERT и использует архитектуру ModernBERT с головой классификации токенов. Модель содержит 159,4 млн параметров, принимает текст с контекстом до 8192 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для выделения и классификации персон, организаций, мест, правовых актов, идентификационных номеров и других сущностей в юридических и официальных документах. Её можно применять для извлечения информации из правовых текстов и аналитики данных государственного и общественного секторов. В оценке на MultiLeg указаны F1 0,876 при точном совпадении и 0,908 для метрик с учётом пересечения сущностей. Модель ориентирована на литовский язык и формальный стиль: качество может снижаться на разговорной и диалектной речи. Она не предназначена для многоязычных или генеративных задач.

MindE 민원 분류기(bert-v9)는 한국 공공 민원 내용을 11개 카테고리로 자동 분류하는 텍스트 분류 모델입니다. 개발자는 README에 명시되어 있지 않으며, 모델은 KLUE BERT 기반으로 `klue/bert-base`를 민원 데이터에 맞게 미세조정했습니다. Transformers 라이브러리를 사용하고 가중치는 safetensors 형식이며, 전체 크기는 137.8M параметров, контекст — до 512 токенов. При обучении использовались входы длиной до 128 токенов. Модель предназначена для автоматической маршрутизации обращений в государственные службы и предварительной категоризации перед проверкой человеком или последующей обработкой. На тестовом наборе из 20 788 примеров заявлены accuracy 0,871, macro F1 0,873 и weighted F1 0,871. Обучающие данные основаны на AI Hub 143: около 860 тысяч обращений, исходно 18 категорий сведены к 11. Качество зависит от формулировки обращения: данные преимущественно связаны с Чхангвоном, поэтому возможен региональный словарный перекос. Для категории «архитектура и строительство» указан наиболее низкий F1 — 0,755; короткие и неоднозначные тексты могут получать низкую уверенность, поэтому полезно рассматривать несколько наиболее вероятных категорий. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

atti433/minde-urgency — разработанная MindE модель классификации корейских обращений в государственные службы по признаку срочности. Она дообучена на klue/bert-base и выдаёт метку «срочное» или «обычное»; архитектура — BERT для классификации последовательностей, размер — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для первичной сортировки обращений, чтобы направлять сообщения об опасных ситуациях на оперативное рассмотрение. В README приведены результаты на тестовом наборе из 86 778 примеров: accuracy 0,999, AUC 0,998, F1 для срочного класса 0,929, precision 0,874 и recall 0,990. Данные автоматически размечались правилами по ключевым словам и исключениям, поэтому модель может пропустить срочную ситуацию без известных ей ключевых слов или ошибочно отнести сообщение к обычным при наличии слов вроде «профилактика» или «информация». Для реального потока автор рекомендует сочетать её с дополнительными правилами и словарём ключевых слов. Лицензия указана как other, конкретные условия в карточке не раскрыты.

bge-m3-ko-public-admin — Gimhae Geunamja разработала эту модель для поиска по корейским административным документам и административному праву, а также для извлечения релевантных фрагментов в системах RAG. Это дообученная модель эмбеддингов Sentence Transformers на базе dragonkue/bge-m3-ko, построенная на XLM-RoBERTa; размер — 658,7 млн параметров, размерность векторов — 1024. На обучении использовались пары «вопрос — документ» из корейских наборов данных по административным документам и праву. Модель кодирует запросы и документы в векторы для поиска и сравнения сходства. README сообщает о настройке длины последовательности до 1024 токенов; вход сверх этого предела при обычной загрузке может быть обрезан. Хотя архитектура поддерживает более длинный контекст, качество на длинных последовательностях не проверено. Векторы используют CLS-пулинг, поэтому они не рассчитаны на прямую совместимость с методами, которым нужны усреднённые эмбеддинги фрагментов токенов. Основной язык — корейский; качество на других языках и вне административно-правовой области может отличаться от базовой модели. Модель распространяется по лицензии Apache-2.0, при этом для обучающих данных действуют отдельные условия AI Hub; исходные данные не входят в репозиторий.

Just-Bax/bge-m3-uzbek-cyrillic — дообученная модель на базе BAAI/bge-m3 для семантического поиска и сравнения текстов на узбекском языке в кириллической письменности. Она построена на архитектуре XLM-RoBERTa, содержит около 658,7 млн параметров и формирует плотные эмбеддинги размерностью 1024. Заявленная длина контекста — 8194 токена. Модель предназначена для поиска по документам, retrieval-augmented generation (RAG), оценки сходства предложений, проверки перефразирований, кластеризации и поиска дубликатов. Дообучение с контрастивной целью проводилось на узбекских юридических и официально-деловых текстах; используются CLS pooling и L2-нормализация. Поддерживается библиотекой Sentence Transformers, веса доступны в формате safetensors. Модель особенно подходит для узбекских текстов на кириллице в правовой и формальной тематике. Качество на узбекском в латинской письменности может отличаться; на разговорных текстах точность может быть ниже. Для сопоставимых результатов важно одинаково предварительно обрабатывать и нормализовать тексты при индексации и поиске. Лицензия — Apache-2.0.

Модель lblod/multilingual-ner-abb-improved — дообученная версия XLM-RoBERTa-base для распознавания именованных сущностей в юридических и административных решениях. Она обрабатывает английский, нидерландский и немецкий текст и размечает даты, места, правовые основания, административные органы и уполномоченных представителей по схеме BIO. Модель построена на архитектуре XLM-RoBERTa для классификации токенов, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. Обучение на немецких муниципальных решениях из Фрайбурга и Бамберга расширяет исходные данные на нидерландском и английском языках. На отложенной выборке общий F1 составил 0,794; показатели для языков различаются, а английская и нидерландская подвыборки были небольшими. Модель предназначена для извлечения сущностей из документов, а не для генерации текста. Лицензия в предоставленных данных не указана.

Карточка модели PedroDKE/multilingual-ner-abb-improved на Hugging Face совпадает с карточкой lblod/multilingual-ner-abb-improved, поэтому описание составлено по ней. Модель lblod/multilingual-ner-abb-improved — дообученная версия XLM-RoBERTa-base для распознавания именованных сущностей в юридических и административных решениях. Она обрабатывает английский, нидерландский и немецкий текст и размечает даты, места, правовые основания, административные органы и уполномоченных представителей по схеме BIO. Модель построена на архитектуре XLM-RoBERTa для классификации токенов, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. Обучение на немецких муниципальных решениях из Фрайбурга и Бамберга расширяет исходные данные на нидерландском и английском языках. На отложенной выборке общий F1 составил 0,794; показатели для языков различаются, а английская и нидерландская подвыборки были небольшими. Модель предназначена для извлечения сущностей из документов, а не для генерации текста. Лицензия в предоставленных данных не указана.

NUS Lithuanian PII Detection Model — модель Vytauto Didžiojo Universitetas для выявления персональных данных в литовском тексте. Это дообученный для классификации токенов энкодер XLM-RoBERTa large с 658,7 млн параметров и контекстом до 514 токенов; модель распознаёт 24 категории, включая имена, адреса, идентификационные коды, телефоны, даты и чувствительные сведения. Она предназначена для поиска фрагментов PII перед публикацией судебных и административных документов, обработкой медицинских и исследовательских записей или передачей текста внешним ИИ-сервисам. Выход модели содержит метки сущностей, а для деидентификации его следует сочетать с правилами постобработки и заменой найденных фрагментов. На отложенной выборке указаны entity-level F1 0,872, точность 0,860 и полнота 0,884; инструмент NUS PII validator сообщает строгий micro F1 0,854. Модель рассчитана только на литовский язык, не является универсальным распознавателем сущностей и сама по себе не анонимизирует текст. При полноте около 88% часть персональных данных может быть пропущена; необходимы проверка человеком и дополнительные меры, особенно в юридических и медицинских сценариях. Лицензия — OpenRAIL.

BGE-M3 Legal Spanish — модель эмбеддингов предложений на базе BAAI/bge-m3, дообученная Wilfredomartel на 546 265 парах запросов и релевантных документов из набора rvzrtx600k20250828. Она преобразует текст в нормализованные плотные векторы размерностью 1024 и предназначена для семантического поиска и сравнения испаноязычных юридических запросов и документов. Архитектура основана на XLM-RoBERTa с пулингом CLS-токена; максимальная длина последовательности — 8194 токена по метаданным. Модель подходит для поиска релевантных судебных и правовых материалов, оценки сходства текстов, поиска перефразирований, кластеризации и извлечения признаков для классификации. В README приведены результаты оценки поиска на наборе eval_dim_768, включая cosine_accuracy@1 0,8451; эти показатели относятся к указанной конфигурации оценки. Лицензия — Apache-2.0.

HerBERT Polish Legal NER — PII / Anonymization (OCR-robust) — польская модель разметки токенов для выявления персональных и других чувствительных данных в юридических и административных документах. Разработчик дообучил allegro/herbert-base-cased на польских данных и добавил аугментацию через рендеринг и OCR, чтобы модель распознавала имена людей в тексте с ошибками распознавания, пропущенными диакритическими знаками и фрагментированными фамилиями. Модель содержит 151,6 млн параметров, использует архитектуру BERT и контекст до 514 токенов; доступны веса Safetensors и ONNX, лицензия CC BY 4.0. Модель размечает сущности, включая людей, организации, адреса, даты, суммы, контакты, идентификаторы, IBAN и медицинские сведения. Она предназначена для поиска PII перед маскированием или анонимизацией, особенно в отсканированных и сфотографированных документах. Внутренние оценки указывают на лучшее обнаружение имён в OCR-тексте по сравнению с вариантом без OCR-аугментации, но качество на небольшом наборе документов не гарантирует полноту защиты. Для чувствительных данных модель рассчитана на локальный запуск, в том числе в браузере через ONNX Runtime Web или Transformers.js. Для надёжной анонимизации рекомендуется дополнять её проверками форматов идентификаторов, постобработкой и проверкой человеком.

InLegalTrans-En2Indic-1B — модель перевода текстов, разработанная группой исследователей NLP из Индийского технологического института в Харагпуре. Это дообученная версия ai4bharat/indictrans2-en-indic-1B с архитектурой IndicTrans2 и примерно 1,12 млрд параметров; модель предназначена для перевода юридических текстов с английского на девять языков Индии: бенгальский, хинди, маратхи, тамильский, телугу, малаялам, панджаби, гуджарати и ория. Модель дообучена на параллельном корпусе MILPaC. По результатам на тестовой части корпуса она превосходит базовую IndicTrans2 по BLEU, GLEU и chrF++ для всех указанных языковых пар; в карточке приведены подробные результаты для бенгальского и хинди. Подходит для перевода юридических документов и других правовых материалов между английским и индийскими языками. Лицензия — MIT.

Quintu разработала Quintu/bge-m3-legal_retrieval — дообученную версию модели bge-m3 для поиска юридических документов по смыслу. Модель преобразует запросы и документы в эмбеддинги, которые можно сравнивать по семантической близости; она рассчитана на поиск релевантных материалов в юридических коллекциях и учитывает юридическую терминологию и контекст. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и принимает текст с контекстом до 8194 токенов. Карточка указывает английский язык; веса доступны в формате safetensors, модель использует Sentence-Transformers. Лицензия — Apache-2.0. Описание не приводит количественных оценок качества или подробностей о составе обучающего набора.

fitlemon/bge-m3-uz-legal-matryoshka — Sentence Transformers modeli, BAAI/bge-m3 базасынан Өзбекстан заңнамасына қатысты сұрақтар мен құжат үзінділері бойынша дообучена. Она кодирует предложения и абзацы на узбекском языке в нормализованные плотные векторы размерностью 1024; косинусное сходство подходит для семантического поиска и сопоставления вопроса с релевантным фрагментом. Модель основана на XLM-RoBERTa, поддерживает последовательности до 8194 токенов и обучена на 4737 парах «вопрос — фрагмент». Её можно применять для поиска правовых документов и фрагментов законодательства, оценки семантического сходства, поиска перефразировок и группировки текстов; также заявлена возможность использовать эмбеддинги для классификации. Matryoshka-обучение позволяет получать векторы меньшей размерности — от 64 до 768 — с приведёнными в карточке метриками поиска. Лицензия — Apache-2.0.

Luwayy разработал модель классификации изображений последствий стихийных бедствий на основе Vision Transformer ViT. Это дообученная версия google/vit-base-patch16-224-in21k с архитектурой ViTForImageClassification и примерно 113,2 млн параметров; модель обрабатывает изображения размером 224×224 и относит их к одному из шести классов: повреждённая инфраструктура, пожар, ущерб людям, наземное бедствие, отсутствие ущерба или водное бедствие. Она предназначена для сортировки и первичной оценки снимков при анализе последствий чрезвычайных ситуаций. Модель распространяется в формате safetensors; сведения о лицензии отсутствуют.

GreenLeaf Law Embed Tiny — плотная модель эмбеддингов для поиска по юридическим текстам, разработанная JudicialMind в рамках открытой исследовательской инициативы. Она предназначена для поиска релевантных документов и фрагментов с учётом юридической терминологии, цитат, перекрёстных ссылок и длинного контекста; подходит для поиска по судебным решениям, договорам, законам и нормативным материалам. Модель использует двунаправленный трансформерный энкодер на основе архитектуры Qwen3: причинная маска снята во всех 28 слоях, размер скрытого слоя — 1024. README указывает 596 млн параметров, тогда как метаданные — 507,9 млн. Контекст составляет до 32 768 токенов; по умолчанию используется лимит 1024 токена, который можно увеличить настройкой max-length. Поддерживаются более 35 языков, включая английский, немецкий, французский, испанский, китайский, японский, корейский, арабский и хинди. Эмбеддинги можно сокращать по размерности благодаря Matryoshka Representation Learning; при инференсе доступны режимы float32, int8 и binary. В README приведены результаты на MLEB-12 и MTEB(Law, v1), но они не являются гарантией качества для конкретного корпуса. Модель специализирована на юридических текстах и может уступать универсальным эмбеддерам на общих текстах. Лицензия — Apache-2.0.

Koyal Indic-4 Dual-Mode ASR 600M — мультиязычная модель распознавания речи от Adalat AI для подготовки транскриптов на хинди, каннада, малаялам и телугу. Модель содержит около 600 млн параметров и использует кэшируемый энкодер FastConformer с декодером RNN-T, обусловленным языковым промптом. Она дообучена на базе nvidia/nemotron-3.5-asr-streaming-0.6b с новой токенизацией SentencePiece на 6 000 токенов. Один чекпойнт поддерживает пакетную офлайн-транскрипцию и потоковое распознавание с несколькими настройками задержки. Модель выдаёт транскрипты в расширенной орфографии: с пунктуацией и форматированием числительных по письменным нормам. Она предназначена, в частности, для диктовки документов и судебных записей, когда важен готовый к использованию текст. Качество для отдельных языков в офлайн-режиме может быть ниже, чем у специализированных одноязычных моделей Koyal. Целевой язык нужно указать при запуске; распознавание переключения языков в одной фразе не обучалось. Оценка расширенной орфографии проводилась на FLEURS-RO, отражающем чтение подготовленной речи; характеристики на аудио с другими частотами дискретизации не охарактеризованы. Для работы требуется NVIDIA NeMo версии 3.0.0 или новее. Лицензия указана как other.

Это модель распознавания именованных сущностей в юридических текстах на бразильском португальском языке. Её разработал dominguesm, дообучив dominguesm/legal-bert-base-cased-ptbr на задаче классификации токенов. Модель построена на BERT, содержит 136,1 млн параметров и обрабатывает контекст длиной до 512 токенов. Модель выделяет людей, организации, места, временные выражения, законодательные акты и судебную практику. Она предназначена для анализа юридических документов, исследований в области обработки естественного языка и правовых технологий. В README приведены тестовые метрики: общие precision 0,943, recall 0,961 и F1 0,952. Для обучения использовались юридические документы, предоставленные Федеральным верховным судом Бразилии на условиях LREC 2020. Автор предупреждает о возможной проблеме pipeline с максимальной длиной входной последовательности. Модель распространяется по лицензии CC BY 4.0.

AdamLucek разработал англоязычную модель Sentence Transformer на основе nomic-ai/modernbert-embed-base, дообучив её на синтетических примерах для юридического поиска. Модель преобразует предложения и абзацы в нормализованные плотные эмбеддинги: основной размер вектора — 768, сходство можно оценивать косинусной мерой. Архитектура включает ModernBERT, усреднение токеновых представлений и нормализацию; максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска по юридическим документам и поиска релевантных фрагментов для RAG, а также для сравнения текстов, поиска перефразирований, кластеризации и классификации. Matryoshka-обучение позволяет использовать укороченные эмбеддинги размерностью 512, 256, 128 или 64, с некоторым снижением показателей поиска относительно полного вектора. Выпускается в формате safetensors и распространяется по лицензии Apache-2.0.

ChangeOS со Swin-T — модель сегментации для выявления изменений и оценки повреждений зданий на спутниковых снимках. Её обучили на данных xView2/xBD с помощью библиотеки torchange; backbone Swin-T инициализирован весами ImageNet-1k. Модель предназначена для локализации зданий и классификации повреждений по категориям: без повреждений, незначительные, серьёзные и разрушенные. В README приведены результаты на отложенной выборке hold по официальной смешанной метрике xView2: Overall F1 — 76,91, Localization F1 — 85,03, Damage F1 — 73,43. Модель принимает изображения и выдаёт сегментационную разметку. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Описанный результат относится к протоколу обучения на train и tier3, выбора контрольной точки на test и однократной оценки на hold.

ValkB/all-MiniLM-L12-v2_HazMiner_nonevents — модель классификации текста, созданная на основе sentence-transformers/all-MiniLM-L12-v2 с помощью SetFit. Разработчик карточки использовал обучение с малым числом примеров: дообучил Sentence Transformer контрастивным методом, а затем обучил классификационную голову LogisticRegression. Модель содержит около 40 млн параметров, поддерживает последовательности длиной до 512 токенов по метаданным; в README указана максимальная длина 128 токенов. Классификатор различает два класса: сообщения о событиях и сообщения без событий, в частности в примерах речь идёт о наводнениях и других опасных явлениях. Модель предназначена для отбора и категоризации текстовых сообщений по наличию события, например для мониторинга сообщений об угрозах и происшествиях. Она принимает текст и выдаёт метку класса. Базовая модель описана как компактная англоязычная модель эмбеддингов; примеры и обучающие данные в карточке англоязычные. Репозиторий использует PyTorch и библиотеку SetFit. Лицензия — Apache-2.0.

Legal BERTimbau — модель Sentence Transformers, разработанная для проекта IRIS и системы семантического поиска решений Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для сравнения смысловой близости, кластеризации и поиска юридических текстов. Модель основана на крупной версии BERTimbau для португальского языка, адаптированной к юридическим текстам. Обучение включало MLM на юридических предложениях примерно из 30 000 документов, этапы с псевдоразметкой и NLI, а также дообучение для оценки семантического сходства на наборах ASSIN, ASSIN2, STS-B Multi MT и IRIS STS. Модель содержит 433,2 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт эмбеддинги. Лицензия — MIT.

DEFAULT_5000steps_len512 — модель Sentence Transformers, дообученная автором batmangiaicuuthegioi на базе BAAI/bge-m3 на наборе augmentated_legal_triplets с примерами юридических текстов. Она кодирует предложения и абзацы в плотные векторы размерности 1024, нормализует их и предназначена для поиска семантически близких текстов и сравнения их косинусной близости. Архитектура включает XLM-RoBERTa и pooling по CLS-токену; максимальная длина последовательности составляет 8192 токена. Модель можно применять для семантического поиска и оценки сходства, а также для кластеризации, поиска перефразировок и классификации текстов на основе эмбеддингов. Обучение проводилось на 36 728 триплетах с anchor, positive и negative; для обучения указана функция MultipleNegativesRankingLoss. Многоязычная база BGE-M3 поддерживает работу с текстами на разных языках, но отдельные языки именно этой донастройки не перечислены. Репозиторий содержит веса Safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не приведена.

dinghy-law-0.6b — плотная текстовая embedding-модель Hanno-Labs на 507,6 млн параметров, дообученная на базе Qwen/Qwen3-Embedding-0.6B для поиска по юридическим документам. Она создаёт вектор размерности 1024 для входного текста и предназначена для семантического поиска, первого этапа извлечения и ранжирования в юридических RAG-системах, а также сопоставления и группировки правовых текстов. Модель использует архитектуру Qwen3 и библиотеку sentence-transformers; длина контекста по умолчанию — 8192 токена, с возможностью увеличить её до 32768. Контрастивное дообучение охватывает юридические тексты на английском, немецком и китайском языках. В описанной авторами оценке MTEB(Law, v1) модель получила 65,88 по Mean(Task) nDCG@10; это собственное измерение авторов, а не официальное место в рейтинге. Модель рассчитана на локальный запуск, в том числе на CPU без GPU, и подходит для поиска по законам, судебной практике и договорам. Она не генерирует текст и не предоставляет юридических консультаций. Среди ограничений авторы отмечают отставание на поиске по немецким судебным делам и длинных документах, а также небольшое снижение качества некоторых задач общего поиска по сравнению с базовой моделью. Поддержка за пределами английского, немецкого и китайского юридического текста не подтверждена. Лицензия — Apache-2.0.