IV.8Государственное управление, правосудие и чрезвычайные ситуации

Это модель автоматического распознавания речи, разработанная Juan Zuluaga-Gomez и соавторами: Wav2Vec2-XLS-R-300M дообучена на корпусах UWB-ATCC и ATCOSIM с радиопереговорами авиадиспетчеров. Модель построена на архитектуре Wav2Vec2ForCTC, содержит около 402,7 млн параметров и принимает аудио, выдавая текст на английском языке. Модель предназначена для транскрибации переговоров управления воздушным движением, включая записи с шумом и отличающимися акустическими условиями. В объединённом тестовом наборе UWB-ATCC и ATCOSIM авторы сообщают WER 0,1687. Модель распространяется по лицензии Apache-2.0. Качество может снижаться на данных, отличающихся от радиопереговоров авиадиспетчеров; авторы отдельно не ожидают сопоставимой производительности на LibriSpeech и Common Voice.

Модель keremberke/yolov8m-protective-equipment-detection — детектор объектов семейства YOLOv8, опубликованный Keremberke и рассчитанный на поиск средств индивидуальной защиты на изображениях. Она распознаёт перчатки, защитные очки, каски, маски и обувь, а также отдельные классы отсутствия этих элементов. Модель предназначена для автоматизированной проверки соблюдения требований к защитной экипировке, например на рабочих площадках. Репозиторий содержит веса PyTorch и использует библиотеку Ultralytics. В карточке приведён список классов, но нет сведений о точности, размере модели или ограничениях применения; качество может зависеть от условий съёмки и сходства изображений с обучающими данными. Лицензия в предоставленных данных не указана.

keremberke/yolov8s-hard-hat-detection — модель обнаружения объектов на изображениях, созданная на основе YOLOv8s и предназначенная для выявления защитных касок. Карточка указывает два класса: Hardhat и NO-Hardhat, то есть наличие и отсутствие каски. Модель опубликована для библиотеки Ultralytics и использует формат PyTorch. Модель подходит для автоматической проверки использования касок на изображениях с рабочими площадками и для поиска людей без касок. Данных о размере модели, метриках качества, поддерживаемых языках и лицензии в предоставленных материалах нет.

Модель gilbertkristian/legal-chatbot-llama3-qlora — дообученная автором gilbertkristian языковая модель семейства Llama для генерации текста в сценариях юридического чат-бота. Она основана на unsloth/Llama-3.2-1B-bnb-4bit и содержит около 1,2 млрд параметров; README сообщает об обучении с Unsloth и библиотекой TRL. Для работы доступны веса в формате Safetensors, лицензия — Apache-2.0. Модель рассчитана на диалоговые ответы по юридическим вопросам, однако карточка не описывает охват правовых систем, проверку точности или конкретные юридические задачи. В метаданных указан контекст длиной до 131072 токенов и английский язык. Небольшой размер может быть удобен для локального развертывания, но ответы требуют проверки специалистом и не должны считаться юридической консультацией.

Модель tclin/whisper-large-v3-turbo-atcosim-finetune — дообученная версия Whisper Large V3 Turbo от OpenAI, адаптированная для распознавания и транскрибации англоязычных радиопереговоров управления воздушным движением. Она использует архитектуру WhisperForConditionalGeneration и содержит около 905,2 млн параметров. Обучение проводилось на данных ATCOSIM с частичной заморозкой слоёв; модель предназначена для работы с аудио и выдаёт текст. Модель подходит для расшифровки авиационной фразеологии, позывных и радиопередач с характерным шумом, а также для подготовки данных авиационных исследований и анализа загруженности воздушного пространства. В README заявлен WER 3,73678% на оценке разработчиков. Для обработки рекомендуется аудио с частотой 16 кГц; длинные записи можно подавать частями. Модель оптимизирована для английских переговоров УВД и не предназначена для общего распознавания речи. Точность может снижаться при сильном шуме, наложении передач, разных акцентах и региональной фразеологии. Лицензия — MIT.

drone-audio-detection-05-17-trial-0 — модель классификации аудио на основе Audio Spectrogram Transformer (AST), дообученная автором preszzz от MIT/ast-finetuned-audioset-10-10-0.4593. Она предназначена для распознавания звуков дронов в аудиозаписях. В README приведены результаты оценки: accuracy 0,996, precision 0,9987, recall 0,9962 и F1 0,9974. Данные оценки получены на тестовом наборе; состав и происхождение датасета не описаны, поэтому результаты не подтверждают качество на других записях и условиях. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и формат safetensors. Лицензия — BSD-3-Clause. README не сообщает подробностей о настройке и ограничениях применения.

againeureka/klue_roberta_base_for_legal — корейская языковая модель J. Park из KETI, дообученная на текстах судебных решений. Она основана на архитектуре KLUE RoBERTa-base и предназначена для работы с замаскированными токенами в юридических текстах: модель предсказывает пропущенное слово по контексту. Веса представлены в формате PyTorch; размер модели — 137,8 млн параметров, максимальный контекст — 514 токенов. Модель подходит для экспериментов с корейскими судебными документами и восстановления пропущенных слов в юридическом тексте. В README лицензия обозначена как требующая уточнения, поэтому условия использования следует выяснить у разработчика перед применением.

Модель onebeans/segformer_crack_detection разработана для обнаружения трещин на дорожных покрытиях. Это дообученная на наборе данных NHA12D_dataset модель eoruadl/segformer-b0-finetuned-segments-crop_crack-2 на базе архитектуры SegFormer; она выполняет семантическую сегментацию изображений. В репозитории указаны веса в формате safetensors, лицензия MIT и среда запуска на Windows 10 с PyTorch и Transformers. Модель предназначена для анализа изображений дорог и выделения участков с трещинами. README приводит пример запуска на видеокарте NVIDIA GeForce RTX 3070 с 8 ГиБ памяти. Карточка не описывает точность, набор классов, контекст использования или поддержку языков; оценить качество на других типах поверхностей по имеющимся данным нельзя.

nlpaueb/bert-base-uncased-echr — англоязычная модель LEGAL-BERT, разработанная группой обработки естественного языка Афинского университета экономики и бизнеса. Это вариант BERT-base, предварительно обученный на материалах дел Европейского суда по правам человека (ЕСПЧ) для исследований и прикладных задач NLP в юридической сфере. Модель предназначена для предсказания замаскированных слов в юридических текстах; например, она может подбирать вероятные слова в формулировках судебных решений ЕСПЧ. Архитектура — плотный BERT, размер — 136,7 млн параметров, максимальный контекст — 512 токенов. Доступны форматы PyTorch, TensorFlow и Flax. Модель специализируется на английских юридических текстах и может быть полезна как основа для дальнейшей адаптации к задачам юридической аналитики. Карточка приводит пример предсказания слова, но не подтверждает отдельные возможности для классификации или ответов на вопросы. Лицензия — CC BY-SA 4.0.

Anas Belfathi и соавторы создали BERT Legal Genre — модель BERT для заполнения пропусков в юридических текстах. Это версия bert-base-uncased, продолжительно предобученная на корпусе LexFiles с выборочным маскированием: чаще скрывались слова, задающие структуру и стиль юридического дискурса, например ordered, allowed и acquitted. Модель имеет 136,7 млн параметров, принимает текстовые фрагменты длиной до 512 токенов и обучена на материалах Европейского суда по правам человека, судебных дел ЕС и индийских судебных дел. Модель предназначена для восстановления пропущенных слов и изучения языковых закономерностей юридических документов на английском языке. Выборочное маскирование ориентировано на юридические маркеры и жанровые особенности корпуса, но само по себе не подтверждает качество для юридических консультаций, классификации дел или иных задач, отличных от заполнения пропусков. Лицензия — CC BY 4.0.

ACE-Brain-0-8B — мультимодальная модель зрения и языка, разработанная ACE Robotics для задач воплощённого интеллекта. Она основана на архитектуре Qwen3-VL и дообучена на базе ACE-Brain/ACE-Brain-0-8B; репозиторий содержит веса в формате safetensors. Модель принимает изображения и текстовые запросы и предназначена для интерпретации сцен, пространственных рассуждений и поддержки решений в физических средах. Основные сценарии включают пространственное познание, понимание дорожных ситуаций для автономного вождения, анализ данных низковысотного зондирования и взаимодействие с физическими агентами. В README заявлены оценки на 24 бенчмарках и сильные результаты в понимании среды, рассуждении о движении и планировании с учётом сцены. Подтверждённые в карточке входы и выходы относятся к формату image-text-to-text; конкретные языки и длина контекста не приведены. Лицензия — MIT.

Romulus-cpt-Llama-3.1-8B-v0.1-Instruct — модель Louis Brulé Naudet для продолжительного предварительного обучения на французских юридических текстах. Она основана на Meta-Llama-3.1-8B-Instruct и предназначена прежде всего как отправная точка для последующего дообучения на размеченных данных для задач французского права. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат Safetensors; родной контекст составляет 131 072 токена. Обучающий корпус включает около 34,9 млн токенов. Несмотря на имя с суффиксом Instruct, автор предупреждает, что модель не выровнена для генерации пригодного к использованию текста и требует дополнительной настройки для целевых задач. Репозиторий указывает лицензию Llama 3.1. Модель подходит для экспериментов и подготовки специализированных юридических ассистентов на французском языке, но качество ответов для конкретного сценария зависит от последующего дообучения.

Sky-VLM — специализированная визуально-языковая модель для пространственных рассуждений при навигации беспилотных летательных аппаратов. Она представлена в исследовании «Is your VLM Sky-Ready? A Comprehensive Spatial Intelligence Benchmark for UAV Navigation»; карточка не уточняет организацию-разработчика. Модель построена на плотной архитектуре Qwen2.5-VL и содержит 7,1 млрд параметров. Она принимает изображения и текстовые запросы и формирует текстовые ответы; для работы с изображениями и диалогами предусмотрен интерфейс Transformers, также заявлен интерфейс вызова инструментов. Модель предназначена для анализа пространственных сцен и поддержки навигационных сценариев БПЛА. Указанная длина контекста — 128 000 токенов. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия Apache-2.0. Карточка не приводит результатов бенчмарка, поэтому фактическое качество навигационных решений по ней оценить нельзя. Модель не следует считать готовой системой автономного управления полётом без отдельной проверки в целевой среде.

legalslm/legal-slm-336m-release — базовая авторегрессионная языковая модель семейства Llama от разработчиков LegalSLM. Модель с 332,4 млн параметров обучена с нуля на корпусе индийских юридических текстов; это плотная decoder-only архитектура, опубликованная в формате Safetensors и загружаемая через Transformers без пользовательского кода. Контекст — 1024 токена. Модель рассчитана на продолжение текста и оценку вероятности продолжений, а не на выполнение инструкций; основной язык карточки — английский. Модель лучше подходит для генерации и оценки текста в индийском юридическом стиле, в частности для работы с формулировками законов и категориями наказаний. На приведённых в карточке тестах она уступает моделям общего назначения на обычном тексте. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты. Ограничения существенны для правовых задач: модель не умеет надёжно связывать наказание с конкретной статьёй, может выдумывать судебные цитаты и номера дел, а примеры в запросе способны сильно влиять на ответ. Тексты BNS, BNSS и BSA представлены в обучении ограниченно, а право после 2023 года недопредставлено. Для точного поиска норм её следует сочетать с извлечением источников и проверкой по первичным текстам; ответы о санкциях нельзя использовать как справочную информацию.

snssamuel/qwen2.5-3b-legal-chatbot-id — дообученная разговорная языковая модель на архитектуре Qwen2, разработанная snssamuel на основе unsloth/Qwen2.5-3B-Instruct-bnb-4bit с использованием Unsloth и TRL. Она предназначена для генерации текста в диалоговом формате; название указывает на юридического чат-бота, однако README не описывает конкретные юридические функции или их качество. Модель содержит 3,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors. Метаданные отмечают интерфейс чата и вызова инструментов. Указана лицензия Apache-2.0.

Это экспериментальный чекпойнт SwiftVLN, дообученный авторами SwiftVLN на данных SatNav для навигации по спутниковым изображениям. Он основан на мультимодальной модели Qwen2.5-VL-3B-Instruct с 3,1 млрд параметров и архитектурой Qwen2.5-VL; модель принимает изображения и текстовые инструкции и формирует текстовый вывод для навигационного сценария. Обучение выполнено на офлайн-траекториях экспертов SatNav-v0.1 за одну эпоху с полным дообучением параметров. Модель использует окно из 32 RGB-кадров и глобальную и локальную карты исследованной области: охват карты составляет 1000 м и 400 м соответственно, визуализация — 448 пикселей. За один прогноз модель планирует четыре действия; в README также описаны расширение маски на 20 пикселей и усредняющее объединение с шагом 2. Чекпойнт предназначен для запуска в бенчмарке SatNav через инструменты SwiftVLN, а не для универсальных диалогов или произвольных задач анализа изображений. Контекст базовой модели составляет 128 000 токенов; лицензия в предоставленных данных не приведена.

prabhasa-nyaya 3B — вариант Qwen2.5-3B, дообученный командой AxisMeru для формализованного анализа отдельных положений индийского уголовного законодательства. Это плотная авторегрессионная языковая модель на 3,1 млрд параметров с контекстом до 32 768 токенов; она принимает текстовые запросы в специальном сыром формате и выдаёт структурированные доказательства, отказы и ссылки на нормы, рассчитанные на проверку Lean 4. Модель обучалась на примерах по 14 прочтениям статей IPC и BNS, включая доказательства, пропуски и определение применимой нормы. В оценке с грамматически ограниченной генерацией и Lean-проверкой приняты 108 из 377 доказательств; среди 389 случаев, где нормы не должны применяться, доля ложных доказательств составила 1,03%, но корректные отказы получались лишь в 1,8% случаев. Результаты основаны на одном запуске и существенно зависят от ограниченного декодирования и проверяющей системы; свободная генерация работает хуже. Формат запросов должен соответствовать обучающему шаблону: чат-формат для модели нехарактерен. Это исследовательский артефакт, не предназначенный для юридических рекомендаций; охват ограничен указанными прочтениями законов, без судебной практики. Производная распространяется по лицензии Qwen Research Licence: некоммерческое исследовательское использование, для коммерческого требуется разрешение Alibaba Cloud.

pan0sk/bge-m3-legal-v2 — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная для семантического поиска и сравнения текстов с акцентом на юридические материалы, законодательство и общие тексты. Она преобразует предложения и абзацы в плотные векторы размерности 1024, нормализует их и предназначена для сравнения по косинусному сходству; архитектура включает XLM-RoBERTa с пулингом CLS-токена. В метаданных указаны 658,7 млн параметров, библиотека Sentence Transformers и контекст до 8194 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска по правовым документам, оценки сходства текстов, поиска перефразирований, кластеризации и классификации текстов. Карточка называет обучающие наборы legal, statute и general; приведённый пример данных — на греческом языке, но полного перечня поддерживаемых языков нет. Репозиторий содержит веса safetensors и вариант GGUF F16. Лицензия в предоставленных сведениях не указана.

Llama-PLLuM-70B-instruct-2508 — большая языковая модель семейства PLLuM, разработанная консорциумом PLLuM и продолжаемая альянсом HIVE AI для польского и других славянских и балтийских языков. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, настроенная на выполнение инструкций; она поддерживает диалог и генерирует текст. Родительская модель — Llama-PLLuM-70B-base, лицензия — Llama 3.1. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и создания специализированных помощников. Особое внимание уделено польскому языку и сценариям польской государственной администрации, включая юридические и бюрократические темы; для ответов по конкретным документам рекомендуется использовать её вместе с поиском по источникам. Заявленный контекст составляет 131 072 токена. В обучении использовались польские, другие славянские и балтийские языки, а также английский. Модель обучалась на корпусах, актуальных примерно до осени 2024 года, поэтому она может не знать более поздних событий. Она может выдавать фактически неверные ответы, а также сохранять смещения, особенно по спорным и субъективным темам; длинный контекст может требовать значительных ресурсов памяти. Использование регулируется лицензией Llama 3.1.

CYFRAGOVPL/PLLuM-8x7B-chat-2412 — чат-модель семейства PLLuM, разработанная для польского языка и других славянских и балтийских языков с дополнительными англоязычными данными. Это языковая модель Mixtral с архитектурой Mixture of Experts (MoE), доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов; в метаданных указано 7,1 млрд параметров. Модель дообучена для диалогов и выравнивалась на предпочтениях людей. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и создания специализированных помощников. В README отмечены результаты на задачах, связанных с польским государственным управлением, и применение в юридических и бюрократических сценариях, в том числе с поиском по документам. Лицензия — Apache-2.0. Модель может генерировать фактически неверные или вымышленные сведения; предвзятость также может проявляться в спорных и субъективных темах. Работа с длинным контекстом зависит от доступной памяти.

CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

PLLuM-4B-chat-2512 — чат-модель семейства PLLuM, разработанная командой HIVE AI на базе Gemma 3 4B. Она продолжает предварительное обучение на польских и английских текстах и дообучена следовать инструкциям и предпочтениям людей. Модель предназначена для диалогов и генерации текста, включая ответы на вопросы, суммаризацию и извлечение информации; её ориентир — польский язык, в том числе задачи для государственного управления. Для работы с внутренними или отраслевыми документами модель можно применять в RAG-сценариях совместно с поиском и хранилищем документов. В README указано, что версия chat выровнена по человеческим предпочтениям и рассчитана на более безопасные и эффективные диалоги; разработчики также сообщают о высоких результатах на польских языковых и административных бенчмарках. Модель распространяется в формате safetensors по лицензии Apache-2.0.

PLLuM-4B-instruct-2512 — инструктивная языковая модель семейства PLLuM, разработанная альянсом HIVE AI на основе Gemma 3 4B. Модель продолжительно обучали на польских и английских текстах, затем дообучали на инструкциях и настраивали с помощью предпочтений людей. Это плотная модель с архитектурой Gemma3ForConditionalGeneration и 4 млрд параметров; она распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для диалога и генерации текста, включая ответы на вопросы, суммаризацию и извлечение сведений. Она особенно ориентирована на польский язык и может применяться для создания помощников, в том числе для польской публичной администрации и юридических или бюрократических тем с использованием поиска по документам. README также указывает на английские данные для более широкой обобщающей способности. Ограничение контекстом и доступностью языков зависит от конкретной конфигурации; подтверждены польский и английский. Для актуальных ответов по нормативным и другим документам модель следует сочетать с поиском по источникам, поскольку сама генерация не гарантирует фактическую точность.

Карточка модели crisistransformers/CT-M2-Complete на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

Карточка модели crisistransformers/CT-mBERT-SE на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

dinghy-law-4b-v1 — модель плотных текстовых эмбеддингов от Hanno Labs, дообученная на базе Qwen/Qwen3-Embedding-4B для поиска по юридическим корпусам. Она предназначена для извлечения релевантных законов, судебных решений и договорных фрагментов, а также для сопоставления, кластеризации и дедупликации юридических текстов. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3 и выдаёт вектор размерности 2560. Для запросов поддерживается инструкция задачи; документы кодируются без неё. По умолчанию модель обрабатывает до 8192 токенов, а настройка позволяет использовать контекст базовой модели до 40960 токенов. Модель оптимизирована для англоязычных, немецкоязычных и китайскоязычных юридических текстов. В собственной оценке разработчика на MTEB(Law, v1) она получила 71,24 по Mean(Task) nDCG@10; это результат измерения автора, а не официальное место в таблице лидеров. Модель подходит для первого этапа поиска и ранжирования в юридических RAG-системах, включая локальные и изолированные развёртывания. Она формирует эмбеддинги, но не генерирует ответы и не предоставляет юридические консультации. Лицензия — Apache-2.0.

ddobokki/ko-trocr — модель OCR для распознавания корейского текста на изображениях, созданная с использованием опыта, полученного на соревновании AI OCR Challenge 2023 от Kyowon Group. Она построена по архитектуре VisionEncoderDecoder: энкодер взят из TrOCR base stage 1, а декодер использует KR-BERT-char16424. Токенизатор декодера поддерживает начальные согласные корейских слогов, что помогает распознавать символы, которые иначе могли бы отображаться как неизвестные токены. Модель обучалась на наборах AI Hub для распознавания корейских символов в разных формах и OCR государственных административных документов. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0. Карточка ориентирует модель на корейский язык и задачу извлечения текста из изображений.

CYFRAGOVPL/Llama-PLLuM-8B-chat-2512 — чат-модель семейства PLLuM, разработанная альянсом HIVE AI на основе работ консорциума PLLuM. Это плотная авторегрессионная модель архитектуры Llama с 7,5 млрд параметров, выровненная для диалога с помощью инструкционного дообучения и обучения на предпочтениях. Она принимает текст и генерирует ответы, сводки и другие тексты; особенно ориентирована на польский язык, при обучении также использовались англоязычные данные. Контекстное окно — до 131 072 токенов. Модель подходит для вопросов и ответов, извлечения сведений, суммаризации и создания специализированных помощников. В README отдельно отмечена применимость к польской публичной администрации и юридической или бюрократической тематике, особенно вместе с поиском по документам. Для таких сценариев актуальность и точность ответов зависят от качества подключённого поиска и источников. Репозиторий содержит веса в формате safetensors; лицензия — Llama 3.1.

Модель SetFit, разработанная на основе desarrolloasesoreslocales/bert-leg-al-corpus, предназначена для классификации текстов. Она использует дообученный контрастивным обучением Sentence Transformer и классификационную голову LogisticRegression; обучение выполнено в режиме few-shot. Модель распределяет входные тексты по 21 классу, связанному с обращениями и административными материалами на испанском языке. Модель основана на архитектуре RoBERTa, содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов (в метаданных контекст указан как 514 токенов). Для текстовой классификации в README указана точность 0,9127. Репозиторий использует формат safetensors и библиотеку SetFit. Лицензия в предоставленных данных не указана.

comsat-embed-ko-8b-preview — модель эмбеддингов на основе декодерной архитектуры Qwen3, разработанная Sionic AI и дообученная для семантического поиска на корейском языке. Она кодирует запросы и документы в векторы размерностью 4096 для поиска по сходству; по данным карточки, обучение включало более миллиона корейских примеров. Для запросов требуется task-инструкция, документы кодируются без префикса. Модель предназначена для поиска документов, извлечения сведений из баз знаний и семантического поиска в корпоративных системах, в том числе по длинным текстам. В карточке заявлен контекст до 8192 токенов; метаданные указывают нативное окно до 40960 токенов. На корейском подмножестве бенчмарка MTEB модель показала средний NDCG@10 0,7930 по девяти наборам данных. Поддерживаемые языки — корейский и английский, при этом основная специализация — корейский. Модель содержит 7,6 млрд параметров и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Результаты поиска зависят от правильного применения инструкции к запросам; заявленные показатели относятся к указанной методике бенчмарка и не гарантируют качество на других корпусах.