IV.8Государственное управление, правосудие и чрезвычайные ситуации

vin00d дообучил Snowflake/snowflake-arctic-embed-l для поиска по юридическим текстам. Это модель Sentence Transformers на архитектуре BERT: она преобразует предложения и абзацы в нормализованные векторы размерности 1024, предназначенные для сравнения по косинусному сходству. Максимальная длина входа — 512 токенов. Модель подходит для семантического поиска по юридическим документам, сопоставления запросов с фрагментами документов, поиска перефразировок, кластеризации и классификации текстов. В README приведена оценка информационного поиска на обучающем наборе из 210 пар; результаты не гарантируют качество на других корпусах. Модель работает с текстом, а обучающие примеры относятся к англоязычным юридическим материалам. Лицензия в предоставленных данных не указана.

Hoangy2005/vietnamese-legal-embedder — текстовая модель Sentence Transformer, дообученная на основе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Архитектура включает XLM-RoBERTa, усредняющий pooling и нормализацию; максимальная длина последовательности — 514 токенов по метаданным Hugging Face. Модель предназначена для извлечения эмбеддингов и поиска релевантных текстов, в том числе семантического поиска по вьетнамским юридическим материалам и подбора похожих предложений. Карточка указывает базовую мультиязычную модель, однако не приводит конкретные обучающие данные или результаты оценки качества в юридическом домене. Использование требует библиотеки Sentence Transformers. Лицензия в предоставленных данных не указана.

wav2vec2-xls-r-parlaspeech-hr — модель распознавания хорватской речи от CLASSLA. Это архитектура Wav2Vec2ForCTC размером 402,7 млн параметров, дообученная на 300 часах аудиозаписей и расшифровок из набора ParlaSpeech-HR v1.0, сформированного на основе парламентских выступлений. Модель предназначена для автоматической транскрипции хорватской речи, в частности записей парламентских заседаний. На тестовой части ParlaSpeech-HR v1.0 указаны CER 0,0234 и WER 0,0761; карточка отмечает, что другая модель из серии, wav2vec2-large-slavic-parlaspeech-hr-lm, показывает лучшие результаты по этим метрикам. Модель принимает аудио и выдаёт текст. В метаданных указана лицензия CC-BY-NC-SA-4.0.

Rolv-Arild/xls-r-300m-npsc-2 — модель автоматического распознавания речи на базе архитектуры wav2vec2, разработанная пользователем Rolv-Arild и представленная на Hugging Face. Модель относится к семейству XLS-R и имеет около 402,7 млн параметров; её назначение — преобразование норвежской речи в текст, в частности для материалов Norwegian Parliamentary Speech Corpus (NPSC). Модель поддерживает pipeline automatic-speech-recognition и использует библиотеки Transformers и PyTorch. Сильная сторона модели — специализация на распознавании норвежской речи после дообучения на парламентских аудиозаписях. Она предназначена прежде всего для транскрибации норвежских выступлений и других близких по акустике и тематике записей. Точная лицензия модели и длина контекста по доступным данным не установлены; для практического применения следует учитывать возможное снижение качества на других языках, диалектах, шумных записях и аудио, отличающемся от обучающего домена.

Aitana-2B-S-base — базовая генеративная языковая модель семейства Aitana, разработанная группой GPLSI Университета Аликанте. Она основана на BSC-LT/salamandra-2b и непрерывно предобучена на многоязычных данных, чтобы улучшить представление валенсийского и каталанского языков. Это плотный decoder-only Transformer архитектуры Llama с примерно 1,7 млрд параметров по метаданным и контекстом 8192 токена. Модель предназначена для генерации текста на валенсийском, испанском и английском языках, а также для дальнейшего дообучения и адаптации в административной, юридической и туристической сферах. Обучающие данные включают официальные публикации DOGV, парламентские материалы Les Corts, корпус AMIC, документы Университета Аликанте и туристические тексты. Модель не проходила настройку на следование инструкциям, а её формальные обучающие данные могут приводить к официальному стилю ответов. В репозитории доступны веса safetensors и варианты GGUF, включая Q4_K_M и F16. Лицензия — Apache-2.0.

DISTIL-ITA-LEGAL-BERT — компактная модель эмбеддингов предложений на базе BERT, созданная методом дистилляции для ускорения работы с итальянскими юридическими текстами. Она была обучена как студенческая модель, воспроизводящая эмбеддинги более крупной ITALIAN-LEGAL-BERT: обучение на её тренировочном наборе минимизировало среднеквадратичное отклонение между векторами учителя и модели. Модель содержит 62,4 млн параметров, использует четыре уровня трансформера и формирует плотные векторы размерностью 768. Максимальная длина контекста — 512 токенов. Модель принимает предложения и абзацы и подходит для семантического поиска, кластеризации и сравнения сходства текстов. Для практического использования доступна интеграция через Sentence-Transformers или Transformers с подходящей операцией pooling. Карточка указывает лицензию AFL-3.0. Данные оценки качества в README не приведены, поэтому пригодность для конкретного юридического корпуса следует проверять отдельно.

Модель nemanjaPetrovic/legal-jerteh-125-sbert — дообученная версия Jerteh-125 на основе Sentence-BERT и архитектуры RoBERTa. Её разработал автор репозитория для семантического поиска по юридическим данным; обучение проводилось на триплетах с функцией потерь triplet loss. Модель содержит 180,2 млн параметров, принимает текст и формирует эмбеддинги для сравнения предложений и документов. Поддерживает сербский язык, а максимальная длина контекста составляет 514 токенов. Модель подходит для поиска юридических документов по смыслу и сопоставления запросов с релевантными текстами. Веса доступны в формате PyTorch; лицензия — MIT. В README модель названа proof of concept, поэтому её качество и пригодность для конкретного юридического корпуса следует оценить перед применением.

Модель tanbinh2210/phobert-hackathon-no-neg — Sentence Transformer, дообученный разработчиком на базе tanbinh2210/phobert-st. Она кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их по косинусному сходству. Архитектура включает RoBERTa, усреднение токенных представлений и нормализацию; максимальная длина последовательности — 256 токенов. Модель обучена на 147 585 парах «запрос — ответ» из набора json с помощью MultipleNegativesRankingLoss. Она предназначена для семантического поиска и сопоставления текстов, в том числе поиска ответов по запросу, оценки сходства и кластеризации. Пример данных на вьетнамском языке связан с нормативными документами о регистрации проживания, поэтому модель подходит для поиска по подобным текстам. Для работы с моделью нужна библиотека Sentence Transformers. В метаданных не указана лицензия, поэтому условия использования следует уточнить у автора репозитория. Ограничения включают контекст до 256 токенов; качество вне тематики и языков обучающих данных по карточке не подтверждено.

Gaston — чат-модель, разработанная пользователем baconnier для упрощения административных сообщений и документов: она переформулирует сложный официальный язык в понятные формулировки. Модель предназначена для помощи в понимании писем, процедур и других административных материалов; карточка представляет её как proof of concept. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Она дообучена методом ORPO на базе NousResearch/Hermes-2-Pro-Llama-3-8B, использует формат диалоговых промптов ChatML и поддерживает контекст до 8192 токенов. В README указан английский язык; описание назначения приведено по-французски. Лицензия в метаданных — Apache-2.0, однако README также указывает на условия Meta Llama 3 Community License Agreement для базовой модели.

rufimelo/Legal-BERTimbau-base-TSDAE-sts — модель Sentence-Transformers для сопоставления семантически близких предложений и абзацев на португальском языке в юридической области. Она основана на Legal-BERTimbau-base-TSDAE, производной от BERTimbau large, и дообучена для оценки семантического сходства на наборах ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура — BERT, около 136,1 млн параметров; модель преобразует текст в плотные векторы размерностью 1024 и принимает контекст длиной до 512 токенов. Модель подходит для семантического поиска и кластеризации юридических текстов, а также для ранжирования сходства между предложениями. В README приведены результаты оценки на португальских наборах STS. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

hbpkillerX/legal-clause-minilm-l6-v2 — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2 для представления предложений и абзацев в виде плотных семантических векторов. Модель построена на архитектуре BERT и содержит 25,9 млн параметров. Она формирует векторы размерности 384, нормализует их и сравнивает тексты с помощью косинусного сходства; метаданные указывают контекст до 512 токенов, а конфигурация из README задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения юридических положений, поиска перефразировок, кластеризации и классификации текстов. README описывает дообучение на парах anchor-positive и оценку на clause-eval-triplets с cosine_accuracy 0,9761. Это англоязычный энкодер; сведения указывают на специализацию на юридических положениях, но подробности лицензии и юридических юрисдикций в предоставленных данных отсутствуют.

legalnermodel — модель распознавания именованных сущностей на основе RoBERTa-base, дообученная автором ssanskar9 для задачи token classification. Веса содержат около 151,8 млн параметров, сохранены в формате safetensors; максимальная длина контекста — 514 токенов. Модель распространяется по лицензии MIT. В README указаны результаты на оценочном наборе: accuracy 0,974, precision 0,952, recall 0,943 и F1 0,9475. Назначение в юридической сфере предполагает извлечение сущностей из текстов, однако конкретные типы сущностей, язык и состав обучающего набора не описаны, поэтому применимость к конкретным юридическим документам следует проверять отдельно.

Mankei-326M-Embedder — компактная модель эмбеддингов немецкого текста от keyvan-ai для семантического поиска и извлечения релевантных фрагментов в RAG-системах, развёрнутых локально. Модель содержит 326,4 млн параметров, основана на плотной архитектуре Llama и выдаёт векторные представления текста. Для запросов требуется префикс «query: », для фрагментов — «passage: »; используется pooling по последнему токену. Контекст — до 2048 токенов. Модель обучена контрастивным методом с LoRA на немецкой базовой модели Mankei и датасете GermanDPR с жёсткими отрицательными примерами. В описанных zero-shot тестах она показала высокие результаты на немецких юридических документах вне обучающего домена; на вопросах по Wikipedia уступила более крупным универсальным моделям. Компактный размер и возможность работы на CPU подходят для локального поиска по большим коллекциям документов. Лицензия — Apache-2.0.

thefloydd/qwen3-0.6b-rlcd — компактная модель оценки вариантов на 0,6 млрд параметров, созданная на базе Qwen3-0.6B-Base и опубликованная автором репозитория. Она принимает описание состояния и один или несколько типизированных вопросов с вариантами ответа и критериями, затем за один проход оценивает варианты и возвращает калиброванные вероятности, а также отдельную оценку уверенности в том, что правильный ответ вообще присутствует среди вариантов. Модель не генерирует текстовые токены и рассчитана на работу через Transformers, в том числе на CPU. Модель предназначена прежде всего для структурированных решений: применения правил к записям и документам, проверки утверждений, классификации по заданным вариантам и ситуаций, где полезно воздержаться от ответа при низкой уверенности. Вопросы обрабатываются независимо; поддерживается до 255 вариантов для вопроса типа choice и до 8192 токенов на запрос, хотя обучение проводилось на состояниях длиной до 2304 токенов. Модель обучена на английском языке. Базовая модель дообучена с LoRA, после чего адаптер слит с весами; лицензия репозитория — Apache-2.0. Наиболее сильные результаты показаны на структурированных задачах принятия решений. Качество обычной классификации текста, логического вывода, анализа журналов и многошаговых вопросов заметно ниже, калибровка зависит от области. Модель не может выбрать ответ вне предложенного списка: если верного варианта нет, следует ориентироваться на отдельную оценку confidence. Данные обучения включали источники с различными условиями лицензирования, в том числе некоммерческое обучение и исследовательское использование.

cyhapun/vn-legal-embedding-v1 — модель Sentence Transformers, дообученная на основе BAAI/bge-m3 для векторного представления текстов по вьетнамскому законодательству. Она преобразует предложения и абзацы в плотные эмбеддинги размерностью 1024; сходство между ними оценивается косинусной мерой. Архитектура включает XLM-RoBERTa, пулинг по CLS-токену и нормализацию. Модель рассчитана на семантический поиск и сопоставление юридических текстов, а также может применяться для кластеризации, поиска перефразировок и классификации по эмбеддингам. В README указан максимальный размер последовательности 768 токенов; метаданные сообщают нативный контекст базовой модели 8194 токена, поэтому практический предел этой версии задаётся карточкой модели. Обучение включало наборы вопросов и ответов по вьетнамскому праву и датасет для оценки юридического поиска; в README приведены высокие значения cosine accuracy на legal-eval, но это не гарантирует аналогичного качества на других данных. Модель распространяется по лицензии MIT.

Cyfieithydd 7b Fersiwn 3 — экспериментальная модель перевода, разработанная BangorAI на основе BangorAI/mistral-7b-cy-epoch-2. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, обученная для перевода между английским и валлийским языками на данных Cofnod y Cynulliad, подготовленных TechIaith, и архиве уведомлений правительства Уэльса. Модель принимает текст и генерирует текст; формат запросов в карточке показывает перевод с английского на валлийский и обратно. Модель использует веса PyTorch и распространяется по лицензии Apache-2.0. В метаданных указано контекстное окно 32 768 токенов, тогда как README описывает базовую Mistral-7B-v0.1 как модель с окном 4k и рекомендует подавать текст по абзацам. Поэтому при длинных входах следует учитывать эту оговорку и проверять фактически поддерживаемую длину в используемой конфигурации.

KAL-24B-mx-v1 — языковая модель Saptiva AI на архитектуре Mistral, дообученная для мексиканского варианта испанского языка. Модель основана на mistralai/Mistral-Small-3.2-24B-Instruct-2506: адаптеры LoRA объединены с весами базовой модели, поэтому отдельная загрузка адаптера не требуется. Это плотная модель на 22 млрд параметров с контекстом до 32 768 токенов; она предназначена для генерации текста и диалогов по инструкциям. Модель рассчитана на ответы на испанском языке с учётом мексиканской культуры, повседневной речи, нормативных требований и государственных процедур. Её можно применять для чат-ботов, подготовки черновиков и объяснений, а также ответов на вопросы о процедурах CURP, Infonavit, SAT и SPEI. Для актуальных сведений рекомендуется подключать проверенные источники через RAG. Лицензия — Apache 2.0. Модель может выдавать правдоподобные, но неверные ответы; её знания ограничены данными обучения с датой отсечения в сентябре 2025 года, и она не получает обновления в реальном времени. Точность следует проверять, особенно в юридических, финансовых и медицинских сценариях; вне мексиканского контекста качество может снижаться.

IoannisKat1/legal-bert-base-uncased-new2 — модель Sentence Transformers на основе nlpaueb/legal-bert-base-uncased, дообученная для преобразования предложений и абзацев в плотные векторы размерности 768. В архитектуре используется BERT с усреднением токенных представлений; сходство векторов можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения юридических текстов на английском языке. Её можно применять для поиска релевантных документов и фрагментов, выявления перефразировок, кластеризации и извлечения признаков для классификации. В README приведены результаты оценки поиска на разных размерах вектора, но данных для оценки качества на широком наборе задач нет. Модель содержит 136,7 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Она унаследовала языковую и предметную специализацию базовой модели Legal-BERT; контекст ограничен 512 токенами, поэтому длинные документы нужно разбивать на фрагменты.

Модель flair/ner-german-legal — модель распознавания именованных сущностей в немецких юридических текстах, распространяемая как стандартная модель библиотеки Flair. Она предназначена для извлечения юридически значимых сущностей из документов; README сообщает о 19 тегах, включая адвокатов, европейские стандарты и законы. Модель построена на эмбеддингах Flair с архитектурой LSTM-CRF и обучена на наборе LER German. В README указан F1-результат 96,35 на этом наборе. Модель принимает немецкий текст и присваивает метки его фрагментам; репозиторий содержит веса PyTorch. Лицензия не указана в предоставленных данных.

OBSIDIAN — модель классификации коротких текстов на арабском языке, разработанная в рамках проекта SoftALL в Университете нефти и минералов имени короля Фахда (KFUPM). Она дообучена на основе AraBERT и использует архитектуру BERT с классификационной головой; модель содержит 162,4 млн параметров и принимает до 512 токенов. Модель присваивает тексту одну из пяти меток: угроза, насилие, эмоциональное неблагополучие, жалоба или нейтральное содержание. Модель предназначена для классификации арабских твитов и коротких сообщений, мониторинга публичных обсуждений и поддержки систем раннего оповещения и аналитических панелей. Её можно применять для обработки отдельных текстов и пакетных наборов данных, а также как компонент систем ситуационной осведомлённости. Авторы рекомендуют использовать прогнозы как сигналы для поддержки решений с проверкой человеком. Качество может снижаться на длинных текстах, при смешении языков, OCR-ошибках, сарказме, неявных формулировках, локальных диалектах и данных, отличающихся от обучающих. Значения классов могут пересекаться, поэтому модель не подходит как единственное основание для правовых, дисциплинарных или иных высокорисковых решений. Лицензия в предоставленных источниках не указана.

Модель Faishal-Anwar — диалоговая дообученная версия Qwen2.5 с плотной архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она предназначена для генерации текста в формате диалога, в том числе для задач в юридическом контексте. Модель можно использовать для составления и переформулирования юридических текстов, ответов на вопросы и ведения диалога на правовые темы. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. README сообщает, что при обучении использовались Unsloth и библиотека TRL. Модель дообучена на Faishal-Anwar/qwen2.5-1.5b-pgabl-legal-sft-faishal и распространяется по лицензии Apache 2.0. Качество и надёжность юридических ответов в предоставленных материалах не оценены; результаты следует проверять перед практическим применением.

TinyJev 4B v2 — модель Анкита с открытыми весами, дообученная на базе Qwen3.5-4B для принятия решений по тексту. Она предназначена для интерфейса decision API в Ollama 0.35.1 и новее: модель получает текст документа и вопрос с заданными вариантами ответа, затем оценивает каждый вариант и возвращает вероятности без поясняющего текста. Окно контекста — 16 тысяч токенов, поэтому в один запрос могут помещаться длинные документы, например договоры и цепочки писем. Архитектура — плотная Qwen3.5 на 4 млрд параметров; доступны веса Safetensors и GGUF в вариантах Q4_K_M и Q8_0. Модель подходит для классификации по заданным вариантам, проверки положений договора и других задач, где требуется выбрать один из допустимых ответов. В опубликованных тестах она показывает результаты, сопоставимые с Tev1 на коротких запросах и лучшие результаты на длинных договорах, однако эти оценки относятся к наборам тестов, описанным автором. Измеренная слабость — многошаговые рассуждения о датах и числах. Для использования в Ollama требуется версия 0.35.1 или новее. Лицензия модели — Apache-2.0; в карточке также указаны источники обучающих данных и их лицензии.

0sint-event-embedder — англоязычный энкодер предложений, разработанный для выделения сообщений об одном и том же реальном событии в шумном потоке OSINT. Модель дообучена на датасете allenborochin/0sint от sentence-transformers/all-MiniLM-L6-v2 с контрастивной функцией потерь MultipleNegativesRankingLoss и трудными отрицательными примерами. Это плотная BERT-модель на 25,9 млн параметров; она принимает текстовые сообщения и создает эмбеддинги для сравнения по косинусному сходству. Максимальная длина контекста — 512 токенов. Модель предназначена для кластеризации сообщений по идентичности события, поиска похожих событий в архиве и семантического поиска по новостной ленте, особенно когда разные происшествия имеют похожие место, время и формулировки. По README, производственная версия используется в системе триажа 0sint; описаны также результаты проверки на отложенных парах событий. Модель специализируется на англоязычных сообщениях в стиле Telegram и не является универсальным энкодером сходства. Репозиторий распространяется по лицензии MIT.

Suchae/bge-m3-Korean-Judgment-Transducer-Verifier-v1.1 — модель Sentence Transformer на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024; сходство текстов оценивается косинусной близостью. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текстов. Название указывает на применение к корейским судебным текстам, однако README не приводит подробностей обучения или результатов на юридических задачах. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

pan0sk разработала bge-reranker-v2-m3-legal — перекрёстный переранжировщик на базе BAAI/bge-reranker-v2-m3 для поиска по греческим юридическим, нормативным и административным документам. Модель получает запрос и фрагмент текста и выдаёт оценку их релевантности, по которой можно переставить результаты первичного поиска. Архитектура — XLM-RoBERTa для классификации последовательностей; в репозитории есть веса safetensors и квантизированный ONNX-вариант int8 для CPU. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов, тогда как README описывает максимальную длину последовательности 512 токенов; ориентируйтесь на ограничение используемой реализации и конфигурации при запуске. Модель обучена на примерно 759 тысячах пар запрос–фрагмент для греческого юридического, нормативно-административного и общеязыкового текста. На отложенной выборке греческих юридических запросов автор сообщает улучшение recall@1 относительно базового эмбеддера и стандартного переранжировщика; для нормативно-административной выборки результат уступил стандартной модели. Английский и межъязыковой поиск не были целью дообучения. Оценки модели не являются вероятностями и не сопоставимы напрямую между запросами; длинные фрагменты могут усекаться. Лицензия — Apache-2.0.

Ryanliii/chinese-admin-approval-name-ner-gold-silver 是 модель распознавания имён людей в заголовках китайских административных утверждений. Разработчик дообучил hfl/chinese-roberta-wwm-ext для разметки токенов с метками O, B-PER и I-PER; архитектура — BERT для классификации токенов, размер — 129,5 млн параметров, контекст — до 512 токенов. Для обучения использовались крупный набор данных с серебряными метками и 2000 вручную размеченных примеров с золотыми метками. Золотые обучающие примеры получили восьмикратный вес, а отложенная часть gold_test не участвовала в обучении и предназначена для оценки на реальных данных. Модель рассчитана на извлечение имён из китайских административных документов; лицензия в предоставленных данных не указана.

clawbert-149 — классификатор страниц документов, подаваемых в суды штата Калифорния, разработанный RayJackson30. Он принимает распознанный текст отдельной страницы и относит её к одному из 11 типов: основная страница, титульная или последующая титульная страница, оглавление, список органов власти, обложка приложения, подтверждение вручения, заверение, судебная форма, стенограмма или прочий тип. Модель предназначена для ранней маршрутизации страниц в конвейере обработки судебных документов и для добавления меток страниц перед поиском по документам или использованием с LLM. Это дообученная encoder-only модель ModernBERT-base с архитектурой ModernBertForSequenceClassification, примерно 149 млн параметров. Она обучена на около 13,6 тыс. размеченных страниц из 653 дел Калифорнии; для обучения использовались распознавания пяти OCR-систем. Код примера ограничивает вход 1536 токенами; конфигурация модели указывает контекст до 8192 токенов. Для классификации неоднозначных страниц в контексте целого документа в репозитории также есть отдельный контекстный слой размером 1,8 млн параметров. Модель принимает текст, полученный OCR, и выдаёт метку класса с оценкой вероятности. Она не выполняет OCR и не извлекает сведения из документов; дальнейшая обработка страниц также остаётся за другими компонентами. Классы и сигналы форматирования ориентированы на судебные документы Калифорнии, поэтому перенос на другие юрисдикции может потребовать проверки или дообучения. Репозиторий опубликован по лицензии Apache-2.0.

Hviske v5 — модель распознавания датской речи, разработанная Syvai. Это плотная encoder-decoder архитектура Conformer с 2 млрд параметров, обученная примерно на 3,5 млн аудиозаписей общей длительностью около 16 тысяч часов из семи датских наборов данных. Модель принимает аудио и преобразует речь в текст; её основное назначение — транскрибация датской речи. В README приведены результаты оценки на парламентских записях, вещательных материалах и других датских речевых данных. Например, WER составил 6,4% на ftspeech и 5,7% на nota в указанной выборке. Для семейства уже доступна более новая версия v5.3, рекомендованная автором и показывающая лучшие результаты на тесте CoRal v3; v5 сохранена для воспроизводимости. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

xshubhamx выпустил дообученную версию law-ai/InLegalBERT для классификации юридических текстов. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Базовая модель обучалась на судебных документах Индии и ориентирована на английский язык. README приводит результаты оценки: accuracy около 0,83 и macro F1 около 0,80. Это указывает на применимость для классификации текстов в задачах, сходных с оценочной выборкой, однако датасет, набор классов и подробности предполагаемого применения не раскрыты. Лицензия модели — MIT.

LegalBERTPT-br — модель для получения векторных представлений предложений на португальском языке, разработанная на базе предварительно обученной BERTimbau. Авторы обучили её методом SimCSE с контрастивным обучением. Модель предназначена для сравнения смысловой близости предложений и извлечения признаков из текстов. Для обучения использовались комментарии к законопроектам, тексты законопроектов и политические выступления из Бразилии: более 2,3 млн предложений после сегментации и объединения корпусов. Это делает её подходящей для поиска и сопоставления похожих фрагментов в бразильских политических и законодательных текстах. Модель распространяется в формате PyTorch по лицензии MIT. Она обучена на конкретном политико-правовом корпусе, поэтому качество на других темах и разновидностях португальского может отличаться; карточка не приводит оценок качества или длины контекста.