IV.8Государственное управление, правосудие и чрезвычайные ситуации

Guillaume Tell — французская языковая модель Etalab, разработанная для инструмента ALBERT межведомственной системы французской государственной службы. Это плотная causal language model семейства Llama 3, дообученная на базе Meta-Llama-3-8B-Instruct; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель принимает вопрос и подборку источников, обычно пять документов, и формирует ответ на французском языке с привязкой к источникам и специальной разметкой цитат. Модель предназначена для помощи государственным служащим в поиске и изложении сведений о французской администрации, например при разборе административных процедур. Она рассчитана на ответы первого уровня и на проверку ответов перед передачей пользователям государственных услуг. Лицензия — Apache-2.0. Модель не предназначена для сложных административных вопросов или тем за пределами французской администрации. Она отвечает только по-французски, а её ответы могут содержать ошибки или пропуски; применение предполагает проверку специалистом, знакомым с административными процедурами.

Nyaya-7B — инструктивно дообученная на базе Mistral-7B-Instruct-v0.3 языковая модель для извлечения структурированных сведений из судебных решений Индии в формате JSON. Она предназначена для обработки текстов решений Верховного суда и судов штатов Индии в юридических исследовательских и аналитических системах, автоматизации параюридических процессов, оцифровки архивов и построения юридического поиска и графов знаний. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; принимает текст и генерирует текст, включая структурированные JSON-данные. Карточка сообщает об обучении на материалах ILSum и InLegalNLP, преимущественно на англоязычных решениях, и указывает английский и хинди как языки модели. Модель можно запускать локально через Transformers, а адаптер был объединён с базовыми весами. README приводит оценку на тестовом наборе из 50 дел и сравнение с Gemini 2.5 Flash, но результаты не гарантируют точность на других документах. Модель не предназначена для юридических консультаций или принятия решений: она может ошибаться в цитатах и хуже работать с решениями до 1950 года, региональными и смешанными языками, новыми законами и текстом, полученным из сканов без предварительного OCR. Лицензия — Apache-2.0.

Модель louisbrulenaudet/tsdae-lemone-mbert-base — Sentence-Transformers на основе многоязычного BERT, адаптированная разработчиком Louis Brulé Naudet к французским юридическим текстам. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, кластеризации и извлечения признаков для последующей классификации. Обучение методом TSDAE использовало 100 000 предложений из французских кодексов, включая гражданское, уголовное, трудовое и налоговое право. Модель содержит около 194,6 млн параметров, принимает текст и имеет контекстное окно 512 токенов. Базовый mBERT предварительно обучен на 102 языках, однако эта версия специализирована на французском юридическом языке. Репозиторий предоставляет веса PyTorch, Safetensors и Flax. Лицензия — Apache-2.0. Специализация на французском праве помогает находить семантически близкие формулировки в юридических корпусах и получать признаки для downstream-задач. Модель выдаёт эмбеддинги, а не готовые юридические заключения или ответы; качество на иных языках и предметных областях может быть ниже.

VietLegal-Harrier-0.6B — модель эмбеддингов предложений для поиска по вьетнамским юридическим текстам, разработанная и опубликованная mainguyen9. Она дообучена на базе microsoft/harrier-oss-v1-0.6b, использует архитектуру Qwen3 и содержит около 507,9 млн параметров. Модель преобразует текстовые запросы и документы в векторы размерностью 1024 для оценки семантического сходства; в README указана косинусная мера сходства. Модель предназначена для семантического поиска юридических документов и подбора релевантных фрагментов по запросу на вьетнамском языке. В README сообщается результат NDCG@10 0,7813 на тесте Zalo AI Legal Text Retrieval. Лицензия — Apache 2.0. Метаданные указывают контекст до 32 768 токенов, тогда как README задаёт максимальную длину последовательности 512 токенов; фактический предел при использовании Sentence Transformers следует сверять с конфигурацией модели. Описание оценки ограничено указанным бенчмарком и не гарантирует качество на других юридических корпусах или языках.

Vietnamese_Law_Embedding_finetuned_v2 — модель Sentence Transformers, дообученная namnguyenba2003 на базе AITeamVN/Vietnamese_Embedding для работы с текстами на вьетнамском языке. Она преобразует предложения и абзацы в плотные нормализованные векторы размерности 1024; близость текстов оценивается косинусным сходством. Архитектура включает XLM-RoBERTa и слой pooling по CLS-токену, максимальная длина входной последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения вьетнамских текстов, включая юридические документы: её можно применять для поиска релевантных фрагментов, выявления перефразировок, кластеризации и классификации текстов. README приводит метрики информационного поиска для векторов полной размерности и их укороченных вариантов, однако результаты зависят от набора оценки и не гарантируют качество на других данных. Обучение описано на 23 168 парах anchor-positive из датасета json; сведения о составе юридических данных ограничены. Распространяется по лицензии Apache-2.0. Модель выдаёт эмбеддинги, а не готовые ответы или юридические заключения; качество поиска и классификации следует проверять на целевых документах.

Legal BERTimbau — модель на основе крупной португалоязычной версии BERTimbau, разработанная stjiris в рамках проекта IRIS для семантического поиска решений Верховного суда Португалии. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для поиска семантически близких текстов, сравнения предложений и кластеризации. Модель основана на BERT и дообучалась на юридических текстах, а затем на задачах NLI и семантического сходства с использованием наборов ASSIN, ASSIN2, STS-B Multi-MT для португальского и IRIS STS. Контекст составляет до 512 токенов; поддерживается португальский язык. Лицензия — MIT. Модель подходит для семантического поиска по юридическим документам и сопоставления португальских текстов. Её векторные представления сами по себе не формируют ответы и не заменяют юридическую оценку; качество за пределами португальских юридических и близких задач может быть ограничено.

Модель разработана коллективом collective.ai в рамках проекта AymurAI компании DataGenero. Это модель распознавания именованных сущностей для испаноязычных судебных решений: она построена на эмбеддингах BETO — версии BERT для испанского языка — и архитектуре BiLSTM-CRF, обученной по рекомендациям Flair. Модель извлекает из документов сведения, связанные с делами о гендерном насилии, включая даты рождения, даты вынесения решений и национальности. Модель обучена на 1200 судебных решениях закрытого набора данных одного уголовного суда Аргентины. Она предназначена для полуавтоматизированного сбора и анализа данных о делах, а не для самостоятельной юридической оценки. В README приведены метрики по нескольким типам сущностей; например, F1 для дат рождения составляет 0,99, а для дат решений и национальностей — 0,96. Результаты зависят от качества и единообразия документов. Из-за обучения на данных одного аргентинского суда модель может хуже работать с другими странами, правовыми системами и культурными контекстами. Проект AymurAI описан как прототип, внедряемый в одном суде Буэнос-Айреса. Лицензия модели — MIT.

Guillaume Tell — франкоязычная языковая модель, разработанная Etalab (Service du Datalab) при Межведомственном управлении цифровых технологий Франции. Это дообученная версия OpenHermes-2.5-Mistral-7B на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации ответов на вопросы о французской административной сфере по предоставленным источникам: она синтезирует информацию и добавляет ссылки для проверки. Такой сценарий можно встроить в систему RAG. Модель рассчитана прежде всего на сотрудников французских государственных учреждений, которым нужно находить и формулировать справочную информацию об административных процедурах. Она поддерживает диалог, но ограничена ответами на французском языке и вопросами в рамках французского административного контекста; сложные случаи ей не подходят. Ответы могут содержать ошибки или упускать важные сведения, поэтому их следует проверять. Лицензия — Apache-2.0.

MiniMax-M2.7 Legal REAP 0.45 — производная модель семейства MiniMax-M2.7, выпущенная PLI Labs / Proprietary Legal Intelligence как кандидат для оценки прореживания экспертных компонентов в юридической области. Модель предназначена для работы с текстом и поддерживает диалог; заявленный размер — 2,9 млрд параметров, архитектура — смесь экспертов, формат весов — safetensors, контекст — до 204 800 токенов. В метаданных указан английский язык, а лицензия обозначена как other. Модель рассчитана на помощь юристам при составлении и редактировании документов, обобщении длинных текстов и фактов, анализе с опорой на источники, а также на локальную или приватную оценку юридических сценариев. Разработчик сообщает о перспективных результатах внутренней оценки, но публичные сводные таблицы бенчмарков пока не представлены. Это исследовательский кандидат, а не проверенная модель для самостоятельного оказания юридических услуг: ответы и ссылки требуют проверки юристом по первичным источникам. Условия лицензии и использования следует сверить с лицензией репозитория, обозначенной как other.

Oyunbat26/mongolian-en-mn-translator — дообученная модель на архитектуре M2M100, созданная на базе facebook/nllb-200-distilled-600M для перевода с английского на халха-монгольский язык. Она специализируется на терминологии прав человека и юридических документов, поэтому подходит для перевода соответствующих отчётов и материалов. Обучение проводилось на примерно 4 000 профессионально переведённых пар предложений из таких документов; в тестировании указаны BLEU 17,56 и chrF 47,39. Модель принимает текст и выдаёт текст, поддерживает контекст длиной 1 024 токена. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

minhquan6203/paraphrase-vietnamese-law — модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-mpnet-base-v2, дообученная разработчиком на парах предложений с оценками сходства. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска и сравнения текстов в юридическом контексте Вьетнама. Модель использует архитектуру XLM-RoBERTa с усреднением токенных представлений и косинусной мерой сходства. В README указана максимальная длина последовательности 300 токенов, а метаданные каталога указывают нативный контекст в 514 токенов. Карточка сообщает о применении для семантического сходства, поиска парафразов, классификации и кластеризации; результаты оценки сходства включают Spearman 0,8645 для косинусного сходства. README не сообщает лицензию, поэтому условия распространения и использования установить по доступным данным нельзя. Результаты и качество на других юридических корпусах или языках отдельно не описаны; длинный текст может требовать разбиения на фрагменты.

Surromind/RetrievalLLM-preview — разработанная Surromind модель для RAG-сценариев, созданная полным дообучением Qwen2.5-14B на специализированных корейских наборах данных для поиска, ответов на вопросы и рассуждений. Она принимает запрос и найденные документы, а затем формирует структурированный JSON с релевантными документами, выдержками-источниками, кратким ответом и версией ответа с цитатами. Модель имеет плотную архитектуру Qwen2, содержит 14 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка описывает работу с корейскими административными и новостными документами, книгами, таблицами, финансовыми и юридическими текстами. Для обучения использовались H100, bf16 и три эпохи полного дообучения. Лицензия — Apache-2.0. Модель предназначена для генерации ответов, основанных на переданных документах, включая указание источников. Качество зависит от релевантности и полноты документов, предоставленных на вход; заявленная ориентация на корейский язык не подтверждает поддержку других языков.

Stern5497/sBert-swiss-legal-base — модель на базе RoBERTa, упакованная в формат Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации текстов. Веса содержат около 211,6 млн параметров, модель принимает текст и выдаёт векторы; указанная длина контекста — 514 токенов. При обучении применялась функция MultipleNegativesRankingLoss с косинусным сходством. Название модели указывает на юридические тексты Швейцарии, однако README не уточняет языки и состав обучающих данных. Репозиторий содержит веса PyTorch; для удобного использования предлагается библиотека Sentence-Transformers. Лицензия в предоставленных данных не указана.

Карточка модели vuongle15/vietlaw_embedding на Hugging Face совпадает с карточкой CODE4LIFEOFFICIAL/huydang-dek21-embedding, поэтому описание составлено по ней. DEk21_hcmute_embedding — вьетнамская модель эмбеддингов на базе Sentence Transformers и RoBERTa, дообученная разработчиками на примерно 100 000 примерах юридических вопросов и соответствующих контекстов. Она предназначена для семантического поиска и retrieval в RAG-системах, особенно по юридическим материалам на вьетнамском языке. Модель преобразует текстовые последовательности в векторы размерности 768, сопоставляемые по косинусному сходству. Обучение с MatryoshkaLoss позволяет укорачивать векторы с небольшим снижением качества, чтобы ускорить сравнение; максимальная длина последовательности — 258 токенов по метаданным. Для векторного поиска её можно использовать с Sentence Transformers; репозиторий содержит форматы ONNX и safetensors. В README приведены результаты оценки на задаче поиска по юридическим вопросам, однако они относятся к варианту с сегментацией wseg и указанному набору данных. Лицензия — Apache-2.0.

Vietnamese_Law_Embedding_finetuned_v3_256dims — модель Sentence Transformers, дообученная namnguyenba2003 на базе AITeamVN/Vietnamese_Embedding для получения плотных эмбеддингов вьетнамских юридических текстов. Она кодирует предложения и абзацы в векторы для семантического поиска, сравнения сходства и ранжирования по смысловой близости. Архитектура основана на XLM-RoBERTa с пулингом CLS-токена и нормализацией; размер вектора в README указан как 1024 измерения, а суффикс репозитория и оценка с усечением размерности также указывают на вариант 256 измерений. Максимальная длина последовательности — 8192 токена. README сообщает об обучении на 20 594 парах anchor-positive и приводит метрики поиска для разных размерностей. Модель ориентирована на вьетнамский язык и юридические документы: её можно применять для поиска релевантных правовых фрагментов, подбора похожих положений, поиска перефразирований и кластеризации текстов. Для сравнения векторов используется косинусное сходство. Данные о независимой оценке на широком наборе правовых задач не приведены, поэтому качество для конкретного корпуса следует проверять отдельно. Лицензия — Apache-2.0.

IndranilB разработал эту модель как дообученную версию microsoft/xtremedistil-l6-h384-uncased для многоклассовой классификации юридических документов Европейского союза. Модель на базе BERT Encoder содержит 25,9 млн параметров и распределяет документы по 29 категориям, включая регламенты, директивы, решения, рекомендации, заключения и сообщения. Она принимает текст документов на английском языке и предназначена для автоматической категоризации, маршрутизации и организации юридических материалов, а также для использования в системах поиска правовой информации. Максимальная длина входа — 512 токенов; более длинные документы обрезаются, поэтому важные сведения за пределами этого окна могут быть потеряны. На валидационной выборке указаны точность и micro-F1 68,59%, что следует учитывать при автоматической обработке документов. Модель распространяется по лицензии Apache-2.0.

algerian-law-biencoder-v2 — текстовый биэнкодер на базе Sentence Transformers, разработанный для поиска статей Алжирского семейного кодекса по вопросам пользователей. Модель дообучена на 389 парах «вопрос — статья» от 81melody/algerian-law-marbert с помощью MultipleNegativesRankingLoss; в основе архитектуры MARBERTv2 с BERT-энкодером и mean pooling. Она преобразует запросы и статьи в 768-мерные эмбеддинги, которые сравниваются по косинусному сходству. Модель рассчитана на первый этап двухэтапного поиска: вопросы на алжирской дарже, Arabizi, современном стандартном арабском, французском и смешанных языках сопоставляются с релевантными статьями закона. В README приведены результаты на dev-наборе: точность cosine@1 — 0,7045, @3 — 0,8182, @5 — 0,8864. Максимальная длина последовательности в README указана как 256 токенов; метаданные указывают контекст 512 токенов. Лицензия — Apache-2.0. Модель возвращает эмбеддинги для поиска, а не юридические консультации или готовые ответы.

Модель eliya/forensics_0.3B_xlsr_wild_deepfake_classifier разработана как часть семейства Forensics для обнаружения синтетической и поддельной речи в аудио из реальных, неконтролируемых условий. Это классификатор аудио на базе дообученной facebook/wav2vec2-xls-r-300m с полностью размороженным backbone и графовым attention-пулингом AASIST; размер базовой модели — около 300 млн параметров. Модель принимает аудио и выдаёт оценку вероятности того, что запись является дипфейком. Она предназначена для проверки телефонных записей, сжатых аудиоклипов и записей с неизвестными микрофонами и условиями съёмки. По README, модель обучалась на более чем 5 млн речевых примеров, включая синтетические подделки, с аугментациями шума, кодеков и акустических условий. Разработчик сообщает EER 1,03% на тесте In-the-Wild и называет результат лучшим в семействе; это заявление из карточки модели, а не независимая оценка. Модель использует PyTorch и веса в форматах safetensors и PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Мультиязычность указана в метаданных, однако конкретные поддерживаемые языки не перечислены.

GolemPII-v1 — модель CordwainerSmith для выявления и классификации персональных данных в тексте на иврите. Она дообучена для токеновой классификации на базе XLM-RoBERTa-base и корпуса GolemGuard: Hebrew Privacy Information Detection Corpus. Модель содержит 305,2 млн параметров, принимает текст и возвращает метки для отдельных токенов; максимальная длина контекста — 514 токенов. Модель предназначена для обнаружения и маскирования персональных данных, автоматического обезличивания документов и исследований по обработке иврита. В карточке приведены высокие результаты оценки на тестовых данных, однако они не гарантируют такую же точность на других источниках и типах текста. Репозиторий распространяется по лицензии MIT.

tojpaj разработал NGO Legal Aid — Intake Routing Model для автоматической маршрутизации обращений в организации юридической помощи. Это дообученная DistilBERT-модель классификации текста с 16 категориями практики: от жилищных и семейных вопросов до иммиграции и домашнего насилия. Она предназначена для первичной сортировки описаний проблем, поданных через форму или введённых сотрудником, чтобы направить обращение в очередь подходящего специалиста. Модель построена на distilbert/distilbert-base-uncased, распространяется в формате safetensors и принимает текст с контекстом до 512 токенов. README указывает английский как основной язык классификатора; для Hindi и Punjabi в описываемой системе задействованы отдельные компоненты на базе Gemma, RAG и внешних сервисов, а распознавание речи выполняет Whisper. Эти возможности не следует приписывать самой DistilBERT-модели. Для английского в README приведены точность 74,2% и macro-F1 60,0%; это ориентиры, а не гарантия качества на новых данных. Классификатор обучен на американских юридических обращениях, поэтому категории и результаты не подтверждают применимость к правовым системам других юрисдикций. Он предназначен для маршрутизации, а не для юридических консультаций или автономных решений по делу; выводы следует проверять сотруднику. Лицензия — CC-BY-4.0.

Lemone-Embed-L-Boost — модель эмбеддингов, разработанная Louis Brulé Naudet для поиска по французским налоговым и юридическим текстам. Она дообучена на intfloat/multilingual-e5-large и предназначена для извлечения информации из больших корпусов, включая производственные RAG-системы в налоговой сфере. Модель использует архитектуру XLM-RoBERTa и Sentence Transformers: усредняет токенные представления, нормализует результат и кодирует текст в плотный вектор размерности 1024. README сообщает о максимальной длине последовательности 512 токенов; метаданные указывают контекст 514 токенов. Основной язык — французский. Модель поддерживает семантический поиск и сравнение текстов, а также может применяться для кластеризации и классификации текстов. Лицензия — Apache 2.0.

Lemone-Embed Pro — модель эмбеддингов, разработанная Louis Brulé Naudet для семантического поиска по французским налоговым и юридическим материалам. Это Sentence Transformer, дообученный на базе Alibaba-NLP/gte-multilingual-base на корпусе из 303 863 примеров, связанных с французским налоговым законодательством и административными документами. Обучающие данные включают синтетические и полусинтетические примеры, созданные с помощью GPT-4 Turbo и Llama 3.1 70B и прошедшие дополнительную обработку и проверку. Модель преобразует текст в плотные векторы размерности 768 и поддерживает сравнение сходства по косинусной мере. Максимальная длина последовательности — 8192 токена. Она предназначена прежде всего для поиска релевантных фрагментов в крупных налоговых корпусах и построения RAG-систем, а также подходит для семантического сравнения, поиска перефразировок и кластеризации. В README приведены высокие значения точности поиска на наборе Lemone, однако они не гарантируют аналогичных результатов на других корпусах. Модель ориентирована на французский язык и налогово-правовую тематику. Доступна по лицензии Apache 2.0; в репозитории представлены форматы Safetensors и ONNX.

sdiazlor/modernbert-embed-base-biencoder-human-rights — англоязычная модель Sentence Transformers, дообученная на базе nomic-ai/modernbert-embed-base для поиска и сравнения фрагментов о правах человека. ModernBERT преобразует предложения и абзацы в нормализованные плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. Максимальная длина входной последовательности — 8192 токена. Модель подходит для семантического поиска по документам о правах человека, сопоставления похожих фрагментов, поиска перефразировок, кластеризации и классификации текста. В README приведён результат cosine accuracy 0,9819 на оценке TripletEvaluator; оценочный набор содержит 166 примеров. Это значение относится к указанной оценке и не гарантирует такую же точность на других данных. Модель принимает текст и выдаёт эмбеддинги. Разработчик — пользователь Hugging Face sdiazlor; лицензия Apache-2.0 разрешает использование на её условиях.

Akiya-Vyre выпустила дообученную модель SentenceTransformer на базе bqbbao6/vietnamese-legal-embedding для поиска по вьетнамским юридическим текстам. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для извлечения релевантных документов и сравнения семантической близости по косинусному сходству. Модель использует архитектуру XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов. Она принимает текст, обрабатывает последовательности до 514 токенов и выдаёт эмбеддинги; обучалась на наборе из 27 927 примеров с парами и отрицательными примерами. Лицензия в предоставленных данных не указана.

Finnish-NLP/wav2vec2-xlsr-300m-finnish-lm — акустическая модель распознавания финской речи, разработанная Finnish-NLP на основе facebook/wav2vec2-xls-r-300m. Модель с архитектурой Wav2Vec2ForCTC содержит около 402,7 млн параметров и дообучена на 275,6 часах размеченной финской речи. В репозитории также есть финская языковая модель KenLM для декодирования распознанной речи. Модель предназначена для преобразования финской речи в текст, в том числе записей заседаний и коротких аудиофрагментов. При оценке на Common Voice 7.0 указана частота ошибок слов 8,16% с KenLM и 17,92% без неё. Обучающие аудиофрагменты ограничивались 20 секундами; основной корпус составили записи финского парламента, поэтому качество может снижаться на бытовой речи, диалектах, а также на речи женщин и детей. Для длинных записей может потребоваться разбиение аудио на фрагменты. Лицензия — Apache-2.0.

Модель vlsb/autotrain-security-texts-classification-distilroberta-688220764 — классификатор текстов для бинарной классификации, созданный с помощью AutoTrain. Она основана на архитектуре RoBERTa и содержит 95,2 млн параметров; принимает текст и возвращает результат классификации. Модель рассчитана на тексты длиной до 514 токенов. По названию репозитория и датасета модель предназначена для классификации текстов по тематике безопасности. В карточке приведены метрики валидации: accuracy 0,903, precision 0,953, recall 0,878, F1 0,914 и AUC 0,944. Эти показатели относятся к использованному набору данных и не гарантируют такое же качество на других текстах. Лицензия в предоставленных данных не указана.

Deepfake-Detect-Siglip2 — модель классификации изображений, разработанная prithivMLmods и дообученная на базе визуально-языкового энкодера google/siglip2-base-patch16-224. Она использует архитектуру SiglipForImageClassification и относит изображение к одному из двух классов: «Fake» для дипфейка или изменённого изображения и «Real» для подлинного, неизменённого изображения. Модель предназначена для выявления изображений, созданных ИИ или подвергнутых манипуляциям, и может помогать при проверке контента в социальных сетях, журналистских фактчеках и криминалистических исследованиях. Она принимает изображения и выдаёт метку класса; данные карточки не описывают точность на разных типах изображений и способов подделки. Лицензия — Apache-2.0.

LeBSE-v2 — модель векторных представлений юридических текстов, созданная автором репозитория ahbond на основе дообучения многоязычной LaBSE. Это модель семейства BERT для sentence-transformers: она кодирует текст в эмбеддинги размерности 768 и сохраняет токенизатор и многоязычную основу LaBSE. Контекст модели — до 512 токенов, при обучении использовалась длина последовательности 128 токенов. Модель обучена контрастивным методом на 100 344 парах текстов судебных решений США, связанных цитированием. Она предназначена для поиска похожих судебных мнений и абзацев, рекомендации цитат, кластеризации юридических текстов и извлечения признаков. На тесте поиска по цитированию автор сообщает заметный прирост относительно базовой LaBSE; перенос на независимую связь между решениями был небольшим. Модель не использует исходы дел как обучающий сигнал. LeBSE специализируется на федеральном праве США и связи текстов по цитированию; она не предназначена для анализа полного текста судебного мнения за один проход. Это инструмент поиска и анализа текстов, а не источник юридических консультаций или решений по исходам дел. Лицензия — Apache-2.0.

forensics_0.3B_base_deepfake_classifier — модель семейства Forensics от eliya для выявления синтетической или поддельной речи. Она дообучена сквозным образом на базе microsoft/wavlm-large и использует AASIST с графовым вниманием для классификации аудио. На вход подаются аудиофрагменты; модель выдаёт вероятность того, что речь является подделкой. В README указаны обучение на более чем 5 млн образцов, поддержка многоязычной речи и тестирование на нескольких наборах для обнаружения подделок и артефактов кодирования. Модель предназначена для проверки голосовых записей, обнаружения TTS-синтеза и конверсии голоса, а также анализа аудио с искажениями от кодеков. README сообщает о низкой равной частоте ошибок на внутренних и внешних тестах, но эти результаты не гарантируют такую же точность на новых источниках, языках и типах генерации. Репозиторий содержит веса в форматах safetensors и PyTorch; лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

HaS Text 0209 Q8 — разработанная Xuanwu Lab компактная текстовая модель для локального выявления и обезличивания персональных и других чувствительных сущностей с возможностью последующего восстановления исходных значений. Она основана на Qwen3-0.6B и дообучена для задач приватности; версия в репозитории квантизирована в GGUF Q8_0, имеет 0,6 млрд параметров и занимает около 639 МБ. Модель предназначена для запуска на устройстве через llama.cpp и не требует передачи данных по сети. В набор возможностей входят распознавание именованных сущностей, обезличивание с существующим словарём соответствий или без него, согласованная замена сущностей в нескольких фрагментах и восстановление значений. Семантические метки помогают сохранить смысл обезличенного текста для дальнейшей обработки языковыми моделями. Заявлена поддержка китайского, английского, португальского, французского, испанского, немецкого, корейского и японского языков. Контекст составляет 8 тыс. токенов на фрагмент; длинные документы можно обрабатывать рекурсивным разбиением на части. Для применения нужны рекомендованные шаблоны запросов: карточка предупреждает, что изменения шаблонов могут ухудшить качество. Заявленные скорости измерены на Apple M4 и могут отличаться на другом оборудовании. Лицензия — Apache-2.0.