IV.8Государственное управление, правосудие и чрезвычайные ситуации

Qota-OCR — модель распознавания текста в строках, разработанная на основе PP-OCRv6_small_rec с добавлением корейского языка. Она предназначена для печатных документов, где корейский смешан с китайским, японским или английским, а также для корейского вертикального текста. Модель принимает обрезанную строку изображения, использует архитектуру PP-LCNetV4 со SVTR-энкодером и CTC-головой и содержит 6,7 млн параметров. Выходной словарь включает 30 244 символа и пробел. Доступны веса safetensors и варианты ONNX в float32, FP16, INT8 и UINT8; лицензия — Apache-2.0. Модель показывает высокие результаты на SynthDoG для корейского, японского, английского и китайского текста. Она распознаёт строки после детектора текста, поэтому сама по себе не выполняет поиск и выделение строк на странице. Качество на чеках, фотографиях, рукописном тексте и очень длинных строках отдельно не измерялось; модель слабо распознаёт математические символы и греческие буквы.

CaoHaiNam разработал модель эмбеддингов на базе BERT для стандартизации вьетнамских адресов. Она преобразует предложения и абзацы в плотные векторы размерностью 768, пригодные для сравнения семантической близости и поиска вариантов адреса, записанных по-разному. Модель обучалась с помощью Sentence-Transformers и функции MultipleNegativesRankingLoss с косинусным сходством. Архитектура — BERT, библиотека — PyTorch; общий размер составляет 498,1 млн параметров, максимальная длина контекста — 512 токенов. Основной сценарий — сопоставление и нормализация адресов на вьетнамском языке. Для использования нужны входные тексты; результатом служат векторы эмбеддингов. Лицензия и известные ограничения в предоставленных данных не описаны.

Модель Finnish-NLP/wav2vec2-large-uralic-voxpopuli-v2-finnish — акустическая модель для распознавания финской речи, разработанная Finnish-NLP как дообученная версия facebook/wav2vec2-large-uralic-voxpopuli-v2. Она использует архитектуру Wav2Vec2 с CTC-декодированием и содержит около 402,7 млн параметров. Обучение проводилось на 276,7 часах размеченной финской речи; при декодировании также можно использовать включённую в репозиторий языковую модель KenLM. Модель предназначена для преобразования финской речи в текст, в том числе для расшифровки записей и голосовых материалов. Наиболее подходящими считаются аудиофрагменты длительностью до примерно 20 секунд. В оценках на Common Voice 7.0 и 9.0 показаны результаты WER около 4,1% с KenLM и около 9,7–9,8% без него. Обучающие данные в основном происходят из записей заседаний парламента Финляндии, поэтому распознавание разговорной речи, диалектов, детских и женских голосов может быть менее надёжным. Языковая модель KenLM также ориентирована преимущественно на формальный финский. Модель распространяется по лицензии Apache-2.0.

FrameByFrame разработала модель для обнаружения персональных данных в корейском тексте. Это дообученная для токенной классификации версия multilingual-e5-base на основе двунаправленного энкодера XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов. Модель размечает девять категорий PII, включая имена, адреса, телефоны, электронную почту, URL, IP-адреса и номера счетов; выдаёт метки BIOES, которые можно преобразовать в символьные диапазоны для последующего удаления или маскировки данных. Модель предназначена для поиска корейских персональных данных в разговорной речи, новостях и документах. В README приведены результаты F1 0,943 на тесте KDPII, 0,866 на новостях KLUE-NER и 0,995 на тестовых документах из страховой и государственной сфер; последний результат может завышать переносимость на реальные данные. Указанные языки — корейский и английский, однако специализация модели — корейский текст. Лицензия — MIT.

monilouise/ner_news_portuguese — дообученная версия BERTimbau для распознавания именованных сущностей в португалоязычных новостях. Модель относит токены к четырём классам: PERSON, ORGANIZATION, PUBLIC INSTITUTION и LOCAL, то есть распознаёт людей, организации, государственные учреждения и места. Архитектура — BERT для классификации токенов; размер составляет 136,1 млн параметров, длина контекста — до 512 токенов. Доступны веса PyTorch и Flax. Модель предназначена для извлечения сущностей из новостных текстов, в частности материалов о мошенничестве и коррупции. В README приведены результаты оценки: accuracy 0,98, precision 0,86, recall 0,91 и F1 0,88. Обучение проводилось на корпусе примерно из 180 новостных статей, поэтому качество на других жанрах и типах текста может отличаться. Лицензия в предоставленных данных не указана.

Модель Isotonic/distilbert-base-german-cased_finetuned_ai4privacy_v2 — дообученная Isotonic версия DistilBERT для немецкоязычной токенной классификации персональных данных. Она предназначена для обнаружения PII в тексте, например перед маскированием или анонимизацией. Модель основана на DistilBERT с архитектурой DistilBertForTokenClassification, принимает текст с контекстом до 512 токенов и доступна в форматах Safetensors и ONNX. На оценочном наборе README приводит precision 0,9086, recall 0,9379, F1 0,9230 и accuracy 0,9679. Обучение выполнено на немецкой части pii-masking-200k. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование без отдельного разрешения.

Карточка модели Lingzhi-AI/Lingzhi-10B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

Карточка модели Lingzhi-AI/Lingzhi-0.8B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

Карточка модели Lingzhi-AI/Lingzhi-7B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

names-linking-model — модель эмбеддингов на базе MPNet, разработанная исследовательской группой Dell Research–Harvard и предназначенная прежде всего для связывания записей и сопоставления сущностей с помощью пакета LinkTransformer. Она дообучена на sentence-transformers/all-mpnet-base-v2 на данных об именах из связанных переписей населения США; при обучении использовались только имена и функция SupCon loss. Модель преобразует текст в плотные векторы размерности 768 и подходит для кластеризации, дедупликации, связывания и агрегирования записей, а также семантического поиска и задач сходства предложений. Архитектура — MPNet с усреднением токенных представлений и нормализацией; модель рассчитана на английский язык. Метаданные указывают контекст до 514 токенов, а конфигурация README задаёт максимальную длину последовательности 384 токена. Специализация на именах из переписей населения США может ограничивать качество сопоставления других типов записей и данных за пределами английского языка. Модель распространяется под лицензией, указанной в карточке Hugging Face.

PolizzeDonut-SoloPDF-3Epochs — дообученная tedad09 модель на базе naver-clova-ix/donut-base. Это архитектура vision-encoder-decoder для преобразования изображений документов в текст. В метаданных указана задача image-text-to-text, а в README сообщается о дообучении на наборе imagefolder и значении loss 1.1551 на оценочном наборе. Модель предназначена для обработки изображений документов; конкретный сценарий разбора полисов и поддерживаемые поля в карточке не описаны. Сильная сторона базовой модели Donut — работа с изображением и текстом в единой модели. Результаты оценки, кроме значения loss, и ограничения применения не приведены. Лицензия — MIT.

Карточка модели Lingzhi-AI/Lingzhi-2.7B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

Карточка модели Lingzhi-AI/Lingzhi-57B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

vllm-sr/mmbert32k-factcheck-classifier-merged — объединённая версия классификатора проверки фактов от vllm-sr на базе mmBERT-32k. Модель предназначена для бинарной классификации текста в сценариях фактчекинга и готова к инференсу без отдельного подключения PEFT-адаптера. Модель использует плотную архитектуру ModernBERT с масштабированием RoPE методом YaRN, содержит около 306,9 млн параметров и принимает последовательности длиной до 32 768 токенов. Указана поддержка нескольких языков; лицензия — Apache-2.0. Модель можно загружать через Transformers как классификатор последовательностей.

Netra-NMT Small — компактная модель машинного перевода, разработанная автором репозитория Darayut. Это encoder-decoder Transformer на 77 млн параметров, обученный с нуля на англо-кхмерском параллельном корпусе. Модель поддерживает перевод в обоих направлениях: с английского на кхмерский и с кхмерского на английский. Архитектура включает 12 слоёв двунаправленного энкодера и 2 слоя авторегрессионного декодера, общую токенизацию SentencePiece с словарём 32 тыс. токенов, RoPE, RMSNorm и SwiGLU. Для ускорения генерации применяется KV-кэш. В описании заявлены данные из юридической, литературной, медицинской, технической и разговорной областей, а также веб-тексты. Репозиторий распространяется по лицензии MIT.

Rogue-28B-MIX — корейско-английская мультимодальная диалоговая модель на архитектуре Qwen3.5 с 28 млрд параметров, опубликованная ginigen-ai. Она объединяет веса FINAL-Bench/Darwin-28B-KR и NewenAI/QuettaLLMs-27B-Koreasoner-V3, а затем дообучена методом SFT на корейских данных, включая медицинские, юридические, финансовые и исторические материалы. Модель предназначена для диалога, рассуждений и анализа изображений; поддерживает интерфейс вызова инструментов. Заявлен контекст 8K токенов с возможностью расширения, формат весов safetensors и точность bf16. Модель ориентирована прежде всего на корейский язык, также поддерживает английский. В опубликованной оценке на десяти корейских наборах данных результаты смешанные: она превосходит одну из исходных моделей по истории, но уступает по CLIcK и KMMLU Law; оценка проводилась на 100 вопросах с одним seed. Лицензия — Apache 2.0. README описывает обучение и тестирование, поэтому результаты не гарантируют качество в иных задачах и доменах.

PekingU/rtdetr_v2_r50vd — модель RT-DETRv2 для обнаружения объектов на изображениях, основанная на архитектуре трансформера обнаружения. Семейство RT-DETRv2 разработано Вэньюй Лю и соавторами; версия улучшает RT-DETR за счёт выборочного извлечения многомасштабных признаков, дискретного оператора выборки и доработанных стратегий обучения. Модель обучена на COCO train2017 и проверена на COCO val2017. Модель предназначена для обнаружения объектов в реальном времени, включая сценарии автономного вождения, видеонаблюдения, робототехники и анализа розничной торговли. Она выдаёт названия классов, оценки уверенности и ограничивающие рамки. README отмечает сохранение скорости реального времени и улучшение качества относительно предшественника; репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0.

UniSpeech-SAT-Base-Plus-SV — модель Microsoft для проверки личности говорящего по аудио. Она основана на архитектуре UniSpeech-SAT и содержит около 113,3 млн параметров; для представления речи использует X-Vector-голову. Модель предварительно обучена на речевых корпусах Libri-Light, GigaSpeech и VoxPopuli, а затем дообучена на VoxCeleb1 с функцией потерь Additive Margin Softmax. Модель принимает речевые записи с частотой дискретизации 16 кГц и предназначена для извлечения признаков голоса и сравнения говорящих, например при проверке, принадлежат ли две записи одному человеку. Карточка указывает английский язык. Лицензия в предоставленных сведениях не указана.

AI-vs-Deepfake-vs-Real-Siglip2 — модель классификации изображений, разработанная на базе SigLIP 2 от Google и дообученная автором репозитория prithivMLmods. Она использует архитектуру SiglipForImageClassification и относит изображение к одному из трёх классов: полностью сгенерированное ИИ, дипфейк с изменённым реальным содержимым или подлинная фотография. Модель предназначена для выявления синтетических и изменённых изображений, проверки медиаматериалов и предварительной фильтрации контента. Модель принимает изображения и выдаёт метку класса. Её можно применять как вспомогательный инструмент для фактчекинга, цифровой экспертизы и модерации, но классификация сама по себе не подтверждает происхождение изображения и может ошибаться на новых способах генерации или манипуляции. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели Lingzhi-AI/Lingzhi-0.5B-chat на Hugging Face совпадает с карточкой Lingzhi-AI/Lingzhi-1.5B-chat, поэтому описание составлено по ней. Lingzhi-AI разработала Lingzhi-1.5B-chat — диалоговую языковую модель на архитектуре Qwen2 с 1,5 млрд параметров. Модель создана на основе Qwen2-base с продолжением обучения и настройкой для чата; контекстное окно составляет 131 072 токена. В репозитории представлены веса в формате Safetensors. Модель предназначена для диалогов и задач в специализированных областях, включая бухгалтерский учёт, право и финансы, при сохранении общих языковых навыков. Авторы сравнивали несколько схем непрерывного обучения и сообщают о публикации обучающих данных и бенчмарков. Лицензия в предоставленных данных не указана.

causal/redimnet2-b2-vox2-ptn-mlx — преобразованная для MLX версия официального чекпойнта ReDimNet2 B2, обученного на VoxCeleb2-dev до этапа дообучения с large-margin. Модель принимает монофонический звук с частотой 16 кГц и выдаёт 192-мерные векторы голоса, предназначенные для задач распознавания и проверки личности говорящего. Репозиторий содержит веса в формате safetensors; библиотека MLX позволяет запускать их в совместимой с MLX среде. По заявлению карточки, эмбеддинги совпадают с PyTorch-референсом с относительной ошибкой до 3,6×10⁻⁶ в проверке на CPU с float32. Модель распространяется по лицензии MIT.

VideoTemp-o3 — модель Kwai-Keye для ответов на вопросы по видео с поиском временных фрагментов, наиболее относящихся к вопросу. Она выполняет итеративное временное заземление: находит релевантный участок видео, уточняет его и формирует ответ на основе визуальных свидетельств. Модель дообучена на Qwen/Qwen2.5-VL-7B-Instruct и использует плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров; заявленный контекст составляет 128 000 токенов. Поддерживаемая задача по метаданным — video-text-to-text, язык карточки — английский. Модель предназначена для видеоаналитики и агентных сценариев, где ответ нужно связать с конкретными событиями или временными интервалами ролика. Репозиторий содержит веса Safetensors. Лицензия — MIT.

LibreOWLv2l14 — модель компьютерного зрения из набора LibreYOLO, созданная как зеркало весов OWLv2 large patch-14 ensemble от Google LLC для использования в обёртке LibreYOLO LibreOpenVocab. Она обнаруживает объекты на изображениях по текстовым запросам и поддерживает открытый словарь категорий: пользователь задаёт названия классов, например person, dog или car, а модель находит соответствующие объекты. Модель основана на архитектуре OWLv2 и предназначена для детекции объектов с открытым словарём. В README указано, что обученные параметры не менялись: репозиторий сохраняет снимок файлов Transformers для загрузки через LibreYOLO. Распространяется по лицензии Apache 2.0.

OpenForecaster-8B — специализированная языковая модель для прогнозирования будущих событий с открытым ответом, разработанная Nikhil Chandak и основанная на Qwen3-8B. Модель дообучена с помощью обучения с подкреплением GRPO на наборе OpenForesight, содержащем более 52 тысяч вопросов о прогнозировании, составленных на основе мировых новостей. Модель предназначена для рассуждений о неопределённости и сценариях будущего, а также для выдачи калиброванных оценок уверенности при явном запросе. Она может использовать актуальные сведения, предоставленные в контексте, поэтому подходит для систем прогнозирования с поиском информации. Это плотная авторегрессионная модель на 7,6 млрд параметров с контекстом до 40 960 токенов; в метаданных указан английский язык. Лицензия — MIT. Заявлены улучшенные точность, калибровка и согласованность прогнозов; README сообщает о конкурентных результатах на бенчмарках, но не приводит подробных численных сравнений. Знания модели ограничены событиями не позднее апреля 2025 года, поэтому для вопросов о более поздних событиях ей нужен актуальный контекст; без него ответы могут быть устаревшими или ненадёжными.

pii-layout-synth-v9 — модель на базе encoder-архитектуры ModernBERT, дообученная для классификации токенов. По названию репозитория она, вероятно, предназначена для разметки персональных данных с учётом расположения элементов, однако README не описывает её назначение, схему меток или способ использования. Модель содержит 149 млн параметров, принимает текст и рассчитана на контекст до 8192 токенов. В README приведены результаты оценки: F1 0,9912, precision 0,9896, recall 0,9929 и accuracy 0,9985. Датасет назван неизвестным, поэтому эти показатели нельзя независимо интерпретировать или переносить на другие данные. Лицензия — Apache-2.0.

hamzenium/ViT-Deepfake-Classifier — модель компьютерного зрения, дообученная авторами карточки на базе google/vit-base-patch16-224-in21k. Она использует Vision Transformer (ViT) с архитектурой ViTForImageClassification и содержит 113,2 млн параметров. Модель классифицирует изображения по двум категориям: реальные и поддельные — сгенерированные ИИ или изменённые. Модель предназначена для выявления дипфейков, проверки подлинности медиаматериалов и исследовательских задач. В README указаны точность 96,56% на тестовой выборке OpenForensics и предпочтительный размер изображений около 224×224 пикселей. Язык модели не применим: входом служит изображение, выходом — метка класса. Обучение проведено на OpenForensics, поэтому результаты могут ухудшаться на изображениях и методах подделки, отсутствовавших в обучающих данных. Устойчивость к состязательным атакам не проверялась; возможны ошибки и смещения в зависимости от источника, качества и содержания изображения. Модель не следует использовать как единственное основание для важных решений об аутентичности. Метаданные указывают лицензию MIT, тогда как README — Apache 2.0; лицензию следует сверить с файлами репозитория.

CAT-Translate-3.3B — языковая модель CyberAgent для двустороннего перевода между японским и английским языками. Это плотная авторегрессионная модель семейства Llama с 3,1 млрд параметров, рассчитанная на контекст до 8192 токенов и работающая через Transformers; для запуска перевода ей требуется инструкция в prompt. Модель дообучена на базе sbintuitions/sarashina2.2-3b. В обучении использовались синтетические параллельные корпуса, двухэтапное supervised fine-tuning и обучение с подкреплением Multi-Objective GRPO; для эффективного обучения применялась LoRA. Разработчики оценивали переводы в направлениях японский—английский и английский—японский на наборах, связанных с диалогами, судебным переводом, медициной, патентами и деловой тематикой. Модель предназначена для перевода текстов и диалогов между японским и английским, в том числе в прикладных сценариях из оценки разработчиков. Репозиторий распространяется по лицензии MIT. Результаты бенчмарков приведены разработчиками; они не гарантируют одинаковое качество на произвольных текстах и доменах.

DF Arena 1B — универсальная модель для обнаружения поддельной речи и другого синтетического аудио. Её выпустила команда Speech-Arena-2025; модель обучена на наборах данных для выявления подмены речи, а также на данных с поддельным пением и окружающими звуками. В метаданных указана архитектура antispoofing и формат PyTorch. Модель принимает аудио и относит его к классам spoof и bonafide, возвращая оценки для каждого класса и итоговую уверенность. Она предназначена для проверки аудиозаписей на синтетическое или подделанное содержимое, в том числе речи, пения и звуков окружающей среды. В README приведены результаты на нескольких наборах данных, которые различаются по качеству; показатели на отдельном наборе нельзя считать гарантией точности в реальных условиях. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели на Hugging Face. Для запуска в примере README используются Transformers, librosa и устройство CUDA.

GLiNER2.5-multi-Decide — мультиязычная модель классификации Fastino из семейства GLiNER2.5, дообученная на базе fastino/gliner2.5-multi-v1. Она принимает текст и заданный при вызове набор меток, а затем в одном проходе оценивает несколько задач классификации. Размер модели — 287 млн параметров; веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для операционной маршрутизации и принятия решений по тексту: определения намерения, тональности, приоритета, темы, типа документа, команды-получателя, необходимости передать диалог человеку, а также модерации и оценки срочности. Подходит для многоязычного текста; для одной метки возвращает один класс, а для многометочной классификации — метки, прошедшие порог. Заданный набор меток можно менять, в том числе добавлять к ним описания. Для локального использования README рекомендует загрузку через AutoExtractor. Это специализированный классификатор: он не предназначен для рассуждений, объяснений или ответов на открытые вопросы и не генерирует текстовые токены. В README приведён англоязычный бенчмарк, поэтому его результат не следует считать оценкой качества на других языках. Модель опубликована под лицензией Apache-2.0.

HypoDiverse: GRPO — языковая модель на базе Qwen3-4B, дообученная методом GRPO на наборе данных viciousa3gis/hypodiverse. Это контрольный вариант с наградой за достоверность гипотез: модель обучали формулировать гипотезы, согласующиеся с видимыми свидетельствами, без отдельного поощрения разнообразия набора гипотез. Модель предназначена для генерации текста и диалоговых сценариев, в которых требуется строить гипотезы по предоставленным свидетельствам. Архитектура — плотная Qwen3ForCausalLM, около 3,7 млрд параметров; заявленная длина контекста — 40 960 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.