VideoMAE-base — предобученный без учителя видеотрансформер для извлечения признаков и последующего дообучения, в том числе для классификации видео.

Подходит для: дообучение классификатора для категоризации видеороликов · извлечение признаков из видео для последующего анализа · восстановление замаскированных фрагментов видеокадров

Мультимодальная модель OpenBMB для анализа изображений, аудио и видео, а также для двустороннего голосового диалога в реальном времени.

Подходит для: ответы на вопросы по изображениям и видеозаписям · распознавание текста и разбор документов на изображениях · голосовой диалог на английском и китайском языках

VideoMAE Base — дообученная на Kinetics-400 модель для классификации видео по 400 категориям.

Подходит для: распознавание действий в видеоклипах · классификация видео по категориям Kinetics-400 · автоматическая разметка видеотеки по типам активности

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

VideoMAEv2-Huge — самоконтролируемая видеомодель для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеороликов · классификация видеоклипов · подготовка видеоэмбеддингов для последующего анализа

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

MoA-100M — экспериментальная авторегрессионная модель на архитектуре со смешанными метрическими механизмами внимания для генерации текста.

Подходит для: эксперименты с авторегрессионной генерацией текста · исследование метрического внимания в языковых моделях · генерация и продолжение коротких текстов

MVP — англоязычная encoder-decoder модель для генерации текста, которую можно адаптировать к суммаризации, диалогу, ответам на вопросы и другим языковым задачам.

Подходит для: суммаризация текста · генерация описаний по структурированным данным · создание открытого диалога и историй

Крупная видеомодель VideoMAE V2 для извлечения признаков и классификации видеоматериалов.

Подходит для: извлечение признаков из видеороликов · классификация видеосодержимого · подготовка признаков видео для последующего анализа

Компактная авторегрессионная модель Mamba для генерации английского текста и исследовательского сравнения динамики обучения языковых моделей.

Подходит для: генерация продолжений английского текста · эксперименты с динамикой обучения языковых моделей · сравнение архитектур Mamba, Pythia и RWKV

Базовая модель VideoMAE-v2 для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеозаписей · классификация видеоклипов · подготовка видеоэмбеддингов для последующих задач

Англоязычная модель Mistral на 7,1 млрд параметров, дообученная методом DPO для генерации ответов с управляемым системным сообщением поведением.

Подходит для: генерация ответов в заданном системном сообщением стиле · персонализированные ответы на инструкции пользователя · создание диалогового помощника с заданными предпочтениями

Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.

Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели

Sambert преобразует тексты на иврите в эмбеддинги для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по текстам на иврите · поиск предложений, близких по смыслу · кластеризация документов на иврите

VideoMAE — предварительно обученная видеомодель на базе Vision Transformer для извлечения признаков и последующей классификации видео.

Подходит для: дообучение классификатора на размеченных видеороликах · извлечение признаков для последующего анализа видео · восстановление скрытых патчей видеокадров

Компактная авторегрессионная модель Mamba для генерации английского текста и исследований динамики обучения.

Подходит для: генерация продолжения английского текста · сравнение динамики обучения архитектур Mamba, Pythia и RWKV · эксперименты с влиянием случайного seed на обучение языковых моделей

Мультимодальная чат-модель OpenGVLab для генерации ответов по изображениям, нескольким изображениям и видеокадрам.

Подходит для: ответы на вопросы о содержимом изображения · извлечение текста с изображений и документов · анализ диаграмм и графиков

Дообученная мультимодальная модель Qwen3.5-2B, которая оценивает варианты ответа на вопросы по изображениям и игровые действия за один проход.

Подходит для: выбор ответа на вопрос по фотографии из предложенных вариантов · ответы на вопросы по диаграммам и научным изображениям · классификация игровых кадров по вариантам действий

Компактная VideoMAE-модель классифицирует видео по 400 категориям набора Kinetics-400, включая действия людей.

Подходит для: распознавание действий в видеоклипах · автоматическая классификация видео по категориям Kinetics-400 · разметка видеоколлекций по содержанию

Базовая языковая модель Mamba на 1,4 млрд параметров для авторегрессионной генерации текста и экспериментов с языковым моделированием.

Подходит для: продолжение текста по заданному фрагменту · генерация текста для исследовательских экспериментов · оценка языковых моделей на задачах предсказания следующего токена

MoMA — мультимодальная модель на основе LLaVA-7B для исследований персонализации изображений.

Подходит для: исследование персонализации генерации изображений · эксперименты с мультимодальными моделями для персонализированных изображений · изучение новых слоёв внимания в задачах персонализации изображений

Исследовательская авторегрессионная модель Mamba для генерации английского текста и изучения динамики обучения языковых моделей.

Подходит для: эксперименты с динамикой обучения Mamba · генерация продолжений английского текста · сравнение обучения Mamba с Pythia и RWKV

Музыкальный аудиоэнкодер MATPAC++ извлекает 3840-мерные представления для классификации и других задач анализа музыки.

Подходит для: извлечение эмбеддингов из музыкальных аудиозаписей · классификация музыкальных фрагментов · получение признаков для downstream-задач анализа музыки

Черновая модель NVIDIA для спекулятивного декодирования DSpark, ускоряющего вывод MiniMax-M3 в сценариях генерации текста и мультимодальных агентов.

Подходит для: ускорение генерации ответов на основе MiniMax-M3 · создание мультимодальных ИИ-агентов с длинным контекстом · разработка помощника по программированию с ускоренным выводом