BioBERT-Base v1.1 — англоязычная BERT-модель для представления и анализа биомедицинских текстов.
Подходит для: извлечение медицинских и биомедицинских сущностей · поиск отношений между генами, заболеваниями и химическими соединениями · ответы на вопросы по биомедицинским публикациям после настройки под задачу
BioBERT-Base v1.2 — англоязычная BERT-модель для биомедицинских текстов, предназначенная прежде всего для предсказания замаскированных токенов и использования в качестве основы для специализированных задач.
Подходит для: предсказание пропущенных слов в биомедицинских текстах · исследование языковых представлений биомедицинской литературы · дообучение на распознавание биомедицинских сущностей
BioBERT v1.1 — англоязычная модель представления биомедицинских текстов для извлечения признаков и последующего решения задач биомедицинского NLP.
Подходит для: получение векторных представлений биомедицинских текстов · подготовка признаков для распознавания медицинских и биологических сущностей · дообучение для извлечения отношений между биомедицинскими понятиями
Медицинская модель оценки шагов рассуждения с клинической проверкой через RAG, предназначенная для отбора решений в сложных медицинских задачах.
Подходит для: оценка корректности шагов медицинского рассуждения · ранжирование нескольких решений медицинского вопроса · отбор ответа при масштабировании вычислений на этапе вывода
DM0.5 — модель Vision-Language-Action от Dexmal для управления роботами по визуальным наблюдениям и инструкциям, включая манипуляции и длинные задачи.
Подходит для: управление роботом по визуальным наблюдениям и текстовой инструкции · выполнение последовательностей манипуляций с предметами · управление двуручным роботом в симуляции RoboDojo-Sim
Мультимодальная модель на базе Gemma 4 для визуального рассуждения и ответов на вопросы по изображениям с помощью метода CVRR.
Подходит для: ответы на вопросы о содержимом изображений · визуальное рассуждение по изображению и текстовому вопросу · анализ визуальных свидетельств перед формированием ответа
Мультимодальная модель на основе InternVL3-9B, которая применяет рекуррентное визуальное рассуждение для ответов на вопросы по изображениям.
Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на изображении · анализ визуальных деталей по текстовому запросу
BioBERT, дообученный на JNLPBA для выделения биомедицинских сущностей в тексте.
Подходит для: извлечение биомедицинских сущностей из научных статей · разметка токенов в биомедицинских текстах · подготовка сущностей для поиска по медицинской литературе
Крупная модель BioBERT от DMIS-lab для поиска ответов на вопросы в тексте, включая биомедицинские материалы.
Подходит для: Извлечение ответа на вопрос из фрагмента научной статьи · Поиск фактов в аннотациях PubMed · Ответы на вопросы по биомедицинским документам
Мультимодальная модель Qwen на 32 млрд параметров с CVRR для ответов на вопросы по изображениям с латентным визуальным рассуждением.
Подходит для: ответы на вопросы по изображениям · описание и анализ содержимого изображений · визуальный анализ с пошаговым уточнением представления вопроса
Мультимодальная модель на базе Qwen3-VL-8B-Instruct для визуального рассуждения и ответов на вопросы об изображениях.
Подходит для: ответы на вопросы по содержимому изображения · визуальное рассуждение по изображению · извлечение информации с изображения в ответ на запрос
Мультимодальная модель на основе Gemma 4 для рассуждений по изображению и генерации ответов на вопросы о нём.
Подходит для: Ответы на вопросы по содержимому изображения · Описание и анализ визуальных сцен по вопросу пользователя · Проверка деталей и объектов на изображении
Meerkat-8B — дообученная медицинская языковая модель для ответов на медицинские вопросы и решения экзаменационных задач.
Подходит для: решение вопросов формата USMLE · ответы на медицинские тесты с выбором ответа · подготовка к MedQA и MedMCQA
Мультимодальная модель на базе InternVL3-38B для визуального рассуждения и ответов на вопросы об изображениях с помощью рекуррентного метода CVRR.
Подходит для: ответы на вопросы по изображению · визуальное рассуждение с опорой на детали изображения · генерация текстового ответа на запрос об изображении
Предварительно обученный английский энкодер на 377,5 млн параметров с контекстом до 32K токенов для дообучения под классификацию, поиск и извлечение информации.
Подходит для: дообучение классификатора английских текстов · извлечение именованных сущностей из английских документов · дообучение системы ответов на вопросы по английскому тексту
Дообученная мультимодальная Gemma 3 4B IT с методом CVRR для ответов на вопросы по изображениям через рекуррентное визуальное рассуждение.
Подходит для: ответы на вопросы о содержимом изображения · визуальное рассуждение по изображению и текстовому вопросу · анализ изображений в диалоговом интерфейсе
BioBERT-Base v1.1, дообученная на MNLI модель классификации текстовых фрагментов для задач вывода по биомедицинскому тексту.
Подходит для: определение, следует ли гипотеза из биомедицинского утверждения · классификация отношений между парой медицинских фраз · оценка семантического соответствия двух фрагментов медицинского текста
Англоязычный энкодер UltraBERT на 151 млн параметров с контекстом 32K для тонкой настройки под классификацию, поиск и другие задачи понимания текста.
Подходит для: тонкая настройка классификатора текстов · извлечение релевантных фрагментов из длинных документов · разметка сущностей и других токенов
Meerkat-70B — дообученная медицинская Llama для ответов на вопросы и решения экзаменационных задач по медицине.
Подходит для: решение вопросов USMLE с выбором ответа · ответы на задания MedQA и MedBullets · ответы на вопросы MedMCQA
flax: формат, квантизация, runtime и память принадлежат одному artifact
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
Мультимодальная модель Qwen2.5-VL с методом CVRR для ответов на вопросы и рассуждений по изображениям.
Подходит для: ответы на вопросы по содержимому изображения · визуальное рассуждение с опорой на детали изображения · описание и интерпретация визуальных сцен
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
Мультимодальная модель на базе Gemma 3 12B Instruct для ответов на вопросы и рассуждений по изображениям с помощью CVRR.
Подходит для: ответы на вопросы о содержимом изображения · визуальные рассуждения по изображению · описание объектов и сцен на изображении