II.10Разработка и эксплуатация AI/ML-систем

AgentEvol-7B — языковая модель на основе Llama-2-Chat-7B, разработанная авторами метода AgentEvol для обучения LLM-агентов. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает текстовый контекст длиной до 2048 токенов. Модель обучена в два этапа: сначала поведенческому копированию на наборе AgentTraj, затем исследованию и обучению на более широком наборе инструкций и задач в различных средах. Она предназначена для генерации текста агентами, которые выполняют инструкции и взаимодействуют с разными средами; README сообщает о результатах выше прежнего уровня на ряде задач, но не приводит здесь подробностей оценки. В репозитории указаны веса Safetensors. Лицензия в предоставленных данных не приведена.

Kowsher/bangla-bert — предварительно обученная языковая модель Bangla BERT Base, разработанная авторами работы M. Kowsher и соавторами. Это плотная трансформерная архитектура BERT с 191,6 млн параметров, обученная методом masked language modeling на корпусе BanglaLM; репозиторий содержит веса PyTorch и токенизатор. Модель предназначена для заполнения пропусков в тексте на бенгальском языке и может служить основой для переноса обучения на задачи понимания языка. Контекст составляет до 512 токенов. Лицензия в предоставленных данных не указана.

Японская базовая модель BERT от Hitachi, обученная для предсказания замаскированных токенов. Она предназначена для fill-mask задач и обработки японского текста. Модель использует архитектуру BERT с 136,3 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате PyTorch через Transformers. Токенизатор сочетает морфологический анализ Juman++ с разбиением на субсловные токены BPE; для его работы требуется файл словаря из репозитория проекта на GitHub. Модель обучалась на данных Wikipedia и CC-100. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях, а также ограничивает коммерческое использование.

Японская базовая модель BERT от Hitachi NLP для задачи заполнения пропусков в тексте: она предсказывает замаскированные токены на основе контекста. Модель содержит 136,3 млн параметров, использует архитектуру BERT и рассчитана на последовательности длиной до 512 токенов. Для токенизации применяется Juman++ с Unigram; словарь токенизатора нужно отдельно скачать из репозитория разработчика и передать при загрузке.

MilaNLProc/bert-base-uncased-ear-misogyny — англоязычный классификатор на базе BERT, разработанный Джузеппе Аттанасио, Деборой Ноццей, Дирком Хови и Еленой Баралис. Модель дообучена для выявления мизогинии в тексте на датасете Automatic Misogyny Identification. Регуляризация внимания на основе энтропии призвана снизить чрезмерную зависимость классификатора от отдельных слов; модель подходит для анализа англоязычных публикаций и высказываний. Архитектура — BertForSequenceClassification, около 136,7 млн параметров; максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт метки классификации. Опубликована в формате PyTorch под лицензией GPL-3.0. Регуляризация уменьшает, но не устраняет лексическое переобучение: отдельные характерные слова всё ещё могут вызывать определённые предсказания вне контекста, а модель может сохранять смещения. Для оценки качества и степени снижения смещений следует учитывать результаты исследования авторов.

Модель разработана Binny Mathew, Punyajoy Saha, Seid Muhie Yimam, Chris Biemann, Pawan Goyal и Animesh Mukherjee для классификации англоязычных текстов как оскорбительных (язык ненависти или offensive) либо обычных. Это дообученная uncased-версия BERT base с 136,7 млн параметров; при обучении использовались публикации из Gab и Twitter, а также человеческие обоснования разметки HateXplain. Помимо классификации, модель включает голову предсказания обоснований для оскорбительных предложений. Модель рассчитана на анализ текста, например для первичной модерации сообщений и изучения признаков оскорбительной речи. Максимальная длина контекста — 512 токенов. README указывает английский язык и лицензию Apache-2.0. Предсказания могут отражать вредные стереотипы и быть несправедливыми по отношению к отдельным группам. Модель не учитывает внешний контекст автора или публикации, не предназначена для многоязычной классификации и не должна использоваться для создания враждебной среды; результаты требуют осторожной интерпретации.

ShantanuT01/BERT-tiny-RAID — модель классификации текста, разработанная для выявления текстов, сгенерированных ИИ, на данных набора RAID. Она дообучена на стратифицированной подвыборке обучающей части RAID на базе компактной архитектуры BERT-tiny и выдаёт оценку вероятности того, что текст написан человеком. Модель содержит 4,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и использует классификационную голову BertForSequenceClassification. Модель подходит для автоматической проверки текстов и исследовательских экспериментов по распознаванию машинно-сгенерированного контента. Для обучения указаны оптимизатор Adam и функция потерь FocalLoss; карточка приводит параметры обучения, но не описывает точность, порог классификации или поведение на текстах вне RAID. Распространяется по лицензии MIT.

Ujjawal Kumar разработал BERT-классификатор, дообученный на базе bert-base-uncased для многометочной классификации токсичности текста. Он определяет токсичность, непристойность, оскорбления, угрозы и проявления ненависти к группам; одному фрагменту текста могут соответствовать сразу несколько меток. Модель построена на архитектуре BERT, содержит 136,7 млн параметров, принимает текст и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для предварительной модерации пользовательского контента, например сообщений в социальных сетях и чатах. Она поддерживает английский язык. В README лицензия не указана. Возможны ложные срабатывания и пропуски, а также смещения и слабое обобщение на диалекты; перед применением на конкретных данных требуется оценка качества, а решения следует проверять с участием человека.

CanViT-B — модель Canvas Vision Transformer, разработанная авторами CanViT. Она предназначена для извлечения признаков изображений и воспринимает сцену как последовательность отдельных зрительных фрагментов, сохраняя информацию на общей для сцены «холстовой» репрезентации. Модель обучена на ImageNet-21k методом плотной латентной дистилляции от facebook/dinov3-vitb16-pretrain-lvd1689m; в карточке указана обработка сцен размером 512 пикселей. Чекпойнт распространяется в формате safetensors и использует библиотеку canvit-pytorch. Лицензия — MIT. Карточка ссылается на статью NeurIPS 2026; дата публикации репозитория — 28 января 2026 года.

Карточка модели Seiriryu/chatgpt-qa-detector-roberta на Hugging Face совпадает с карточкой Hello-SimpleAI/chatgpt-qa-detector-roberta, поэтому описание составлено по ней. Hello-SimpleAI/chatgpt-qa-detector-roberta — классификатор на базе RoBERTa, разработанный Hello-SimpleAI для определения того, был ли ответ на вопрос создан ChatGPT. Модель обучена на парах «вопрос—ответ» из полного отфильтрованного набора Hello-SimpleAI/HC3 и рассчитана на один проход обучения по этим данным. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текст длиной до 514 токенов. Она подходит для анализа ответов на вопросы и сравнительных исследований обнаружения текста, созданного ChatGPT. Карточка ссылается на статью arXiv:2301.07597 и проект Hello-SimpleAI по обнаружению ChatGPT; лицензия в предоставленных данных не указана.

Модель tanganke/clip-vit-base-patch32_rendered-sst2 — дообученная версия CLIP ViT-Base с размером патча 32, основанная на openai/clip-vit-base-patch32. Её обучали на наборе rendered-sst2; в карточке приведены результаты оценки до и после дообучения: 0,586 и 0,713 соответственно. Модель предназначена для извлечения признаков из изображений. Её можно использовать как визуальный энкодер в системах компьютерного зрения и для экспериментов по обобщению на изображениях. Репозиторий содержит веса в формате safetensors и рассчитан на загрузку через Transformers как CLIPVisionModel. Указанная лицензия и сведения о языковой поддержке в доступных данных отсутствуют.

CSATv2 — компактная визуальная модель и экстрактор признаков, представленные в репозитории timm. Модель предназначена для классификации изображений и использования в качестве высокопроизводительного визуального backbone для обнаружения объектов. Она рассчитана на изображения размером 512×512 пикселей и использует сжатие во входном частотном представлении для снижения избыточности пространственных данных. В карточке заявлены 11,1 млн параметров, 1,4 GMAC и точность Top-1 80,02% на ImageNet-1K; также приводится скорость 2800 изображений в секунду на одной A6000. Модель ориентирована на обработку больших наборов изображений и высокоразрешённых патчей, в частности патчей гистологических whole-slide изображений. Для конкретного репозитория указана лицензия Apache-2.0. Карточка описывает производительность и качество на ImageNet-1K, но не приводит подробностей о независимой оценке для задач обнаружения объектов или патологического анализа; заявленную скорость следует соотносить с указанным оборудованием и разрешением.

DarijaBERT — языковая модель от AIOX Lab и SI2M Lab INSEA для марокканского арабского диалекта дарижа. Это модель семейства BERT с архитектурой BERT-base без задачи Next Sentence Prediction; она содержит около 174,7 млн параметров и поддерживает контекст до 512 токенов. Модель обучена примерно на 100 млн токенов из рассказов на дариже, комментариев YouTube и твитов. Основная задача модели — предсказывать пропущенные токены в тексте на дариже. Она подходит для языковых исследований и как основа для приложений обработки марокканского диалекта. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

ku-nlp/deberta-v2-base-japanese — базовая японская модель семейства DeBERTa V2, разработанная KU NLP и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Она предназначена прежде всего для задачи fill-mask: восстановления скрытых фрагментов в японском тексте, а также может служить основой для дообучения под задачи понимания японского языка. Модель содержит 137,8 млн параметров, использует архитектуру DebertaV2ForMaskedLM и принимает последовательности длиной до 512 токенов. Перед токенизацией текст нужно сегментировать с помощью Juman++; далее слова разбиваются на подслова SentencePiece. В обучающих данных Википедия была продублирована десять раз, а в части OSCAR отфильтровали документы с пометками header, footer и noisy. Модель рассчитана на японский язык. Для прикладных задач классификации, семантического сходства, распознавания следствий и ответов на вопросы её можно дообучить; приведённые в карточке результаты относятся к отдельным моделям, дообученным и оценённым на JGLUE, а не к этому базовому чекпойнту. Лицензия — CC BY-SA 4.0.

ku-nlp/deberta-v2-large-japanese-char-wwm — крупная японская языковая модель семейства DeBERTa V2, разработанная KU NLP и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Модель использует посимвольную токенизацию SentencePiece и маскирование целых слов (whole word masking); её архитектура — DebertaV2ForMaskedLM, размер — около 425,2 млн параметров, контекст — до 512 токенов. Модель предназначена для заполнения пропусков в японском тексте и других сценариев masked language modeling, а также может служить базой для последующего дообучения под задачи понимания японского языка. Для токенизатора можно передавать исходный текст без предварительной токенизации. Модель принимает текст и предсказывает текстовые токены. Для предобучения использован корпус общим объёмом 171 ГБ; японская Википедия была продублирована десять раз, чтобы сопоставить её объём с другими источниками. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — CC BY-SA 4.0.

MobileViT-XXS с головой DeepLabV3 — компактная модель семантической сегментации изображений. Архитектура сочетает свёрточные блоки в стиле MobileNetV2 с трансформерными блоками для глобальной обработки патчей; версия XXS содержит около 1,9 млн параметров. Модель разработана авторами MobileViT Сачином Мехтой и Мохаммадом Растегари и впервые опубликована в их репозитории; карточку Hugging Face подготовила команда Hugging Face. Модель предварительно обучена на ImageNet-1k, затем дообучена на PASCAL VOC2012. Она предназначена для присвоения метки класса каждому пикселю изображения. В README приведён результат 73,6 mIoU на PASCAL VOC. При работе изображения обрезаются по центру до 512×512, нормализуются в диапазон [0, 1] и должны подаваться в порядке каналов BGR. Компактная архитектура рассчитана на низкую задержку и мобильные сценарии; репозиторий содержит веса PyTorch, TensorFlow и Core ML. Модель ориентирована на сегментацию в категориях PASCAL VOC, поэтому качество на других наборах данных и предметных областях может отличаться; для специализированных задач может потребоваться дообученная версия. Лицензия указана как Apple Sample Code License.

SAFEPATH-R-8B — языковая модель для диалоговой генерации и рассуждений, созданная авторами SAFEPATH на основе DeepSeek-R1-Distill-Llama-8B. Её дообучили с помощью минимального приёма выравнивания безопасности: в начало блока рассуждений добавляется фраза «Let's think about safety first». По карточке, настройка выполнена за 20 шагов. Модель предназначена для исследований выравнивания безопасности в больших моделях рассуждений, устойчивости к jailbreak-атакам и безопасного рассуждения в adversarial-сценариях. Авторы сообщают о снижении вредных ответов по оценкам StrongReject и BeaverTails и сохранении результатов на MATH500, GPQA и AIME24. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; заявлены чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

AFZAL0008/dinoV2_Best — модель классификации изображений, дообученная автором на базе facebook/dinov2-base. В основе лежит визуальный трансформер DINOv2; модель содержит 113,2 млн параметров и сохранена в формате safetensors. Модель предназначена для отнесения изображений к классам. В README указано, что она обучалась на наборе imagefolder; на тестовой выборке приведено значение Loss 0,1138. Сведения о классах, целевой области применения и точных характеристиках изображений отсутствуют, поэтому применимость к конкретным сценариям по карточке оценить нельзя. Лицензия репозитория — Apache-2.0. README не приводит дополнительных рекомендаций по использованию или ограничений.

Dobb·E — опубликованная авторами проекта Dobb·E модель Home Pretrained Representation (HPR), разработанная для обучения роботов работе в домашних условиях. Это ResNet34, обученная на наборе данных Homes of New York (HoNY); веса доступны в форматах PyTorch и Safetensors и загружаются через библиотеку timm. Модель предназначена для использования как визуальное представление в робототехнических системах, в том числе при разработке и обучении домашних роботов. Репозиторий распространяется по лицензии MIT.

EAT-base Epoch 30 Fine-tuned Checkpoint — аудиомодель семейства Efficient Audio Transformer (EAT), дообученная разработчиками репозитория worstchan на датасете AS-2M поверх worstchan/EAT-base_epoch30_pretrain. Она предназначена для извлечения акустических представлений, которые можно использовать в последующих задачах понимания аудио, включая классификацию звуков и создание описаний аудиозаписей. Модель выдаёт покадровые представления с частотой около 50 Гц и представление всего высказывания на основе CLS-токена. Репозиторий предоставляет веса в формате Safetensors для загрузки через Transformers. Лицензия — MIT. Карточка заявляет улучшение качества аудиопредставлений относительно исходного чекпойнта при решении последующих задач, но не приводит количественных результатов или подробной оценки ограничений.

Модель lomahony/eleuther-pythia160m-hh-sft — языковая модель на архитектуре GPT-NeoX, полученная дообучением Pythia-160m на наборе Anthropic/hh-rlhf в течение одной эпохи. Она предназначена для генерации текста и ответов в диалогах; её можно использовать для экспериментов с поведением языковых моделей и оценки на тестах с помощью lm-evaluation-harness. Модель содержит 151,9 млн параметров и поддерживает контекст до 2048 токенов. Карточка указывает лицензию Apache-2.0.

eugenehp/encodec24 — конвертированная и переорганизованная для RLX версия чекпойнта EnCodec 24 кГц от Meta. Модель предназначена для аудиокодирования и декодирования в пути EnCodec проекта RLX и интеграции с MetaVoice. В репозитории есть веса safetensors размером 88,8 МиБ и GGUF F16 размером 44,4 МиБ; библиотека для работы — rlx-encodec. Карточка отмечает, что репозиторий имеет исторический или промежуточный статус и не является основным поддерживаемым runtime-пакетом RLX. Лицензия — MIT.

Это дообученный детектор Ultralytics YOLO11s, подготовленный в рамках DetectionBench на наборе ExDark для обнаружения объектов на тёмных и ночных изображениях. Он предсказывает рамки и классы объектов из 12 категорий: велосипеды, лодки, бутылки, автобусы, автомобили, кошки, стулья, чашки, собаки, мотоциклы, люди и столы. На тестовой части ExDark модель показала mAP@50 73,35%, mAP@50–95 46,8% и точность 77,93%. Модель предназначена для оценки и применения детекции в условиях слабого освещения; репозиторий использует формат PyTorch и библиотеку Ultralytics. Лицензия модели — AGPL-3.0. В README также указано отдельное ограничение набора ExDark: его авторы просят некоммерческое использование, что относится и к обученным на нём моделям.

Experiment31-7B — экспериментальная языковая модель на 7,1 млрд параметров, опубликованная yam-peleg. Она предназначена для проверки и уточнения исследовательского конвейера обучения и оценки LLM, включая эксперименты с предобработкой данных, алгоритмами обучения и метриками оценки. Модель построена на плотной архитектуре MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка описывает её как эксперимент, а не как готовую модель для пользовательских сценариев. Она может быть полезна для тестирования и анализа методов обучения и оценки LLM, но README не приводит конкретных результатов, оценок качества или подробностей об обучающих данных.

tiiuae выпустила Falcon3-10B-Base-1.58bit-prequantized — экспериментальную модификацию базовой модели Falcon3-10B-Base с причинной декодерной архитектурой на основе Llama и примерно 9,9 млрд параметров. Веса имеют тернарное представление с внедрёнными масштабами, чтобы сделать модель совместимой с дообучением; доступны файлы safetensors, а для работы указаны Transformers и BitNet. Модель предназначена для генерации текста и дальнейшего дообучения. Карточка характеризует её как преимущественно англоязычную; контекст составляет 32 768 токенов. Для базовой версии указана лицензия TII Falcon License 2.0; метаданные текущего репозитория обозначают лицензию как other, поэтому условия следует сверять с лицензией базовой модели и файлами репозитория. Автор описывает эту версию как модифицированную и сообщает об оценке во внутреннем наборе бенчмарков.

FlashVAD v0.1 — детектор речевой активности, разработанный Himanshu Maurya. Модель размером 46 170 параметров предназначена для потоковой причинной обработки аудио и оценки вероятности речи каждые 10 мс. Она рассчитана на монофонический звук 16 кГц; ONNX-граф принимает не исходную волну, а заранее вычисленные причинные признаки размерностью 43 и требует отдельного состояния обработки для каждого звонка. Архитектура включает четыре причинных depthwise temporal-блока с дилатациями 1, 2, 4 и 8, GRU на 64 блока и выходы для речи и вспомогательных событий. Модель подходит для исследовательской оценки архитектуры, проверки интеграций с браузерными и телефонными аудиостеками, измерения задержки и параллельности, а также теневого сравнения на размеченных звонках с согласием участников. В заметках о тренировочных данных указаны клипы FLEURS на арабском, английском, гуджарати, хинди, каннада, панджаби, тамильском, телугу и урду, записи встреч AMI и шумы MUSAN; присутствие языка в обучении не подтверждает качество для него. Проверка на публичном наборе TEN VAD дала 26,3% ложных срабатываний, причём этот набор использовался при исследовательском выборе модели, поэтому результат не является независимой оценкой обобщения. Это альфа-версия для исследовательских и интеграционных экспериментов, не одобренная для производства. Возможны пропуски тихой речи и ложные срабатывания на музыку, эхо, телевизор, смех, пение и речь нескольких собеседников; модель не определяет смысловое завершение реплики. Данные о точном обучающем запуске сохранены не полностью, поэтому его нельзя побитно воспроизвести. Лицензия — CC BY 4.0.

FlauBERT base cased — франкоязычная языковая модель архитектуры FlauBERT, разработанная исследовательской группой при CNRS. Это вариант с 12 слоями, 12 головами внимания, размерностью эмбеддингов 768 и примерно 138 млн параметров. Модель предварительно обучена без учителя на большом разнородном корпусе французского языка; для репозитория указаны контекст до 512 токенов и формат PyTorch/Safetensors. Модель предназначена прежде всего для предсказания замаскированных токенов и может служить основой для задач обработки французского текста, включая дообучение под конкретные сценарии. Вместе с семейством FlauBERT представлен набор FLUE для оценки систем обработки французского языка. Репозиторий распространяется по лицензии MIT.

Модель German GPT-2 Larger разработана Stefan-it и обучена с нуля как немецкоязычная авторегрессионная языковая модель на примерно 90 ГБ корпуса German colossal, clean Common Crawl corpus (GC4). Она предназначена прежде всего как отправная точка для дообучения на специализированных текстах и для исследований предобученных языковых моделей на немецком языке, в том числе изучения и снижения смещений. Модель генерирует продолжение текста по текстовому запросу; архитектура — плотная GPT-2 с классом GPT2LMHeadModel, контекст составляет 1024 токена. Модель выпущена по лицензии MIT. Авторы отмечают, что тексты GC4 собраны из интернета и могут содержать стереотипные ассоциации по гендеру, расе, этнической принадлежности и инвалидности; качество генерации может быть ниже, чем у более крупных моделей. Чекпойнт позиционируется для исследований и экспериментов с дообучением, а не как универсальная готовая система.

GLM-5.3-Flash-Uncensored-FP8 — модифицированная версия GLM-5.3-Flash от Z.ai, представленная как модель с удалённой частью отказов на вредоносные запросы. Это разговорная модель для генерации текста, исследований механизмов отказа, интерпретируемости и выравнивания, а также для контролируемого red-teaming и оценки безопасности. В карточке заявлена архитектура Mixture-of-Experts с 320 млрд параметров всего и 18 млрд активных, гибридным механизмом внимания, отдельными блоками для изображений и видео и контекстом до 1 млн токенов. Модель поставляется в формате safetensors с block-FP8, который README описывает как формат исходного чекпойнта GLM-5.3-Flash, а не как отдельную квантизацию этой версии. По заявлению автора, изменение встроено в веса базовой модели и совместимо с её разбиением на файлы. Метаданные указывают дообучение от zai-org/GLM-5.3-Flash и лицензию MIT; заявлены английский и китайский языки. README сообщает, что снижение отказов проявляется не для всех категорий вредоносных запросов, а результаты на нескольких тестах возможностей близки к базовой модели. Снижение отказов может сделать модель более склонной отвечать на опасные запросы, поэтому её назначение ограничено исследованиями и контролируемой оценкой безопасности.

Recor2d/GPT2-ChineseDevBench — дообученная модель семейства GPT-2, созданная на основе uer/gpt2-chinese-cluecorpussmall. Она предназначена для генерации текста на китайском языке и экспериментов по разработке и тестированию таких систем. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате PyTorch и поддерживает контекст до 1024 токенов. Модель можно применять для генерации китайских текстовых продолжений и проверки экспериментальных сценариев текстовой генерации. Она построена на базовой модели uer/gpt2-chinese-cluecorpussmall; отдельные сведения о данных и методе дообучения не приведены. Лицензия — Apache-2.0.