II.10Разработка и эксплуатация AI/ML-систем

Vanilla — Base (3B) — базовая предобученная языковая модель от EPFL DLAB, созданная с нуля для исследований выравнивания и безопасности. Это плотная авторегрессионная модель семейства Llama с архитектурой, соответствующей Llama 3.2 3B; она обучена предсказывать следующий токен примерно на 500 млрд токенов из части смеси Olmo 3 Dolma 3. Для токенизации используется оригинальный токенизатор SmolLM2 с размером словаря 49 152 токена. Модель предназначена для продолжения текста, исследований поведения и зондирования базовой модели, а также для последующего дообучения. Она не прошла instruction tuning, не содержит шаблона чата и не включает вмешательства по безопасности на этапе предобучения. Контекст составляет 2 048 токенов; заявлен английский язык. Опубликованы промежуточные контрольные точки обучения, пригодные для оценки, анализа и дообучения, но без состояний оптимизатора и генератора случайных чисел они не позволяют точно возобновить исходное обучение. Лицензия указана как other, а в карточке README отмечено, что её условия ещё не окончательно определены.

Cloudy1225/stackoverflow-roberta-base-sentiment — модель RoBERTa-base для анализа тональности текстов по программной инженерии. Автор дообучил её на наборе StackOverflow4423, повторно настроив базовую cardiffnlp/twitter-roberta-base-sentiment. Модель принимает текст и относит его к одному из классов: отрицательная, нейтральная или положительная тональность. Она предназначена для анализа сообщений Stack Overflow и похожих текстов о разработке ПО. Архитектура — RobertaForSequenceClassification, размер — 151,8 млн параметров, контекст — до 514 токенов. Модель работает с текстом; языки в карточке модели не обозначены. Модель выпущена в форматах PyTorch и safetensors и распространяется по лицензии OpenRAIL. Результаты классификации могут быть ненадёжны для текстов вне тематики программной инженерии; README не приводит оценок качества.

Stalk-Mini — компактная авторегрессионная языковая модель семейства Llama, разработанная Ventie и обученная с нуля на 50 000 примеров TinyStories. В метаданных указано 35,5 млн параметров, тогда как README сообщает 43,66 млн; модель использует пользовательский BPE-токенизатор со словарём на 16 000 токенов и контекст длиной 1024 токена. Модель предназначена для генерации короткого текста на английском языке, тестирования скорости локального инференса и экспериментальной оценки архитектур языковых моделей. Она не подходит для сложных рассуждений, следования инструкциям и задач, где важна фактическая точность. Распространяется по лицензии MIT.

TernaryCore SST-2 Student — разработанная TernaryCore компактная причинно-языковая модель на базе Qwen3-0.6B, дообученная с дистилляцией для бинарного определения тональности отзывов из набора SST-2. Она формулирует классификацию как генерацию ответа «positive» или «negative» по шаблону с отзывом. Модель содержит около 508 млн параметров, использует трансформер-декодер с групповым вниманием, трёхзначные веса {-1, 0, +1} формата W1.58A8 и 8-битные активации. Контекст — до 40 960 токенов; карточка указывает английский язык. Модель предназначена прежде всего для воспроизведения измерений ускорителя TernaryCore на FPGA и экспериментов с энергоэффективным выводом и трёхзначной арифметикой. В описанном авторами тесте SST-2 точность составила 91,4% против 94,4% у учителя. Для загрузки требуется Transformers и доверенный пользовательский код модели из репозитория. Это специализированный чекпойнт, а не универсальная чат-модель; авторы не рекомендуют применять его для открытой генерации или задач, чувствительных к безопасности, без отдельной проверки. Лицензия — Apache-2.0.

nm-testing/tinyllama-oneshot-w8w8-test-static-shape-change — модель для генерации текста, опубликованная в репозитории Hugging Face с пространством имён nm-testing. Конфигурация указывает, что она основана на TinyLlama-1.1B-Chat-v1.0 и предназначена прежде всего для тестирования и интеграционных сценариев, связанных с инференсом и изменением статических форм тензоров; полноценная карточка модели отсутствует. Модель использует архитектуру LlamaForCausalLM с 22 transformer-слоями, скрытым размером 2048, словарём на 32000 токенов и контекстом до 2048 токенов. Указана grouped-query attention с 32 query- и 4 key/value-головами, а размер модели составляет примерно 1 млрд параметров. В конфигурации присутствует схема сжатия W8W8: 8-битные симметричные тензорные активации и веса; при этом файлы модели представлены в формате Safetensors. Модель поддерживает text generation и может загружаться через Transformers, а также использоваться с vLLM и SGLang. Её сильные стороны — небольшой размер, совместимость с распространёнными инструментами инференса и наличие конфигурации для 8-битного сжатия. Ограничения — отсутствие подробной документации, оценок качества, перечня языков и подтверждённых сценариев промышленного применения; по названию и размещению это, вероятно, тестовый артефакт, а не универсальная production-модель. Лицензия в доступных данных не указана.

episod — это плотная языковая модель семейства Llama с причинной архитектурой LlamaForCausalLM и 122,9 млн параметров. Она обучена с нуля и распространяется в формате Safetensors под лицензией Apache-2.0. По карточке модель предназначена прежде всего для экспериментов с обучением, упаковкой и запуском на оборудовании Tenstorrent; поддерживается генерация текста и короткие диалоговые ответы на английском языке. Подходящие сценарии — продолжение коротких историй и ответы на отдельные вопросы в формате «Question: … Answer: …». Контекст ограничен 512 токенами. Модель не рассчитана на получение достоверных фактов, системные инструкции, вызов инструментов или длинные диалоги. При жадном декодировании возможны повторы, а ответы могут быть уверенными, но ошибочными. README также описывает ограничения производительности и поведения при обслуживании на Tenstorrent; за пределами этих конкретных сценариев качество не следует считать надёжным.

Unsafe-Llama-3-8B — дообученная модель семейства Llama 3, предназначенная для исследования устойчивости языковых моделей к нарушениям безопасности. Она обучена на вредоносных примерах и отвечает в режиме диалога; автор рекомендует использовать тот же системный промпт, с которым проводилось обучение. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В карточке указан датасет vicgalle/configurable-system-prompt-multitask и лицензия Apache-2.0. Модель подходит для экспериментов по оценке защитных механизмов и анализа того, как ответы меняются под воздействием вредоносных инструкций. Она специально обучена на вредоносных примерах, поэтому может выдавать небезопасные ответы; результаты не следует считать показателем безопасности базовой модели Llama 3. В README указано исследовательское назначение.

Veyra2-Blueberry-10M-Base — компактная причинно-языковая модель на 9,976,832 параметра, разработанная Veyra AI и обученная с нуля на смеси примерно из 30 млрд токенов. Она использует архитектуру Qwen3ForCausalLM и предназначена для генерации продолжения текста, исследований малых языковых моделей, бенчмаркинга, дообучения и экспериментов с компактными языковыми моделями. Это базовая модель без инструкционной настройки и RLHF, поэтому она не рассчитана на диалог в формате помощника. Модель обучалась на последовательностях длиной 2048 токенов; заявленный нативный контекст составляет 4096 токенов. В обучающую смесь входили FineWeb-Edu, FinePhrase, DCLM Baseline и FineMath. Метаданные карточки указывают английский язык. Репозиторий содержит веса в формате Safetensors, а лицензия — Apache-2.0. Генерация может быть нестабильной, повторяющейся или уходить от темы; модель может выдавать недостоверные факты, имена и ссылки. Для точных ответов и задач с высокими последствиями необходима дополнительная проверка.

Модель jayanta/vit-base-patch16-224-in21k-face-recognition — дообученная версия Vision Transformer ViT-Base с патчами 16×16, созданная на основе google/vit-base-patch16-224-in21k для классификации изображений лиц. Она содержит 113,2 млн параметров и доступна в формате PyTorch. На указанном в карточке оценочном наборе модель достигла accuracy 1,0000 и loss 0,0015; состав набора и схема классов не описаны, поэтому эти результаты нельзя считать подтверждением обобщения на другие данные. Модель предназначена для экспериментов и сценариев классификации лиц по изображениям. Выпущена по лицензии Apache-2.0.

Модель Jzuluaga/wav2vec2-large-960h-lv60-self-en-atc-uwb-atcc разработана Хуаном Зулуагой-Гомесом и соавторами как дообученная версия facebook/wav2vec2-large-960h-lv60-self для автоматического распознавания англоязычных сообщений диспетчерского управления воздушным движением. Она использует архитектуру Wav2Vec 2.0 с CTC-выходом, содержит 402,7 млн параметров и принимает аудио, выдавая текст. Модель обучена на корпусе UWB-ATCC; на его тестовой выборке указана WER 0,1756. Карточка рекомендует применять её для радиопереговоров ATC и предупреждает, что качество на иных корпусах, например LibriSpeech или Common Voice, может быть ниже. Лицензия — Apache-2.0.

DavidDrill69/yolov11-license-plate-detection — модель компьютерного зрения на основе YOLOv11 для обнаружения номерных знаков на изображениях. Карточка указывает вариант YOLOv11x и приводит метрики precision 0,9893, recall 0,9508 и mAP@50 0,9813. В репозитории доступны веса PyTorch для Ultralytics и формат ONNX для кроссплатформенного запуска; метаданные классифицируют модель как object-detection и связывают её с датасетом roboflow/license-plate-recognition-rxg4e. Модель предназначена для умных парковок, автоматизации контроля доступа и оплаты проезда, наблюдения за дорожным движением, а также для конвейеров распознавания автомобильных номеров с последующим OCR. Она принимает изображения и выдаёт обнаруженные объекты с рамками. В метаданных указан английский язык, однако модель решает визуальную задачу и языковая поддержка для обнаружения несущественна. Лицензия — AGPL-3.0. Карточка не описывает ограничения по условиям съёмки или качеству изображений; приведённые метрики не заменяют проверку на целевых данных.

morsetechlab/yolov11-license-plate-detection — дообученная модель компьютерного зрения семейства YOLOv11 для обнаружения автомобильных номерных знаков. Она предназначена для сценариев автоматического распознавания номеров (ALPR) как этап перед OCR, а также для систем парковки, контроля доступа и платных дорог, дорожного наблюдения и контроля. Модель принимает изображения и возвращает рамки обнаруженных номеров с метками классов. В карточке указаны варианты PyTorch и ONNX; метаданные подтверждают формат ONNX, библиотеку Ultralytics и задачу object-detection. Обучение проводилось на наборе Roboflow license-plate-recognition-rxg4e; модель ориентирована преимущественно на автомобильные номера. Оценочные метрики в README основаны на тестовом разбиении с утечкой изображений между обучающей и тестовой выборками, поэтому они, вероятно, завышены и не отражают обобщение на новых данных. При стандартном размере изображения 640×640 мелкие или удалённые номера могут пропускаться; производительность для мотоциклетных номеров, нелатинских символов и необычных форматов не гарантируется. Лицензия — AGPL-3.0.

YunaGPT-124M V1 Base — компактная англоязычная базовая языковая модель, созданная meadbee для локальных экспериментов и исследований. Это декодерный трансформер семейства LLaMA с архитектурой LlamaForCausalLM и grouped-query attention; модель содержит около 124,4 млн параметров и имеет контекст длиной 2048 токенов. Она обучена с нуля и представляет собой предварительно обученную основу, а не инструкционную модель или готового чат-ассистента. Модель предназначена для продолжения текста, учебных экспериментов с небольшими причинными языковыми моделями, проверки токенизаторов и конвейеров инференса, а также как отправная точка для дообучения. Английский — основной язык; многоязычные возможности ненадёжны. Автор отмечает слабое следование инструкциям и рассуждение, склонность к фактическим ошибкам, повторам, несвязности и отклонению от темы. Автор указывает, что модель создавалась для экспериментов; сведения о лицензии в предоставленных данных отсутствуют.

Zagreus-0.4B-ita — базовая двуязычная малая языковая модель, разработанная сообществом mii-llm с нуля на инфраструктуре Seeweb. Это предварительно обученная, не настроенная на инструкции модель для исследователей и разработчиков, которым нужна основа для дальнейшего дообучения и создания собственных моделей. Модель использует плотную авторегрессионную архитектуру на основе модифицированной Llama-3.2 и содержит 437,7 млн параметров. Она принимает текст и генерирует продолжение текста; заявленная длина контекста — 4096 токенов. Модель рассчитана прежде всего на итальянский и английский языки. Для обучения использовались открытые текстовые наборы FineWeb, FineWeb-2, FinePDFs и StarCoderData. Модель подходит для экспериментов с двуязычным языковым моделированием и как отправная точка для дообучения под конкретные задачи. Поскольку она не настроена на инструкции, от неё не следует ожидать надёжного следования запросам в диалоговом формате. Репозиторий использует формат safetensors; лицензия — Apache-2.0.

Модель yongchao/ai_text_detector — классификатор на базе BERT, дообученный для выявления текста, созданного ИИ, особенно вопросов в сценариях TEXT-SQL. Она разработана автором репозитория и предназначена для проверки коротких вопросов на принадлежность к человеческому или сгенерированному тексту. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Для обучения использовались 2000 размеченных вопросов, созданных людьми и ИИ. В README приведены точность 85,7%, precision 82,4%, recall 91% и F1 86,5%; независимая проверка этих результатов не описана. Модель может хуже работать на текстах, заметно отличающихся от обучающих данных, а смещения в обучающей выборке могут повлиять на предсказания. Лицензия — Apache-2.0; автор отмечает, что модель находится на этапе тестирования и её надёжность полностью не проверена.

hitachi-nlp выпустила японскую базовую модель BERT с архитектурой BertForMaskedLM и токенизатором Sudachi + WordPiece. Модель содержит 136,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для заполнения пропусков в тексте на японском языке. Токенизатор разбивает японский текст на субсловные единицы; в примере из карточки он сохраняет знаки пунктуации и морфемные фрагменты. Модель подходит для задач, где нужно предсказывать замаскированные токены в японских текстах. Для загрузки токенизатора требуется отдельный словарный файл Sudachi + WordPiece из репозитория разработчика. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует атрибуции и ограничивает коммерческое использование.

kykim/bert-kor-base — базовая модель BERT для корейского языка. В README указано, что она обучена на корпусе корейских текстов объёмом 70 ГБ с использованием словаря из 42 000 токенов в нижнем регистре. В метаданных указаны архитектура BertForMaskedLM, размер 145,5 млн параметров и контекст до 512 токенов; доступны версии весов для PyTorch, TensorFlow и Flax. Модель предназначена для предсказания замаскированных токенов в корейском тексте и может служить основой для задач понимания корейского языка. README показывает загрузку через Transformers с токенизатором BertTokenizerFast и моделью BertModel. В карточке не указаны отдельные оценки качества и условия лицензии.

bert-medium-amharic — модель семейства BERT, разработанная Rasyosef для обработки амхарского языка. Она обучена с нуля на корпусах Oscar, mC4 и amharic-sentences-corpus, содержащих в сумме 290 млн токенов; токенизатор также обучен с нуля и использует словарь размером 28 тысяч токенов. Архитектура — BertForMaskedLM, размер по метаданным — 48,2 млн параметров, максимальный контекст — 512 токенов. Основная задача модели — предсказывать замаскированные слова в тексте. В README также приводятся результаты дообучения на классификации тональности и распознавании именованных сущностей, но эти задачи требуют соответствующего дообучения. На амхарском наборе оценки автор сообщает perplexity 13,74 и результаты, сопоставимые с XLM-RoBERTa-base значительно большего размера. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

izumi-lab/bert-small-japanese — компактная японская модель BERT, предварительно обученная на японской Википедии. Архитектура соответствует BERT small из оригинальной статьи ELECTRA: 12 слоёв, размер скрытого состояния 256 и 4 головы внимания; модель содержит 21 млн параметров и рассчитана на контекст до 128 токенов. Модель подходит для предсказания пропущенных токенов в японском тексте и как компактная основа для задач обработки японского языка. При токенизации используется MeCab с IPA-словарём, затем WordPiece; размер словаря — 32 768 токенов. Модель распространяется в формате PyTorch по лицензии CC BY-SA 4.0.

BiBERT-EnDe — двуязычная языковая модель английского и немецкого языков, опубликованная исследовательской группой JHU CLSP. Модель основана на архитектуре RoBERTa и содержит около 153,2 млн параметров; она предназначена для получения контекстных представлений и заполнения пропусков в тексте. В статье EMNLP 2021 её изучают в контексте контекстных эмбеддингов для нейронного машинного перевода. Модель принимает текст с маскированными токенами и предсказывает, какие токены могут стоять на их месте. Её можно применять для анализа английских и немецких текстов и как компонент исследовательских систем машинного перевода. Контекст составляет до 513 токенов. Для загрузки авторы указывают использовать BertTokenizer.

Модель nayan06/binary-classifier-conversion-intent-1.1-l12 — классификатор на основе SetFit и Sentence Transformers, обученный на наборе данных о намерении конвертировать. В README базовая модель названа L6, а в имени репозитория указана L12; точный идентификатор базовой модели не приведён. Метаданные описывают архитектуру BERT с примерно 40 млн параметров и контекстом до 512 токенов. Модель предназначена для классификации текстов по намерению конвертировать и связана с задачами извлечения признаков и оценки сходства предложений. README указывает на обучение с CosineSimilarityLoss и предлагает использовать модель через SetFit. Данных о поддерживаемых языках, лицензии и конкретных классах классификации нет.

Beetle-FineWeb-100M/camera-ready-ablation-onset-65pct-total-l2-held-33pct-b3-sequential-nld-eng-fineweb-100m — компактная модель для генерации текста на базе библиотеки Transformers. По идентификатору модели, она относится к семейству FineWeb-100M и имеет примерно 100 млн параметров; в метаданных также указана архитектурная метка pico_decoder. Модель предназначена для авторегрессионного продолжения и генерации текста, включая исследовательские эксперименты с настройками обучения и абляциями. Её можно применять для прототипирования генерации текста, проверки гипотез о языковом моделировании и создания коротких текстовых продолжений.

tue-mps/cityscapes_semantic_eomt_large_1024 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной для высококачественной и эффективной сегментации. EoMT основана на Vision Transformer и предназначена для выделения и классификации областей изображения; архитектура поддерживает семантическую, экземплярную и паноптическую сегментацию с соответствующей постобработкой. Этот чекпойнт ориентирован на семантическую сегментацию городских сцен из Cityscapes. Модель содержит 402,7 млн параметров и доступна в форматах PyTorch и Safetensors для библиотеки Transformers. Веса распространяются по лицензии MIT. README не сообщает точные классы разметки или метрики качества этого чекпойнта.

OrDora/coachtwin-embedder — компактная BERT-модель для создания эмбеддингов предложений и поиска похожих тренировок в приложении CoachTwin. Она основана на BAAI/bge-small-en-v1.5 и, согласно README, выбрана сравнением трёх энкодеров на наборе из 10 393 тренировок CoachTwin; базовый чекпойнт не дообучался. Модель содержит около 40 млн параметров по метаданным, принимает текст, выдаёт векторы размерности 384 и поддерживает контекст до 512 токенов. Модель предназначена для семантического поиска тренировок и сравнения их описаний по цели и области тела. В описанном тесте на синтетических англоязычных данных она показала precision@3 0,669 при строгом совпадении цели и области тела. Репозиторий лицензирован по Apache-2.0. README отмечает, что сериализация в формате Sentence Transformers 3.x несовместима с некоторыми клиентами версии 3.x при загрузке репозиториев, сохранённых в формате 5.x; при этом векторная размерность сама по себе не гарантирует совместимость энкодеров.

Языковая модель DeBERTa V2 Large для японского языка, разработанная командой KU-NLP и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Это трансформерная модель с архитектурой DebertaV2ForMaskedLM и 435,4 млн параметров; она принимает текст с пропущенными токенами и предсказывает вероятные заполнения. Контекстное окно — 512 токенов. Модель предназначена прежде всего для восстановления пропусков в японском тексте и может служить основой для дообучения на задачах понимания японского языка. До подачи текста его необходимо сегментировать на слова с помощью Juman++; далее применяется токенизация SentencePiece. Для перечисленных в карточке задач NLU приведены результаты дообученных вариантов, поэтому их не следует считать оценкой этой исходной модели без дополнительного дообучения. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — CC BY-SA 4.0.

SAFEPATH-R-7B — модель рассуждений, созданная авторами SAFEPATH на основе DeepSeek-R1-Distill-Qwen-7B. Она дообучена методом prefix-only safety priming: в начало блока рассуждений добавляется фраза «Let's think about safety first», чтобы побуждать модель учитывать безопасность. Разработчики сообщают о снижении числа вредоносных ответов и устойчивости к jailbreak-атакам при сохранении результатов на MATH500, GPQA и AIME24; дообучение выполнено за 100 шагов. Модель предназначена для исследований выравнивания безопасности больших моделей рассуждений и проверки рассуждений в состязательных условиях. Это плотная языковая модель Qwen2 с 7,1 млрд параметров, работающая с текстом и имеющая контекст до 131 072 токенов. Она поддерживает генерацию текста и диалоговый режим. Лицензия — Apache-2.0. Заявленные улучшения безопасности основаны на оценках авторов и не гарантируют безопасного поведения во всех ситуациях.

Depth Anything V2 Base — модель оценки глубины по одному изображению, представленная авторами семейства Depth Anything и опубликованная в версии, совместимой с библиотекой Transformers. Она предназначена для получения карты относительной или абсолютной глубины без отдельной настройки под конкретную сцену. Модель использует архитектуру DPT с backbone DINOv2. При обучении использовались около 600 тысяч синтетических изображений с разметкой глубины и более 62 миллионов реальных изображений без разметки. Авторы отмечают более детализированные и устойчивые предсказания по сравнению с Depth Anything V1, а также меньшие вычислительные затраты относительно подходов на основе диффузионных моделей. Модель принимает изображение и выдаёт карту глубины. Карточка описывает сценарий zero-shot оценки глубины, но не приводит подробностей о поддерживаемых языках или длине контекста. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Intel/dpt-beit-base-384 — модель DPT (Dense Prediction Transformer) для оценки глубины по одному изображению. Она использует BEiT в качестве основы и добавляет к нему neck и head для предсказания глубины. Модель обучена на 1,4 миллиона изображений и представлена в статье Ranftl и соавторов «Vision Transformers for Dense Prediction» (2021); README опубликован командой Hugging Face. Модель предназначена для монокулярной оценки глубины, в том числе zero-shot применения к изображению. Её можно использовать в компьютерном зрении для получения карты глубины сцены по одному кадру. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

smp-hub/dpt-large-ade20k — модель семантической сегментации изображений на архитектуре DPT, опубликованная на Hugging Face и обученная на датасете ADE20K. Для загрузки и запуска используется библиотека segmentation-models-pytorch; веса доступны в формате safetensors. Модель предназначена для разметки изображения по пикселям: она может относить области сцены к классам объектов и элементов окружения. Подходит для анализа сцен и визуализации сегментационных масок. Репозиторий опубликован под лицензией MIT.

DW05-Base — базовая обученная world-action модель семейства DW05 от Dexmal для запуска в среде Dexbotic DW05. Контрольная точка объединяет компоненты для работы с видео, действиями и MoT, а также кодировщик проприоцепции; интерфейсы действий и проприоцепции имеют размерность 32. В комплект входят веса PyTorch, VAE для кодирования и декодирования визуальных латентных представлений, текстовый энкодер и токенизатор. В метаданных указана лицензия Apache-2.0. Модель предназначена для разработки world-action методов, дообучения и интеграции с прикладными политиками и рантаймами. Это общий базовый чекпойнт, а не готовая политика RobotWin: для такого применения нужны совместимые предобработка, нормализация и статистики. Для использования на реальном роботе требуются отдельные проверки безопасности и устойчивости; качество вне обучающих и дообучающих распределений не гарантируется.