II.10Разработка и эксплуатация AI/ML-систем

NVIDIA Cosmos-Tokenizer-Surg — нейронный токенизатор кадров для низколатентной передачи видео в сценариях телехирургии. Это свёрточная автоэнкодерная модель с остаточными и attention-блоками на основе Wan2.1; модель дистиллирована из Wan2.1 и содержит 12,6 млн параметров. Модель принимает RGB-изображения размером 536×960, 720×1280 или 1080×1920 со значениями пикселей в диапазоне [-1, 1]. Она кодирует кадр в тензор эмбеддингов размером 2×(H/8)×(W/8) и может восстановить RGB-изображение. Предназначена для сжатия и токенизации кадров лапароскопических операций в системах телехирургии и медицинской робототехники. Для запуска предусмотрены ONNX и TensorRT; README указывает оптимизацию для NVIDIA GPU и совместимость с Ampere, Blackwell и Hopper под Linux. Модель обучалась на внутренних данных лапароскопических операций. Это специализированный компонент обработки кадров, а не система для диагностики или принятия клинических решений. README заявляет возможность коммерческого использования; метаданные указывают лицензию other, поэтому условия следует сверять с лицензией и условиями NVIDIA для репозитория.

DenseK3-4B — текстовая базовая авторегрессионная языковая модель, созданная независимым разработчиком qinfu19 на основе Qwen/Qwen3.5-4B-Base. Модель перенесена на гибридную архитектуру Dense K3: 24 слоя Kimi Delta Attention (KDA) и 8 слоёв Multi-head Latent Attention (MLA), а также использует Block AttnRes, Dense SiTU-GLU и True Latent Cache. В отличие от полной архитектуры Kimi K3, здесь сохранён плотный FFN без LatentMoE. Модель предназначена для исследований переноса архитектур, гибридных рекуррентных и attention-моделей, длинного контекста, восстановления моделей и дистилляции, а также для контролируемой генерации текста и экспериментов с последующим дообучением. Это не чат-модель, обученная следовать инструкциям. В метаданных указаны 3,4 млрд параметров и контекст 262 144 токена; README приводит точное число эффективных параметров — около 4,23 млрд. Модель принимает и выдаёт только текст; в карточке указаны английский и китайский языки. В опубликованном сравнении DenseK3-4B уступает базовой Qwen3.5-4B-Base по MMLU и perplexity на WikiText-103; качество на длинном контексте проверено не далее 128K для стандартизированных задач. Модель не прошла специальную safety-alignment и может выдавать неточные, предвзятые или небезопасные ответы. Для инференса подтверждён путь через Transformers с реализацией модели из репозитория. Лицензия — Apache-2.0.

Depth Anything Small — компактная версия модели оценки глубины от команды Depth Anything, представленная в статье Lihe Yang и соавторов и опубликованная в этом репозитории в формате Transformers. Модель использует архитектуру DPT с визуальным энкодером DINOv2 и обучена примерно на 62 миллионах изображений. Она принимает изображение и строит карту глубины, поддерживая оценку глубины без дообучения на конкретном наборе данных. Модель подходит для анализа сцен и изображений в компьютерном зрении. В карточке заявлены результаты высокого уровня для относительной и абсолютной оценки глубины, однако отдельные показатели для этой малой версии не приведены. Весовые файлы доступны в формате Safetensors, лицензия — Apache-2.0. Карточка не приводит конкретных ограничений качества или условий эксплуатации помимо описания сценария оценки глубины.

SakikoTogawa/dinov2-small-droid — дообученная визуальная основа DINOv2-small, адаптированная на изображениях манипуляций роботов из набора DROID. Модель построена на архитектуре Vision Transformer DINOv2 и содержит 28,3 млн параметров; опубликованы веса teacher backbone в формате safetensors без обучающих проекционных голов и состояния оптимизатора. Модель предназначена для извлечения признаков изображений в робототехнических экспериментах: замороженной оценки признаков, линейного зондирования, поиска похожих изображений и дальнейшего дообучения. Размер входа — 518 пикселей, размер патча — 14, скрытая размерность — 384. Для сравнения признаков README рекомендует нормализовать CLS-вектор и оценивать результаты на разделении по эпизодам относительно исходной facebook/dinov2-small. Самообучающая настройка на данных манипуляций роботов не гарантирует улучшения на любой последующей задаче. Лицензия — Apache-2.0; для использования данных DROID следует учитывать условия самого набора данных.

ethzanalytics/distilgpt2-tiny-conversational — диалоговая модель, дообученная на distilgpt2 на распарсенной версии набора Wizard of Wikipedia из ParlAI. Разработчик описывает её как базовую модель для разговоров и чат-ботов, предназначенную для интеграции с ai-msgbot. Модель генерирует диалог между двумя участниками, обозначенными как person alpha и person beta. Эти маркеры используются для разделения реплик. Архитектура — GPT-2, реализация GPT2LMHeadModel; доступны веса PyTorch и safetensors. Контекст — до 1024 токенов. В README приведено значение loss 2,2461 на оценочной выборке. Модель рассчитана на простой разговорный сценарий с заданными маркерами участников. Карточка не описывает поддержку конкретных естественных языков или специализированных областей применения. Лицензия — Apache-2.0.

Intel/dpt-beit-large-512 — модель для оценки относительной глубины по одному изображению. Она использует архитектуру Dense Prediction Transformer (DPT): BEiT Large служит визуальным энкодером, к которому добавлены дополнительные слои для предсказания карты глубины. Модель обучена на 1,4 млн изображений и предназначена для оценки глубины без дополнительной настройки; в карточке описан вариант с разрешением обучения 512×512. Модель подходит для анализа сцены, создания карт глубины и использования в задачах 3D-реконструкции и автономного вождения. Она обрабатывает изображения и выдаёт карту глубины. Качество оценки зависит от изображения и обучающих данных; предсказания могут быть неточными, поэтому модель следует проверять перед применением. Разработчик — Intel. Лицензия — MIT.

facebook/dpt-dinov2-large-kitti — модель оценки глубины по изображениям на архитектуре Dense Prediction Transformer (DPT) с визуальным backbone DINOv2. Она предназначена для получения карты глубины сцены на основе входного изображения; карточка представляет её как пример применения DPT с DINOv2 для оценки глубины. Модель использует PyTorch и распространяется по лицензии Apache-2.0. README не приводит сведения о размере, поддерживаемых языках или ограничениях качества.

DreamVAE — декодер вариационного автокодировщика (VAE), созданный как дистиллированная замена декодера Oobleck в ACE-Step 1.5. Он принимает латентные представления формы [B, 64, T] и восстанавливает из них стереозвук формы [B, 2, 1920*T] с частотой 48 кГц; для работы его следует сочетать со штатным энкодером ACE-Step. Модель содержит 51,7 млн параметров и доступна в форматах safetensors и ONNX. Модель предназначена для быстрого декодирования музыкальных латентов и восстановления аудио в конвейерах генерации музыки. В тестах на 20 музыкальных фрагментах дополнительное ухудшение SNR относительно исходного декодера составило 0,24 дБ. По данным README, связка DreamVAE с TensorRT FP16 декодировала 60 секунд аудио за 37,2 мс на RTX 5090; это результат конкретной конфигурации оборудования и бенчмарка. DreamVAE обучалась дистилляцией на 8 000 треках FMA Small; опубликованный чекпойнт соответствует шагу 635 000. Лицензия — Apache 2.0. Оценка качества ограничена сигналовыми метриками на реконструкции VAE: субъективные тесты и проверка полного конвейера генерации не проводились. Поддержка других вариантов ширины и эффект дополнительной квантизации также не оценивались.

Модель leomaurodesenv/electra-base-discriminator-disaster-tweet-jailbreaking — дообученный англоязычный энкодер ELECTRA для классификации текста. Она основана на google/electra-base-discriminator и содержит 136,7 млн параметров; модель рассчитана на последовательности длиной до 512 токенов. В README приведены результаты оценки: accuracy 0,7258 и loss 0,5879, но набор меток и данные оценки не описаны. Модель можно применять для классификации коротких текстов, в частности твитов, если нужные классы соответствуют её обучению. Название указывает на тематику сообщений о катастрофах и jailbreaking, однако README не раскрывает точную задачу, датасет или метки, поэтому конкретные сценарии требуют проверки. Доступны веса в формате Safetensors; лицензия — Apache-2.0.

EMA-VQGAN-16384-f8-d256 — официально предобученная модель первого этапа проекта TextArtT5, разработанная авторами этого проекта. Она преобразует изображения в дискретные визуальные токены и предназначена для квантования изображений и использования как визуальный токенизатор в генеративном конвейере TextArtT5. Модель основана на VQGAN с кодовой книгой из 16 384 векторов, коэффициентом уменьшения разрешения 8 и латентной размерностью 256. Она кодирует изображение 256 × 256 × 3 в сетку токенов 32 × 32; в README указано около 94,5 млн параметров и валидационный rFID 2,21. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для использования требуются классы архитектуры из основного репозитория TextArtT5. Модель обучалась на объединённом наборе данных ImageNet, Conceptual Captions (CC3M), MS-COCO, Flickr и CelebA/CelebA-Dialog. Это визуальный дискретный токенизатор, а не самостоятельная текстовая модель или полный генератор изображений; Stage 2 проекта реализует отдельный авторегрессионный трансформер.

Quazim0t0 разработал Escarda-86M-Base — экспериментальную базовую языковую модель, обученную с нуля и предназначенную для продолжения предобучения или дообучения под конкретные задачи, а не для общения как готовый чат-ассистент. В карточке указано около 85,7 млн параметров; метаданные каталога сообщают 103,6 млн. Модель использует декодерную архитектуру SpikeWhaleLM с 16 слоями, скрытым размером 640 и контекстом до 4096 токенов. В архитектуру входят MLA, память на основе n-грамм, hash-lookup слои, hyper-connections и HRM-refinement; JEPA использовалась при обучении, а Multi-Token Prediction применяется только в обучении. Веса доступны в формате safetensors, библиотека — Transformers. Модель обучена на английских данных, включая HuggingFaceFW/fineweb-edu. В README приведены результаты языкового моделирования и тестов на понимание и рассуждение; автор характеризует её как низкоперплексную базу для дальнейшего обучения и отмечает более слабые результаты на последующих задачах по сравнению с чат-версией семейства. Для самостоятельного диалога предназначена родственная модель Escarda-86M. Лицензия — Apache-2.0.

jploski/falcon-mini-shakespeare — экспериментальная компактная языковая модель, обученная с нуля на тексте Tiny Shakespeare. Её конфигурация и код адаптированы из tiiuae/falcon-7b, а параметры уменьшены; архитектура RefinedWebModel с причинно-языковой головой, размер — 10,4 млн параметров. Модель предназначена для генерации текста и отладки порта Falcon в GGML. Обучение на одном небольшом корпусе Shakespeare ограничивает её применимость: она не рассчитана на универсальный диалог или широкий круг языковых задач. Лицензия — Apache 2.0.

Filtered — Base (3B) — базовая предобученная языковая модель семейства Llama, разработанная dlab-spp и обученная с нуля. Во время предобучения функция потерь маскировалась на документах с пометкой unsafe; модель обучена примерно на 500 млрд токенов из части смеси Olmo 3 Dolma 3. Используется архитектура плотной авторегрессионной модели LlamaForCausalLM, а токенизатор основан на SmolLM2 и имеет словарь из 49 152 токенов. Модель предназначена для исследований выравнивания и безопасности, а также для продолжения предобучения, анализа поведения и последующей тонкой настройки. Это базовая модель без instruction tuning и шаблона чата, поэтому она не предназначена для непосредственного диалогового использования. Контекст составляет 2 048 токенов; заявленный язык карточки — английский. Репозиторий распространяется по лицензии other.

Это зеркало официального чекпойнта GCNet-L для датасета Cityscapes, разработанного авторами GCNet и представленного на CVPR 2025. Веса перепубликованы без изменений для загрузки через Hugging Face Hub; из исходного обучающего чекпойнта удалено состояние оптимизатора. Модель построена на архитектуре Golden Cudgel Network, содержит около 45,2 млн параметров и требует PyTorch и совместимой версии mmsegmentation с зарегистрированными компонентами GCNet. Модель предназначена для семантической сегментации изображений городских сцен Cityscapes. Она присваивает пикселям изображения семантические классы, что подходит для анализа дорожной обстановки и сцен автономного вождения. Для загрузки нужны компоненты mmsegmentation из исходного репозитория GCNet: стандартная установка mmsegmentation эти компоненты не содержит. Лицензия репозитория — MIT.

Hjsfhdu/Gemma-4-12B-OBLITERATED — модифицированная версия Google Gemma 4 12B-it, созданная проектом OBLITERATUS. Это текстовая генеративная модель для исследовательских задач в области alignment, red teaming и оценки безопасности, а также для локального использования при наличии собственного оборудования. Модель предназначена для изучения того, как защитное поведение кодируется в весах трансформера и насколько устойчивы механизмы выравнивания к посттренировочной модификации. Модель основана на архитектуре Gemma 4 с размером 12B и поддерживает генерацию текста; дополнительные сведения о языках, длине контекста и мультимодальности в README не указаны. Веса были изменены без переобучения в два этапа: удаление геометрии отказов в слоях 12–21 и восстановление возможностей через ASPA Source-Tethering в слоях 22–46. По заявленным результатам, модель демонстрирует 0 отказов на 842 тестовых запросах, сохраняет показатель 46/70 в MMLU-Pro, сопоставимый с исходной Gemma 4 12B-it, и сохраняет полную связность на шести проверках. Ключевое ограничение модели — хирургически удалённые защитные барьеры: она может выполнять запросы, от которых исходная модель отказалась бы, поэтому не предназначена для неконтролируемого потребительского применения. Результаты приведены авторами README и должны рассматриваться как заявленные бенчмарки. Лицензия указана как gemma; конкретные условия использования и ограничения в README не раскрыты.

Gemstone-2048x27 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная Gemma-модель с 1,8 млрд параметров, обученная с помощью litgpt и AxoNN на GPU AMD MI250X. Для запуска используется библиотека Transformers и файл modeling_gemma.py. Модель обучалась на непересекающихся подмножествах Dolma в течение 350 млрд токенов; в репозитории публиковались промежуточные контрольные точки с интервалом в 2 млрд токенов. Это базовая модель продолжения текста, а не модель, настроенная на выполнение инструкций: она предназначена для генерации текста и исследовательских экспериментов с вариантами ширины и глубины Gemstone. Контекст составляет 2048 токенов, заявленный язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Она не оптимизирована для диалога по инструкциям; качество ответов в таком сценарии не гарантируется, а короткое контекстное окно ограничивает работу с длинными документами.

Gestura-FastH3-LiteRT — пакет графов денойзера FastH3, подготовленный для выполнения через LiteRT на Android. Его опубликовал ZawShiShawn; графы TensorFlow Lite и общие внешние веса получены из FastH3 four-step Dense release и предназначены для интеграции в конвейер генерации видео. В связке с остальными компонентами приложение Gestura поддерживает создание видео по текстовому запросу, анимацию первого кадра изображения и генерацию с одним или двумя референсами; результат может включать звук. README приводит пример работы на Samsung Galaxy S26: генерация видео 256 × 256 длительностью 5 секунд занимает примерно 7–10 минут в зависимости от режима. Пакет содержит четыре варианта графа для разных шагов денойзинга и общие внешние веса; заявленный размер файлов модели — 11,83 ГБ. Сам по себе денойзер является компонентом конвейера: планирование генерации и декодирование медиа должны обеспечиваться хост-приложением. В метаданных указана связь merge с FastVideo/FastVideo-FastH3-4-step-Preview-v1-Dense-DataFree и MiniMaxAI/MiniMax-H3. Лицензия обозначена как other; README сообщает, что активы доступны по указанным в репозитории лицензиям, но конкретные условия следует проверять там.

GneissWeb.7B_ablation_model_on_350B_GneissWeb.seed1 — языковая модель IBM Research, входящая в серию абляционных экспериментов GneissWeb. Это плотная авторегрессионная модель семейства LLaMA примерно с 7 млрд параметров (6,6 млрд по метаданным), обученная на случайной выборке из 350 млрд английских токенов GneissWeb с токенизатором StarCoder. Контекст составляет 8192 токена. Модель предназначена прежде всего для исследовательского сравнения влияния обучающих корпусов на качество предварительно обученных языковых моделей. Она генерирует текст и может использоваться для экспериментов с генеративными задачами, но не проходила настройку на инструкции или выравнивание безопасности, поэтому не рассчитана на надёжное следование запросам и может выдавать предвзятый, недостоверный или проблемный контент. Возможна дословная генерация фрагментов обучающих данных. Распространяется по лицензии Apache 2.0.

GPT2 中文对话生成模型由 shibing624 发布， предназначена для генерации ответов в бытовом китайском чате. В карточке описана исходная плотная архитектура GPT-2 с классом GPT2LMHeadModel; модель принимает текст и генерирует текст, поддерживает китайский язык, а её контекст составляет 300 токенов. Автор сообщает, что модель обучалась на распространённых китайских разговорных корпусах, включая Xiaohuangji, Douban, диалоги из телесериалов, форумы, Weibo, PTT и Qingyun, и приводит пример ответа на реплику о самочувствии. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

GPT-OSS-20B ASIDE Alpaca SFT — полноценно дообученная модель kortukov на базе openai/gpt-oss-20b. Это текстовая MoE-модель для генерации ответов в диалоге и исследования ASIDE: метод добавляет фиксированное вращение эмбеддингов токенов, помеченных как внешний ввод или вывод инструмента, тогда как рассуждения и ответы ассистента остаются в доверенном канале. Модель обучена методом supervised fine-tuning на наборе kortukov/alpaca-cleaned-gpt-oss-120b-reasoning; в карточке указаны 1,6 млрд параметров и контекст до 131 072 токенов. Область применения — эксперименты с обработкой недоверенного ввода и prompt injection в рассуждающих моделях. В опубликованной оценке полезность на SEP составила 89,60%, успешность атак — 8,70%; на чистом AgentDojo модель выполнила 9 из 95 задач, поэтому низкую успешность атак следует оценивать вместе с ограниченной агентной полезностью. Модель может пропускать итоговые ответы или достигать лимита генерации. Для корректного исследования требуется явно размечать доверенные и недоверенные токены; другая политика разметки меняет оцениваемый метод. Лицензия — Apache-2.0.

gte-en-mlm-base — англоязычный текстовый энкодер семейства GTE-v1.5, разработанный Institute for Intelligent Computing группы Alibaba. Это версия модели Alibaba-NLP/gte-en-mlm-base для Transformers: веса не менялись, преобразован только config.json, поэтому модель загружается без trust_remote_code. Модель построена на энкодерном backbone transformer++ (BERT, RoPE и GLU) с токенизатором на основе словаря bert-base-uncased. Она обучена на англоязычном корпусе C4 с задачей masked language modeling и предназначена для заполнения пропусков в тексте. Контекст — до 8192 токенов, размер — 136,7 млн параметров. В статье mGTE модель также представлена как текстовый энкодер для оценки языковых представлений. Модель распространяется под лицензией Apache 2.0. Карточка описывает английский вариант; применение к другим языкам не подтверждено.

Hush-Nano-Chat — англоязычная компактная причинная языковая модель Soulitude для ответов на инструкции в формате одного обмена. Это дообученная методом supervised fine-tuning версия Soulitude/Hush-Nano, обученная на парах инструкций и ответов из наборов Alpaca Cleaned, Databricks Dolly 15k и No Robots. Модель построена на архитектуре Hush-Nano: 12 слоёв, 6 голов внимания для Q и 3 для KV, RMSNorm, RoPE, SwiGLU, QK-Norm и связанные эмбеддинги слов. Она содержит около 22,6 млн параметров, принимает текст и поддерживает контекст до 1 024 токенов. Предназначена для экспериментов с небольшими моделями, генерации текста и простых ответов на инструкции на английском языке. Из-за малого размера ответы могут быть неточными, неполными или непоследовательными; ограниченная длина контекста мешает работе с длинными запросами и ответами, а модель рассчитана на одношаговый диалог. Для загрузки через Transformers требуется trust_remote_code=True. Лицензия — Apache-2.0.

elastix-ai опубликовала разреженный чекпойнт gpt-oss-20b, полученный из openai/gpt-oss-20b с помощью HyperPrune. Это авторегрессионная MoE-модель для генерации текста и диалогов; в метаданных указано 1,6 млрд параметров и контекст до 131 072 токенов. Веса сохранены в формате safetensors и доступны для загрузки через Transformers. В чекпойнте применена полуструктурированная разреженность 4:8: маска разрежения проверена, а общая разреженность в обработанной области составляет около 50,6%. Прунинг охватывает все слои декодера. По README, гиперсеть HyperPrune выбирает маски только для первых 200 выходных строк каждой проекции, а для остальных используется маска SparseGPT; калибровка выполнена на валидационной части SlimPajama-6B. Приведены измерения perplexity на WikiText-2, но авторы подчёркивают, что результаты двух протоколов оценки несопоставимы напрямую. Модель предназначена для экспериментов с разреженными LLM и генерацией текста. README не приводит лицензию точнее, чем метаданные «other»; условия использования следует уточнить в карточке модели и у авторов базовой модели. Приведённые метрики указывают на существенное ухудшение perplexity относительно обычных языковых чекпойнтов, поэтому пригодность для прикладного использования требует отдельной оценки.

qmddn/insert-mouse-battery-videomae-reward-v1 — бинарная reward-модель для определения завершённого состояния задачи установки батарейки в компьютерную мышь. Разработчик дообучил VideoMAE на базе MCG-NJU/videomae-base-finetuned-kinetics; модель содержит 113,2 млн параметров и распространяется в формате safetensors для Transformers. На вход подаётся клип примерно за одну секунду: восемь RGB-кадров с тремя видами камеры, объединёнными вертикально в порядке top_head, hand_left, hand_right. Модель выдаёт оценки классов not_success и success; вероятность успеха вычисляется через softmax. Проверочный порог выбран на уровне 0,92. Обучающие примеры охватывают успешные завершения и неуспешные траектории, включая сложные случаи до завершения задачи. На валидации указаны точность 0,9824, precision 0,9505 и recall 1,0000 при пороге 0,5. В проверке на отложенных траекториях устойчивый ложный сигнал возник в трёх из восьми неуспешных эпизодов, поэтому оценку следует проверять для конкретной политики и конфигурации камер перед использованием в оптимизации RL. Модель основана на видеоданных, язык не применим; сведения о лицензии не приведены.

JugnuLM-110M-R4a — экспериментальная базовая языковая модель, разработанная altslate. Это плотная авторегрессионная модель на 109,7 млн параметров: 23 слоя шириной 576, GQA, RoPE, SwiGLU, RMSNorm и QK-Norm; она использует архитектуру Qwen3 с пользовательским механизмом value residuals и токенизатор SmolLM2 на 49 152 токена. Модель обучена с нуля на английских данных FineWeb-Edu объёмом около 8,4 млрд токенов, а затем в ходе обучения применялась дистилляция распределения следующих токенов от SmolLM2-1.7B. Контекст составляет 2048 токенов. Модель предназначена для генерации английского текста и исследовательских экспериментов с дистилляцией и малыми языковыми моделями; это базовая модель, а не чат-ассистент с инструкционной настройкой. В опубликованной оценке она показала лучший среди вариантов JugnuLM результат ARC-Easy — 56,99, но уступила R2 по perplexity на WikiText-2: 2,178 против 1,932. Возможны повторы. Для загрузки требуется trust_remote_code=True, поскольку стандартная загрузка через Qwen3 может отбросить пользовательский механизм value residuals. Лицензия — Apache-2.0.

Kandinsky WM 1.0 I2V 5s AV — модель генерации видео из изображения для автономного вождения, разработанная авторами семейства Kandinsky WM. Это доменно адаптированный чекпойнт Kandinsky 5.0 Video Lite: латентная видеодиффузионная модель на 2 млрд параметров с архитектурой DiT, VAE HunyuanVideo и текстовыми энкодерами Qwen2.5-VL и CLIP; дообучение с подкреплением GRPO направлено на физическую правдоподобность сцен. Модель продолжает исходное изображение в клип длительностью 5 секунд из 121 кадра с разрешением 768×512. Модель предназначена для создания синтетических видеоданных и разработки компонентов world model и симуляторов, особенно для сценариев автономного вождения. Её специализация — сохранение геометрии сцены и правдоподобное движение объектов и взаимодействий. Репозиторий содержит вариант для Diffusers и копию весов DiT для кода GitHub; лицензия MIT.

Warlord-K/kanha-incidentio-incidents-1.7b-qlora-v1 — дообученная методом QLoRA модель на базе Qwen/Qwen3-1.7B, разработанная для контролируемой оценки ответов на вопросы по сайту Kanha и сравнения методов обучения на одном наборе данных, полученном с сайта. Это плотная языковая модель с архитектурой Qwen3ForCausalLM, 1,7 млрд параметров и контекстом до 40 960 токенов; она принимает текст и генерирует текст. Карточка указывает английский язык. Обучающий набор содержал 276 записей, проверочный — 33, отдельного тестового набора не было. В опубликованной оценке полнота извлечения дат, списков, чисел и URL составила 1,0, но детерминированная доля успешных ответов — 0,0, а все ответы требовали проверки. Поэтому модель подходит для контролируемых экспериментов и оценки ответов на вопросы по материалам сайта, но не подтверждена для прямого использования в пользовательских сценариях. Возможны неверные, неполные или устаревшие ответы и запоминание обучающих данных. Веса опубликованы в формате safetensors, также доступны артефакты MLC с квантизацией q4f16_1. Лицензия в предоставленных данных не указана.

Koliber v1.1-Preview — экспериментальный чекпойнт продолженного обучения компактной базовой языковой модели, разработанной OrisTeam для польского языка. Это плотная decoder-only архитектура causal language model с 126 млн параметров и контекстом 1536 токенов. Модель сохраняет архитектуру и токенизатор Koliber v1.0 Base и предназначена прежде всего для продолжения текста по естественному префиксу, а не для диалогов с инструкциями. В обучении использовалась небольшая корректировка распределений следующих токенов под влиянием замороженной модели-учителя speakleash/Bielik-1.5B-v3. Учитель не объединён с Koliber и не нужен при инференсе. Модель подходит для экспериментов с польскими языковыми моделями, продолжения обучения, оценки и создания производных моделей. Изменения дали неоднородные результаты на бенчмарке, а общий композит немного снизился относительно v1.0. Чекпойнт не проходил настройку инструкций или выравнивание по предпочтениям. Генерации могут быть ошибочными, небезопасными, оскорбительными, повторяющимися или уходить от темы; не следует полагаться на них в критически важных областях. Лицензия — Apache-2.0.

Lamina-suite-prétrain — базовая авторегрессионная языковая модель семейства GPT-2, созданная Clemylia и обученная с нуля. По карточке, модель содержит 714 млн параметров; метаданные указывают библиотеку Transformers и контекст длиной 512 токенов. Модель предназначена для дальнейшего дообучения на французском языке: автор описывает её как основу для освоения грамматики, орфографии и построения предложений. Она не рассчитана на диалог, сложные ответы, суммаризацию или классификацию без дополнительного обучения. В карточке перечислены три обучающих набора данных: Clemylia/training-fr-base, Clemylia/lamina-chatbot-dataset и Clem27sey/Nacid. Указанная в метаданных лицензия — other; конкретные условия использования в карточке не уточнены.

LessSexistBERT — англоязычная модель семейства BERT, разработанная автором репозитория clincolnoz. Это регистр-независимый чекпойнт на 136,8 млн параметров, повторно предобученный на корпусе, описанном как менее сексистский, с задачами masked language modeling и предсказания следующего предложения. Модель принимает текст и восстанавливает замаскированные токены; максимальная длина последовательности — 512 токенов. Модель предназначена прежде всего для исследований смещений в языковых моделях и их влияния на последующие задачи, а также для дальнейшей тонкой настройки классификаторов и других моделей, работающих с целым предложением. Карточка предупреждает, что выходы могут содержать оскорбительные формулировки и что модель может сохранять предвзятые предсказания. Лицензия в предоставленных сведениях не указана.