II.10Разработка и эксплуатация AI/ML-систем

qing-yao/babylm-opt-sva-seed42-11451088 — дообученная автором qing-yao языковая модель семейства OPT с плотной архитектурой и 138,4 млн параметров. Модель предназначена для генерации текста; её контекст составляет 256 токенов. Модель дообучена на наборе qing-yao/slightly-cleaner-babylm. В карточке приведены результаты оценки: loss 2,9999 после обработки 2 389 908 480 входных токенов. Файлы весов представлены в формате Safetensors. Описание сценариев применения и известных ограничений в карточке отсутствует. Лицензия не указана в предоставленных данных.

bluolightning/bert-tiny-japanese-char — компактная японская BERT-модель, разработанная bluolightning и оптимизированная для быстрого заполнения пропусков в тексте. Она использует символьный японский токенизатор и предназначена для задач masked language modeling. Модель имеет 4 слоя, размер скрытого состояния 256, 4 головы внимания и FFN размером 1024; в метаданных указано 5,8 млн параметров и контекст 128 токенов. Это дистилляция модели, дообученной на основе tohoku-nlp/bert-base-japanese-char-v2; карточка сообщает, что студенческая модель была инициализирована случайно. Поддержка японского языка подтверждается карточкой и тегами. Модель подходит для быстрого запуска локальных экспериментов и заполнения маскированных токенов в японском тексте. Лицензия Apache-2.0.

liminerity/Bitnet-M7-70m — компактная причинно-авторегрессионная языковая модель семейства Mistral, опубликованная Liminerity. По описанию автора, это вторая попытка преобразовать модель liminerity/M7-7b из float16 в 1,5-битное представление; модель также обучалась на наборе abideen/Cosmopedia-100k-pretrain. Репозиторий содержит веса Safetensors, размер модели — 52,9 млн параметров, длина контекста — 768 токенов. Модель предназначена для генерации текста и экспериментов с малой 1,5-битной языковой моделью. Низкая точность представления и небольшой размер могут быть полезны для изучения сжатия и запуска ограниченных по ресурсам прототипов, но качество и надёжность ответов нельзя считать установленными. В карточке не приведена лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Карточка модели hongyuw/bitvla-siglipL-224px-bf16 на Hugging Face совпадает с карточкой hongyuw/bitvla-bitsiglipL-224px-bf16, поэтому описание составлено по ней. hongyuw/bitvla-bitsiglipL-224px-bf16 — визуально-языковая модель BitVLA от авторов проекта BitVLA, построенная на архитектуре LLaVA и дообученная на базе microsoft/bitnet-b1.58-2B-4T. Она принимает изображение и текстовый запрос и предназначена для диалогового понимания изображений и ответов на вопросы по ним; в проекте опубликованы оценки VQA и модели для последующего обучения манипуляции роботами. Модель использует визуальный энкодер SigLIP-L с разрешением 224 пикселя и веса bf16; авторы применяют онлайн-квантизацию W1.58-A8, а для сокращения затрат памяти рекомендуют отдельно квантизировать веса до 1,58 бит. В метаданных указан английский язык и лицензия MIT. Авторы отмечают, что BitVLA ещё не проходила предварительное обучение на крупномасштабном наборе робототехнических данных из-за ограниченных ресурсов. Для выполнения роботизированных действий потребуется соответствующая VLA-версия, обученная под задачу; данная карточка описывает базовую визуально-языковую модель. Для оценки мультимодальных задач README указывает модифицированные компоненты Transformers и окружение NVIDIA PyTorch.

yujiepan/bloom-tiny-random — небольшая причинно-следственная языковая модель для генерации текста, созданная на основе конфигурации bigscience/bloom-560m. Модель случайно инициализирована и не обучена на корпусе, поэтому предназначена прежде всего для тестирования, разработки и проверки совместимости инструментов Transformers и OpenVINO, а не для получения качественных текстовых ответов. Архитектура унаследована от BLOOM: два слоя Transformer, скрытое представление размером 8 и две головы внимания; модель хранится в формате float16. Поддерживается задача text-generation и используется токенизатор от bigscience/bloom-560m, однако сведения о фактических языках и размере контекста в README не приведены. Главным ограничением является случайная инициализация: модель не обладает практическими языковыми навыками и не подходит для продуктивного применения без дополнительного обучения. Лицензия в README не указана.

Cagliostro-v2 — авторегрессионная языковая модель на 150 млн параметров, разработанная bench-labs и обученная с нуля на 50 млрд токенов. Это базовая модель для генерации текста, а не готовый чат-ассистент: она не проходила дообучение на инструкциях и выравнивание поведения. Контекст составляет 4096 токенов; модель использует плотную архитектуру Cagliostro с 30 слоями и реализует Exclusive Self Attention и ограничение логитов. Для загрузки через Transformers требуется trust_remote_code=True. Модель предназначена для экспериментов с компактными языковыми моделями и генерации продолжений текста. В карточке приведены результаты тестов HellaSwag, ARC, PIQA и ArithMark; индекс Open SLM Intelligence Index указан как 19,99. Обучение проводилось на FineWeb-Edu, DCLM-baseline и Cosmopedia. Лицензия — Apache-2.0. Из-за небольшого размера и отсутствия настройки на инструкции модель слабо подходит для сложных запросов и может уверенно генерировать фактически неверный текст. Она не фильтровалась по безопасности и не предназначена для использования как надёжный источник знаний.

Модель California Housing Price Predictor разработана автором репозитория shalev396. Она оценивает медианную стоимость жилья для переписного района Калифорнии по восьми табличным признакам: медианному доходу, возрасту домов, числу комнат и спален, населению, средней заполняемости и координатам. По умолчанию используется XGBoost-регрессор; также доступна альтернативная MLP на PyTorch с 44 289 параметрами. Для MLP применяются стандартизация входов и дополнительные инженерные признаки. Модель обучена на наборе California Housing из sklearn — данных переписи США 1990 года. На отложенной тестовой выборке из 4 128 районов XGBoost показал R² 0,853, RMSE около 43 966 долларов и MAE около 28 540 долларов в ценах соответствующего набора данных. Модель принимает признаки одного района и возвращает прогноз стоимости в долларах. Репозиторий содержит модель XGBoost и MLP; для развёртывания предусмотрены Space API и обработчик Inference Endpoint. Лицензия — MIT. Прогнозы относятся к медианной стоимости района в данных 1990 года, а не к современной цене или отдельному дому. Целевая величина в исходном наборе ограничена примерно 500 001 долларом, поэтому дорогие районы могут недооцениваться. Входы вне обучающего диапазона, например координаты за пределами Калифорнии, дают ненадёжные результаты.

Модель ryan12345441/car-body-classifier разработана Furkan Nezih Uzmez и Yusuf Kerem Alcicek из Kocaeli University. Это классификатор изображений на PyTorch и timm: дообученная EfficientNetV2-S с классификационной головой на восемь типов кузова. На вход подаётся одно RGB-изображение автомобиля; изображение приводится к размеру 224 × 224 пикселя. Модель предсказывает один из классов: SUV, VAN, STATION_WAGON, MICRO, гоночный автомобиль с открытыми колёсами, SEDAN, HATCHBACK или PICK_UP. Модель предназначена для учебных проектов, прототипов, исследовательской оценки и экспериментов с обслуживанием моделей и API. В README сообщаются точность 96,7% и macro F1 95,4% на тестовом наборе с температурной калибровкой вероятностей. Эти результаты относятся к данным проекта; качество может снижаться на изображениях из других регионов и условий съёмки, при частичном перекрытии, необычном ракурсе, низком качестве или неоднозначном типе кузова. Классы MICRO и HATCHBACK указаны как более сложные. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия обозначена как other; README ограничивает применение исследовательской и оценочной деятельностью и исключает коммерческие продукты, публичный хостинг инференса и перераспространение. Перед публичным или коммерческим выпуском требуется отдельно проверить лицензии исходных наборов данных.

CeLLaTe-tapt-bioformer8l-tokenizer-original-wwmask — англоязычная модель Mardiyyah для восстановления замаскированных токенов в тексте. Это дообученная на наборе Mardiyyah/TAPT_CeLLaTe2.0 модель bioformers/bioformer-8l с архитектурой BERT и головой BertForMaskedLM. Она содержит 50,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт предсказания пропущенных токенов. В оценке на тестовом наборе указаны accuracy 0,7194, loss 1,3721 и perplexity 3,9435. Модель опубликована под лицензией Apache-2.0.

Разговорная модель генерации текста на французском языке, созданная cedpsam на основе конфигурации microsoft/DialoGPT-medium и обученная на диалогах из OpenSubtitles 2018 с пользовательским токенизатором. Она предназначена для генерации ответов в чат-диалоге и может использоваться как экспериментальный собеседник или основа для прототипа французского чат-бота. Модель построена на архитектуре GPT-2 и доступна в форматах PyTorch, Flax и Safetensors. Контекст ограничен 1024 токенами. Карточка указывает на обучение на субтитрах фильмов и сериалов, поэтому стиль и содержание ответов могут отражать разговорную речь и особенности исходных диалогов. Лицензия в предоставленных данных не указана.

Ctrl-World — модель мира для роботизированных манипуляций, разработанная исследователями из Stanford University и Tsinghua University. Она дообучена на базе Stability AI Stable Video Diffusion Image-to-Video и обучена на датасете DROID, содержащем около 95 тысяч траекторий в 564 сценах с роботизированной рукой Franka Panda и захватом Robotiq. Модель генерирует воображаемые сценарии взаимодействия робота с окружающей средой с учётом действий. Она предназначена для совместной работы с VLA-политиками: позволяет выполнять симуляции в контуре политики, оценивать выполнение инструкций и помогать улучшать следование им. Репозиторий содержит чекпойнт; подробности использования приведены в официальном репозитории проекта. Модель принимает визуальное наблюдение и управляющие действия и предсказывает видео; основная область применения — робототехнические манипуляции. В метаданных указан английский язык, а лицензия модели — MIT.

Это базовая языковая модель jkminder/d20_477m_seed3 из серии Scaling Ladder, опубликованной как исследовательский артефакт для изучения разброса результатов предобучения между случайными seed. Модель разработана в рамках проекта nanochat и представляет собой плотный GPT-декодер NanochatGPTForCausalLM с 20 слоями и размером скрытого состояния 1280. В чекпойнте 477,1 млн параметров, из них 435,2 млн учитываются как масштабируемые параметры в анализе серии. Модель обучена предсказывать следующий токен на английском языке; это базовый чекпойнт без дообучения на инструкциях и без обучения безопасности. Серия сравнивает восемь seed для этой размерности, где seed задаёт инициализацию весов и порядок данных. Доступны контрольные точки при разных бюджетах токенов на параметр, в том числе с линейным снижением скорости обучения; контекст составляет 2048 токенов. Модель подходит для экспериментов с предобучением и оценки языковых моделей, но сама по себе не настроена на диалоговые запросы или следование инструкциям. Веса доступны в формате safetensors и загружаются через Transformers с AutoModelForCausalLM и AutoTokenizer; README указывает trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование ограничено условиями лицензии.

jkminder/d20_optimized_897m_seed7 — исследовательская базовая языковая модель семейства nanochat GPT, опубликованная как один из чекпойнтов Scaling Ladder для изучения разброса результатов предобучения при разных случайных seed. Это плотная авторегрессионная модель, обученная предсказывать следующий токен на данных ClimbMix. Для этой версии seed 7 задаёт инициализацию весов и порядок данных; инструкционного дообучения и обучения безопасности нет. Архитектура включает 20 слоёв, размер скрытого состояния 1280, 10 голов внимания и словарь из 32 768 токенов. В README указано 897 млн параметров, тогда как метаданные каталога сообщают 566,2 млн; длина контекста — 2048 токенов. Модель принимает текст и генерирует текст на английском языке. Опубликованы контрольные точки на разных этапах обучения; ветка main соответствует бюджету 200 токенов на параметр. Модель подходит для экспериментов с предобучением, оценки языковых моделей и изучения влияния случайного seed. Поскольку она не проходила инструкционное дообучение, она не предназначена для надёжного выполнения инструкций или диалога. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

jkminder/d26_973m_seed2 — исследовательская базовая языковая модель семейства nanochat_gpt, опубликованная как часть Scaling Ladder для изучения разброса результатов предобучения между случайными seed. Это плотная GPT-архитектура для предсказания следующего токена; в чекпойнте около 1,2 млрд параметров, включая входные эмбеддинги. Модель обучалась на корпусе nvidia/ClimbMix, а карточка указывает контекст длиной 2048 токенов и поддержку английского языка. Модель предназначена для экспериментов с предобучением и масштабированием языковых моделей, в частности для сравнения качества чекпойнтов при разных бюджетах токенов на параметр и разных seed. Она не проходила инструкционную настройку или обучение безопасности, поэтому её базовое назначение — продолжение текста и исследовательские измерения, а не готовый диалоговый помощник. В репозитории доступны ревизии обучения, включая TPP_X, соответствующие моделям после убывающего шага обучения, и preanneal-чекпойнты. Модель распространяется в формате safetensors и загружается через Transformers с AutoModelForCausalLM и AutoTokenizer; README использует trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение.

kshitijthakkar/deepseek-v4-mini-6B-init — случайно инициализированная уменьшенная реализация архитектуры DeepSeek-V4 от автора репозитория. Это исследовательский каркас на Transformers с классом DeepseekV4ForCausalLM: 32 слоя и hidden size 2048; в README указано около 8,1 млрд параметров всего и около 2,21 млрд активируемых на токен, тогда как метаданные сообщают 2,2 млрд параметров. Контекст модели — до 1 048 576 токенов. Каркас предназначен для абляционных и гиперпараметрических экспериментов, переноса весов и срезания весов из V4-Pro или V4-Flash. В нём реализованы компоненты mHC, CSA с Lightning Indexer, HCA, скользящее окно внимания, MQA, DeepseekMoE, MTP и YaRN. Модель поддерживает текстовую генерацию и разговорный интерфейс, но из-за случайной инициализации генерирует шум и не годится для содержательных ответов без обучения или переноса весов. Репозиторий распространяется по лицензии MIT.

Delphi-1e21-3.4Bparams-46.3Btokens — базовая предобученная языковая модель команды Marin, созданная как часть открытой серии экспериментов Delphi по законам масштабирования. Она предназначена для генерации текста и оценки того, как вычислительный бюджет, число параметров и объём обучающих данных влияют на качество моделей; это исследовательский чекпойнт, а не готовый диалоговый ассистент. Модель использует плотную архитектуру Qwen 3 с декодером, RMSNorm, RoPE, QK-нормализацией и блоками SwiGLU. В README указано 3,383,110,656 параметров; метаданные Hugging Face указывают 3.1B. Обучение проведено на 46,3 млрд токенов с бюджетом 1 × 10²¹ FLOPs. Контекст — 4096 токенов. Модель принимает и генерирует текст; обучающие данные преимущественно англоязычные. Чекпойнт полезен для исследований масштабирования и экспериментов с продолжением текста, но он не проходил инструкционное дообучение, RLHF или выравнивание безопасности. README отмечает, что для метрик практических задач качество при таком вычислительном бюджете может оставаться близким к случайному уровню. Лицензия — Apache-2.0.

Delphi — открытая серия исследовательских моделей команды Marin, созданная для изучения законов масштабирования. Этот чекпойнт — предобученная плотная авторегрессионная языковая модель на архитектуре Qwen 3 с примерно 966,6 млн параметров по метаданным (в README указано около 1,18 млрд). Веса доступны в формате safetensors; модель обучена на 1,25 млрд токенов при вычислительном бюджете 9 × 10¹⁸ FLOPs, а длина контекста составляет 4096 токенов. Модель предназначена для продолжения текста и исследовательских сравнений качества языковых моделей при разных вычислительных бюджетах. Она входила в набор экспериментов Delphi, использованный для проверки прогнозирования потерь и результатов бенчмарков по scaling laws. Обучающие данные преимущественно англоязычные и включают источники Nemotron-CC, StarCoderData и ProofPile 2. Это базовая модель без дообучения на инструкциях, RLHF и выравнивания безопасности; поэтому она не рассчитана на надёжное выполнение пользовательских инструкций или безопасный диалог. README характеризует чекпойнт как исследовательский артефакт, а не production-модель. Лицензия — Apache-2.0.

DepthLM — мультимодальная модель Meta, представленная в статье авторов «DepthLM: Metric Depth from Vision Language Models». Это версия на 12 млрд параметров, дообученная на Pixtral с помощью текстового supervised fine-tuning без изменения архитектуры и без специальной головы для плотного предсказания. Модель предназначена для оценки метрической глубины по изображениям в формате взаимодействия с визуально-языковой моделью. Авторы сообщают о точности, сопоставимой с моделями компьютерного зрения на нескольких наборах данных, и рассматривают DepthLM как основу для единой модели, способной решать и другие задачи 3D-понимания. Репозиторий использует Transformers и формат safetensors; карточка указывает английский язык. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория.

thealper2 подготовил компактную модель для генерации следующей реплики в многоходовом диалоге. Это дообученная на OpenRL/daily_dialog модель microsoft/DialoGPT-small с архитектурой GPT-2: декодерная причинная языковая модель с 12 слоями, размером 117 млн параметров и контекстом до 1024 токенов. Она принимает историю реплик, разделённых штатным токеном конца последовательности, и продолжает её ответом на английском языке. Модель рассчитана на повседневную светскую беседу и генерацию коротких ответов в открытом диалоге. В обучающем наборе использованы 73 887 пар контекст–ответ; оценка проводилась на отложенной тестовой выборке DailyDialog. Для разнообразных ответов рекомендуется сэмплирование: жадное декодирование может приводить к коротким повторяющимся репликам. У модели нет поиска, опоры на внешние источники или специальной настройки безопасности; возможны унаследованные от GPT-2 и DailyDialog предубеждения. Лицензия чекпойнта — CC BY-NC-SA 4.0, поэтому коммерческое использование ограничено; базовая модель Microsoft указана как MIT.

Distill-Any-Depth-Large-hf — модель для оценки глубины по одному изображению, опубликованная пользователем xingyang1. Это совместимый с библиотекой Transformers чекпойнт семейства Depth Anything, обученный с применением предложенных авторами алгоритмов дистилляции знаний и предназначенный для моноскопической оценки глубины, в том числе без дополнительной настройки под конкретный набор данных. Модель принимает изображение и выдаёт карту глубины. Её можно использовать для анализа сцены по фотографии в компьютерном зрении и приложениях, которым нужна оценка относительной геометрии изображения. В карточке не приведены сведения о размере модели и её языковых возможностях; текстовый ввод и вывод не заявлены. Репозиторий распространяется по лицензии MIT.

dQwen3-1.7B-Base — базовая языковая модель с маскированной диффузионной генерацией, разработанная на основе Qwen3-1.7B в рамках семейства dQwen3.5. Она использует плотную архитектуру DiffuQwen3 с полнослойным двунаправленным вниманием; модель служит контрольной точкой для сравнения с гибридной dQwen3.5-2B и не проходила настройку на инструкции. Модель предназначена для генерации текста и диалоговых экспериментов с диффузионным подходом. Она содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Для запуска указаны Transformers версии 5.13 или выше и CUDA GPU. Модель основана на Qwen3-1.7B и распространяется под лицензией Apache-2.0. Поскольку это базовая модель без instruction tuning, она может хуже выполнять запросы в формате ассистента и не гарантирует следование инструкциям; запуск требует совместимого GPU-окружения.

ERNIE 3.0 Base Chinese — языковая модель семейства ERNIE с архитектурой masked language model, предназначенная для понимания китайского текста. В репозитории размещена версия на PyTorch, преобразованная из официально выпущенной модели PaddlePaddle; автор README сообщает о проверках точности преобразования. Модель содержит 144 млн параметров и поддерживает контекст до 2048 токенов. Основной сценарий применения — заполнение маскированных фрагментов китайского текста: модель предсказывает подходящий токен по окружающему контексту. Её можно использовать в задачах языкового анализа и как компонент для экспериментов с пониманием китайского языка. Для загрузки README указывает Transformers и класс ErnieForMaskedLM. Лицензия в предоставленных данных не описана.

Eugleo/exp085-chat-d26-r10-69eceae782a4-sft-75cdb862 — исследовательская чат-модель семейства nanochat GPT, разработанная в рамках исследования pretraining-priors. Это дообученная для диалога версия базовой модели nvidia/ClimbMix: после одного эпохального прохода по рецепту chat-SFT использованы smoltalk, MMLU и decor_replay. Модель имеет 1,2 млрд параметров, плотную архитектуру NanochatGPTForCausalLM и контекст 2048 токенов; работает с текстом на английском языке. Модель предназначена для генерации ответов в чате и исследовательской оценки влияния предварительных обучающих корпусов и их повторного включения при SFT. В карточке приведены шаг обучения и значение validation bpb, но не заявлены прикладные гарантии качества. Доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

dima806/fairface_gender_image_detection — модель компьютерного зрения от dima806 для классификации изображений по двум меткам пола: Female и Male. Это дообученная версия Vision Transformer ViT-Base с архитектурой ViTForImageClassification, примерно 113,2 млн параметров; веса сохранены в формате safetensors. Для дообучения использован набор данных nateraw/fairface. Модель предназначена для определения метки пола по изображению и может применяться в экспериментах или системах анализа изображений. В README приведены результаты на 10 000 примерах: точность 93,42%, F1 для класса Female — 0,9285, для Male — 0,9391. Эти показатели относятся к указанной оценке и не гарантируют качество на других данных. Лицензия модели — Apache-2.0. Модель выдаёт один из двух классов и не описывает ограничения применимости или условия оценки помимо приведённого отчёта классификации.

Falcon-RW-1B — плотная авторегрессионная языковая модель с декодером, разработанная TII. Веса содержат 1,7 млрд параметров; модель обучена на 350 млрд токенов англоязычного набора RefinedWeb, очищенного фильтрацией и дедупликацией. Архитектура использует ALiBi и FlashAttention. Модель предназначена прежде всего для исследований того, как обучение только на веб-данных влияет на свойства больших языковых моделей, включая их возможности, безопасность и смещения. Она генерирует продолжение текста и может служить основой для дальнейшей настройки под конкретные задачи. Доступна под лицензией Apache 2.0. Модель обучена только на английском и не рассчитана на надёжную работу с другими языками. Как модель, обученная на данных из интернета, она может воспроизводить распространённые в них стереотипы и смещения; для производственного применения требуется оценка рисков и защитные меры. В карточке авторы рекомендуют использовать более крупные модели Falcon для задач, не связанных непосредственно с исследованием веб-данных.

Transluce разработала эту модель на основе Llama-3.1-8B-Instruct, дообучив её объяснять непрерывные признаки из остаточного потока Llama-3.1-8B. Модель сопоставляет признаки SAE с объяснениями, полученными из Neuronpedia, и обобщает этот подход на произвольные непрерывные признаки остаточного потока базовой модели. Модель предназначена для анализа внутреннего представления Llama-3.1-8B и интерпретации её вычислений. Она содержит 7,5 млрд параметров, использует плотную архитектуру семейства Llama и принимает текстовые данные для генерации объяснений. Контекстное окно — 131 072 токена; в метаданных указан английский язык. Лицензия — MIT.

G1-nano-base — компактная базовая языковая модель AZERDSQ на 60 млн параметров, обученная с нуля на одном устройстве NVIDIA Jetson с 8 ГБ объединённой памяти. Это авторегрессионный decoder-only Transformer в стиле Llama с 14 слоями; веса опубликованы в формате safetensors. Модель принимает текст и предсказывает продолжение последовательности, поддерживая контекст до 2048 токенов. Модель предназначена для генерации и завершения англоязычного текста, а также экспериментов с обучением и запуском небольших языковых моделей на ограниченном оборудовании. Она обучалась примерно на 1,5 млрд токенов английских веб-текстов и книг. Это базовый чекпойнт без дообучения на инструкциях и без чат-формата, поэтому он не рассчитан на надёжное выполнение пользовательских команд. Лицензия — Apache-2.0.

Это зеркало официального контрольного чекпойнта GCNet-S для сегментации изображений Cityscapes, разработанного авторами GCNet. Веса без изменений размещены в репозитории Hugging Face для загрузки через huggingface_hub; из исходного контрольного файла удалено состояние оптимизатора. Модель основана на архитектуре Golden Cudgel Network, вариант S, содержит около 9,2 млн параметров и требует PyTorch с модулем mmsegmentation из исходного репозитория GCNet, поскольку стандартная установка mmsegmentation не включает нужные компоненты. Модель предназначена для семантической сегментации городских сцен на изображениях Cityscapes. Репозиторий распространяется по лицензии MIT. В README не описаны поддерживаемые языки, поскольку входные данные — изображения.

Это кросскодер для анализа параллельных активаций Gemma 2 2B и Gemma 2 2B IT на 13-м слое. Его обучила команда science-of-finetuning на подмножестве FineWeb и LMSYS-Chat-1M. Модель предназначена для извлечения признаков из активаций этих языковых моделей и исследовательского анализа их представлений. Кросскодер принимает активации Gemma и выдаёт признаки. Файлы опубликованы в формате safetensors, лицензия — MIT. Для загрузки авторы указывают библиотеку dictionary_learning.

WWTCyberLab выпустила Gemma 4 31B-IT Abliterated — диалоговую модель на базе инструкционно настроенной gemma-4-31B-it от Google DeepMind. Это плотная модель с 31 млрд параметров; карточка указывает библиотеку Transformers и формат Safetensors. Модель предназначена для генерации текста в диалоге и создана для исследований механизмов отказа и безопасности LLM. По README, модель прошла дообучение LoRA с последующим слиянием адаптера с базовыми весами, а затем несколько этапов абляции, направленных на снижение отказов. Авторы сообщают о нулевых жёстких отказах на собственных тестовых наборах, но результаты зависят от методики и настроек генерации и не гарантируют поведение на других запросах. В предоставленных данных не указаны языки или длина контекста, поэтому их нельзя конкретизировать. Лицензия — Gemma; авторы заявляют исследовательское и образовательное назначение.