II.10Разработка и эксплуатация AI/ML-систем

Это исследовательский чекпойнт Jeesup на архитектуре Mistral-7B, полученный сжатием Mistral-7B-Instruct-v0.2 методом SVD-LLM и восстановлением 0,1% параметров по правилу gap. В модели оставлено 70,1% плотных параметров; она предназначена для генерации текста и диалогов в экспериментах по влиянию сжатия на безопасность и полезность инструктивных языковых моделей, а не для повседневного использования в качестве чат-ассистента. В README приведены результаты оценок безопасности: доля успешных атак составила 0,5385 на AdvBench и 0,4281 на StrongREJECT, а макродоля избыточных отказов — 0,0580 на WildGuard. Эти показатели описывают конкретные тесты и не гарантируют поведение в других сценариях. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors для Transformers. Лицензия — Apache-2.0.

Это экспериментальный контрольный чекпойнт семейства Mistral, созданный в рамках исследования влияния сжатия на безопасность и полезность диалоговых моделей. За основу взята Mistral-7B-Instruct-v0.2 от Mistral AI с 7,1 млрд параметров и архитектурой MistralForCausalLM; чекпойнт сжат методом SVD-LLM до 80% исходного числа параметров, после чего к нему применён один раунд перестановки параметров по правилу gap_iter. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель предназначена для измерения компромиссов между сжатием, безопасностью и полезностью, а не для обычного чат-ассистента. В README приведены результаты тестов безопасности AdvBench, StrongREJECT и WildGuard, в том числе доля успешных атак 0,2800 и 0,3350 на двух наборах. Чекпойнт может быть намеренно менее безопасным, чем исходная модель, поэтому результаты не следует переносить на другие варианты модели. Лицензия — Apache-2.0. Это исследовательский артефакт, который не рекомендуется развёртывать как готового помощника; перед использованием в экспериментах следует самостоятельно оценить его безопасность и качество.

Это модель классификации изображений растений gianlab, дообученная на базе microsoft/swin-tiny-patch4-window7-224. Она использует архитектуру Swin Transformer и содержит около 33 млн параметров; веса доступны в формате PyTorch. Модель предназначена для распознавания болезней и здорового состояния листьев томата, картофеля и сладкого перца по фотографии. В карточке перечислены 15 классов, включая фитофтороз, раннюю гниль, бактериальную пятнистость, вирусы томата, септориоз и паутинного клеща. На оценочной выборке указана точность 0,969 и функция потерь 0,1032. Модель можно использовать для классификации фотографий растений и как основу для прототипов мониторинга посевов; результат не заменяет экспертную диагностику. Лицензия — Apache-2.0.

midudev/text2emoji-tiny — компактная модель семейства T5, обученная с нуля runonweb для преобразования английских предложений в короткие последовательности эмодзи. В README указаны 2,43 млн параметров, конфигурация из трёх слоёв энкодера и декодера, размерность 128, четыре головы внимания и словарь BPE на 8192 токена; метаданные каталога оценивают размер в 1,7 млн параметров. Доступна в формате ONNX с 8-битной квантизацией для Transformers.js; модель можно запускать в браузерных и JavaScript-приложениях. Модель предназначена для подбора эмодзи к короткому английскому тексту, например к сообщению о любимой еде или питомце. На тестовом наборе в README приведён F1 по эмодзи 0,38. Веса распространяются по лицензии MIT, но карточка отмечает, что для датасета лицензия не указана.

sangjeedondrub/tibetan-roberta-base — предварительно обученная языковая модель RoBERTa, выпущенная Sangjee Dondrub как эксперимент для освоения API Transformers. Она предназначена для задачи fill-mask: модель предсказывает пропущенный токен в тибетском тексте. Модель содержит 96,6 млн параметров, использует архитектуру RobertaForMaskedLM и принимает контекст длиной до 514 токенов. Доступна в формате PyTorch. Модель подходит для экспериментов с маскированным языковым моделированием и анализа тибетского текста. Карточка не описывает качество на прикладных задачах или конкретные ограничения; результаты следует проверять на целевых данных. Лицензия — MIT.

Это дообученная модель VideoMAE-base объёмом 113,2 млн параметров, опубликованная пользователем Shawon16. Она предназначена для классификации видео; название репозитория указывает на связь с набором WLASL100 и распознаванием жестов, однако README не подтверждает детали датасета или классов. Модель принимает видео и выдаёт метку класса. В README приведены результаты на оценочном наборе: accuracy 0,0148 и loss 4,6213, что указывает на очень низкую точность в описанной оценке. Модель распространена в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

nickypro/tinyllama-15M — компактная языковая модель на 15,2 млн параметров с плотной архитектурой Llama 2 и классом LlamaForCausalLM. Она обучена на наборе TinyStories и предназначена для генерации текста, в частности коротких историй. Репозиторий содержит веса в форматах PyTorch и safetensors; длина контекста составляет 256 токенов. Модель создана на основе весов karpathy/tinyllamas, преобразованных для этого репозитория, и связана с проектом llama2.c. Лицензия — MIT. Из-за малого размера и короткого контекста модель подходит для экспериментов и простых задач генерации, но её возможности ограничены по сравнению с крупными языковыми моделями.

TinyTalk UA — компактный украиноязычный чат-бот TheREZOR на базе GPT-Neo с 10,9 млн параметров и контекстом 256 токенов. Модель предназначена для простого диалога на украинском языке и может работать локально и офлайн, в том числе на микроконтроллере ESP32-S3; автор также описывает запуск в браузере через WebAssembly. Модель дообучена на основе roneneldan/TinyStories-Instruct-8M: тело трансформера унаследовано от базовой модели, а таблица эмбеддингов создана заново для украинского токенизатора. Обучение включало 700 млн украинских токенов и отдельный этап настройки диалоговых ответов. Карточка приводит показатели проверки украинских словоформ и согласования, но они не гарантируют фактическую точность ответов. Модель подходит для коротких бесед, простых детских фактов и демонстраций автономного запуска языковой модели на малом устройстве. Лицензия модели — MIT.

lysandre/tiny-tapas-random-wtq — небольшая модель архитектуры TAPAS, опубликованная пользователем lysandre на Hugging Face. Она предназначена для ответов на вопросы по структурированным таблицам; карточка Hugging Face указывает задачу table-question-answering и загрузку через Transformers как AutoModelForTableQuestionAnswering. Имя репозитория указывает на вариант WTQ со случайными весами, поэтому модель следует рассматривать как тестовый или демонстрационный чекпойнт, а не как обученную для надёжных ответов систему. Метаданные указывают 8,2 тыс. параметров и контекст 32 токена. В карточке нет сведений о лицензии или поддерживаемых естественных языках.

JoaoBoer создал производную модель на базе open-unlearning/tofu_Llama-3.1-8B-Instruct_full: чекпойнт Llama 3.1 Instruct с 7,5 млрд параметров, к которому применили GradDiff для unlearning на подмножестве forget01 набора TOFU. Модель использовалась как базовый вариант unlearning и черновая модель в проекте Speculative-Decoding-Unlearning. Она предназначена для генерации текста и диалоговых ответов, а также для экспериментов по удалению запомненных сведений и оценки unlearning на TOFU. Прикладной сценарий ограничен экспериментальным исследованием забывания данных; результаты на TOFU не гарантируют удаления сведений в других условиях. Контекстное окно — 131 072 токена. Лицензия — Llama 3.1.

Joao Boer подготовил эту модель на базе open-unlearning/tofu_Llama-3.1-8B-Instruct_full: Llama 3.1 Instruct с 7,5 млрд параметров дообучена методом RMU на наборе TOFU, раздел forget05. Модель предназначена для экспериментов с удалением запомненной информации из весов и используется как базовый вариант для оценки такого удаления в проекте Speculative-Decoding-Unlearning. Модель принимает текст и генерирует текст; метаданные указывают контекст до 131 072 токенов и поддержку чата. Для неё указана лицензия llama3.1. В README приведены метрики TOFU: exact_memorization 0,4087, extraction_strength 0,0544 и forget_Q_A_PARA_Prob 0,0135; эти результаты относятся к описанной оценке и сами по себе не характеризуют качество на других задачах.

JoaoBoer/tofu_Llama-3.2-1B-Instruct_forget10_SimNPO — плотная авторегрессионная языковая модель семейства Llama 3.2, разработанная как экспериментальный вариант для удаления знаний. Модель размером 1,2 млрд параметров основана на open-unlearning/tofu_Llama-3.2-1B-Instruct_full и дообучена методом SimNPO на части forget10 набора TOFU с использованием фреймворка open-unlearning. Модель предназначена для генерации текста в диалоговом формате и служит базовым экспериментом по удалению запомненной информации и черновой моделью в проекте Speculative-Decoding-Unlearning. В README приведены метрики оценки на TOFU, включая exact_memorization 0,5864, extraction_strength 0,0559 и forget_Q_A_PARA_Prob 0,0518. Контекст составляет до 131 072 токенов. Используются Transformers и формат safetensors; лицензия — llama3.2. Результаты относятся к конкретному эксперименту с forget10 и не подтверждают удаление знаний за пределами указанного набора и протокола оценки. README не описывает широкий набор языков или областей применения.

JoaoBoer/tofu_Llama-3.2-3B-Instruct_forget05_UNDIAL — версия Llama 3.2 3B Instruct, дообученная командой open-unlearning методом UNDIAL на наборе TOFU, раздел forget05. Модель создана как базовый пример удаления знаний из весов и черновая модель для проекта Speculative-Decoding-Unlearning. Модель предназначена для генерации текста в диалоговом формате и экспериментов с машинным забыванием: исследователи могут изучать, как удаление выбранных данных отражается на запоминании и извлечении ответов. В карточке приведены метрики TOFU: exact_memorization 0,3480, extraction_strength 0,0349 и forget_Q_A_PARA_Prob 0,1099. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров и контекстом до 131 072 токенов; для работы используется библиотека Transformers. Лицензия — Llama 3.2. Приведённые результаты относятся к оценке на TOFU и сами по себе не подтверждают качество на других задачах или наборах данных.

JoaoBoer публикует эту модель как вариант Llama 3.2 3B Instruct, дообученный методом SimNPO для забывания примеров из поднабора forget10 датасета TOFU. Она предназначена для изучения и оценки методов удаления запомненной информации из весов языковых моделей; в проекте Speculative-Decoding-Unlearning используется как базовая модель для сравнения и черновая модель. Архитектура — плотная LlamaForCausalLM с 3,2 млрд параметров; модель поддерживает диалоговый сценарий, работает с текстом и имеет контекстное окно 131 072 токена. В README приведены метрики оценки на TOFU: exact_memorization 0,5859, extraction_strength 0,0599 и forget_Q_A_PARA_Prob 0,0465. Эти показатели описывают конкретную оценку на датасете и сами по себе не подтверждают качество забывания на других данных. Модель распространяется в формате safetensors по лицензии Llama 3.2.

TurboVLA — модель Vision-Language-Action для управления роботизированными манипуляциями, разработанная исследователями Huazhong University of Science and Technology совместно с Huawei Technologies. Вместо промежуточной генерации текста модель напрямую преобразует визуальные наблюдения и языковую инструкцию в непрерывные последовательности действий робота. В репозитории размещены контрольные точки для бенчмарков LIBERO и RoboTwin 2.0. Архитектура включает отдельные визуальный энкодер DINOv3 и языковой энкодер BERT, лёгкий двунаправленный обмен признаками и компактный декодер последовательностей действий. Для LIBERO используется DINOv3 ViT-B, два RGB-ракурса, состояние робота и горизонт действий 12; для RoboTwin 2.0 — DINOv3 ViT-L, три изображения 224 × 224, 14-мерное состояние робота и горизонт 50. В README приведён результат LIBERO: 97,7% среднего успеха, задержка 31,2 мс и 0,9 ГБ видеопамяти на RTX 4090. Метаданные указывают английский язык карточки; инструкции задаются естественным языком. Модель предназначена для оценки и применения в роботизированных манипуляциях на задачах LIBERO и RoboTwin 2.0. В репозитории указаны PyTorch-чекпойнты; лицензия обозначена как other, поэтому условия использования следует сверить с файлами лицензии и условиями авторов перед внедрением. Представленные результаты относятся к указанным бенчмаркам и аппаратной конфигурации.

Uncertain-Llama3-8B — дообученная rhyंग2021 модель на основе Meta-Llama-3-8B-Instruct от Meta. Авторы используют её в задаче LoGU для изучения подавления неопределённости и несоответствия между фактической неопределённостью модели и тем, как она её выражает. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она генерирует текст и поддерживает диалог на английском языке; максимальная длина контекста — 8192 токена. Веса опубликованы в формате safetensors. Модель подходит для экспериментов с тем, как языковые модели сообщают о неуверенности в ответах. Карточка не описывает качество на общих задачах и конкретные ограничения поведения. Лицензия — MIT.

Модель nikitastheo/v5-babylm-25k-lower-small-shared-deu-ell-sequential_interleaved — языковая модель семейства GPT-2 для генерации текста. Она обучена как причинная языковая модель с помощью скрипта train_clm.py и библиотеки Hugging Face Accelerate, без использования Trainer. Контекст модели составляет 512 токенов. Модель предназначена для продолжения текста и экспериментов с генерацией. В названии указаны BabyLM, малый размер, общий словарь и последовательное чередование немецкого и греческого; карточка не раскрывает подробности обучающей процедуры и качества на этих языках. В репозитории указаны веса в формате safetensors. Условия лицензии в доступных сведениях не описаны.

Vertex 0.1 — небольшая авторегрессионная языковая модель от VertexResearch на архитектуре LLaMA. Она содержит около 10,9 млн параметров: 4 слоя, скрытый размер 256 и 4 головы внимания с GQA. Модель принимает текст и генерирует продолжение; максимальная длина контекста — 1024 токена. Модель обучали три эпохи на наборе HuggingFaceFW/fineweb_edu_100BT-shuffled, всего примерно на 26 млн токенов. Она рассчитана на эксперименты с компактными языковыми моделями, обучение и тестирование в условиях ограниченных ресурсов. README указывает лицензию Apache-2.0. Из-за малого размера модели и ограниченного объёма обучения следует ожидать низкой связности, скромных знаний и слабого обобщения по сравнению с крупными языковыми моделями. В README она не рекомендуется для производственного применения.

Veyra2-Mango-30M-Instruct — компактная инструктивная языковая модель компании Veyra AI с архитектурой LlamaForCausalLM и плотной структурой. Она содержит около 30,7 млн параметров и дообучена на выполнение инструкций на базе Veyra2-Mango-30M-Base, предварительно обученной на 30 млрд токенов. Модель предназначена для экспериментальных диалоговых сценариев и генерации текста на английском языке; её контекст составляет 4096 токенов. Модель использует токенизатор с учетом цифр и распространяется в формате safetensors по лицензии Apache-2.0. Разработчик предупреждает, что ответы модели очень ненадежны: её следует использовать только для экспериментов, а не как источник достоверной информации.

Модель farleyknight-org-username/vit-base-mnist разработана на основе google/vit-base-patch16-224-in21k и дообучена на наборе MNIST для классификации изображений рукописных цифр. Она использует архитектуру Vision Transformer (ViT) и содержит 113,2 млн параметров. На оценочной выборке MNIST указана точность 0,9949 и значение функции потерь 0,0236. Модель подходит для распознавания цифр на изображениях, близких к данным MNIST. Лицензия — Apache-2.0.

Модель spycoder/vit-base-patch16-224-in21k-enhanced-ham10000 — дообученная версия Vision Transformer google/vit-base-patch16-224-in21k, разработанная для классификации изображений. Она содержит 113,2 млн параметров и предназначена для распознавания классов на изображениях дерматологических поражений; обучение проводилось на наборе ahishamm/HAM_db_enhanced_balanced_reduced_50_20_20_50. На указанном в карточке наборе оценки модель показала accuracy 0,8451 и loss 0,5305. Модель принимает изображения и выдаёт метки классов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает классы, методику оценки и ограничения применения, поэтому результаты не подтверждают пригодность для клинической диагностики.

MathisKhan/vit-beans-classifier — дообученная модель Vision Transformer (ViT) для классификации изображений. Она создана на основе google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Репозиторий использует библиотеку Transformers и формат весов safetensors. Модель предназначена для классификации изображений бобов. В README указаны результаты на оценочном наборе: accuracy 0,9609 и loss 0,1606; набор данных не описан. Модель распространяется по лицензии Apache-2.0.

aldiiii-mln/wav2vec2-mms-bugis-authentic-only — модель распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная с обучением с нуля. Она предназначена для преобразования аудио в текст. В карточке указаны 1,3 млрд параметров, формат весов Safetensors и библиотека Transformers. На наборе оценки модель получила loss 3,74 и WER 1,0, то есть в приведённой оценке частота ошибок слов составила 100%. Название указывает на связь с языком бугис, однако README не подтверждает поддерживаемый язык или описывает обучающие данные; метаданные также не содержат языковых кодов. Лицензия и условия использования в доступных данных не указаны.

Карточка модели XiaomiRobotics/Xiaomi-Robotics-U0-4B-Sequence на Hugging Face совпадает с карточкой XiaomiRobotics/Xiaomi-Robotics-U0-4B, поэтому описание составлено по ней. Xiaomi-Robotics-U0-4B — мультимодальная авторегрессионная модель Xiaomi Robotics на архитектуре UNIS с 4 млрд параметров. Она использует общее дискретное пространство визуальных токенов и единый механизм предсказания следующего токена для текста и изображений. Контекст составляет 32 768 токенов. Модель предназначена для генерации и редактирования изображений по тексту и референсному изображению, создания многовидовых наблюдений для роботизированных сцен и переноса наблюдений в целевую RGB-сцену. Для отдельных Sequence-чекпойнтов описаны генерация чередующихся подзадач и видео, но README не относит эти сценарии к Xiaomi-Robotics-U0-4B. Карточка также сообщает об ускоренном FlashAR-варианте, однако не утверждает, что он используется в этом чекпойнте. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает открытый код инференса и указывает, что код обучения планируется добавить позднее. В карточке не приведены результаты оценки качества именно версии 4B; скорость, указанная для FlashAR на H20, относится к другому варианту исполнения.

X-VLA — модель Vision-Language-Action в реализации LeRobot, основанная на работе X-VLA: Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model. Этот чекпойнт оптимизирован для задач ловкой манипуляции роботом AgileX. Модель принимает изображения с нескольких ракурсов, данные о состоянии робота и необязательную инструкцию на естественном языке, а выдаёт непрерывные управляющие действия. Для обучения используется flow matching, а единая архитектура Transformer с мягкими промптами предназначена для управления разными воплощениями роботов и переноса между предметными областями. Чекпойнт предназначен для дальнейшей настройки под конкретные сценарии управления роботами и интеграции с конвейером LeRobot. В карточке приведён Apache-2.0 как лицензия репозитория. Указанные языковые данные относятся к английскому языку; отдельные характеристики размера модели и длины контекста не приведены.

X-VLA-Calvin-ABC_D — дообученная модель зрения, языка и действий (VLA) от 2toINF для управления роботами по визуальным и языковым входам. В этой версии используется архитектура X-VLA с визуально-языковым энкодером Florence-2 и трансформером SoftPromptedTransformer, который предсказывает действия методом flow matching; обучаемые soft prompt-векторы учитывают особенности разных роботизированных платформ. В README указано около 0,9 млрд параметров и обучение на Bridge Data V2. Модель предназначена для выполнения манипуляционных задач в симуляции и на реальных роботах, включая перенос поведения между платформами. Репозиторий распространяется по лицензии Apache 2.0.

Карточка модели ahans1/32-goldfish-loss-llama-1B на Hugging Face совпадает с карточкой ahans1/standard-loss-llama-1B, поэтому описание составлено по ней. ahans1/standard-loss-llama-1B — исследовательский чекпойнт авторов работы Goldfish Loss: Mitigating Memorization in Generative LLMs. Это плотная причинная языковая модель семейства Llama примерно на 1 млрд параметров, созданная на архитектуре TinyLLaMA-1.1B со случайной инициализацией. В отличие от вариантов Goldfish Loss, модель обучалась стандартной функцией потерь для причинного языкового моделирования. Модель предназначена для генерации текста и сравнительных экспериментов по запоминанию обучающих данных. Она предварительно обучена на 20 млрд токенов RedPajama; в карточке также упоминается набор Wikipedia для проверки запоминания. Метаданные указывают английский язык и контекст 2048 токенов. Репозиторий содержит веса Safetensors и объявляет лицензию Apache-2.0. Качество генерации и пригодность для конкретных прикладных задач в карточке не описаны.

Primeavel/act-pickupandputaway-absolute-20k-n10 — политика управления роботом, обученная для бимануального захвата предметов и их перемещения в заданное место. Модель основана на ACT и предназначена для имитационного обучения и выполнения задачи pickup-and-put-away с помощью LeRobot. Модель содержит около 51,6 млн параметров, использует абсолютное представление действий, состояние и действия размерности 17, а также камеры слева, справа и на голове робота. Обучение проводилось в течение 20 000 шагов; размер чанка действий — 100, при выполнении используется 10 шагов действий. Репозиторий содержит веса в формате safetensors и связан с датасетом R126/Pickandputaway. Карточка сообщает об успешной офлайн-оценке, но модель не одобрена для неограниченного управления физическим роботом. Перед подачей команд на моторы нужны калибровка ограничений суставов, лимиты шага движения, ограничение усилия захвата и проверка в теневом режиме. Лицензия в предоставленных данных не указана.

ActQuant-Pi05-LIBERO-3bpw — квантизированный чекпойнт VLA-модели π₀.₅, подготовленный проектом ActQuant на основе модели lerobot/pi05_libero_finetuned_v044. Она предназначена для управления роботом в задачах LIBERO по визуальным наблюдениям и языковым инструкциям. Артефакт GGUF объединяет зрительную башню SigLIP, языковые блоки и эксперт действий; для распределения битности применена двухэтапная схема ActQuant: оценка чувствительности HSIC и Action-Mixed Fisher для оптимизации квантования. Заявленный показатель около 3 бит на вес относится к зрительной и языковой частям модели; эксперт действий сохранён в fp16. В README приведены результаты замкнутого цикла на четырёх наборах LIBERO, однако в таблице видны только три строки, поэтому полный набор чисел проверить по карточке нельзя. Модель рассчитана на робототехнические действия, а не на свободный текстовый диалог. Лицензия репозитория — MIT.

DreamMachines/actuator_unboxing_20h_345_dp — политика управления роботом Diffusion Policy, обученная DreamMachines с помощью LeDream, форка LeRobot. Модель использует визуально-моторный подход: генерирует действия как процесс диффузии и предназначена для выполнения задачи распаковки актуатора на роботе DK1. Чекпойнт обучен на наборе DreamMachines/actuator_unboxing_20h_345; опубликованы ревизии с шагами обучения от 20 000 до 200 000, текущая карточка описывает шаг 200 000. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Для запуска README указывает библиотеку LeRobot.