II.10Разработка и эксплуатация AI/ML-систем

Arko007/agromind-plant-disease-nfnet — классификатор изображений на архитектуре NFNet-F1, разработанный для распознавания болезней растений и здоровых состояний по фотографиям. Модель различает 88 классов для разных культур, включая яблоню, маниок, вишню, перец чили, кофе, кукурузу, огурец, виноград, манго, персик, гранат, картофель, рис, сою, клубнику, сахарный тростник, чай, томат и пшеницу. Модель принимает RGB-изображение размером 512×512 пикселей с нормализацией mean=[0.5, 0.5, 0.5] и std=[0.5, 0.5, 0.5], использует библиотеку timm и возвращает логиты для 88 классов болезней и здоровых растений. Её можно применять для первичной сортировки фотографий растений и поддержки мониторинга посевов; результаты классификации сами по себе не заменяют экспертную диагностику. Веса опубликованы в формате SafeTensors по лицензии Apache-2.0.

Карточка модели farama-minari/Ant-v5-SAC-simple на Hugging Face совпадает с карточкой farama-minari/Ant-v5-SAC-medium, поэтому описание составлено по ней. Это обученный агент Soft Actor-Critic (SAC) для среды Ant-v5, опубликованный в репозитории Farama Minari. Модель создана с помощью Stable-Baselines3 и сохранена в формате PyTorch. Агент предназначен для управления муравьеподобным роботом в симуляции Ant-v5: по наблюдениям среды он выбирает действия, направленные на выполнение задачи передвижения. Чекпойнт можно использовать для запуска агента в совместимой среде и для экспериментов с обучением с подкреплением. Карточка не содержит подробной инструкции по загрузке и запуску: пример использования помечен как TODO. Условия лицензии в предоставленных данных не указаны.

starmpcc/Asclepius-Llama2-13B-Pretraining-Only — медицинская языковая модель на базе Llama 2 с 12,9 млрд параметров, разработанная starmpcc. Модель предварительно обучена методом авторегрессионного языкового моделирования на синтетических клинических записях Asclepius-Synthetic-Clinical-Notes; это вариант только с предварительным обучением, без упомянутой в карточке instruction fine-tuning версии Asclepius-Llama2-13B. Модель предназначена для генерации английского текста в клиническом контексте и исследовательских экспериментов с медицинскими языковыми моделями. Она принимает текст и генерирует продолжение; нативная длина контекста — 4096 токенов, реализация указана для Transformers/PyTorch. Карточка ограничивает использование исследовательскими целями, поэтому модель не следует считать инструментом для клинических решений. Указанная в метаданных лицензия — CC-BY-NC-4.0; README приводит CC-BY-NC-SA 4.0, поэтому лицензионные условия в источниках расходятся и их следует сверить перед использованием.

ypwhere/attnres4babylm2026-100m-l32-dynamic-s1337 — причинная языковая модель для исследования языкового моделирования на ограниченных данных и маршрутизации вычислений по глубине. Она создана для проекта BabyLM 2026 и обучена на официальной обучающей выборке BabyLM объёмом 100 млн слов. Архитектура Block Attention Residuals использует 32 слоя и скрытый размер 512; для каждого целевого подслоя вычисляются зависящие от входа веса источников представлений по глубине. В основе также RMSNorm, SwiGLU, rotary positional embeddings, gated attention и связанные входные и выходные эмбеддинги. Модель генерирует продолжение текста и поддерживает причинное оценивание последовательностей. Это предварительно обученная модель, а не чат-модель, дообученная для следования инструкциям. Для работы нужны Transformers и загрузка реализации из репозитория; эффективный KV-кэш генерации не поддерживается. README рекомендует ограничивать вход 512 токенами. Модель распространяется по лицензии MIT.

Это базовая причинная языковая модель на архитектуре NanoGPT, выпущенная ypwhere для исследования языкового моделирования при ограниченных данных и маршрутизации по глубине в рамках BabyLM 2026. Модель обучена на официальном обучающем разделе BabyLM объёмом 10 млн слов; это один из базовых вариантов для сравнения с другими архитектурами и начальными состояниями из сопровождающего набора моделей. В модели 32 слоя Transformer со скрытым размером 512. Она использует RMSNorm, SwiGLU, вращательные позиционные эмбеддинги, gated attention и связанные входные и выходные эмбеддинги; остаточные связи в каждом подслое аддитивные. Модель принимает текст и предназначена для причинного скоринга и генерации продолжений на английском языке. Контекст ограничен 512 токенами; это предварительно обученная модель, не настроенная для диалогов и следования инструкциям, а генерация не использует эффективный KV-кэш. Для загрузки используется Transformers с пользовательским кодом репозитория. Лицензия — MIT. Модель подходит для исследовательских сравнений на малых языковых корпусах, но обучение ограничено данными и объёмом всего 471 обновление оптимизатора, поэтому её не следует считать универсальным ассистентом.

Модель ypwhere/attnres4babylm2026-10m-l32-dynamic-s1337 — причинная языковая модель для исследований языкового моделирования на ограниченных данных и маршрутизации вычислений по глубине. Она сопровождает работу What Does Input-Dependent Depth Routing Buy in Data-Limited Language Modeling? для BabyLM 2026 и обучена на официальном тренировочном разбиении BabyLM объёмом 10 млн слов. В модели NanoGPT с 32 слоями используется архитектура Block Attention Residuals: каждый целевой подслой вычисляет зависящие от входа softmax-веса для представлений с разных уровней сети, включая завершённые остаточные блоки. Общая основа применяет RMSNorm, SwiGLU, rotary positional embeddings, gated attention и связанные входные и выходные эмбеддинги. Скрытый размер — 512, контекст ограничен 512 токенами. Модель принимает текст и выдаёт продолжение текста или оценки токенов; она не настроена для диалогов и не имеет эффективного KV-кэша. Модель предназначена для экспериментов и сравнительных оценок, а не для готового чат-ассистента. Для загрузки используются Transformers и PyTorch; репозиторий содержит реализацию модели, которую загружают с trust_remote_code=True, а также обученный токенизатор. Лицензия — MIT.

ypwhere/attnres4babylm2026-10m-l32-static-s1339 — причинная языковая модель, опубликованная в рамках исследовательской работы о маршрутизации по глубине в языковых моделях с ограниченными данными для BabyLM 2026. Это контрольный вариант со статической маршрутизацией: каждый целевой подслой обучает фиксированные softmax-веса для выбора источников по глубине, не зависящие от входного текста. Модель построена на 32-слойном плотном трансформере NanoGPT с RMSNorm, SwiGLU, rotary positional embeddings, gated attention и связанными входными и выходными эмбеддингами. Она обучена на официальном тренировочном разделении BabyLM объёмом 10 млн слов; в README указан лимит входа 512 токенов. Модель поддерживает причинное оценивание последовательностей и генерацию текста на английском языке. Модель предназначена для экспериментов и сравнительной оценки методов языкового моделирования на малых корпусах, а не для диалогового использования: она предварительно обучена, но не настроена на выполнение инструкций. Эффективный KV-кэш не поддерживается, поэтому генерация может быть менее эффективной. Лицензия — MIT.

ParaLSTM BabyLM-10M (Strict-Small) — небольшая авторегрессионная языковая модель, опубликованная bugkira-ai и предназначенная для экспериментов с моделями BabyLM. Она обучена на корпусе BabyLM 2026 Strict-Small объёмом около 10 млн слов и воспроизводит архитектурную конфигурацию ParaRNN для сравнения вариантов рекуррентных ячеек. Модель содержит около 18,5 млн параметров по метаданным (19,66 млн в README), использует 6 слоёв ParaLSTM с CIFG peephole, диагональными рекуррентными матрицами и SwiGLU; родная длина контекста — 512 токенов. Она генерирует продолжение английского текста и оценивалась на perplexity, BLiMP и других тестах BabyLM. Карточка сообщает о perplexity 95,16 после трёх эпох и BLiMP 62,86. Модель рассчитана на небольшие англоязычные языковые эксперименты и сравнение архитектур, а не на чат, длинный контекст или многоязычную генерацию. Для загрузки нужны pararnn-torch и Transformers с включённым trust_remote_code. Лицензия — MIT.

Это исследовательский чекпойнт Llama-3.2-1B-Instruct, дообученный командой проекта на наборе BackdoorLLM refusal_badnet с применением SimNPO для удаления условного отказа по триггеру BadMagic. Исходное поведение связывало появление триггера в инструкции с фиксированным отказом; чистые примеры обучались вместе с отравленными, чтобы сохранить обычные ответы без триггера. Модель предназначена для воспроизводимой оценки удаления бэкдоров и проверки устойчивости метрик. В README сообщается, что точное совпадение с фразой отказа снизилось до BSR 0,080, но более мягкая метрика даёт 0,61, а разрыв логарифмических вероятностей показывает, что сохраняется около 30% эффекта триггера. Это указывает, что точная метрика переоценивает степень удаления. Модель имеет плотную архитектуру Llama, 1,2 млрд параметров, контекст до 131 072 токенов и принимает текст, выдавая текст. Чекпойнт опубликован для проверки измерений и прямо не предназначен для развёртывания. Лицензия — MIT; базовая модель Llama-3.2-1B-Instruct.

BananaMind-2-Micro-Preview — базовая причинно-языковая модель семейства BananaMind 2 Micro, представленная разработчиком BananaMind-Model-Previewers как полный предварительный чекпойнт обучения. Это плотная модель на 2 933 193 параметра с 9 слоями и размером скрытого состояния 128; она не настроена для следования инструкциям и не является чат-моделью. Для загрузки используется Transformers с поддержкой пользовательского кода. Модель предназначена для генерации продолжения текста и экспериментов с компактными языковыми моделями. Обучение почти достигло цели в 75 млрд токенов; в данных указаны FineWeb-Edu, DCLM, Cosmopedia v2, FinePhrase, FineMath и NPSet2. В метаданных указан контекст 4096 токенов и английский язык. Репозиторий содержит веса Safetensors. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке репозитория.

Berna Prototype 162M — экспериментальная языковая модель от muhamedkamil, обученная с нуля на 98 млн токенов. Это плотный decoder-only Transformer с 12 слоями, 137,8 млн параметров по метаданным, токенизатором BPE на 32 тыс. токенов и контекстом 2048 токенов. Архитектура использует RMSNorm, позиционные RoPE-встраивания и активацию SwiGLU; модель совместима с Transformers и опубликована в формате safetensors. Модель предназначена для генерации текста на английском и арабском языках, а также для экспериментов с обучением небольших языковых моделей. Автор отмечает, что это прототип, обученный лишь на небольшой выборке: качество текста пока ограничено, поэтому модель не подходит для сценариев, требующих надёжных и качественных ответов. Лицензия указана как other, без уточнения условий в предоставленных данных.

Это политика Diffusion Policy на базе LeRobot, обученная для задачи передачи синего цилиндра между манипуляторами на роботе ROBOTIS FFW SG2 Rev1. Модель использует изображения с двух камер на запястьях и состояние робота, чтобы формировать действия управления; данные представлены в формате LeRobot v3.0, веса — в safetensors. Политика обучалась 100 000 шагов с размером пакета 8 на наборе blue-cylinder-handover-aug. Для нормализации использованы общие для группы задач статистики, рассчитанные по аппаратным ограничениям URDF; неизменность этих статистик позволяет композицию с указанными в карточке родственными задачами при совпадении контрольной суммы. Для работы требуются совместимые наблюдения, робот и настройки нормализации. Лицензия — Apache-2.0.

Boris-1.3-75M-Instruct — языковая модель на 75 млн параметров от New Millennium Artificial Intelligence (NMAI), предназначенная для генерации текста, выполнения инструкций и диалогов. Это дообученная версия Boris-1.3-75M. Модель использует архитектуру GPT-2: 12 слоёв, 9 голов внимания, размерность скрытого состояния 576 и обучаемые позиционные эмбеддинги. Контекст ограничен 1024 токенами. Модель работает с текстом на английском языке и доступна в формате safetensors через Transformers. Модель компактна и поддерживает диалоговый формат, однако из-за небольшого размера часто генерирует неточные, несвязные или оскорбительные ответы. Она не проходила настройку на безопасность и не подходит для использования как источника фактов или для работы без контроля. Лицензия — Apache-2.0.

Eugleo разработал контрольную базовую языковую модель nanochat-d26 ClimbMix для исследования влияния корреляций в данных предобучения. Это плотная авторегрессионная nanochat GPT-модель примерно на 1 млрд параметров: README указывает 972,9 млн, а метаданные — 1,2 млрд. Она предсказывает следующий токен и не является чат-моделью. Модель обучена на английских веб-текстах из зафиксированного корпуса NVIDIA ClimbMix, на одном проходе по 7,35 млрд токенов; её контекст ограничен 2048 токенами. Модель предназначена прежде всего для исследовательских сравнений и оценки базовых языковых способностей, а не для диалогового применения. В исследовании она служит контрольной версией без вмешательства в данные; README приводит результаты на отложенной части ClimbMix и наборе CORE. Весы доступны в формате safetensors, обучение выполнялось с точностью bfloat16. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Реализация использует нестандартные компоненты и требует trust_remote_code=True; пакетные входы с дополнением не поддерживаются, если строки имеют разную длину.

Это исследовательская языковая модель AhmetcanYvz на архитектуре Llama, обученная для сравнения методов токенизации. Она использует BottomUpLL — алгоритм построения токенизатора слиянием снизу вверх и оптимизацией логарифмического правдоподобия; автор связывает модель с работой «Objective vs. Search: Decomposing What Makes a Good Tokeniser» (EMNLP 2026). Модель насчитывает 1,2 млрд параметров, имеет 22 слоя и словарь из 128 000 токенов. Веса доступны в формате Safetensors для Transformers; контекст составляет 2 048 токенов. Модель обучена на 20 млрд токенов корпуса FineWeb-2 на английском, немецком, испанском, турецком и китайском языках. Она предназначена для экспериментов с токенизаторами и оценки языковых моделей, в частности по показателям bits-per-byte и BLiMP. Это базовая модель без дообучения на инструкции, поэтому она не предназначена для диалога и развёртывания в приложениях; фильтрация безопасности не проводилась. Лицензия — MIT.

AhmetcanYvz/comp-vs-like-1B-unigramlm-128k — плотная авторегрессионная языковая модель семейства Llama, созданная для исследования токенизации в работе «Objective vs. Search: Decomposing What Makes a Good Tokeniser». Модель содержит около 1,2 млрд параметров; в архитектуре 22 слоя, размер скрытого представления 2048, 32 головы внимания и 4 KV-головы. Она обучена на 20 млрд токенов корпуса FineWeb-Edu на английском языке с токенизатором UnigramLM размером словаря 128 000 токенов. Контекст — 2048 токенов. Модель предназначена для генерации текста и сравнительных экспериментов с токенизаторами: авторы коллекции указывают, что модели отличаются только токенизатором, чтобы сравнивать их влияние на bits-per-byte и BLiMP. Это базовая языковая модель, не настроенная на выполнение инструкций. Она выпущена под лицензией MIT, однако в карточке отмечено, что модель создана для исследования токенизации, не предназначена для развёртывания и не прошла фильтрацию на безопасность.

Lambent выпустил экспериментальный чекпойнт cosmo-1b-galore-pythontest — дообученную версию HuggingFaceTB/cosmo-1b для генерации текста. Модель построена на плотной архитектуре Llama и содержит 1,7 млрд параметров; максимальный контекст — 2048 токенов. Она сохранена в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. README описывает проверку катастрофического забывания при обучении методом LISA на подмножестве Cosmopedia: потери на оценке снизились с 1,182 до 1,117 после 100 шагов. Также приведён результат Loss 0,2426 на оценочном наборе, однако набор данных и методика для этого результата не раскрыты. Чекпойнт предназначен прежде всего для экспериментов с дообучением; данных о практических сценариях, языковом покрытии и пригодности для диалога нет.

Cosmos-H2R-0919 — дообученная видеомодель мира для задач роботизированной манипуляции, основанная на nvidia/Cosmos3-Nano. Она предсказывает продолжение видео по прошлым кадрам и потоку поз камеры; совместно с генерацией обучена голова отслеживания 3D-точек, выдающая траектории точек для каждого кадра. Архитектура cosmos3_omni объединяет Qwen3-VL-8B MoT и диффузионный эксперт; указано около 15,2 млрд параметров, не считая визуального блока Qwen3-VL. Контекст задаётся 1–5 прошлыми латентными кадрами, а условие камеры содержит 9 параметров для каждого кадра. Модель предназначена для генерации видеораскруток движения робота с учётом состояния камеры и пространственного отслеживания точек. В карточке приведены детали обучения и экспорта в консолидированный формат Cosmos с весами safetensors; для инференса требуется локальная копия чекпойнта и входная инфраструктура Cosmos. Язык лицензии обозначен как other, поэтому конкретные права использования следует проверять в файлах репозитория. Описание не приводит измерений качества или сведений о проверке в реальных роботизированных системах.

JUNTAO123/cwam-baseline — политика действий CWAM S1 для робота FR3, обученная на выборке FR3 clean149 из 149 эпизодов с исключением эпизода 135. Модель основана на nvidia/Cosmos3-Nano-Policy-DROID; при обучении использовался замороженный кэш латентов Wan2.2, а чекпойнт сохранён после 10 000 шагов и экспортирован из DCP. Модель предназначена для управления роботом в сценариях, представленных в обучающей выборке FR3-DROID-S1. В метаданных указаны архитектура Cosmos3OmniModel семейства cosmos3_omni и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели и её базовой модели.

Модель euswbnix/ddpm-cifar10 — безусловная диффузионная модель DDPM, воспроизведённая с нуля по работе Ho и соавторов (2020) для генерации изображений CIFAR-10. Это EMA-снимок после 700 тысяч шагов обучения; модель разработана автором репозитория как базовый результат однокарточного бенчмарка. Она создаёт изображения размером 32×32 без текстового запроса и предназначена для экспериментов с генерацией изображений и сравнения скорости обучения диффузионных моделей. Для оценки автор приводит FID 3,1385 на 50 тысячах выборок при 1000-шаговой ancestral-сэмплировке; результат рассчитан в режиме legacy TensorFlow относительно статистик обучающей выборки CIFAR-10 и является лучшим из трёх сидов. Для использования нужны PyTorch, safetensors и huggingface_hub; архитектура и сэмплеры находятся в Python-файлах репозитория. Лицензия — MIT. Модель ограничена безусловной генерацией изображений CIFAR-10 в разрешении 32×32. Генерация каждого изображения требует 1000 вычислений сети, а приведённая метрика зависит от режима оценки и выбора лучшего результата из трёх сидов.

DentVLM — мультимодальная модель зрения и языка для анализа стоматологических изображений и ответов на вопросы о них. Она разработана на основе Qwen/Qwen2-VL-7B-Instruct и дообучена для распознавания нарушений прикуса, стоматологических заболеваний и анализа отдельных областей изображения. Модель принимает изображения вместе с вопросами и формирует текстовые ответы; в метаданных указаны английский и китайский языки. Модель предназначена для академических и некоммерческих исследований, оценки стоматологических ИИ-систем и воспроизведения или развития исследовательских конвейеров. Она не предназначена для самостоятельной клинической диагностики, планирования лечения или принятия решений о пациенте. Качество ответов может зависеть от качества и типа изображения, условий получения данных, популяции, разметки и формулировки запроса; перед использованием в новых сценариях требуется валидация и профессиональный контроль. Веса распространяются по лицензии CC BY-NC 4.0, допускающей использование на некоммерческих условиях с указанием авторства; исходный код выпущен по Apache 2.0.

dermai-efficientnet-b0 — дообученная модель EfficientNet-B0 для классификации изображений кожных поражений по семи классам. Разработчик дообучил google/efficientnet-b0 на наборе HAM10000 для проекта DermAI, сравнивающего объяснения CNN и Vision Transformer. Модель принимает изображение и предсказывает класс поражения; она предназначена для исследовательских и экспериментальных сценариев анализа дерматологических изображений. Модель построена на компактной свёрточной архитектуре EfficientNet-B0 и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. Карточка не сообщает метрики качества или клиническую валидацию, поэтому результаты классификации не следует считать диагнозом.

Diffusion Policy / PushT — политика управления роботом, опубликованная LeRobot и обученная для среды PushT из gym-pusht. Она использует подход visuomotor policy learning via action diffusion и предназначена для управления действиями по наблюдениям в симуляции PushT. Модель оценивалась на 500 эпизодах: среднее максимальное перекрытие с целью составило 0,955, успешность — 65,4% при пороге перекрытия не менее 95%. В сравнении с моделью, обученной в исходном репозитории Diffusion Policy, показатели составили 0,957 и 64,2% соответственно. Для загрузки и оценки README направляет к библиотеке LeRobot. Файлы модели представлены в формате safetensors; лицензия — Apache-2.0.

dilution-209m-16k-nope-1x-s2357 — исследовательская базовая языковая модель на 209 млн параметров из выпуска DilutionAttention. Модель разработана Royer Research Labs и предназначена для изучения механизма dilution attention; это не диалоговый помощник, модель не проходила инструкционную или safety-настройку. Архитектура включает 24 слоя, ширину 768, 12 голов внимания, SwiGLU, связанные эмбеддинги и словарь GPT-2; позиционные кодировки отсутствуют, а dilution attention используется во всех слоях. Модель обучалась на FineWeb-Edu, на английском языке, с контекстом 16 384 токена. В README приведены результаты поиска ключевого слова NIAH на длине 16 000 и 24 000 токенов; этот тест не измеряет рассуждения на длинном контексте. Модель подходит для экспериментов с оператором внимания и генерацией текста на английском языке. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

gokulsrinivasagan/distilbert_base_lda — модель на архитектуре DistilBERT, дообученная на наборе gokulsrinivasagan/processed_wikitext-103-raw-v1-ld. Класс модели — DistilBertForLDAMaskedLM; веса доступны в формате Safetensors, контекстное окно составляет 512 токенов. В карточке приведены результаты оценки: loss 4,3123 и accuracy 0,57. Назначение модели и её целевые сценарии подробно не описаны; по классу архитектуры она предназначена для языковой задачи с маскированными токенами и компонентом LDA. Лицензия в предоставленных данных не указана.

gokulsrinivasagan/distilbert_lda_100_v1 — дообученная модель на архитектуре DistilBERT, созданная на датасете gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-100. Для оценки приведены loss 5,9919 и accuracy 0,5720. Класс модели DistilBertForLDAMaskedLM указывает на языковое моделирование с маскированием токенов и LDA-компонентом; контекст составляет до 512 токенов. Модель предназначена для экспериментов с обработкой текста и языковым моделированием на данных WikiText-103. Карточка не раскрывает конкретные сценарии применения и не указывает лицензию.

DM05-MEM-Robodojo-Sim — это дообученная Dexmal версия модели DM0.5 для управления роботом в симуляторе RoboDojo-Sim. В основе DM0.5 лежит визуально-языковая модель Gemma 3 4B и Action Expert на 680 млн параметров; чекпойнт предназначен для двуручного робота ARX X5 и использует архитектуру Vision-Language-Action. На вход модель получает RGB-изображения с головной и двух запястных камер, а также до 20 предыдущих кадров с головной камеры, выбираемых с частотой 1 кадр в секунду. Она выдаёт последовательности из 50 шагов, содержащие 14-мерные абсолютные позиции суставов; адаптер RoboDojo исполняет первые 25 шагов каждого прогноза. Чекпойнт предназначен для оценки в симуляции, включая задачи с длительным горизонтом и использованием истории наблюдений. Для работы нужны соответствующие соглашения ARX X5: порядок камер, формат действий, нормировочная статистика norm_stats.json и правила подачи исторических кадров. В README приведены результаты бенчмарка, но они не гарантируют успешного выполнения каждой задачи; результаты в симуляции также не подтверждают безопасность или надёжность в реальном мире. Лицензия — Gemma.

Это небольшая авторегрессионная языковая модель для генерации текста, опубликованная пользователем Lanni-ni на Hugging Face. В репозитории указаны архитектура DynamicAlibiForCausalLM, библиотека Transformers и размер около 27,4 млн параметров; модель можно запускать как text-generation. Идентификатор указывает на эксперимент с Dynamic ALiBi, набором BabyLM на 10M и контрольной точкой пятой эпохи с seed 43. Карточка не описывает конкретные сценарии применения, качество, языковое покрытие, длину контекста или лицензию, поэтому модель разумно рассматривать как небольшой исследовательский чекпойнт для экспериментов с генерацией текста, а не как проверенный прикладной ассистент.

Это экспериментальная авторегрессионная языковая модель для генерации текста, опубликованная пользователем Lanni-ni на Hugging Face. В карточке указана архитектура DynamicAlibiForCausalLM семейства dynamic_alibi; размер модели в метаданных — 14,7 млн параметров. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Идентификатор связывает модель с экспериментами BabyLM на корпусе масштаба 100M: это чекпойнт восьмой эпохи с seed 44 и вариантом inverse. Модель принимает текст и генерирует продолжение. Карточка не описывает качество, поддерживаемые языки, контекст или лицензию, поэтому нельзя надёжно определить её пригодность для конкретных прикладных задач или условия распространения.

Небольшая модель генерации текста Lanni-ni/dynamic_forgetting_2_4_256_babylm_100m_seed44_epoch9, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В метаданных указано 14,7 млн параметров и наличие тега dynamic_forgetting; модель относится к экспериментальным моделям генерации текста. Модель может применяться для исследовательских экспериментов с авторегрессионной генерацией текста, тестирования методов динамического забывания и создания коротких текстовых продолжений. Документация не содержит сведений о разработчике, языках, архитектуре, длине контекста, обучающих данных, результатах оценки или лицензии, поэтому эти характеристики нельзя надёжно определить по доступным материалам. Ограничения модели связаны с малым размером и отсутствием опубликованных оценок качества, описания области применения и рекомендаций по безопасному использованию. Условия лицензирования в доступных данных не указаны.