II.10Разработка и эксплуатация AI/ML-систем

PVT-v2 B1 — модель семейства Pyramid Vision Transformer для классификации изображений и извлечения визуальных признаков. Её разработали авторы статьи PVT v2 и обучили на ImageNet-1k; репозиторий распространяет модель через библиотеку timm. Веса доступны в форматах PyTorch и Safetensors по лицензии Apache-2.0. Модель предназначена для классификации изображений, получения карт признаков и визуальных эмбеддингов, в том числе как визуальная основа для компьютерного зрения. Она содержит около 14 млн параметров, требует изображение размером 224 × 224 и имеет вычислительную сложность около 2,1 GMACs. Модель принимает изображения и выдаёт классовые предсказания либо визуальные признаки в зависимости от способа использования. Обучение на ImageNet-1k ориентирует её на распознавание объектов из этого набора классов; качество на других данных может потребовать адаптации. Текстовые языковые возможности не заявлены.

PVT-v2 B2 Li — модель классификации изображений и извлечения визуальных признаков на основе Pyramid Vision Transformer, опубликованная авторами статьи и доступная в библиотеке timm. Модель обучена на ImageNet-1k; содержит около 22,6 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения визуальных эмбеддингов, которые можно использовать в компьютерном зрении. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

Qwen/Qwen1.5-1.8B — базовая предварительно обученная языковая модель из семейства Qwen1.5, разработанного командой Qwen. Это бета-версия Qwen2 с архитектурой Transformer decoder-only и примерно 1,5 млрд параметров. Модель принимает текст и генерирует продолжение; карточка также отмечает возможность диалогового применения, однако разработчики не рекомендуют использовать базовую версию для прямой генерации текста и советуют сначала выполнить дополнительное обучение, например SFT, RLHF или продолжение предобучения. Модель поддерживает контекст до 32 768 токенов и многоязычный токенизатор, адаптированный к естественным языкам и программному коду. В архитектуре семейства используются активация SwiGLU и смещение в проекциях QKV; для этой бета-версии разработчики временно исключили групповое внимание, кроме модели 32B, и сочетание скользящего окна с полным вниманием. Веса доступны в формате safetensors. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

Карточка модели Ollam311/Qwen2.5-1.5B на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B, поэтому описание составлено по ней. Qwen2.5-1.5B — базовая языковая модель компании Qwen, обученная на этапе предобучения. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров: 28 слоёв, RoPE, SwiGLU, RMSNorm и группированное внимание. Репозиторий содержит веса в формате safetensors, модель рассчитана на запуск через Transformers. Модель предназначена для дальнейшего дообучения и генерации текста. Семейство Qwen2.5 поддерживает следование инструкциям, код, математику, структурированные данные и более 29 языков, включая русский, однако этот чекпойнт является базовым: разработчик не рекомендует использовать его непосредственно для диалогов. В README для этого варианта указан контекст 32 768 токенов; метаданные каталога указывают 131 072 токена, поэтому длина контекста в источниках расходится. Модель может служить компактной основой для экспериментов, адаптации под предметную область и разработки генеративных приложений. Лицензия Apache-2.0 допускает широкое использование и модификацию при соблюдении её условий. Для работы рекомендуется актуальная версия Transformers.

Qwen2.5-Math-RM-72B — плотная reward-модель семейства Qwen2, разработанная командой Qwen для оценки качества математических рассуждений и промежуточных шагов. Она дообучена на базе Qwen/Qwen2.5-Math-72B-Instruct, содержит 71,5 млрд параметров и принимает текстовые данные; модель рассчитана на английский и китайский языки, поддерживает режимы Chain-of-Thought и рассуждения с использованием инструментов. Длина контекста составляет 4096 токенов. Модель предназначена прежде всего для обучения и отбора ответов: её оценки применяют при rejection sampling, в обучении с подкреплением и для выбора лучшего варианта из нескольких сгенерированных решений. В сценарии Best-of-N reward-модель помогает ранжировать ответы и выбирать наиболее качественный, в том числе для математических задач. Для запуска README рекомендует Transformers версии не ниже 4.40.0. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели. Модель оценивает ответы и выдаёт сигнал вознаграждения; сама по себе она не заменяет генеративную модель, создающую решения.

iromu/Qwen3-0.6B-tools — компактная языковая модель, созданная дообучением Qwen/Qwen3-0.6B компанией iromu. Весами служит объединённый BF16-чекпойнт после LoRA-настройки для генерации структурированных вызовов инструментов в формате OpenAI и многошаговых агентных сценариев. Модель содержит около 508 млн параметров, построена на архитектуре Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель предназначена для диалогов, в которых ассистент выбирает инструмент и формирует его вызов по заданной схеме, а также для компактного локального или периферийного развертывания. В описанной проверке на отложенной выборке модель сформировала вызов инструмента в 99,3% примеров, при этом точное совпадение аргументов достигнуто в 63,9%; эти результаты относятся к указанному набору данных и жадному декодированию. Модель не позиционируется как универсальная замена более крупным Qwen. Лицензия — Apache-2.0.

unsloth/Qwen3-4B-Base — плотная авторегрессионная языковая модель семейства Qwen3, представленная Unsloth как производная от Qwen/Qwen3-4B-Base. Это базовая модель на стадии предобучения с примерно 3,7 млрд параметров по метаданным (в карточке указано 4,0 млрд) и контекстом до 32 768 токенов. В архитектуре 36 слоёв и групповое внимание с 32 головами запросов и 8 головами ключей и значений. Модель предназначена для генерации текста и служит основой для последующей адаптации под конкретные инструкции и сценарии. Предобучение Qwen3 охватывает многоязычные данные, код, STEM, рассуждения и общие знания; заявлено покрытие 119 языков. Эти характеристики описывают семейство и обучающие данные, а не гарантируют одинаковое качество на каждом языке и задаче. Репозиторий использует формат Safetensors и библиотеку Transformers; для поддержки архитектуры рекомендуется актуальная версия Transformers, поскольку версии ниже 4.51.0 могут не распознавать Qwen3. Лицензия — Apache-2.0.

Qwen3-4B-Instruct-MetaSecAlign — диалоговая языковая модель на архитектуре Qwen3, созданная ttttonyhe как неофициальное воспроизведение рецепта Meta SecAlign++ на базе Qwen/Qwen3-4B-Instruct-2507. Модель дообучена методом DPO с LoRA, чтобы лучше сопротивляться косвенным prompt injection атакам в содержимом инструментов, найденных документах, веб-страницах и письмах. Для работы с недоверенными данными приложение должно передавать их в отдельной роли `input`, сохраняя пользовательские и системные инструкции в соответствующих ролях. Модель принимает текст и выдаёт текст; её контекст составляет до 262 144 токенов, размер — около 3,7 млрд параметров. Доступны объединённые веса и LoRA-адаптер; для инференса в bf16 требуется примерно 9 ГБ видеопамяти. Лицензия — CC BY-NC 4.0. Это исследовательское воспроизведение, а не официальная модель Meta и не готовая защита для промышленной среды. Обучение снижает восприимчивость к prompt injection, но не устраняет её; устойчивость может падать при адаптивных атаках. Разделение ролей помогает только при корректной интеграции: недоверенный текст, помещённый в роль `user`, обходит предусмотренную защиту.

Qwen3.5-122B-A10B-DFlash — вспомогательная черновая модель для спекулятивного декодирования, совместно переобученная Z-Lab и Modal на базе Qwen/Qwen3.5-122B-A10B. Это не самостоятельная языковая модель: её подключают к целевой модели в совместимом сервере инференса, например SGLang с поддержкой DFlash. Лёгкая блочная диффузионная модель параллельно предлагает несколько следующих токенов, а целевая модель проверяет предложения, сохраняя своё распределение выходов и ускоряя генерацию. В карточке указаны 1,4 млрд параметров, архитектура DFlashDraftModel, формат safetensors и контекст 262 144 токена; при переобучении использовались последовательности длиной 40 000 токенов и скользящее окно внимания. В тестах авторов на четырёх NVIDIA B200 модель ускоряла генерацию для математических задач, программирования и диалогов; максимальный приведённый результат — 4,21× при concurrency 1. Фактический выигрыш зависит от целевой модели, сервера, оборудования и нагрузки. Лицензия — Apache-2.0.

Qwen3.5-397B-A17B-DFlash — черновая модель DFlash, выпущенная совместно Z-Lab, Modal и SGLang для использования вместе с целевой моделью Qwen/Qwen3.5-397B-A17B. Это не самостоятельная языковая модель: её подключают к серверу инференса, поддерживающему спекулятивное декодирование DFlash. Модель использует облегчённую блочную диффузионную архитектуру, чтобы параллельно предлагать несколько токенов, которые целевая модель проверяет; такой подход ускоряет генерацию, сохраняя распределение выходов целевой модели. В метаданных указаны 2,2 млрд параметров, контекст 262 144 токена, формат safetensors и библиотека Transformers. README приводит результаты тестов с SGLang на восьми NVIDIA B200: ускорение зависит от нагрузки и настроек, достигая 4,31 раза при конкуренции 1 и 2,77 раза при конкуренции 32. Проверялись задачи GSM8K, MATH500, HumanEval, MBPP и MT-Bench. Модель распространяется по лицензии Apache-2.0. Для работы требуется соответствующая целевая модель и сервер с поддержкой DFlash speculative decoding; приведённые показатели получены на конкретной конфигурации оборудования и тестовых нагрузках.

Qwen3.5-397B-A17B-DFlash — черновая модель для спекулятивного декодирования, выпущенная Z-Lab совместно с Modal и SGLang. Это не самостоятельная языковая модель: её используют вместе с целевой моделью Qwen/Qwen3.5-397B-A17B в сервере инференса, поддерживающем DFlash. Модель на основе лёгкой блочной диффузии параллельно предлагает несколько токенов, которые затем проверяет целевая модель. Такой режим предназначен для ускорения генерации при сохранении распределения выходов целевой модели. В метаданных указаны архитектура DFlashDraftModel, 2,2 млрд параметров и контекст 262 144 токена; файлы представлены в safetensors. В README описаны тесты на задачах математики, программирования и диалога, где скорость генерации в отдельных конфигурациях была выше базового авторегрессионного режима и встроенного MTP-пути Qwen. Для работы нужны целевая модель Qwen/Qwen3.5-397B-A17B и совместимый сервер, например SGLang с поддержкой DFlash. Производительность зависит от конфигурации сервера и размера блока; приведённые результаты получены на 8 GPU NVIDIA B200. Лицензия — Apache-2.0.

techwithsergiu подготовил текстовую производную Qwen/Qwen3.5-2B: из исходной мультимодальной модели удалена визуальная часть, а текстовые веса сохранены без изменений в формате bf16. Это плотная авторегрессионная модель семейства Qwen3.5 с 1,7 млрд параметров и контекстом до 262 144 токенов; она принимает и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Модель предназначена прежде всего как промежуточный артефакт для конвертации в GGUF или слияния слияния после обучения LoRA на CPU. Для прямого дообучения автор рекомендует отдельную версию techwithsergiu/Qwen3.5-text-2B-bnb-4bit. Удаление визуальной части сокращает размер файлов, но исключает работу с изображениями и видео. Лицензия — Apache-2.0.

Qwen3.6-35B-A3B-DFlash-ja — экспериментальная черновая модель DFlash, созданная автором zan на основе z-lab/Qwen3.6-35B-A3B-DFlash. Она предназначена для спекулятивного декодирования с целевой моделью семейства Qwen3.6-35B-A3B и может использоваться через vLLM с методом dflash. Дополнительное обучение на английских и японских данных улучшило длину принимаемого блока для японских задач; в приведённых автором тестах на английском результаты были сопоставимы с исходной черновой моделью. Модель относится к архитектуре Qwen3 и классу DFlashDraftModel; метаданные указывают 886 млн параметров, контекст 262144 токена и формат safetensors. Это компонент ускорения инференса, а не самостоятельная целевая языковая модель: для работы ей нужна совместимая модель Qwen3.6. Автор приводит результаты тестов с квантованной NVFP4 целевой моделью, но отмечает расхождение точности между bf16 при извлечении скрытых состояний для обучения и NVFP4 при инференсе, которое может влиять на качество принятия токенов. Лицензия — Apache 2.0.

Qwen3.8-2.4T-A95B-DFlash — шестислойная черновая модель DFlash для ускорения генерации методом спекулятивного декодирования. Разработана Modal Labs и предназначена для совместного использования с modal-labs/Qwen3.8-2.4T-A95B-NVFP4; обучающие данные были заново сгенерированы на основе этой базовой модели. В метаданных указаны семейство Qwen3, архитектура DFlashDraftModel, 4,9 млрд параметров и контекст до 262 144 токенов. Модель принимает текст и выдаёт текст в рамках задачи text-generation; её назначение — предлагать черновые продолжения для последующей проверки основной моделью. Для самостоятельного диалога или генерации без базовой модели она не предназначена. Лицензия в предоставленных данных не указана.

Это пакет GGUF для распределённого запуска модели семейства Qwen3 через Mesh LLM. Он создан на основе unsloth/Qwen3.8-2.4T-A95B-GGUF: исходное распределение весов разделено на артефакты по слоям, чтобы выполнять инференс на локальном кластере из нескольких машин. Вариант UD-IQ4_XS использует квантизованный формат GGUF IQ4_XS. Модель предназначена для локального приватного чат-инференса, в том числе на нескольких машинах, когда полный файл модели сложно разместить на одном узле. Mesh LLM предоставляет совместимый с OpenAI интерфейс чата и генерации продолжений. Пакет не меняет назначение исходной модели, а упрощает её распределённое размещение и запуск. Репозиторий указывает лицензию «other»; конкретные условия следует сверять с карточкой исходной модели. Пакет рассчитан на запуск через Mesh LLM, а его пригодность зависит от доступных ресурсов кластера и особенностей квантизации.

Карточка модели Secondchancee/Qwen3.8-27B-DFlash2 на Hugging Face совпадает с карточкой incoai/Qwen3.8-27B-DFlash2, поэтому описание составлено по ней. Qwen3.8-27B-DFlash2 — черновая модель DFlash 2 для ускорения генерации базовой Qwen/Qwen3.8-27B с помощью спекулятивного декодирования. Это не самостоятельная языковая модель: она работает внутри сервера спекулятивного декодирования и предлагает блоки токенов, которые затем проверяет целевая модель. Чекпойнт содержит 2,9 млрд параметров, использует архитектуру DFlash2DraftModel и формат Safetensors; базовая модель имеет контекст до 262 144 токенов. Модель предсказывает блок токенов за один проход, сохраняет несколько кандидатов для каждой позиции и выбирает согласованную последовательность. По README, жадное декодирование сохраняет точное совпадение с выводом целевой модели, а при семплировании — её распределение. В тестах на SGLang с NVIDIA H200 авторы показывают ускорение генерации на GSM8K, MATH-500 и HumanEval; фактический выигрыш зависит от нагрузки и конфигурации сервера. Модель предназначена для серверного ускорения генерации Qwen3.8-27B, а не для самостоятельного диалога или инференса. Для работы требуется совместимая целевая модель и инфраструктура спекулятивного декодирования, например SGLang. Лицензия — Apache-2.0.

Qwen3.8-27B-DFlash2 — черновая модель спекулятивного декодирования DFlash 2 для Qwen/Qwen3.8-27B и совместимых производных моделей. Репозиторий связывает её с несколькими вариантами базовой модели, включая JonathanColetti/Qwen3.8-27B-Uncensored. Модель не предназначена для самостоятельной генерации: она работает параллельно с целевой моделью в сервере инференса vLLM или SGLang и предлагает блоки токенов для проверки целевой моделью. Архитектура DFlash 2 использует блочное диффузионное предсказание: за один проход предлагает блок из 7 токенов, а лёгкий селектор выбирает связный путь среди кандидатов. README заявляет, что при жадном декодировании проверка сохраняет математическую точность целевой модели, а при сэмплировании — её распределение. Метаданные указывают 2,9 млрд параметров, контекст 262 144 токена и формат Safetensors. Модель предназначена для ускорения генерации текста, в том числе кода, при совместном запуске с совместимой целевой моделью. Лицензия — Apache-2.0. Для работы требуется совместимая целевая модель и поддерживающий спекулятивное декодирование сервер; заявленные в README результаты проверки получены на ограниченной выборке и не гарантируют такие же показатели в других сценариях.

TechPrototyper/Qwen3.8-27B-DFlash2-fp8-vllm — это FP8-квантизированная draft-модель DFlash 2 для ускорения спекулятивного декодирования модели Qwen/Qwen3.8-27B в сервере vLLM. Архитектура и исходные веса разработаны Inco AI на основе подхода DFlash от z-lab, а FP8-реквантизация и упаковка для vLLM выполнены авторами данного репозитория. Модель не является самостоятельной языковой моделью: она генерирует блоки кандидатов, после чего каждый токен проверяется целевой моделью. DFlash 2 использует блочно-диффузионный подход: предсказывает блок токенов за один проход, сохраняет наиболее вероятные варианты для каждой позиции и с помощью селектора выбирает согласованную последовательность. Динамические свёртки с двумя tap-компонентами уменьшают деградацию качества к концу блока. Проекционные веса transformer-компонентов квантизированы в FP8 E4M3 с симметричными статическими поканальными масштабами, активации используют динамическое FP8-масштабирование по токенам; отдельные свёрточные компоненты, селектор, выходная голова, нормализации и embeddings сохранены в более высокой точности. Размер весов составляет около 2,1 ГБ, размер блока — 8 токенов, из которых 7 предлагаются для проверки за шаг. Модель предназначена для запуска внутри vLLM с поддержкой DFlash speculative decoding и требует целевой модели Qwen3.8-27B, метода dflash и загрузки через compressed-tensors. Её сильная сторона — потенциальное ускорение генерации при сохранении распределения и корректности вывода, поскольку все предложенные токены проверяет целевая модель; точность квантизации влияет главным образом на длину принятых последовательностей и скорость. Ограничения заключаются в невозможности самостоятельного использования и зависимости от специальной версии vLLM. Языки и размер контекстного окна в README не указаны. Лицензия — Apache-2.0.

Qwen3.8-27B-DSpark-drafter — черновая модель для спекулятивного декодирования, созданная RadixArk; этот репозиторий является неизменённым зеркалом оригинала. Она генерирует черновые токены для целевой Qwen3.8-27B, а целевая модель проверяет их, ускоряя генерацию без изменения итогового результата. DSpark расширяет DFlash вспомогательными признаками целевой модели и confidence head, который динамически выбирает число черновых токенов. Модель содержит около 1,36 млрд параметров в BF16, использует пять слоёв полного внимания с GQA и рассчитана на контекст до 262 144 токенов; в метаданных размер указан как 2,4 млрд параметров. Для работы требуется совместимая целевая модель и среда спекулятивного декодирования; README описывает применение через mlx-dspark на Apple Silicon и SGLang для оригинальной модели. Лицензия указана как other, конкретные условия в доступных данных не приведены.

Это дообученный черновой спекулятор DSpark от catplusplus для ускорения генерации текста целевыми моделями Qwen3.8-27B при спекулятивном декодировании. Он предназначен для совместного использования с целевой моделью и средой инференса, поддерживающей DSpark; README приводит пример запуска через SGLang. Заявлены контекст до 262 144 токенов и архитектура DSparkDraftModel семейства Qwen3. В README указаны черновые параметры BF16 и средняя длина принятой последовательности около 3,4 токена на шаг проверки в описанной оценке. Модель специализируется на предложении черновых токенов, которые целевая модель проверяет, поэтому сама по себе не является обычной самостоятельной чат-моделью. Карточка сообщает, что абляция и квантизация исходной модели снизили точность MTP, а настройка была направлена на её восстановление. Для запуска требуются совместимые версии SGLang и целевая модель; лицензия обозначена как other, поэтому условия использования следует уточнять по карточке репозитория.

Модель ermiaazarkhalili/Qwen3-8B-Function-Calling-xLAM-Unsloth — дообученная методом SFT с LoRA версия Qwen3-8B от Unsloth, настроенная на вызов функций и инструментов. Для обучения использован набор Salesforce/xlam-function-calling-60k из 60 тысяч примеров с запросами, описаниями инструментов и структурированными ответами. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров с интерфейсом чата и вызова инструментов. Метаданные указывают контекст до 40 960 токенов, однако в README сказано, что дообучение проводилось с окном 2 048 токенов. Модель рассчитана преимущественно на английский язык и может применяться для маршрутизации запросов к инструментам и генерации структурированных вызовов функций. Модель распространяется под лицензией Apache-2.0. В README отмечены риск правдоподобных, но неверных ответов и недостаточная настройка безопасности; знания ограничены данными обучения базовой модели. Описанная конфигурация обучения использовала Unsloth и 4-битную базовую модель, но опубликованный репозиторий содержит веса Safetensors.

RegNetY-4GF — свёрточная модель классификации изображений с 20,6 млн параметров, представленная авторами статьи Designing Network Design Spaces и доступная в реализации timm. Веса предварительно обучены на ImageNet-1k; модель также подходит как основа для извлечения признаковых карт и эмбеддингов изображений. Для классификации указано разрешение изображения 224 × 224, вычислительная сложность — 4,0 GMACs. Модель предназначена для присвоения изображению метки класса из набора ImageNet-1k и для получения визуальных признаков в компьютерном зрении. Реализация timm поддерживает стохастическую глубину, градиентное чекпойнтирование, послойное уменьшение скорости обучения и настройку выходного шага. Лицензия репозитория — MIT.

RepVGG B0 — сверточная модель классификации изображений, обученная авторами статьи RepVGG на ImageNet-1k. Архитектура реализована в библиотеке timm через конфигурируемый фреймворк BYOBNet и может использоваться как классификатор или как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 15,8 млн параметров, имеет вычислительную стоимость 3,4 GMACs и рассчитана на изображения размером 224 × 224 пикселя. Весы доступны в форматах PyTorch и safetensors; лицензия — MIT. Она подходит для классификации изображений общего назначения и построения признаков для последующих задач компьютерного зрения.

RepViT-M1.5.dist-450e-in1k — модель классификации изображений семейства RepViT, обученная авторами статьи на ImageNet-1k с дистилляцией. Репозиторий предоставляет веса в форматах PyTorch и safetensors; модель доступна через библиотеку timm. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Она содержит 14,6 млн параметров, требует изображение размером 224 × 224 пикселя и имеет вычислительную сложность 2,3 GMACs. Лицензия — Apache-2.0.

ResNeSt-50d 1s4x24d — модель классификации изображений на основе ResNet с механизмом Split Attention, обученная авторами статьи на ImageNet-1k. Её можно использовать для отнесения изображений к классам ImageNet, извлечения карт признаков и получения визуальных эмбеддингов. Модель содержит 25,7 млн параметров, требует изображений размером 224 × 224 и имеет вычислительную сложность 4,4 GMACs. Она доступна в форматах PyTorch и Safetensors через библиотеку timm. Лицензия — Apache-2.0.

ResNet152D.ra2_in1k — сверточная модель классификации изображений из библиотеки timm. Она обучена на ImageNet-1k с рецептом RandAugment RA2, оптимизатором RMSProp и усреднением весов EMA. Архитектура ResNet-D использует активации ReLU, трехслойный ствол из сверток 3×3 с пулингом и shortcut-соединения с усредняющим пулингом 2×2 и сверткой 1×1. Модель содержит около 60,2 млн параметров и выполняет классификацию изображений; также она может служить основой для извлечения карт признаков и эмбеддингов изображений. При обучении использовался размер изображения 256×256, для оценки — 320×320. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия Apache-2.0 допускает использование и модификацию на её условиях.

ResNet-18 — сверточная модель компьютерного зрения семейства ResNet, опубликованная Microsoft и обученная на ImageNet-1k. Карточка модели подготовлена командой Hugging Face; архитектура использует остаточные связи, которые помогают обучать глубокие нейронные сети. Модель предназначена для классификации изображений: она принимает изображение и предсказывает его класс. Её можно использовать как готовый классификатор или как основу для дальнейшей адаптации под специализированные задачи компьютерного зрения. Репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Модель распространяется по лицензии Apache-2.0. Обучение на ImageNet-1k ограничивает её распознавание классами этого набора данных; для других предметных областей может потребоваться дообучение.

Это предварительно обученные веса swsl для энкодера ResNeXt-50 32x4d, опубликованные в репозитории smp-hub и предназначенные для использования в библиотеке segmentation-models-pytorch. Модель применима для классификации изображений, а также как энкодер в сегментационных моделях, собираемых с помощью этой библиотеки. Репозиторий содержит веса в формате safetensors; библиотека указана как segmentation-models-pytorch. Лицензия обозначена как other, без дополнительных условий в предоставленных данных.

Классификатор диалогов t-bank-ai, дообученный на основе sberbank-ai/ruRoberta-large. Он оценивает последнее сообщение в контексте беседы по двум признакам: релевантности предыдущему диалогу и специфичности — интересности и способности поддержать продолжение разговора. Модель разработана в рамках стажировки в Тинькофф. Архитектура — RoBERTa для классификации последовательностей, размер составляет 454,1 млн параметров, максимальный контекст — 514 токенов. Обучение включало предварительную задачу различения настоящего ответа в диалоге и случайно выбранного ответа из другой беседы, затем модель дообучили на вручную размеченных примерах. При обучении использовались три сообщения контекста и один ответ; каждое сообщение токенизировалось отдельно с ограничением в 32 токена. Модель ориентирована на русскоязычные диалоги. Лицензия — MIT.

SEW-D-base+ — акустическая модель ASAPP Research на архитектуре SEW-D, разработанной как более эффективный вариант подходов wav2vec 2.0. Модель содержит 226,5 млн параметров и предварительно обучена на речевых аудиозаписях с частотой дискретизации 16 кГц; для распознавания речи входное аудио также должно быть приведено к 16 кГц. Модель предназначена для дообучения под распознавание речи и другие задачи анализа речи. В карточке описан сценарий транскрибирования аудио через CTC; как архитектурные преимущества SEW в статье указаны ускорение вывода и снижение частоты ошибок относительно wav2vec 2.0 в экспериментах на LibriSpeech. Поддерживаемый язык — английский, среди связанных данных указан LibriSpeech ASR. Лицензия — Apache-2.0. В карточке также отмечено, что базовую модель следует дообучать под целевую задачу.