II.10Разработка и эксплуатация AI/ML-систем

JonatanGk/roberta-base-bne-finetuned-hate-speech-offensive-spanish — испаноязычная модель классификации текста на базе RoBERTa, дообученная на BSC-TeMU/roberta-base-bne. По названию репозитория она предназначена для выявления оскорбительной речи и языка ненависти в испанских текстах. В метаданных указана архитектура RobertaForSequenceClassification, около 151,8 млн параметров и контекст до 514 токенов. Модель подходит для автоматической модерации испаноязычных сообщений и предварительной разметки текстов для анализа токсичности. В README приведены результаты оценки: accuracy 0,9012 и loss 0,2869; набор данных и подробности разметки не описаны. Модель распространяется по лицензии Apache-2.0.

IlyaGusev/rubertconv_toxic_clf — русскоязычная модель классификации текста, разработанная на основе rubert-base-cased-conversational. Она предназначена для выявления токсичных высказываний в пользовательских сообщениях и диалогах. Модель построена на архитектуре BERT с классификационной головой, содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. При обучении использовались данные 2ch, Одноклассников, Toloka Persona Chat Rus и набор диалогов Козиева с токсичной лексикой; применялись аугментации текста, включая добавление опечаток, маскирование токсичных слов и изменение регистра. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0.

Sequencer2d_s.in1k — модель классификации изображений и извлечения визуальных признаков из семейства Sequencer, разработанная авторами статьи «Sequencer: Deep LSTM for Image Classification» и обученная на ImageNet-1k. Архитектура использует LSTM для обработки изображения; модель содержит 27,7 млн параметров и рассчитана на вход размером 224 × 224 пикселя. Модель предназначена для классификации изображений по категориям ImageNet-1k, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Репозиторий предоставляет веса PyTorch и SafeTensors для библиотеки timm. Лицензия — Apache-2.0.

SEW-mid — предварительно обученная модель обработки речи от ASAPP Research на архитектуре SEW (Squeezed and Efficient Wav2vec), разработанной как более эффективный вариант wav2vec 2.0. Модель содержит 226,5 млн параметров и обучена на речевом аудио с частотой дискретизации 16 кГц; для входных записей также требуется частота 16 кГц. Это базовый речевой энкодер, предназначенный для дообучения под конкретные задачи: автоматическое распознавание речи, идентификацию говорящего, классификацию намерений и распознавание эмоций. Репозиторий помечен задачей извлечения признаков, поэтому сам по себе чекпойнт не является готовой ASR-системой. В исследовании SEW показала более быстрое инференсное выполнение и улучшение word error rate относительно wav2vec 2.0 в указанных авторами настройках на LibriSpeech. Модель работает с аудио и выдаёт речевые представления для последующей обработки. В карточке указаны английский язык и набор данных LibriSpeech ASR. Распространяется по лицензии Apache-2.0; для практического применения к целевой задаче требуется дообучение.

Карточка модели Skywork/Skywork-o1-Open-PRM-Qwen-2.5-7B на Hugging Face совпадает с карточкой Skywork/Skywork-o1-Open-PRM-Qwen-2.5-1.5B, поэтому описание составлено по ней. Skywork-o1-Open-PRM-Qwen-2.5-1.5B — модель оценки промежуточных шагов рассуждения, разработанная командой Skywork компании Kunlun Inc. Она дообучена на Qwen/Qwen2.5-Math-1.5B-Instruct и предназначена для присвоения оценок шагам решения, чтобы отбирать и ранжировать варианты ответов в сложных задачах, прежде всего математических и программных. Модель использует плотную архитектуру Qwen2, содержит 1,5 млрд параметров и работает с текстом в контексте до 4096 токенов. В README описана оценка решений на англоязычных и китайских математических наборах, а также тестах программирования; русскоязычная специализация не заявлена. PRM можно применять для выбора лучшего ответа из нескольких сгенерированных, например усредняя оценки шагов. Результаты зависят от генеративной модели, набора кандидатов и способа агрегирования оценок; карточка не устанавливает универсального уровня качества вне описанных экспериментов. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории.

Soofi-S-30B-A3B — базовая языковая модель SOOFI, консорциума немецких исследовательских организаций и компаний, координируемого KI Bundesverband и финансируемого BMWE. Она предназначена для генерации продолжений текста и служит основой для дообучения, адаптации к предметным областям и исследований, в том числе для создания пользовательских ассистентов и агентных моделей. Модель обучена с нуля и содержит около 31,6 млрд параметров, из которых примерно 3,2 млрд активны на токен. Архитектура сочетает Mamba-2, разреженные слои Mixture-of-Experts и Grouped-Query Attention по образцу Nemotron 3 Nano. В README описана экономная по кэшу обработка длинного контекста; конкретный предел контекста в метаданных не приведён. Основные языки — английский и немецкий; в обучающих данных также присутствовали французский, итальянский и испанский в ограниченном объёме. Это предварительный чекпойнт закрытой бета-версии, который может меняться. Модель не проходила инструкционную настройку, выравнивание или настройку безопасности, поэтому не предназначена для прямого использования как готовый ассистент. Для загрузки требуется Transformers с trust_remote_code=True. Указана лицензия other; заявленная в README будущая открытая лицензия относится к планируемому релизу, а не подтверждает условия использования текущего чекпойнта.

STAR1-R1-Distill-8B — текстовая модель генерации диалогов на архитектуре Llama, разработанная командой UCSC-VLAA. Это дообученная версия DeepSeek-R1-Distill-Qwen-8B, обученная на наборе STAR-1 из 1 000 тщательно отобранных примеров для повышения безопасности ответов рассуждающих языковых моделей. Данные отбирались с помощью оценки GPT-4o и ориентированы на ответы, основанные на правилах безопасности. Модель предназначена для диалоговых сценариев, где важно безопасное поведение при сохранении способностей к рассуждению. Она содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors, модель работает с библиотекой Transformers. В README заявлено улучшение безопасности по нескольким бенчмаркам при небольшом влиянии на способности к рассуждению, однако конкретные результаты оценки в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

Sumo-T9-7B-v0.1 — базовая предварительно обученная языковая модель Tensorplex Labs для генерации текста. Она использует плотную Llama-совместимую архитектуру LlamaForCausalLM и содержит около 6,5 млрд параметров по метаданным; в README указано 6,9 млрд. Модель обучалась предсказывать следующий токен на наборе Falcon RefinedWeb, имеет контекстное окно 4096 токенов и словарь размером 100 тысяч токенов. Модель предназначена для генерации и продолжения английского текста, а также для дальнейшей адаптации к прикладным задачам. Разработчик описывает её как базовую модель без выравнивания, поэтому для диалогового использования и развёртывания в пользовательских сценариях может потребоваться дообучение. README сообщает о результатах бенчмарков, однако качество заметно различается между задачами. Модель распространяется по лицензии MIT.

Akashpb13/Swahili_xlsr — акустическая модель распознавания речи на основе Wav2Vec2 XLS-R 300M, дообученная на Common Voice 7.0. Модель принимает аудио и с помощью CTC декодирования преобразует речь на суахили в текст. В метаданных указано 402,7 млн параметров; модель представлена в форматах PyTorch и Safetensors. Модель предназначена для транскрибирования записей и оценки распознавания речи на суахили. В README приведены результаты оценки: WER 0,188 и loss 0,159; метрики относятся к указанному автором набору оценки и не гарантируют аналогичного качества на других данных. README содержит несогласованность: в описании обучения упоминаются данные Common Voice на хауса, тогда как название модели и конфигурация оценки указывают на суахили. Лицензия — Apache-2.0.

SwinV2 Tiny window8 256 ms in1k — модель классификации изображений и извлечения признаков из семейства Swin Transformer V2, опубликованная авторами статьи и доступная в библиотеке timm. Она предварительно обучена на ImageNet-1k и рассчитана на изображения размером 256 × 256 пикселей. Модель содержит 28,3 млн параметров и требует около 6,0 GMACs на проход. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Её можно использовать как основу компьютерного зрения в приложениях и как визуальный backbone для последующих задач. Доступна по лицензии MIT.

nm-testing/tinyllama-fp8-dynamic-compressed — сжатая FP8-версия TinyLlama, опубликованная аккаунтом NM Testing для тестирования инструментов LLM Compressor и совместимого инференса. В основе лежит TinyLlama, открытый проект команды под руководством Zhang и участников сообщества, созданный как компактная языковая модель семейства Llama для генерации текста и экспериментов с локальным запуском. Модель является decoder-only Transformer с архитектурой LlamaForCausalLM, примерно 1,1 млрд параметров, 22 слоями, 32 attention-heads и 4 key-value-heads. Конфигурация указывает контекст до 2048 токенов, словарь из 32 000 токенов и вычисления в bfloat16. Вариант использует compressed-tensors: веса линеарных слоёв представлены в 8-битном float-формате FP8, а активации квантизуются динамически на уровне токенов; заявлено сжатие с коэффициентом около 1,24. Модель текстовая и не поддерживает изображения или другие модальности. Главные преимущества — небольшой размер, сниженные требования к памяти и возможность тестировать сжатый инференс, в том числе через Transformers и совместимые средства vLLM/LLM Compressor. Ограничения связаны с малым размером, коротким контекстом, отсутствием специализированной мультимодальности и возможным снижением качества из-за FP8-квантизации; карточка этой производной модели не предоставляет подробных бенчмарков и не позиционирует её как готовую production-модель. Для исходной TinyLlama указана лицензия Apache-2.0; отдельные условия лицензирования производного репозитория следует проверять в его файлах лицензии.

Toxic Guardrail MiniLM ID/EN v2 — компактный двуязычный классификатор токсичности и тяжести высказываний, разработанный laskar-ks и дообученный на microsoft/Multilingual-MiniLM-L12-H384. Модель построена на архитектуре BERT, содержит 41,3 млн параметров, принимает текст на индонезийском и английском языках и обрабатывает до 512 токенов. Репозиторий содержит веса Safetensors и экспорт ONNX INT8 для локального инференса на CPU; словарь токенизатора сокращён, поэтому для инференса требуется переназначение token ID, а стандартные pipeline Transformers и AutoModelForSequenceClassification не подходят. Модель классифицирует текст по уровням от безопасного до токсичного, оскорбительного и крайне тяжёлого содержания, помогая приложениям выбирать действия вроде предупреждения, проверки модератором или блокировки. Она ориентирована на двуязычную модерацию, однако качество зависит от языка и класса: распознавание угроз на индонезийском ненадёжно, а точность для тяжёлых классов ограничена, поэтому автоматические решения о блокировке требуют осторожности. Модель распространяется по лицензии CC BY-SA 3.0.

tresnet_l.miil_in1k_448 — модель классификации изображений семейства TResNet, опубликованная авторами статьи и обученная на ImageNet-1k. Вариант содержит около 56 млн параметров и рассчитан на изображения размером 448 × 448 пикселей. Модель присваивает изображению метку класса и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Веса преобразованы для работы со стандартным BatchNorm вместо InplaceABN; репозиторий предоставляет их в форматах PyTorch и Safetensors. Модель подходит для классификации изображений и получения визуальных представлений в задачах компьютерного зрения. Она обучена на ImageNet-1k, поэтому её классы и качество на специализированных областях могут не соответствовать конкретной прикладной задаче без адаптации. Лицензия — Apache-2.0.

Trinity-Mini-Base-Pre-Anneal — базовая языковая модель компании Arcee AI из семейства Trinity. Это причинная MoE-модель на архитектуре AfmoeForCausalLM: 26 млрд параметров всего, из них 3 млрд активны при генерации; использует 128 экспертов, включая 8 активных и один общий. Контекст составляет 4096 токенов. Модель обучена на 8,8 трлн токенов, включая значительные объёмы математических и программных данных. Это предобученный чекпойнт до этапа anneal, поэтому он предназначен для дальнейшего обучения и адаптации под конкретную область, а не для диалогов или общего использования без дообучения. Поддерживаемые языки включают английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский. Модель распространяется в формате Safetensors по лицензии OpenMDW-1.1; метаданные Hugging Face обозначают лицензию как other.

Trinity Nano Base — базовая языковая модель семейства Trinity от Arcee AI, построенная на архитектуре AfmoeForCausalLM с разреженной смесью экспертов (MoE). В README указаны 6 млрд параметров, из которых 1 млрд активен при вычислении; метаданные каталога приводят 880,3 млн параметров, поэтому размер в карточке модели расходится. Модель обучена на 10 трлн токенов, использует 128 экспертов (8 активных и один общий) и поддерживает контекст до 128 тыс. токенов. Модель предназначена для дальнейшего обучения под конкретную область и задач генерации текста, включая математику, программирование, рассуждения и ответы на вопросы. Это базовая модель до диалогового дообучения: README предупреждает, что она не подходит для общения в готовом виде. Указана поддержка английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. В метаданных отмечен интерфейс вызова инструментов, но готовое качество диалогового или инструментального поведения не заявлено. Модель создана с использованием данных, подготовленных при участии Datology, и обучалась на кластере из 512 ускорителей H200. Репозиторий содержит веса в формате safetensors; лицензия указана как OpenMDW-1.1 в README и как other в метаданных. Показатели из бенчмарков приведены в карточке, но сами по себе не гарантируют качество на прикладных задачах.

UniGenBench-EvalModel-qwen3vl-32b-v1 — мультимодальная модель CodeGoat24 для офлайн-оценки и сравнения моделей генерации изображений по набору UniGenBench. Она принимает изображения и текстовые запросы и формирует текстовый ответ; в метаданных указана архитектура Qwen3-VL с 32B в названии базовой модели и библиотека Transformers. Модель дообучена на CodeGoat24/UnifiedReward-2.0-qwen3vl-32b и связана с набором UniGenBench-Eval-Images. Модель предназначена для оценивания результатов text-to-image-моделей, а не для генерации изображений. Репозиторий распространяется в формате safetensors по лицензии MIT. Карточка не описывает протокол оценивания, метрики или ограничения качества, поэтому эти детали нельзя уточнить.

UniSpeech-Large — модель предварительного обучения речи, опубликованная Microsoft и представленная авторами Chengyi Wang и соавторами. Она обучена на аудио с частотой дискретизации 16 кГц и фонетических метках; архитектура UniSpeechForPreTraining содержит около 402,7 млн параметров. Модель принимает речь и формирует речевые представления для последующей адаптации к прикладной задаче. Чекпойнт предназначен для дообучения под распознавание речи или классификацию аудио. Сам по себе он не готов выполнять распознавание: у него нет токенизатора, а для ASR требуется создать токенизатор и дообучить модель на размеченных текстовых данных. Для распознавания входной звук должен быть дискретизирован с частотой 16 кГц, а текстовые метки представлены последовательностью фонем. Модель предварительно обучена на английском языке и, согласно карточке, рассчитана прежде всего на английскую речь. В статье сообщается об улучшении переноса между языками и доменами относительно использованных авторами подходов, однако эти результаты относятся к оценкам в исследовании и не гарантируют качество на конкретном наборе данных. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

timm/vgg11_bn.tv_in1k — сверточная модель семейства VGG11 с пакетной нормализацией, представленная библиотекой timm. Она обучена на ImageNet-1k и предназначена для классификации изображений, а также может использоваться как основа для извлечения признаков и визуальных эмбеддингов. Модель содержит около 132,9 млн параметров; указанный размер входного изображения — 224 × 224 пикселя. Модель подходит для распознавания объектов из классов ImageNet и как визуальный backbone в задачах компьютерного зрения. Репозиторий содержит веса PyTorch в форматах PyTorch и safetensors. Лицензия — BSD 3-Clause. Карточка не описывает языковые возможности, поскольку модель работает с изображениями.

VisionGuardrail-9B-GGUF — это мультимодальная модель-классификатор для визуальной безопасности и модерации контента, разработанная на базе prithivMLmods/VisionGuardrail-9B. Квантованные файлы GGUF подготовлены mradermacher. Модель предназначена для анализа изображений и, вероятно, связанного с ними текстового ввода в сценариях фильтрации и обеспечения безопасности мультимодального контента; в README также указаны поддержка JSON и интеграция с Transformers и text-generation-inference. Модель имеет размер 9B параметров в исходной версии, поддерживает английский язык и мультимодальный ввод. Для обработки изображений требуется дополнительный мультимодальный модуль mmproj, доступный в вариантах Q8_0 и f16. Опубликованы версии с разными уровнями квантования GGUF: от Q2_K до Q8_0, а также f16; размеры файлов составляют примерно от 3,9 до 18 ГБ без учёта или с учётом соответствующего мультимодального дополнения. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые, а Q8_0 отмечен как вариант с лучшим качеством. Сильными сторонами являются мультимодальность, ориентация на content safety и возможность локального запуска в различных форматах квантования. Ограничения включают отсутствие подробных сведений о конкретных категориях модерации, метриках качества, максимальной длине контекста, архитектуре и поддерживаемых языках помимо английского; weighted/imatrix-квантизации на момент публикации не указаны. Модель распространяется по лицензии Apache-2.0.

Это модель Vision Transformer для классификации изображений и использования в качестве визуального backbone. Она разработана в экосистеме timm и обучена на ImageNet-1k по рецепту обучения timm. Архитектура использует патчи 16×16, регистровые токены и глобальное усреднение; модель содержит около 38,9 млн параметров и рассчитана на изображения размером 256×256 пикселей. Модель подходит для присвоения изображению класса из набора ImageNet-1k, извлечения признаковых карт и получения эмбеддингов изображений. В карточке приведены результаты сравнения близких вариантов ViT, но отдельные показатели точности именно этой модели не установлены в предоставленных данных. Репозиторий распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0.

Это компактная модель Vision Transformer (ViT) для классификации изображений и извлечения признаковых представлений. Её обучили авторы исследований о масштабировании и регуляризации ViT на ImageNet-21k с дополнительной аугментацией и регуляризацией; затем Ross Wightman перенёс веса в PyTorch для библиотеки timm. Модель содержит около 9,7 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для присвоения изображениям классов ImageNet-21k и получения признаковых представлений, которые можно использовать в компьютерном зрении. Архитектура разбивает изображение на патчи 16 × 16 и обрабатывает их трансформером. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — Apache-2.0. Модель предназначена для изображений и не обрабатывает текстовые запросы как мультимодальная система. Её качество и область распознавания связаны с обучением на ImageNet-21k; описание не приводит результатов для других наборов данных или прикладных областей.

anton-l/wav2vec2-base-ft-keyword-spotting — модель классификации аудио на архитектуре Wav2Vec2, дообученная на facebook/wav2vec2-base с использованием набора данных SUPERB. Она предназначена для распознавания ключевых слов в аудиозаписях. В README указана точность 0,9826 и значение loss 0,0824 на наборе оценки; модель содержит 113,3 млн параметров и распространяется в формате PyTorch. Модель принимает аудио и выдаёт метки классов. В карточке нет описания поддерживаемых языков, состава классов, условий записи или подробностей обучения, поэтому применимость к конкретным языкам и акустическим условиям не подтверждена. Лицензия — Apache-2.0.

jimregan/wav2vec2-large-xlsr-latvian-cv — модель автоматического распознавания латышской речи, созданная Джимом Риганом дообучением facebook/wav2vec2-large-xlsr-53 на латышской части набора Common Voice. Она предназначена для преобразования аудиозаписей речи в текст, например для расшифровки записей и оценки распознавания на тестовых данных Common Voice. Модель использует архитектуру wav2vec 2.0 с головой Wav2Vec2ForCTC и содержит 402,7 млн параметров. Для входной речи требуется частота дискретизации 16 кГц; веса представлены в форматах PyTorch, Flax и safetensors. Модель рассчитана на латышский язык, принимает аудио и выдаёт текст. В README приведён результат оценки 29,95% на тестовых данных Common Voice, но метрика не уточнена, поэтому это число нельзя напрямую трактовать как точность или ошибку распознавания. Лицензия модели — Apache-2.0.

WavTokenizer large-unify-40token — акустический дискретный кодек-токенизатор для аудио, основанный на работе Ji и соавторов, опубликованной на ICLR 2025. Репозиторий содержит крупный чекпойнт для разных аудиодоменов, преобразованный из novateur/WavTokenizer-large-unify-40token в формат Transformers; преобразование проверено сравнением кодирования и декодирования с исходной реализацией. Модель кодирует монофоническое аудио с частотой 24 кГц в один кодбук из 4096 кодов с частотой 40 токенов в секунду и шагом 600 отсчётов. Архитектура включает энкодер SEANet с векторным квантованием и декодер в стиле Vocos с блоками ConvNeXt, позиционной свёрткой и вниманием, а также обратным STFT. Предназначена для сжатого представления аудио и использования аудиотокенов в языковых моделях. Для воспроизводимого назначения кодов требуется float32: float16 и bfloat16 могут менять выбор кодов около границ решений. Лицензия — MIT.

WeSpeaker-ResNet34-LM-CoreML — это конвертированная версия модели WeSpeaker ResNet34-LM, предназначенная для работы на Apple Neural Engine через CoreML. Модель основана на архитектуре ResNet34 со статистическим pooling и содержит около 6,6 млн параметров. Конверсию выполнил автор репозитория aufklarer на базе исходной модели pyannote/wespeaker-voxceleb-resnet34-LM. Модель принимает 80-канальные log-mel-спектрограммы аудио с частотой дискретизации 16 кГц и формирует 256-мерные L2-нормализованные embeddings говорящего. Эти векторы подходят для верификации личности по голосу, диаризации и сравнения голосов с использованием, например, косинусного сходства. Слияние BatchNorm со слоями Conv2d выполнено во время конвертации. README не указывает поддерживаемые языки и размер контекста, поэтому эти характеристики неизвестны. Лицензия — MIT.

В репозитории smp-hub/xception.imagenet размещены предобученные на ImageNet веса Xception, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять как основу для классификации изображений и извлечения признаков при построении моделей сегментации. Карточка не сообщает размер модели, длину контекста или конкретные ограничения качества. Репозиторий содержит веса в формате safetensors; лицензия в метаданных обозначена как other, без уточнения условий.

Salesforce xLAM-2-3b-fc-r — компактная языковая модель из семейства Large Action Models, разработанная Salesforce для построения AI-агентов. Эта версия распространяется в формате GGUF и предназначена прежде всего для вызова функций, использования инструментов и ведения многошаговых диалогов, в которых модель преобразует намерения пользователя в исполнимые действия. Модель обучалась с использованием фреймворка APIGen-MT и данных Salesforce/APIGen-MT-5k и Salesforce/xlam-function-calling-60k. Модель содержит около 3 миллиардов параметров, работает с текстом на английском языке и относится к моделям генерации текста. Заявленная длина контекста составляет 32 тысячи токенов; для моделей на базе Qwen-2.5 потенциально может быть достигнута длина до 128 тысяч токенов с применением YaRN, однако это требует дополнительной настройки. Суффикс fc указывает на дообучение для function calling, а r — на исследовательский выпуск. Модель совместима с llama.cpp и аналогичными GGUF-инструментами, а исходная серия также поддерживает Transformers и vLLM. К сильным сторонам относятся специализация на вызове функций, применении инструментов и многошаговом взаимодействии, а также возможность более эффективного запуска на устройствах с ограниченными ресурсами благодаря формату GGUF. Ограничения включают относительно небольшой размер, английскую языковую специализацию, отсутствие заявленной мультимодальности и исследовательский статус; качество и безопасность действий агента зависят от интеграции с инструментами и внешнего контроля. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с некоммерческими ограничениями.

EIStakovskii/xlm_roberta_base_multilingual_toxicity_classifier_plus — модель классификации текста, разработанная на основе XLM-RoBERTa Base и дообученная для выявления токсичности. Она присваивает тексту одну из двух меток: Label_1 — токсичный, Label_0 — нетоксичный. Модель предназначена для проверки пользовательских сообщений и другого текста на английском, русском, французском и немецком языках. Модель использует архитектуру XLMRobertaForSequenceClassification, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. В карточке указана точность 92% на валидации. Обучающие данные включали тексты на четырёх языках, в том числе переводы и собранные вручную примеры; подробности описания набора данных в README частично неполны. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с репозиторием.

Модель xlsr-1b-mizonal3-E5-lus-v2026.06 разработана Andrew Bawitlung и дообучена на базе facebook/wav2vec2-xls-r-1b для автоматического распознавания речи на языке Lus. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; при обучении применялась комбинация аугментаций: добавление фонового шума, изменение скорости речи и SpecAugment. Модель предназначена для преобразования аудиозаписей речи в текст. В README приведены результаты на оценочной выборке: WER 26,3669, CER 5,7509 и real-time factor 0,0038. Модель опубликована под лицензией Apache-2.0. В README указано, что подробности эксперимента и публикации находятся на рецензировании.

AfriGuardInst-AfriqueQwen3.5-4B-50Langs-Instruct-v1 — дообученная модель семейства Qwen3.5, созданная на базе McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-v1. Разработчик — adzcai; модель обучена полным дообучением на наборе israel/AfriGuard-inst с использованием DeepSpeed ZeRO-3. Модель предназначена для генерации диалоговых ответов с инструкциями безопасности для запросов на африканских языках и английском. Это контрольный вариант AfriGuardPlain с обучением на примерах, содержащих инструкции безопасности; используется чат-шаблон базовой модели, а функция потерь применяется только к ответам. В метаданных указаны архитектура Qwen3.5, формат safetensors и библиотека Transformers. Репозиторий распространяется по лицензии CC BY 4.0. Размер параметров и длина контекста в предоставленных данных не указаны.