II.10Разработка и эксплуатация AI/ML-систем

Hate-speech-CNERG/hindi-abusive-MuRIL — модель классификации текста, разработанная для обнаружения оскорбительной речи на хинди, записанном деванагари. Она дообучена на базе MuRIL на наборе данных об оскорбительной речи на хинди; архитектура — BERT для классификации последовательностей, размер — 264,8 млн параметров, контекст — до 512 токенов. Модель присваивает тексту один из двух классов: обычное высказывание или оскорбительное. Она предназначена для выявления оскорблений в текстах на хинди и изучения классификации низкоресурсных индийских языков. Доступны веса PyTorch, лицензия — AFL-3.0. Авторы связывают модель с исследованием по улучшению обнаружения оскорбительной речи в индийских языках с помощью бутстрэппинга данных.

Boson AI HuBERT Base — базовый чекпойнт HuBERT от Boson AI, используемый как семантический учитель во внутренней ветви токенизатора Higgs Audio. Модель построена на архитектуре HuBERT-Base с 12 трансформерными слоями, скрытым размером 768 и примерно 95 млн параметров по README; метаданные указывают 113,3 млн параметров. Принимает аудио с частотой дискретизации 16 кГц и через Transformers AutoModel выдаёт последовательности скрытых представлений размерности 768; можно извлекать состояния всех слоёв. Основной сценарий — получение семантических признаков речи и аудио для последующей дистилляции или использования в аудиотокенизаторе. В карточке также заявлена задача feature extraction. Модель распространяется под лицензией Apache-2.0. Для загрузки README указывает trust_remote_code=True.

ImageShield-MMCF-0.8B-GGUF — мультимодальная модель-классификатор для обеспечения безопасности контента, разработанная prithivMLmods на основе Qwen/Qwen3.5-0.8B. Модель обучена примерно на 28 000 примерах для защитных механизмов модерации и предназначена прежде всего для классификации визуального контента по категориям «безопасный» и «небезопасный». Основное внимание уделено обнаружению NSFW-контента чувственного характера и других потенциально чувствительных изображений. Модель поддерживает обработку изображений и текста, использует формат GGUF и может применяться с llama.cpp; в репозитории также рекомендуются Transformers и точное соблюдение специального chat template. Доступны варианты BF16, F16 и квантованные сборки Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0, а также отдельные мультимодальные проекционные файлы. Заявлен английский язык. Размер базовой модели — 0,8 млрд параметров; сведения о размере контекста в README отсутствуют. Это экспериментальный выпуск, поэтому модель может демонстрировать непредсказуемое поведение и артефакты рассуждений. Она предназначена для исследовательских задач и классификации контента, а её результаты требуют ответственного использования и проверки. Лицензия — Apache-2.0.

AvoCahDoe публикует JetMoE 8B RL-MPQ Aggressive — вариант JetMoE-8B с агрессивной поканальной смешанной точностью, полученный методом RL-MPQ. PPO-агент назначает слоям разрядность весов, затем политику применяют к исходным весам и проверяют качество по perplexity на WikiText-2. Средняя точность составляет 3,5833 бита на вес; веса экспортированы в fake-quantized FP16 и совместимы с Transformers. Модель построена на MoE-архитектуре JetMoeForCausalLM, содержит 1,2 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста и экспериментов с экономным хранением и запуском языковой модели при смешанной точности. README указывает Apache-2.0; метаданные связывают её с jetmoe/jetmoe-8b как с базой дообучения. Метаданные указывают английский язык, а WikiText-2 использован для проверки perplexity.

novita выпустила DSpark — черновую модель для ускорения генерации Kimi-K2.7-Code методом speculative decoding. Она предлагает несколько следующих токенов, а основная модель проверяет их; для работы нужны базовая модель Kimi-K2.7-Code и сервер vLLM с поддержкой DSpark. Архитектура черновой модели включает три слоя с GQA и блок генерации размером 8, а также головы Markov logit-bias и оценки уверенности. Веса представлены одним файлом Safetensors в формате bf16 размером 6,3 ГБ. В README указана обученная длина последовательности 20 000 токенов. По приведённым авторами замерам на отдельных тестах конфигурация с семью спекулятивными токенами ускоряла генерацию в 2,34–2,78 раза; эти результаты относятся к описанной настройке vLLM и не гарантируют такой же прирост на других запросах и оборудовании. Модель предназначена для ускорения генерации кода, математических решений и рассуждений основной моделью, а не для самостоятельного использования. Для запуска требуется совместимый vLLM nightly; в README также описаны возможные проблемы с планированием внимания и захватом CUDA-графа, для которых предложены обходные настройки. Производная основана на moonshotai/Kimi-K2.7-Code. Условия лицензии в предоставленных материалах не указаны.

Ko-DialoGPT — корейская разговорная модель генерации текста на архитектуре GPT-2, представленная пользователем byeongal. Она предназначена для генерации реплик в диалоге на корейском языке. Модель поддерживает сценарии чат-бота и использует класс GPT2LMHeadModel; доступные веса представлены в формате PyTorch. Контекст модели составляет 1024 токена. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

KoELECTRA Base Generator — предварительно обученная языковая модель для корейского языка, разработанная monologg на архитектуре ELECTRA. Она предназначена для восстановления замаскированных токенов и может использоваться как основа для задач обработки корейского текста. Модель содержит 20,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате PyTorch. Для загрузки используются Transformers и токенизатор ElectraTokenizer. Лицензия — Apache-2.0. Модель ориентирована на корейский язык; сведения о специальных ограничениях качества или областях применения в карточке не приведены.

Ling-3.0-flash-base-midtrain — базовая языковая модель из семейства Ling-3.0, выпущенного командой inclusionAI. Это промежуточный чекпойнт после этапа mid-training: он не прошёл слияние WSM, затухание скорости обучения или post-training и предназначен для дальнейшего обучения и исследований. Модель имеет разреженную MoE-архитектуру Bailing Hybrid с 512 маршрутизируемыми экспертами; для каждого токена активируются 8 маршрутизируемых и 1 общий эксперт. Гибридное внимание объединяет KDA и Gated MLA для работы с длинным контекстом. По метаданным, размер модели — 3,5 млрд параметров, нативный контекст — 262 144 токена. Модель подходит для продолжения pretraining и mid-training, дообучения под предметную область, post-training и исследований длинного контекста и MoE. Она принимает текст и генерирует текст. Карточка описывает оценку математики, программирования, рассуждений, многоязычного понимания и длинного контекста, но не перечисляет конкретные поддерживаемые языки. Для непосредственного пользовательского чата и критически важных сценариев модель не рекомендована без дополнительного выравнивания и проверки. Лицензия — MIT.

brain-lab выпустила эту 2-битную квантованную версию Meta Llama 2 70B — плотной авторегрессионной языковой модели с 68,7 млрд параметров. Квантование выполнено методом HARP, который заменяет фиксированное случайное преобразование Hadamard в конвейере QuIP# на обучаемый ортогональный процессор. Процессор настраивается только на калибровочных данных, без переобучения самой модели, и хранится в int8 с небольшими дополнительными затратами на параметры. Модель предназначена для генерации текста и запуска языковой модели при экстремально низкой разрядности весов. В README приведены результаты на WikiText2 и C4 при контексте 4096 токенов: perplexity 4,01 и 5,82 соответственно. Для инференса нужны упакованные веса в стиле QuIP# и код `harp_quip`; обычный `transformers.AutoModelForCausalLM` не подходит. Базовая Llama 2 70B ориентирована на английский язык. Условия лицензии — Llama 2 Community License.

RedHatAI/Llama-2-7b-pruned70-retrained — разреженная языковая модель семейства Llama 2, представленная Red Hat AI. В ней около 6,6 млрд параметров; архитектура — LlamaForCausalLM, формат весов — Safetensors, контекст — до 4096 токенов. Модель принимает текст и генерирует текст. Модель создана на основе Llama 2 7B: сначала 50% параметров были удалены методом SparseGPT, затем модель переобучили на 50 млрд токенов из SlimPajama, после чего повысили разреженность до 70% и обучили ещё на 100 млрд токенов. Она предназначена для генерации текста и может служить основой для дальнейшей донастройки, в том числе с использованием Sparse Transfer. Для ускоренного вывода README рекомендует nm-vllm или DeepSparse. Модель не дообучена для следования инструкциям, поэтому её не следует считать готовым чат-ассистентом. В приведённых результатах она уступает исходной Llama 2 7B на MMLU, HellaSwag и WinoGrande. Лицензия в предоставленных данных не указана.

LLM-jp-4-8b-base — базовая языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная авторегрессионная Transformer-модель семейства Llama с 8,59 млрд параметров: 32 слоя, размер скрытого состояния 4096 и 32 головы внимания. Репозиторий содержит веса Safetensors для Transformers. Модель обучена на предварительном и промежуточном этапах на корпусе объёмом 11,7 трлн токенов. Она предназначена для генерации текста и служит базой для дальнейшей адаптации под диалоговые и другие языковые задачи. Контекстное окно составляет 65 536 токенов; языки карточки — японский и английский. Токенизатор основан на Unigram с поддержкой byte fallback, а шаблон чата совместим с форматом OpenAI Harmony. Разработчики отмечают, что модель находится на ранней стадии исследований и разработок и не настроена для надёжного следования намерениям пользователя и требованиям безопасности. Для корректной токенизации следует использовать токенизатор из репозитория; библиотека openai-harmony напрямую не поддерживается. Лицензия — Apache-2.0.

Marco-LLM-ES — базовая языковая модель ATH-MaaS, предназначенная для работы с испанским, каталонским, баскским и галисийским языками. Это плотная Transformer-модель семейства Qwen2 на 7,1 млрд параметров с поддержкой чата и контекстом до 131 072 токенов. Модель прошла дополнительное предобучение на корпусе примерно из 50 млрд токенов, чтобы улучшить работу с языками Испании, сохраняя возможности общего назначения. В архитектуре используются активация SwiGLU, смещение QKV в механизме внимания и групповое внимание запросов; токенизатор адаптирован к нескольким языкам. Модель подходит как основа для дальнейшего дообучения и адаптации к задачам на целевых языках. Авторы не рекомендуют использовать базовую версию для непосредственной генерации текста и советуют сначала применять постобучение, например SFT или RLHF. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Medical-Qwen3-Swallow-30B-A3B — медицинская языковая модель TokyoTech, дообученная на базе tokyotech-llm/Qwen3-Swallow-30B-A3B-RL-v0.2 для исследований и разработки систем ИИ в японской клинической среде. Это причинная MoE-модель семейства Qwen3-Swallow; метаданные указывают 2,6 млрд параметров, а базовая модель относится к семейству 30B-A3B. Она принимает текст и генерирует ответы, поддерживает японский и английский языки и имеет контекстное окно до 40 960 токенов. Модель адаптирована к медицинским текстам, включая биомедицинскую литературу, синтетические медицинские данные, вопросы и ответы, а также тексты клинических рекомендаций. В карточке приведены результаты на японских медицинских бенчмарках, где модель превосходит базовую на перечисленных тестах. Предназначена для оценки и разработки медицинских языковых систем, а не для принятия клинических решений. Лицензия — Apache 2.0. Модель не валидирована как медицинское устройство и не заменяет профессиональную медицинскую оценку. Ответы могут содержать фактические ошибки, небезопасные рекомендации или неподтверждённые клинические утверждения; необходима проверка человеком.

nvidia/mit-b0 — компактный энкодер SegFormer размера B0, представленный командой разработчиков SegFormer и опубликованный на Hugging Face. Модель дообучена на ImageNet-1k и предназначена для классификации изображений по 1000 классам этого набора данных; её также можно использовать как основу для дальнейшей тонкой настройки семантической сегментации. Архитектура включает иерархический Transformer-энкодер. В этом репозитории находятся только предварительно обученные веса энкодера, без лёгкой MLP-головы декодера, применяемой в полной модели SegFormer для сегментации. Репозиторий содержит форматы PyTorch и TensorFlow. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

Модель csikasote/mms-300m-nyagen-original-train-ft-62 — дообученная на наборе NYAGEN - NA версия facebook/mms-300m для автоматического распознавания речи. Это модель архитектуры Wav2Vec2 с CTC-декодированием, содержащая 402,7 млн параметров; она принимает аудио и выдаёт распознанный текст. На оценочной выборке указаны loss 0,4169 и WER 0,3193. Карточка не сообщает поддерживаемые языки, контекстные характеристики и подробности об области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

MobileNet V2 — модель классификации изображений, основанная на архитектуре MobileNetV2 с инвертированными остаточными блоками и линейными bottleneck-слоями. Карточка указывает, что модель предварительно обучена на ImageNet-1k для изображений размером 224×224 и преобразована из чекпойнта PyTorch Vision в формат LiteRT/TFLite. В модели 3 504 872 параметра; точность исходного чекпойнта на ImageNet-1k составляет 72,154% top-1 и 90,822% top-5. Модель предназначена для определения классов объектов на изображениях и развёртывания в приложениях и на мобильных устройствах. В репозитории есть полноточный TFLite-файл, динамически квантованный вариант с весами INT8 и активациями FP32, а также артефакт, скомпилированный для Google Tensor G5. Для полноточного файла указана поддержка CPU и GPU; для статически квантованного INT8-варианта — CPU и NPU Qualcomm или MediaTek, но не GPU. Лицензия исходной модели в карточке не установлена, поэтому условия использования следует проверить отдельно перед применением. Качество и применимость зависят от сходства изображений с ImageNet-1k и от используемого варианта файла и устройства.

MobileNet V2 — компактная сверточная модель классификации изображений, разработанная авторами архитектуры MobileNetV2 и впервые выпущенная в этом репозитории. Этот чекпойнт предварительно обучен на ImageNet-1k и выдаёт оценки для 1000 классов набора; он рассчитан на входные изображения разрешением 96×96 пикселей и использует множитель глубины 0,35. Модель предназначена для классификации изображений в сценариях с ограниченными вычислительными ресурсами, например на мобильных устройствах. Архитектура MobileNet V2 оптимизирована для низкой задержки и энергопотребления, с компромиссом между размером, скоростью и точностью. Доступны веса PyTorch; лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

simran14/mr-val-j — дообученная модель распознавания речи на архитектуре Whisper с 153,1 млн параметров. Она создана на основе simran14/mr-val-i и обучена на Common Voice 17.0; основная задача — преобразование аудио в текст, в частности для языка маратхи. Модель подходит для автоматической расшифровки речи и оценки систем распознавания на данных Common Voice. В README приведены результаты на оценочной выборке: loss 0,2062 и WER 0,9319. Высокое значение WER указывает на значительное количество ошибок распознавания, поэтому качество транскрипций следует проверять. Модель использует библиотеку Transformers и опубликована в формате safetensors. Лицензия в предоставленных данных не указана.

unitary/multilingual-toxic-xlm-roberta — модель классификации токсичности комментариев, разработанная Лаурой Хану и командой Unitary в рамках проекта Detoxify. Она предназначена для выявления токсичных высказываний и помогает модераторам быстрее находить потенциально вредный контент; также модель можно дообучать на тщательно подготовленных данных, отражающих реальные демографические группы. Модель основана на XLM-RoBERTa и содержит около 305,2 млн параметров. Она принимает текст и классифицирует его по токсичности; для этого варианта README указывает поддержку английского, французского, испанского, итальянского, португальского, турецкого и русского языков. В карточке указано окно контекста 514 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Модель может ошибочно считать токсичными комментарии с бранью или оскорбительными словами независимо от тона и намерения автора, например в шутке или самоиронии. README предупреждает о возможной предвзятости по отношению к уязвимым группам и рекомендует проверять качество и смещения на подходящих данных; результаты версии на Hugging Face могут отличаться от библиотеки Detoxify.

naflexvitb16nepa-generic — визуальный энкодер семейства NaFlex ViT B/16, разработанный проектом Birder. Модель содержит 85,8 млн параметров и предварительно обучена методом NEPA на разнообразном наборе примерно из 20 млн изображений. Она извлекает векторные признаки изображений и формирует карты признаков для использования в качестве основы последующих компьютерно-зрительных моделей; для отдельной задачи классификации модель не дообучалась. Энкодер поддерживает переменный размер патчей от 14 до 32 пикселей и изображения с разрешением от 192 до 320 пикселей при бюджете последовательности 36–400 токенов. Заявлены сценарии построения классификаторов, детекторов объектов и моделей сегментации. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Nandi-Mini-150M-Tool-Calling — компактная диалоговая модель FrontiersMind, дообученная на базе FrontiersMind/Nandi-Mini-150M. Она предназначена для интерпретации запросов пользователя и генерации вызовов инструментов за один шаг, чтобы передавать подходящие аргументы функции и запускать внешние операции. Модель использует плотную архитектуру NandiForCausalLM, содержит 236,4 млн параметров и рассчитана на контекст до 2048 токенов. В репозитории указаны веса Safetensors, библиотека Transformers и лицензия Apache-2.0. Модель ориентирована на одношаговые сценарии вызова функций в диалоговых приложениях. Карточка не приводит сведения о конкретном формате вызовов, наборах данных, тестах качества или дополнительных языках; метаданные указывают английский язык. Поэтому пригодность для иных языков и надёжность на конкретных инструментах следует проверять отдельно.

NCP-ArchPreview 8.9B Stage 2 V3 — базовая авторегрессионная языковая модель, разработанная командой NCP в Shanghai AI Lab и LUMIA Lab Шанхайского университета Цзяо Тун. Это продолженное предобучение Stage 1 на Dolma 3 Dolmino в рамках второго этапа учебного курса OLMo-3. Модель объединяет предсказание следующего токена (NTP) и следующего концепта (NCP); архитектура сохраняет 16-слойный энкодер, 8-слойный модуль концептов и 16-слойный декодер. В репозитории указаны около 9 млрд параметров, контекст 8192 токена, формат Safetensors и использование Transformers. Модель предназначена для генерации продолжений текста, оценки языковых моделей, исследований латентных концептов и дальнейшей адаптации. В отчёте приведены результаты по математике, общим знаниям, программированию и рассуждениям, однако точные показатели зависят от варианта Stage 2 и протокола оценки; таблицы рецептов показывают, что V3 уступает V1 на нескольких задачах, включая HumanEval, MBPP и MATH-500. Это базовая модель без диалогового выравнивания: она может выдавать неточные, предвзятые или вредоносные ответы, а возможности за пределами контекста 8192 токена отдельно не подтверждены. Лицензия — Apache 2.0.

NVIDIA NeMo NanoCodec — нейронный аудиокодек для сжатия и восстановления речи. Эта версия принимает монофонический WAV с частотой 22,05 кГц и формирует аудио той же частоты дискретизации. Модель содержит 62 млн параметров, использует сверточный генератор с энкодером, конечное скалярное квантование (FSQ) и декодер на основе HiFi-GAN, а также три дискриминатора для обучения с состязательными и feature-matching потерями. Вариант рассчитан на частоту кадров 21,5 кадра/с и битрейт 1,89 кбит/с; он подходит для сжатия речи и как компонент при обучении моделей генерации речи. Модель обучалась на 28,7 тыс. часов речи на 105 языках. В карточке рекомендовано использовать её с Magpie TTS для наилучшего качества. Это готовый к коммерческому и некоммерческому использованию чекпойнт NVIDIA; метаданные указывают лицензию «other», поэтому конкретные условия следует сверять с лицензией репозитория. Для работы рекомендуется окружение NeMo 2.0.0 и GPU NVIDIA.

NeuTTS-Nano — акустическая модель синтеза речи, представленная в официальном репозитории в формате GGUF BF16. Она предназначена для генерации голоса из текста в сценариях с низкой задержкой, включая локальный запуск на периферийных устройствах и речевые конвейеры реального времени. Для выполнения модель рассчитана на GGUF-совместимые среды, например llama.cpp; размер файла составляет 446 МБ. Репозиторий ориентирован на английский язык, а варианты для французского, немецкого и испанского размещены отдельно. Модель распространяется по лицензии Apache-2.0.

Модель viddexa/nsfw-detection-2-nano разработана Kerem Bozgan, Abdullah Kırman и Fatih Çağatay Akyön для автоматической модерации визуального контента. Это дообученная на изображениях EfficientNet-B0, компактная свёрточная модель для классификации изображений; в README указано около 4 млн параметров и поддержка пяти классов: Normal, Porn, Hentai, Drawing и Sexy. Её можно применять к изображениям и кадрам видео для первичной фильтрации откровенного контента. Модель предназначена для предварительного выявления обнажённости и сексуального контента в пользовательских публикациях, социальных приложениях, играх и потоковых сервисах, а также для родительского контроля. В описанном сравнении она показывает макро-F-score 93%; на классе Sexy результат ниже — 85,15%. Класс Normal соответствует изображениям без откровенного контента, а Sexy охватывает неоднозначные случаи с провокационной одеждой или намёками. README рекомендует проверку человеком и предупреждает, что модель не определяет сексуальное намерение и не подходит для правовой оценки изображений. Лицензия — Apache-2.0.

OctoThinker-3B-Hybrid-Base — базовая языковая модель семейства OctoThinker, разработанная на основе Llama 3.2 3B и дообученная на наборах MegaMath-Web-Pro-Max и MegaMath. Модель предназначена для генерации текста и служит основой, удобной для последующего обучения с подкреплением. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Карточка сообщает об оценивании базовой модели с few-shot prompting, но не приводит конкретных результатов. Метаданные указывают английский язык. Модель распространяется в формате safetensors по лицензии Llama 3.2.

PhoBERT Moderation v1.1 — модель классификации текста для контекстной модерации публикаций вьетнамских социальных сетей. Её разработал автор репозитория huyleit на основе PhoBERT-base-v2 и дообучил на корпусе вьетнамской модерации, включающем UIT-ViHSD и локализованные данные о кризисных состояниях. Модель использует архитектуру RoBERTa с классификационной головой, содержит 162,4 млн параметров и принимает последовательности длиной до 258 токенов. Модель относит текст к одному из четырёх классов: безопасный или нейтральный, безадресная брань и выплеск эмоций, разжигание ненависти или оскорбления, признаки риска самоповреждения. Она предназначена для автоматической проверки публикаций, выявления травли и направления сообщений о кризисе на оперативную проверку. Доступны веса Safetensors и варианты ONNX, включая динамическую INT8-квантизацию для более компактного и быстрого CPU-инференса. Модель рассчитана на вьетнамский язык. В карточке приведены результаты на отложенной выборке, включая высокий F1 для класса риска самоповреждения, однако качество может снижаться на сарказме, диалектной речи, опечатках и новых интернет-сокращениях; границы между эмоциональной бранью и направленной агрессией субъективны. Лицензия — MIT.

cstr/piper-voices-GGUF — набор голосовых моделей Piper, преобразованных из исходных голосов rhasspy/piper в формат GGUF F16 для запуска в нативной среде CrispASR. Каждый голос хранится в отдельном файле, который включает карту фонем и голос espeak-ng, поэтому ему не нужны сопутствующие файлы. Это компактные односпикерные модели на архитектуре VITS для синтеза речи: размер отдельного голоса составляет примерно 15–60 МБ, вывод — монофонический звук 22,05 кГц. Набор подходит для мобильного использования и быстрого предварительного прослушивания; заявлена высокая скорость работы на CPU. В репозитории представлены немецкие и английские голоса, в том числе Thorsten и другие голоса с различными вариантами качества. Лицензия зависит от конкретного голоса: набор включает голоса с разрешающими условиями, включая CC0, общественное достояние, CC BY 4.0 и лицензию M-AILABS; для некоторых голосов требуется указание авторства или сохранение уведомления об авторских правах. Метаданные репозитория указывают CC BY 4.0, поэтому перед распространением результата следует сверять условия для выбранного голоса.

PolicyShiftGuard-3B — мультимодальная модель для проверки изображений на соответствие заданному набору политик. Она разработана на основе Qwen2.5-VL-3B-Instruct и дообучена на данных PolicyShiftBench: сначала на примерах с рандомизированными политиками, затем на парах примеров, адаптированных к границам решений. Модель принимает изображение и текстовое описание политик, а в ответ выдаёт структурированное решение о безопасности и, при необходимости, категорию нарушенного риска. Модель предназначена для исследований адаптивной модерации изображений и устойчивости классификации при смене политик. Архитектура Qwen2.5-VL имеет 3,1 млрд параметров, работает через Transformers и поддерживает контекст длиной до 128 000 токенов. Репозиторий использует формат Safetensors. Модель распространяется по лицензии Apache-2.0. Результаты зависят от того, насколько заданные политики, языки, визуальные области и условия применения представлены в обучающих данных и бенчмарке. Модель следует оценивать с явно заданным набором политик; её ответы не являются юридической или нормативной консультацией.

RampPublic разработала PorTAL cross-family refit — артефакт, который генерирует LoRA-адаптеры ранга 8 для query- и value-проекций слоёв текстового декодера Gemma 3 4B. Модель основана на предварительно обученной google/gemma-3-4b-pt; таблица латентных представлений 14 задач и ядро генерации LoRA перенесены из PorTAL для Qwen3 и заморожены, а для Gemma обучено новое выравнивание. Артефакт предназначен для адаптации базовой модели к задачам выбора ответа из вариантов. В тесте на полном наборе проверки из 14 задач адаптированная Gemma показала macro acc_norm 0,7423 против 0,5924 у замороженной базовой модели; результат относится к указанной методике и не гарантирует качество в других сценариях. Для загрузки и экспорта PEFT-адаптера README использует библиотеку portallib. Лицензия — Apache-2.0.