II.2Создание и понимание программного кода

Модель timm/mobilenetv4_conv_small.e1200_r224_in1k — сверточная модель MobileNetV4 для классификации изображений и использования в качестве визуального backbone. Её обучил Росс Уайтман на ImageNet-1k с помощью скриптов timm и гиперпараметров, основанных на статье о MobileNetV4 и дополненных настройками timm. Веса доступны в форматах PyTorch и Safetensors; лицензия — Apache-2.0. В модели около 3,8 млн параметров и 0,2 GMACs. Обучение проводилось на изображениях 224×224 пикселя; для оценки указано разрешение 256×256. Модель подходит для распознавания объектов из классов ImageNet-1k, извлечения карт признаков и получения визуальных эмбеддингов. README отмечает, что это одни из немногих известных весов MobileNetV4, а официальные веса TensorFlow на момент публикации не выпущены.

Репозиторий содержит эталонные модели PatchTST, разработанные eulogik для сопоставления с NanoForecast в стандартном бенчмарке прогнозирования временных рядов. Каждая модель обучена отдельно на одном наборе данных, с независимой обработкой каналов, по гиперпараметрам из статьи PatchTST. В репозитории размещены веса PyTorch и результаты бенчмарков для ETTh1, ETTh2, ETTm1, exchange_rate, electricity и traffic. Модели предназначены для прогнозирования временных рядов и служат базовыми ориентирами при оценке других моделей на перечисленных датасетах. В README приведены метрики MASE, MAE, MSE и sMAPE для части результатов. Лицензия — Apache-2.0. Описание ориентировано на бенчмаркинг; данных о пригодности к другим наборам данных или сценариям не приведено.

ORANSight Qwen-7B Instruct — разговорная языковая модель, разработанная лабораторией NextG при Университете штата Северная Каролина и дообученная на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit с помощью Unsloth. Она предназначена для ответов на вопросы и объяснения понятий в области O-RAN, например интерфейса E2, в формате диалога с системными и пользовательскими сообщениями. Модель построена на архитектуре Qwen2 и содержит 7,1 млрд параметров. Метаданные указывают контекст до 32 768 токенов, тогда как README заявляет поддержку до 128K токенов и генерацию до 8K токенов; фактическую длину контекста следует проверять для используемой конфигурации. Модель принимает текст и генерирует текст; карточка ориентирует её на английский язык. Доступна по лицензии Apache-2.0.

OS-Genesis-7B-WA — мультимодальная модель на 7,1 млрд параметров, разработанная авторами проекта OS-Genesis для управления веб-интерфейсами. Она дообучена на базе Qwen/Qwen2-VL-7B-Instruct на синтетических траекториях веб-действий, созданных в рамках OS-Genesis. Модель принимает изображения интерфейса и текстовые инструкции, а в ответ формирует текст для сценариев управления веб-интерфейсом. Она предназначена для обучения и оценки GUI-агентов на задачах вроде WebArena; карточка также описывает подход OS-Genesis для генерации траекторий взаимодействия и упоминает AndroidWorld. Контекст модели — 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит отдельные показатели качества или подробные ограничения применимости.

wfakhri/OTel-2.0-LLM-31B-IT-GGUF — это GGUF-квантизация телекоммуникационной instruction-модели OTel-2.0-LLM-31B-IT, основанной на Gemma 4 31B-IT. Оригинальная модель разработана для специализированных задач телеком-индустрии; квантизация выполнена с помощью llama.cpp. В создании проекта участвовали Open Telco AI, GSMA, Red Hat, Microsoft, Dell Technologies и AMD, а обучение проводилось с применением OSFT (Orthogonal Subspace Fine-Tuning) от команды Red Hat AI Innovation Team. Модель предназначена для сетевых операций, интерпретации стандартов, разработки телекоммуникационных продуктов, помощи в настройке сетей, RAG-сценариев и ответов на вопросы по телекоммуникациям. Она содержит около 31 млрд параметров и была постобучена примерно на 440 млрд телекоммуникационных токенов, включая материалы GSMA, 3GPP, O-RAN и GSMA. Максимальная длина последовательности при обучении составляла 4096 токенов. Основной поддерживаемый язык взаимодействия — английский. Архитектура модели мультимодальная: она структурно поддерживает текст и изображения, однако обучение выполнялось только на текстовых данных, поэтому возможности работы с изображениями не были адаптированы к телекоммуникационной предметной области. Сильные стороны — специализация на телеком-сценариях, работе со стандартами, RAG и instruction-following, а также применение OSFT, направленного на сохранение исходных возможностей базовой модели. Ограничения включают англоязычную специализацию, отсутствие доменной настройки визуального ввода и возможное изменение весов между выпусками: для воспроизводимости следует фиксировать ревизию, хеш контрольной точки или тег релиза. Модель распространяется по лицензии Apache 2.0, при этом в README также указана ссылка на лицензию Gemma 4, условия которой необходимо учитывать при использовании базовой модели. Репозиторий содержит квантизированные GGUF-варианты, а не исходный полноразмерный checkpoint.

PhishLens MLP — компактная модель бинарной классификации, опубликованная frangelbarrera как ориентированная на развертывание версия проекта по обнаружению фишинговых URL. Она анализирует URL офлайн: получает 49 стандартизированных признаков строки, включая длины, пунктуацию, структуру хоста и поддоменов, признаки IP-адресов, punycode и подозрительные слова, а затем обрабатывает их многослойным перцептроном в Keras с архитектурой Dense(64) → Dense(32) → Dense(1) и сигмоидальным выходом. Модель предназначена для учебных и исследовательских экспериментов по защитной кибербезопасности, демонстрации инженерии признаков и сравнения с исходной CNN+LSTM-реализацией. Модель выдает оценку риска по строке URL. В описанной проверке на отложенной выборке указаны accuracy 89,94% и ROC-AUC 0,965; эти результаты не гарантируют качество на новых данных. Модель не открывает URL, не проверяет DNS, содержимое страницы, перенаправления, сертификаты или внешнюю репутацию и может пропускать фишинг на легитимных доменах, если сама строка не содержит информативных признаков. Лицензия — MIT. README предостерегает от использования оценки как самостоятельного решения о блокировке или иных значимых решений.

Qwen2.5-32B-Instruct_EAGLE3_UltraChat — drafter-модель, обученная ruipeterpan на основе Qwen2.5-32B-Instruct с использованием SpecForge. Она предназначена для алгоритма спекулятивного декодирования EAGLE-3: вспомогательная модель предлагает токены, чтобы ускорить генерацию целевой языковой моделью на этапе декодирования. Для запуска в карточке приведён пример с vLLM и Qwen2.5-32B-Instruct; также сообщается об оценках ускорения при использовании с моделями Qwen2.5 на 7B, 14B и 32B параметров. Модель принимает текстовый контекст и выдаёт черновые токены для проверки целевой моделью. Указанное в метаданных окно контекста — 32 768 токенов. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Это специализированная вспомогательная модель: для применения требуется совместимая целевая модель и реализация EAGLE-3, например vLLM.

Qwen3-4B-DFlash-b16 — модель-черновик DFlash для ускорения генерации текста методом speculative decoding. Она использует лёгкую диффузионную модель с блочной генерацией, чтобы параллельно предлагать токены целевой модели; для работы требуется совместимая целевая модель Qwen, в карточке указана Qwen/Qwen3-4B. По метаданным это плотная архитектура Qwen3 с классом DFlashDraftModel, 844,4 млн параметров и контекстом 40 960 токенов. Модель рассчитана на инференс, а не на самостоятельную генерацию: итоговые предложения проверяет целевая модель. В README сообщается об ускорении до 6,17 раза для Qwen3-8B; этот результат относится к указанной конфигурации оценки и не гарантирует такое же ускорение в других условиях. Для загрузки требуется trust_remote_code=True. Лицензия — MIT.

Qwen3.8-9B Hermes FC — Tooluse — текстовая диалоговая модель JamieBradfield для вызова инструментов в среде Hermes. Это экспериментальный QLoRA-файнтюн слияния Qwen3.8-9B-Distill и предыдущего чекпойнта v27; модель обучена на 218 траекториях, созданных с помощью GLM-5.3-Flash, и настроена на планирование последовательности задач с применением инструмента todo. Архитектура — плотная Qwen3.5ForConditionalGeneration, около 9,20 млрд параметров; визуальная часть базовой модели удалена. Веса доступны в BF16 safetensors, а квантованный GGUF размещён в сопутствующем репозитории. Контекст в README не указан. Чекпойнт предназначен для экспериментов с вызовом инструментов и многошаговым планированием, а не для готового продукта. В тесте с нативным интерфейсом Hermes улучшилось планирование с todo для многошаговых задач, но модель чаще вызывает инструменты без необходимости и уходит от целевого инструмента на простых вопросах. В карточке указана лицензия Apache-2.0; обучение продолжено от базовой модели с той же лицензией.

Red Hat разработала RedHatAI/Qwen3-8B-speculator.eagle3 — вспомогательную модель-спекулятор для ускорения генерации текста базовой моделью Qwen/Qwen3-8B. Она использует алгоритм EAGLE-3 и архитектуру Eagle3Speculator: предлагает несколько следующих токенов, которые проверяет основная модель, чтобы повысить скорость декодирования без замены её ответов. Модель предназначена для серверного инференса с vLLM и должна работать с чат-шаблоном Qwen3-8B через endpoint /chat/completions. Спекулятор обучен с отключённым режимом thinking на данных ShareGPT_Vicuna_unfiltered и ultrachat_200k. В README приведены бенчмарки на одной A100, но таблицы с результатами опущены, поэтому конкретный выигрыш в скорости здесь оценить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0; её применение привязано к совместимой базовой модели Qwen/Qwen3-8B.

RegNetY-16GF — модель классификации изображений и извлечения визуальных признаков, разработанная Ross Wightman и обученная в библиотеке timm. Она предварительно обучена на ImageNet-12k, а затем дообучена на ImageNet-1k. Модель содержит 83,6 млн параметров; для обучения указано разрешение 224×224, для тестирования — 288×288 пикселей. Модель предназначена для классификации изображений по категориям ImageNet и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Реализация timm включает стохастическую глубину и настраиваемый выходной stride, активации и нормализацию. Доступны веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

RegNetZ B16 — модель классификации изображений из библиотеки timm, обученная Россом Уайтманом на ImageNet-1k. Архитектура использует блоки с инвертированным узким местом и линейными выходами блоков; вариант B16 имеет групповую ширину 16 и вычислительную сложность около 1,5 GFLOPs при размере изображения 256×256. Модель содержит около 9,7 млн параметров. Модель предназначена для присвоения изображению метки класса из набора ImageNet-1k. Её также можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. В карточке указаны размер обучения 224×224 и тестирования 288×288; лицензия — Apache-2.0.

ResNeXt-101 32x8d — модель классификации изображений и извлечения признаков из семейства ResNeXt, опубликованная командой timm. Она обучена на ImageNet-1k с рецептами обучения torchvision v2 и подходит для распознавания объектов на изображениях, получения карт признаков и визуальных эмбеддингов. Архитектура использует ReLU, начальную свёртку 7×7 с пулингом, групповые свёртки 3×3 в bottleneck-блоках и shortcut-соединения с проекцией 1×1. Модель содержит около 88,8 млн параметров; размер изображения при тестировании — 224×224 пикселя. Модель принимает изображения и выдаёт метки классов либо признаки изображения в зависимости от используемого интерфейса. Карточка указывает обучение на ImageNet-1k, но не описывает поддержку языков. Вес репозитория доступен в форматах PyTorch и safetensors. Лицензия — BSD 3-Clause.

Это модель семантической сегментации изображений, размещённая организацией keras-io. Она основана на примере Франсуа Шолле и использует архитектуру типа U-Net для сегментации изображений домашних животных: модель присваивает класс каждому пикселю, например «кошка» или «собака». Репозиторий содержит веса в формате TensorFlow и адаптацию инференса для виджета Hugging Face Hub. Модель подходит для получения попиксельных масок объектов на изображениях домашних животных и демонстрации семантической сегментации через Hub. Для каждого класса результат представляется маской; карточка отмечает, что оценка уверенности не выдаётся моделью и в формате ответа задаётся равной 1,0. Репозиторий распространяется по лицензии CC0-1.0.

Supra-Router-51M-zh-cn — компактная причинная языковая модель семейства Llama, дообученная разработчиком aifeifei798 на SupraLabs/Supra-Router-51M для маршрутизации запросов между локальной малой моделью и облачной большой моделью. Принимая текстовый запрос в формате `Task: [запрос]\nAnalysis: `, она генерирует строку с предполагаемой областью, оценкой сложности, признаками математики и кода, рекомендуемым маршрутом и кратким обоснованием. Модель содержит 51,8 млн параметров и рассчитана на контекст до 5120 токенов; карточка указывает английский и китайский языки, а примеры этой версии включают запросы на китайском. Назначение модели — предварительная классификация и маршрутизация пользовательских запросов в системах с несколькими моделями, в том числе на периферийных устройствах. Она генерирует структурированные текстовые признаки, а не выполняет саму маршрутизацию как отдельное действие. Обучение этой версии описано как дообучение на китайском наборе данных маршрутизации; указанная в общей карточке базовой модели схема меток определяет домен, сложность, наличие математики и кода, а также выбор малой или большой модели. Модель распространяется в формате safetensors по лицензии Apache-2.0. Небольшой размер позволяет рассматривать её для лёгкого предварительного отбора запросов, однако README сообщает о наборе всего из 992 примеров и не приводит независимой оценки качества именно этой версии. Структурный формат входа и выхода важен для применения; качество классификации и маршрутизации за пределами обучающих примеров может быть ограниченным.

Это исследовательский чекпойнт Jeesup на базе Meta Llama 3.1 8B Instruct: модель с архитектурой LlamaForCausalLM, сжатая методом SVD-LLM до 60,1% плотных параметров, а затем дополненная 0,1% бюджета параметров восстановленными компонентами, выбранными по правилу disc. Модель содержит около 7,5 млрд параметров, принимает текст и рассчитана на контекст до 131 072 токенов. Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов, и для сравнения правил восстановления компонентов. Он поддерживает генерацию текста и диалоговый сценарий; в метаданных также заявлен интерфейс вызова инструментов. README приводит измерения на AdvBench, StrongREJECT и WildGuard, но предупреждает, что модель не является универсальным чат-ассистентом и что сжатие может ухудшать защиту от вредоносных запросов. Лицензия — Llama 3.1; перед использованием необходимо учитывать её условия.

Jeesup/svd-safety-l31_remove30_swapgapiter_b010_r06 — исследовательский чекпойнт на базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM до 70% исходного числа плотных параметров: удалено 30,01% параметров. Затем к нему применили 6 из 10 раундов итеративной перестановки параметров по правилу gap_iter с бюджетом до 0,1% исходных параметров на раунд. Чекпойнт создан для исследования того, как SVD-сжатие влияет на безопасность и полезность модели и как разные правила выбора компонентов могут восстанавливать поведение. Он поддерживает генерацию текста и диалоговый интерфейс; размер составляет 7,5 млрд параметров, нативный контекст — 131 072 токена. В README приведены результаты на оценках безопасности: AdvBench ASR — 0,0800, StrongREJECT ASR — 0,2150, Macro over-refusal по WildGuard — 0,1007. Это экспериментальный объект для измерения компромиссов безопасности и полезности, а не универсальный помощник для развертывания. Некоторые варианты исследования намеренно имеют ослабленное безопасное поведение; этот чекпойнт следует самостоятельно оценить перед использованием. Лицензия — Llama 3.1.

test_efficientnet_gn.r160_in1k — очень компактная тестовая модель классификации изображений из библиотеки PyTorch Image Models (timm), обученная Россом Уайтманом на ImageNet-1k. Она использует архитектуру EfficientNet и содержит около 0,4 млн параметров; для входных изображений указан размер 160 × 160 пикселей. Модель также можно использовать как основу для извлечения карт признаков и визуальных эмбеддингов. Чекпойнт предназначен прежде всего для тестирования и sanity checks, а не для надёжной классификации в прикладных системах. В карточке приведены результаты сравнения с другими тестовыми моделями, но отдельная оценка качества этой модели не указана. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0.

tf_efficientnetv2_xl.in21k_ft_in1k — модель классификации изображений на архитектуре EfficientNetV2, созданная авторами соответствующей научной работы и перенесённая в PyTorch Россом Уайтманом. Модель предварительно обучена на ImageNet-21k, затем дообучена на ImageNet-1k; её также можно использовать как основу для извлечения признаковых карт и эмбеддингов изображений. Модель содержит около 208,1 млн параметров. Размер изображения при обучении составлял 384 × 384 пикселя, при тестировании — 512 × 512 пикселей. Репозиторий использует библиотеку timm и содержит веса в форматах PyTorch и Safetensors. Модель предназначена для распознавания объектов и категорий на изображениях, а также получения визуальных признаков для последующих задач. Она обучена на датасетах ImageNet и может быть ограничена их набором классов и распределением данных. Лицензия репозитория — Apache-2.0.

Thox-ai разработала ThoxMesh-Head-C6 — компактный классификатор для Seeed XIAO ESP32-C6, обученный с нуля и поставляемый в формате TFLite с квантованием int8. Модель использует 16 признаков и четыре головы: классифицирует события по 8 классам и предсказывает слоты цели, команды и аргумента. Она предназначена для обработки событий устройств в сетях Matter, Thread и Zigbee на микроконтроллере с ограниченной памятью. Точность классификации событий в приведённом README составляет 0,9979; F1 для классов motion и sensor_alert — 0,9903 и 0,9862. Строка действия собирается из перечислимых слотов и поэтому соответствует грамматике, однако это не гарантирует правильность выбранного устройства или команды. README прямо предостерегает от использования ветви действий: три из шести контрольных порогов не пройдены, а смысл целевого устройства остаётся неоднозначным. Данные синтетические, а не собранные на реальном оборудовании; нужны проверка на размеченных записях mesh-сети и проверка аргументов в прошивке. Лицензия репозитория — Apache-2.0.

TinyMix-8x1b-Chat — экспериментальная чат-модель, созданная автором srinivasbilla путём преобразования TinyLlama/TinyLlama-1.1B-Chat-v1.0 в архитектуру MoE с помощью ветки Mixtral в mergekit. Автор задумывал её как основу для дальнейшего дообучения, рассчитывая, что вариант с восемью экспертами даст лучшие результаты при дообучении, чем исходная модель на 1,1 млрд параметров. В метаданных указаны архитектура Mixtral MoE и около 1 млрд параметров. Модель предназначена для генерации текста в диалоговом формате: запрос пользователя передаётся как сообщение user, после которого следует ответ assistant. Заявленный контекст — 2048 токенов; карточка указывает английский язык и лицензию Apache-2.0. README описывает ранний эксперимент и обещает дальнейшую работу, но не приводит результатов, подтверждающих преимущество модели или её готовность к широкому применению.

tiny-random-phi — небольшая модель для генерации текста, опубликованная на Hugging Face под идентификатором hyper-accel/tiny-random-phi. README содержит автоматически созданную карточку без сведений о разработчике, точном типе модели, языках, лицензии, обучении и результатах оценки. Модель содержит около 19,7 млн параметров и рассчитана на контекст до 2048 токенов. Она предназначена для использования с библиотекой Transformers и форматом safetensors; метаданные связывают её с семейством Phi и задачей text generation. Благодаря небольшому размеру модель может применяться для проверки загрузки, интеграции и базовых сценариев генерации текста. Данных о качестве, тренировочном наборе, языковой поддержке и условиях лицензирования недостаточно. Перед использованием в продуктивных системах необходимы самостоятельная оценка, проверка лицензии и тестирование безопасности генерируемого текста.

hf-tiny-model-private/tiny-random-RobertaModel — небольшая модель семейства RoBERTa из набора HF tiny models, опубликованная на Hugging Face пользователем hf-tiny-model-private. Она предназначена для извлечения признаков из текста и получения текстовых представлений, а не для генерации текста или готовой классификации. Модель содержит около 71 тыс. параметров, поддерживает контекст до 512 токенов и связана с библиотеками Transformers, PyTorch и TensorFlow. В метаданных также указана совместимость с text-embeddings-inference. Поддерживаемые естественные языки и отдельная лицензия по доступным данным не установлены. Из-за крайне малого размера и обозначения tiny-random модель, вероятно, ориентирована на тестирование интеграций, конфигураций и пайплайнов RoBERTa, а не на качественное решение прикладных NLP-задач. На странице модели отсутствует model card, поэтому сведения о качестве, обучающих данных, бенчмарках и безопасном применении ограничены.

UIClip — мультимодальная модель BigLab для оценки скриншотов пользовательских интерфейсов по текстовому описанию. Она сопоставляет изображение интерфейса с текстом, чтобы оценить визуальное соответствие описанию и качество дизайна; также может формировать текстовые рекомендации по улучшению дизайна, как описано в публикации о модели. Модель построена на архитектуре CLIP с двумя Transformer-энкодерами и дообучена на наборе интерфейсов, собранном с помощью автоматического обхода сайтов, синтетического расширения данных и оценок людей. Её применяют для оценки результатов генерации UI-кода, подсказок по дизайну и поиска примеров интерфейсов с учётом качества. Модель рассчитана на английский язык; в метаданных указана задача zero-shot image classification, поэтому для каталога она классифицируется по этому pipeline. В публикации авторы сообщают о более высоком согласии оценок модели с ранжированием 12 дизайнеров по сравнению с рассмотренными базовыми методами. Лицензия — MIT. Модель оценивает визуальное соответствие и качество по изученным данным, поэтому её баллы и рекомендации не следует считать заменой пользовательского тестирования или экспертной оценки.

Unrealistic v1 — компактная языковая модель SohamProgrammer, обученная с нуля на Apple Silicon с помощью MLX. Это причинный декодерный трансформер семейства LLaMA с 189,7 млн параметров, 14 слоями, контекстом 1024 токена и словарём SentencePiece на 32 тыс. токенов. Репозиторий содержит веса Safetensors и вариант GGUF F16; модель также доступна для загрузки через Transformers. Модель предназначена для генерации текста в диалоговом формате и базовых задач вроде простых математических вопросов, ответов на общие вопросы и коротких фрагментов кода. Она обучалась на смесях диалоговых, синтетических и других текстовых данных, включая OpenAssistant, UltraFeedback и UltraChat. Разработчик приводит результаты собственных проверок, но они не гарантируют качество на новых запросах. Модель лучше использовать для экспериментов и лёгких локальных сценариев, чем для сложных рассуждений. Основной заявленный язык — английский. По данным автора, модель слаба в задачах на большие числа, глубоком программировании, биологии, многошаговых рассуждениях и выполнении сложных инструкций; на других языках работает хуже. Возможны вымышленные сведения о сущностях и датах. Лицензия репозитория — Apache-2.0.

Video Depth Anything Base (Metric) (MLX) — конверсия модели depth-anything/Metric-Video-Depth-Anything-Base от ByteDance в формат MLX. Модель оценивает глубину по монокулярному видео, выдавая абсолютные значения в метрах с временной согласованностью между кадрами. Архитектура сочетает backbone DINOv2 и временную голову DPT; это вариант Base Metric. Модель предназначена для оценки глубины в видеопотоках, когда нужны метрические значения, а не только относительная карта глубины. Конверсия проверена сравнением с PyTorch-версией: в README указана максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU с fast-math Metal. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Hansung Cho разработал YOLOv8n, дообученную на пользовательском наборе данных для обнаружения средств индивидуальной защиты на строительных и промышленных площадках. Модель находит людей, каски, маски и сигнальные жилеты, а также классы отсутствующих средств защиты, возвращая рамки объектов и метки классов. Для репозитория указаны Ultralytics, PyTorch и лицензия MIT. Модель предназначена для анализа изображений и видеопотока с камер наблюдения или веб-камер, автоматической проверки ношения СИЗ и прототипов систем предупреждений. Валидационные показатели на наборе автора: mAP@0.50 — 0,744, mAP@0.50:0.95 — 0,436, точность — 0,831. Данные обучения включали RGB-изображения строительной тематики с размеченными рамками; сам набор данных не входит в репозиторий.

zoobot-encoder-efficientnet_b0 — визуальный энкодер семейства EfficientNet-B0, опубликованный mwalmsley для проекта Zoobot. Модель предназначена для извлечения признаковых векторов из изображений; её можно загружать как энкодер через библиотеку timm и использовать как основу для последующего обучения классификатора или других задач компьютерного зрения. В карточке указаны формат PyTorch и лицензия GPL-3.0. README не сообщает размер модели, набор данных, обучающие характеристики или специализацию на конкретном типе изображений. Поэтому качество признаков для отдельных предметных областей по этой карточке оценить нельзя.

weiser/30M-0.4 — небольшая языковая модель, разработанная в рамках проекта TinyLLM для локального запуска на устройствах с ограниченными вычислительными ресурсами, например одноплатных компьютерах. Модель основана на архитектуре GPT-2: это плотный авторегрессионный трансформер-декодер с 30 млн параметров и размером скрытого слоя 384. Модель обучалась на данных сенсоров и текстовых данных из SHL и FineWeb в соотношении 4:6, суммарно до 10 млрд токенов. Она предназначена как базовая модель для последующего дообучения под задачи встроенных сенсорных систем. Принимает и генерирует текст, поддерживает английский язык, а контекстное окно составляет 1024 токена. Для работы используются Transformers и веса в формате safetensors. Модель выпущена по лицензии Apache-2.0. Разработчики указывают исследовательское назначение; качество для конкретной прикладной задачи зависит от последующего дообучения.

caformer_s18.sail_in22k — модель классификации изображений семейства CAFormer, разработанная авторами статьи MetaFormer Baselines for Vision и обученная на ImageNet-22k. Её также можно использовать как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Модель содержит около 69 млн параметров, имеет вычислительную стоимость 4,2 GMAC и рассчитана на изображения размером 224 × 224 пикселя. Она принимает изображения и выдаёт классовые оценки; также поддерживает извлечение визуальных признаков. Репозиторий содержит веса PyTorch и Safetensors, для работы используется библиотека timm. Лицензия — Apache-2.0. Модель предназначена для классификации изображений и извлечения признаков; качество вне обучающего набора ImageNet-22k и для изображений другого размера в карточке не охарактеризовано.