II.2Создание и понимание программного кода

tf_mobilenetv3_small_075.in1k — компактная модель классификации изображений семейства MobileNetV3. Её обучили на ImageNet-1k авторы статьи в TensorFlow, затем Ross Wightman перенёс веса в PyTorch; модель доступна через библиотеку timm. В ней около 2 млн параметров, она рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для классификации изображений по категориям ImageNet-1k и может использоваться как основа для извлечения признаков и получения эмбеддингов изображений. Компактный размер делает её подходящей для приложений с ограниченными вычислительными ресурсами. Лицензия репозитория — Apache-2.0. Карточка не приводит метрик качества; результаты на других наборах данных и для задач, отличных от классификации ImageNet-1k, не описаны.

timm/vgg13_bn.tv_in1k — сверточная модель классификации изображений семейства VGG13 с пакетной нормализацией, опубликованная в timm. Она обучена на ImageNet-1k и основана на оригинальных весах torchvision. Модель содержит около 133,1 млн параметров, требует изображения размером 224 × 224 пикселя и может использоваться как классификатор или как сверточная основа для извлечения признаков и эмбеддингов изображений. Модель подходит для определения объектов и сцен из набора классов ImageNet-1k, а также для построения визуальных признаков в прикладных системах компьютерного зрения. Карточка указывает лицензию BSD-3-Clause. Веса предназначены для классификации ImageNet; карточка не сообщает о поддержке других наборов классов или языковых возможностей.

timm/vit_5b_patch16_sapiens2.fb — конвертированное для timm представление предобученного зрительного бэкбона Sapiens2-5B, разработанного Meta. Это Vision Transformer с RoPE, GQA, SwiGLU, RMSNorm и QK-нормализацией, содержащий около 5,071 млрд параметров. Модель обучена на 1 млрд изображений людей и выдаёт плотные признаки по патчам изображения для настройки специализированных моделей. Бэкбон предназначен для извлечения признаков и инициализации голов для оценки позы, сегментации частей тела, предсказания нормалей поверхности и карт точек тела. Репозиторий содержит веса safetensors с именами параметров, преобразованными под timm; веса не дообучались. Применяется лицензия Sapiens2 License.

Это крупная модель Vision Transformer (ViT) для извлечения признаков из изображений. Её предварительно обучили авторы статьи «An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale» на ImageNet-21k в JAX, а затем перенёс в PyTorch Ross Wightman. Модель распространяется в репозитории timm/vit_large_patch16_224.orig_in21k и использует библиотеку timm. Архитектура ViT-Large разбивает изображение на патчи 16×16; ожидаемый размер изображения — 224×224. В модели около 303,3 млн параметров. Классификационной головы нет: модель предназначена прежде всего для получения признаковых представлений и как основа для последующего дообучения под классификацию или другие задачи компьютерного зрения. Модель принимает изображения и выдаёт признаки. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные ограничения качества или области применения; для практических задач может потребоваться отдельная классификационная голова или дообучение.

Это преобразованный в формат Hugging Face чекпойнт wav2vec 2.0 Base от Fairseq, подготовленный пользователем techsword. Модель с 113,3 млн параметров предварительно обучена примерно за 85 тысяч обновлений на 730-часовой подвыборке LibriSpeech; веса сохранены в safetensors. Конверсию выполнили официальным конвертером Transformers и проверили сравнением весов и результатов прямого прохода с исходной моделью Fairseq. Модель предназначена для извлечения признаков из аудио и может служить основой для экспериментов и последующей настройки задач обработки речи. В README также упомянуты эксперименты с tone-probe. Для использования указана лицензия Apache 2.0.

XCiT-Tiny/12 с патчами 16×16 и входным разрешением 224×224 — модель классификации изображений на основе Cross-Covariance Image Transformer. Она разработана авторами XCiT и предварительно обучена на ImageNet-1k с дистилляцией. Модель содержит 6,7 млн параметров и может использоваться как классификатор или визуальная основа для извлечения признаков и эмбеддингов изображений. Модель предназначена для классификации изображений по категориям ImageNet-1k и получения визуальных представлений. Репозиторий предоставляет веса PyTorch и safetensors; для работы указана библиотека timm. Лицензия — Apache-2.0.

AlterEgo-373M — компактная языковая модель jbomdev с архитектурой LlamaForCausalLM, разработанная и обученная с нуля, а затем настроенная для диалога. Репозиторий содержит конверсию исходного чекпойнта в формат Transformers; автор сообщает о численно точном соответствии исходной версии. Модель имеет 373,3 млн параметров и контекст 2048 токенов. Модель предназначена для генерации текста и многоходового чата в формате ChatML, а также для изучения полного цикла создания и локального развёртывания LLM. Предобучение проводилось примерно на 10 млрд токенов FineWeb-Edu, а настройка на диалог — на UltraChat-200K. Модель рассчитана на английский язык; для запуска поддерживаются Transformers, vLLM и инструменты работы с GGUF. Небольшой размер делает модель подходящей для экспериментов и локального запуска, но она может ошибаться, повторяться и терять связность на длинных или сложных запросах. Автор не рекомендует её как готового пользовательского ассистента; модель не проходила RLHF/DPO-настройку безопасности и может выдавать предвзятый или нежелательный текст. Лицензия — Apache-2.0.

Bella Bartender Gemma E2B — разговорная модель с выраженной непринуждённой личностью, созданная JuiceB0xC0de на основе дообучения Gemma 4 E2B IT. Она рассчитана на дружеский диалог в стиле внимательного собеседника и подходит для повседневных разговоров, обсуждения отладки и других тем в неформальном тоне. Модель использует плотную архитектуру Gemma 4 и выдаёт текст; метаданные указывают поддержку английского языка и диалогового режима. Для формирования характерного голоса автор применил экспериментальную методику Sub-Zero, которая выборочно ограничивает обучение отдельных направлений в скрытых представлениях модели. По заявлению автора, обучение использовало 10 000 тщательно отобранных диалоговых пар, написанных в стиле одного человека. Модель распространяется по лицензии Gemma. Персональный стиль и данные одного автора могут отражать его взгляды и манеру общения. Автор предупреждает о галлюцинациях и о том, что разговорные ограничения базовой модели намеренно ослаблены; модель не следует считать специализированной настройкой безопасности. Методика Sub-Zero описана как экспериментальная.

Модель разработал Jaime Guimarães (UFMG): это дообученная версия neuralmind/bert-base-portuguese-cased для определения конца реплики в диалогах на бразильском португальском. Она использует BERT и классификатор последовательностей с двумя метками: LABEL_1 означает, что фраза, вероятно, завершена, а LABEL_0 — что пользователь может продолжить её. Модель предназначена для разговорных агентов, которым нужно решать, когда передавать сообщение основной языковой модели или отправлять ответ. Модель содержит 136,1 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса с оценкой уверенности. В README указана задержка CPU около 15–30 мс; приведённая целевая метрика F1 — 0,85 на отложенной выборке. Для обучения использовались диалоги бразильской клиентской поддержки, дополненные искусственно усечёнными репликами и короткими разговорными примерами. Модель распространяется по лицензии MIT. Её можно использовать для буферизации сообщений до завершения мысли, адаптивного ожидания ввода и маршрутизации реплик в разговорном агенте. Оценка завершённости зависит от обучающих данных и эвристик их подготовки, поэтому результат следует проверять на целевых сценариях, особенно при нестандартных стилях общения.

bigstral-12b-v0.2-32k — плотная авторегрессионная языковая модель семейства Mistral, опубликованная Abacus AI. Она получена самопереплетением Mistral-7B-v0.2 методом passthrough в MergeKit и рассчитана на дальнейшее предварительное обучение, а не на готовый диалоговый сценарий. Число параметров — 12,3 млрд, контекст — до 32 768 токенов; модель работает с текстом и распространяется в формате Safetensors через Transformers. Модель подходит для экспериментов с продолжением предварительного обучения и дальнейшей адаптацией языковых моделей. README указывает Mistral-7B-v0.2 как включённую в слияние модель; метаданные также связывают репозиторий с производной от alpindale/Mistral-7B-v0.2-hf. Для модели указана лицензия Apache-2.0.

BigVGAN — нейронный вокодер, разработанный Sang-gil Lee, Wei Ping, Boris Ginsburg, Bryan Catanzaro и Sungroh Yoon. Репозиторий nvidia/bigvgan_22khz_80band содержит предобученный вариант для преобразования мел-спектрограммы в звуковую волну с частотой дискретизации 22 кГц и 80 мел-полосами. Модель предназначена для синтеза аудио по мел-спектрограмме, например как компонент системы синтеза речи. В BigVGAN-v2 используются генераторная архитектура вокодера и методы обучения на разнообразных аудиоданных; для ускорения инференса доступно CUDA-ядро. README также описывает варианты BigVGAN с другими частотами дискретизации и конфигурациями, но их характеристики не следует переносить на этот чекпойнт. Для ускоренного CUDA-инференса требуются CUDA, nvcc и ninja; в README указана проверка с CUDA 12.1. Репозиторий распространяется по лицензии MIT.

timm/convnext_large.fb_in1k — свёрточная модель семейства ConvNeXt для классификации изображений и извлечения визуальных признаков. Она обучена авторами статьи «A ConvNet for the 2020s» на ImageNet-1k и распространяется через библиотеку timm. Модель содержит около 197,8 млн параметров; рекомендуемый размер изображения — 224 × 224 для обучения и 288 × 288 для оценки. Модель подходит для отнесения изображений к классам ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Её можно использовать как визуальный backbone в прикладных компьютерных зрениях системах. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

CPUBone B0 bfrobust — модель классификации изображений и извлечения визуальных признаков, разработанная авторами работы CPUBone и представленная в формате весов timm. Архитектура сочетает варианты grouped MBConv, уменьшенные свёрточные ядра и механизм внимания LowFormer в двух последних этапах. Модель содержит около 10,4 млн параметров и рассчитана на изображения 224 × 224 пикселя; обучение выполнено на ImageNet-1k. Модель предназначена для классификации изображений по классам ImageNet-1k, получения эмбеддингов изображений и извлечения многомасштабных карт признаков. Её архитектура ориентирована на эффективный вывод на CPU, в том числе на устройствах с ограниченными возможностями параллельной обработки. Для предобработки используются бикубическое масштабирование, нормализация со статистиками ImageNet и центральное кадрирование. В отчёте авторов для разрешения 224 пикселя указана точность ImageNet-1k Top-1 77,632% и Top-5 93,548% в FP32. Фактическая задержка CPU зависит от оборудования, среды выполнения, способа экспорта и размера пакета. Лицензия — Apache 2.0.

CPUBone T0 — модель классификации изображений и извлечения признаков, опубликованная в формате timm. Авторы статьи обучили этот чекпойнт на ImageNet-1k, а затем преобразовали веса в формат state-dict библиотеки timm. Архитектура сочетает варианты grouped MBConv, уменьшенные свёрточные ядра и механизм внимания LowFormer в двух последних стадиях. Модель рассчитана на эффективный вывод на CPU и балансирует небольшое число операций с производительностью на оборудовании с ограниченным параллелизмом. Она содержит 7,5 млн параметров, требует около 0,3 GMACs и рассчитана на изображения 224 × 224 пикселя. Помимо классификации ImageNet-1k, модель можно применять для получения эмбеддингов изображений и многомасштабных карт признаков. Для предобработки используются интерполяция bicubic, центрированное кадрирование с crop_pct=0.95 и среднее и стандартное отклонение ImageNet. Фактическая задержка на CPU зависит от оборудования, среды выполнения, способа экспорта и размера пакета. Модель распространяется по лицензии Apache 2.0.

DenseK3-4B — текстовая базовая авторегрессионная языковая модель, созданная независимым разработчиком qinfu19 на основе Qwen/Qwen3.5-4B-Base. Модель перенесена на гибридную архитектуру Dense K3: 24 слоя Kimi Delta Attention (KDA) и 8 слоёв Multi-head Latent Attention (MLA), а также использует Block AttnRes, Dense SiTU-GLU и True Latent Cache. В отличие от полной архитектуры Kimi K3, здесь сохранён плотный FFN без LatentMoE. Модель предназначена для исследований переноса архитектур, гибридных рекуррентных и attention-моделей, длинного контекста, восстановления моделей и дистилляции, а также для контролируемой генерации текста и экспериментов с последующим дообучением. Это не чат-модель, обученная следовать инструкциям. В метаданных указаны 3,4 млрд параметров и контекст 262 144 токена; README приводит точное число эффективных параметров — около 4,23 млрд. Модель принимает и выдаёт только текст; в карточке указаны английский и китайский языки. В опубликованном сравнении DenseK3-4B уступает базовой Qwen3.5-4B-Base по MMLU и perplexity на WikiText-103; качество на длинном контексте проверено не далее 128K для стандартизированных задач. Модель не прошла специальную safety-alignment и может выдавать неточные, предвзятые или небезопасные ответы. Для инференса подтверждён путь через Transformers с реализацией модели из репозитория. Лицензия — Apache-2.0.

Dog Facial Landmarks (DogFLW, 46 points) — двухэтапная модель анализа морд собак, разработанная hugocornellier. Первый этап локализует морду, второй предсказывает 46 ориентиров DogFLW на обрезанном изображении. Модели доступны в форматах TensorFlow и TFLite; локализатор построен на EfficientNetB2 с входом 224×224, детектор ориентиров — на MobileNetV3-Large с входом 384×384. TFLite-экспорт имеет точность float16 и статические размеры входа. Модель предназначена для определения координат частей морды собаки в мобильных приложениях и других сценариях компьютерного зрения. Она выдаёт ограничивающую рамку морды и нормализованные координаты ориентиров относительно обрезки; для получения координат исходного изображения требуется обратное преобразование рамки и обрезки. На валидационном наборе DogFLW из 480 изображений NME_IOD детектора ориентиров составляет 8,56, а IoU локализатора — 0,79. Автор отмечает, что ориентиры ушей предсказываются заметно менее точно, чем глаз. Веса распространяются по лицензии CC-BY-NC-4.0, которая ограничивает коммерческое использование. Для выполнения графа landmark-модели на GPU могут потребоваться GPU delegate и корректно экспортированная версия графа; на CPU доступен XNNPACK. Модель обучена на собачьих изображениях и не предназначена для обобщения на другие виды.

kittn/eupe_vitb16 — конверсия EUPE ViT-B/16 от Facebook в формат Hugging Face Transformers с архитектурой DINOv3 ViT. Модель содержит 113,2 млн параметров; её выход last_hidden_state представляет признаки изображения, поэтому её можно использовать как визуальный энкодер для извлечения представлений и построения последующих моделей компьютерного зрения. Архитектура включает 12 слоёв, скрытый размер 768, 12 голов внимания, четыре register-токена и патчи размером 16 пикселей. Для меньшего расхождения с исходным путём инференса README рекомендует запуск на CUDA с bf16 autocast. Реализация RoPE в стандартном коде Hugging Face не совпадает побитово с эталонной реализацией EUPE; README описывает способ восстановить такое совпадение. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в исходной карточке EUPE ViT-B. Модель предназначена для извлечения признаков изображений, а не для непосредственной генерации подписей или ответов на вопросы о них.

EVA Large Patch14 196 — модель компьютерного зрения для классификации изображений и получения визуальных признаков. Чекпойнт опубликован авторами paper EVA и предоставлен в библиотеке timm; он содержит около 304,1 млн параметров и рассчитан на изображения размером 196 × 196 пикселей. Модель предварительно обучена на ImageNet-22k с помощью masked image modeling, где EVA-CLIP использовалась как учитель, а затем дообучена на ImageNet-22k и ImageNet-1k. Её можно применять для отнесения изображений к классам и как визуальный backbone для извлечения признаков. В карточке приведены метрики классификации на ImageNet-1k и пример получения эмбеддингов. Чекпойнт распространяется в формате PyTorch/safetensors под лицензией MIT. В репозитории timm веса сохранены в float32; оригинальные версии некоторых чекпойнтов доступны в float16 или bfloat16. Работа модели описана для классификации изображений, поэтому точность и пригодность для других наборов данных или задач следует проверять отдельно.

Это детектор объектов YOLOv8l от автора dronefreak, дообученный на наборе ExDark в рамках DetectionBench. Он предназначен для обнаружения объектов на тёмных изображениях и в условиях слабого освещения. Модель принимает изображения и выдаёт обнаруженные объекты с рамками и оценками; распознаёт 12 классов: велосипеды, лодки, бутылки, автобусы, автомобили, кошек, стулья, чашки, собак, мотоциклы, людей и столы. В README приведены результаты на тестовой части ExDark: mAP@50 — 75,26%, mAP@50–95 — 48,48%, точность — 81,44%. Репозиторий использует формат PyTorch и библиотеку Ultralytics. Лицензия модели указана как AGPL-3.0; README также сообщает об ограничении некоммерческого использования, связанном с датасетом ExDark. Качество для редких классов может быть неопределённым из-за малого размера выборки и сильного дисбаланса классов: на людей приходится около 46% размеченных объектов, а автобусы встречаются реже всего. Данные были преобразованы сторонним экспортом Roboflow и заранее приведены к размеру 640×640, поэтому перенос результатов на другие условия съёмки может быть ограничен.

Face-Recognition-NM — классификатор изображений на базе Vision Transformer (ViT), автоматически созданный с помощью HuggingPics. Модель предназначена для классификации изображений; название указывает на распознавание лиц, однако карточка не уточняет классы и сценарии распознавания. В модели около 113,2 млн параметров, веса доступны в формате Safetensors. Модель может служить основой для экспериментов с классификацией изображений и распознаванием лиц. В README предлагается создавать собственные классификаторы через демонстрацию в Google Colab. Лицензия и конкретные ограничения применения в карточке не описаны.

Filtered — Base (1.7B) — базовая предварительно обученная языковая модель, разработанная dlab-spp и обученная с нуля на архитектуре SmolLM2-1.7B. Во время предобучения функция потерь не учитывала документы, размеченные как небезопасные. Модель использует токенизатор SmolLM2 с размером словаря 49 152 и обучалась примерно на 100 млрд токенов из подмножества смеси Olmo 3 Dolma 3. Модель предназначена для продолжения текста, исследовательского анализа поведения в задачах alignment и safety, а также для дальнейшего дообучения. Это базовая модель без instruction tuning и шаблона чата; её не следует использовать как готового диалогового помощника. Доступны промежуточные контрольные точки обучения, пригодные для оценки, исследования и дообучения, но без состояний оптимизатора и генератора случайных чисел они не позволяют точно возобновить исходный запуск обучения. Модель содержит 1,7 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и нативный контекст 2 048 токенов. Карточка указывает английский язык. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией в репозитории перед применением. Модель может выдавать неверный или небезопасный контент.

sfairXC/FsfairX-Gemma2-RM-v0.1 — модель вознаграждения на основе Gemma-2-9B, обученная по рецептам RLHF Workflow с применением Vanilla BT. Она оценивает ответы диалоговой модели и предназначена для использования в RLHF, например при ранжировании вариантов ответа и обучении моделей-помощников. В карточке приведены результаты RewardBench: Chat — 98,04; Chat Hard — 65,35; Safety — 89,54; Reasoning — 92,31. Модель имеет архитектуру Gemma2ForSequenceClassification, содержит 9 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов. В метаданных указаны формат safetensors и задача text-classification. README не сообщает лицензию и языки обучения или применения.

Это зеркало официального чекпойнта GCNet-L для датасета Cityscapes, разработанного авторами GCNet и представленного на CVPR 2025. Веса перепубликованы без изменений для загрузки через Hugging Face Hub; из исходного обучающего чекпойнта удалено состояние оптимизатора. Модель построена на архитектуре Golden Cudgel Network, содержит около 45,2 млн параметров и требует PyTorch и совместимой версии mmsegmentation с зарегистрированными компонентами GCNet. Модель предназначена для семантической сегментации изображений городских сцен Cityscapes. Она присваивает пикселям изображения семантические классы, что подходит для анализа дорожной обстановки и сцен автономного вождения. Для загрузки нужны компоненты mmsegmentation из исходного репозитория GCNet: стандартная установка mmsegmentation эти компоненты не содержит. Лицензия репозитория — MIT.

Это конвертированная в формат MLX модель семейства Gemma 4 от mlx-community, созданная на основе google/gemma-4-31B-it-assistant. Она служит компактной моделью-помощником MTP для спекулятивного декодирования: четырёхслойный drafter предлагает несколько следующих токенов, а целевая модель Gemma 4 проверяет их одним проходом, ускоряя генерацию текста в совместимой связке. При температуре 0 результат побайтно совпадает с генерацией без drafter. Для одиночных запросов рекомендован размер блока 6, для пакетной генерации — 3. Модель предназначена для запуска через MLX и mlx-vlm; совместимость зависит от целевой модели и конвейера спекулятивного декодирования. Лицензия — Gemma.

GLM-5.3-Flash-DFlash — черновая модель DFlash от Modal Labs для ускорения генерации с помощью спекулятивного декодирования. Это не самостоятельная языковая модель: её используют вместе с целевой моделью zai-org/GLM-5.3-Flash в совместимом сервере, например SGLang с поддержкой DFlash для GLM-5.3-Flash. Модель на архитектуре DFlash2DraftModel имеет 1,8 млрд параметров и принимает текст, предлагая блоки токенов параллельно. Целевая модель проверяет предложения, сохраняя своё распределение выходов; задача черновой модели — увеличить пропускную способность обслуживания. В метаданных указано контекстное окно 1 048 576 токенов, однако для использования требуется целевая модель и сервер с необходимыми DFlash capture hooks. Модель распространяется по лицензии MIT.

Ray2333/gpt2-large-helpful-reward_model — модель на базе GPT-2 Large, обученная разработчиком на наборе Anthropic/hh-rlhf helpful dataset. Она предназначена для классификации ответов ассистента по полезности и может использоваться как reward model в конвейерах RLHF для оценки или отбора ответов. Модель имеет архитектуру GPT2ForSequenceClassification, принимает текст и выдаёт результат классификации. Максимальная длина контекста составляет 1024 токена. В README указана точность 0,72621 на тестовой выборке; автор отмечает, что результат близок к показателям более крупных моделей. Для инференса нужно использовать форматирование примеров, соответствующее Anthropic/hh-rlhf. Модель обучена на helpful-части датасета и отличается от reward-моделей, обученных на полном наборе. Лицензия — MIT.

Hiera Tiny 224 MAE — модель компьютерного зрения из семейства Hiera, опубликованная авторами архитектуры и доступная через библиотеку timm. Это иерархический Vision Transformer с 27,1 млн параметров, предварительно обученный на ImageNet-1k методом Self-Supervised Masked Autoencoder (MAE). Модель рассчитана на изображения размером 224 × 224 и может использоваться для классификации изображений, извлечения карт признаков и получения векторных представлений. Модель подходит как готовый визуальный backbone для экспериментов и прикладных систем распознавания объектов по изображениям, а также для построения признаков в последующих задачах компьютерного зрения. В карточке указаны вычислительная сложность 4,7 GMACs и 14,6 млн активаций. Доступны веса в форматах PyTorch и Safetensors. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Модель предварительно обучена на ImageNet-1k; её качество на других наборах данных и типах изображений может отличаться.

AI-MO/Kimina-Prover-Distill-1.7B — компактная модель для автоматического доказательства теорем, разработанная командами Project Numina и Kimi. Это плотная причинная языковая модель семейства Qwen3 с 1,7 млрд параметров, дообученная дистилляцией Kimina-Prover-72B, которая обучалась с применением обучения с подкреплением. Модель предназначена для решения задач в стиле математических соревнований и работы с доказательствами на Lean 4. В карточке сообщается точность 72,95% Pass@32 на тестовом наборе MiniF2F. Модель доступна в формате safetensors, поддерживает генерацию текста и диалоговый интерфейс; метаданные указывают контекст 40 960 токенов и английский язык. Лицензия — Apache-2.0. Для применения нужны среда вывода и инструменты Lean 4; указанная метрика не гарантирует такой же результат на других задачах.

LeViT-192.fb_dist_in1k — модель компьютерного зрения семейства LeViT, опубликованная в timm. Это свёрточный вариант архитектуры, использующий nn.Conv2d и nn.BatchNorm2d; он предварительно обучен авторами статьи на ImageNet-1k с дистилляцией. Модель содержит 10,9 млн параметров, рассчитана на изображения размером 224 × 224 и требует около 0,7 GMACs на изображение. Модель предназначена для классификации изображений по 1000 классам ImageNet-1k и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Компактный размер и низкая вычислительная стоимость подходят для задач классификации с ограниченными ресурсами. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0.

shirasko/llama-3.1-8b-instruct-snmf-wmdp-cyber — дообученный методом SNMF чекпойнт Meta Llama 3.1 8B Instruct. Он предназначен для диалоговой генерации текста; при обучении применено забывание целевого концепта wmdp-cyber. По метаданным модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а её контекст составляет 131072 токена. В карточке приведены результаты проверки забывания: эффективность на тесте — 0,522, специфичность — 0,949, гармоническое среднее — 0,673; точность QA после обработки снизилась с 0,48 до 0,36. Модель рассчитана на английский язык. Лицензия в предоставленных данных не указана.