II.8Инженерия данных и аналитика

Bacformer-masked-MAG — трансформерная модель для бактериальной геномики, разработанная исследовательскими группами Floto Lab Кембриджского университета и Brbić Lab EPFL под руководством Maciej Wiatrak. Она обрабатывает упорядоченный по геномным координатам набор белков генома и формирует контекстные представления белков с учётом остальных белков организма. Модель обучена предсказывать семейство замаскированного белка и предназначена для анализа геномов, включая метагеномные сборки, и адаптации к последующим задачам классификации. Архитектура — Bacformer, плотный трансформер с классом BacformerForMaskedGM; карточка указывает 33,2 млн параметров, а README — 27 млн параметров базового трансформера. Белковые последовательности сначала кодируются ESM-2 t12 35M усреднением токенных эмбеддингов аминокислот, затем трансформер учитывает порядок белков, contig-эмбеддинги и геномный контекст. Контекст ограничен 6 000 белков. Обучение проводилось на примерно 1,3 млн метагеномно собранных бактериальных геномов; поддерживаемые языки — не естественные языки, а последовательности белков. Модель подходит для предсказания семейств белков и получения контекстных представлений для downstream-анализа бактериальных геномов. В метаданных также указаны задачи классификации текста и токенов, однако основное назначение карточки — fill-mask. Распространяется по лицензии Apache 2.0.

Модель разработана Кристианом Унтару в рамках академического проекта SortMed в Западном университете Тимишоары. Это классификатор медицинских текстов на основе RoBERTa с bottleneck-адаптерами: базовый энкодер заморожен, а адаптеры и классификационная голова дообучены. Модель содержит 151,8 млн параметров и принимает короткое описание симптомов на английском языке; контекст — до 514 токенов. Модель относит описание к одной из трёх категорий предварительной оценки срочности: самонаблюдение, консультация врача общей практики или срочная помощь. Она предназначена для академических прототипов, сравнения методов классификации медицинских текстов и экспериментов с параметрически эффективным дообучением. В тестировании на небольшом отложенном наборе показаны accuracy 0,783 и macro recall 0,7818. Обучение проводилось на небольшом наборе примеров, полученных из SymCAT; метки сформированы по правилам и не проверены медицинскими специалистами. Модель не ставит диагноз, не учитывает индивидуальную медицинскую историю и не подходит для самостоятельной оценки экстренных состояний или обработки текстов на других языках. Лицензия — MIT; автор указывает академическое и исследовательское назначение, а практическое применение требует клинической проверки и медицинских мер безопасности.

Cosmos3-ours-RB-Y1 — мульт ракурсная видеомодель мира для робототехники, разработанная на основе NVIDIA Cosmos3-Nano и дообученная на телеметрических демонстрациях RB-Y1 и WujiHand2. Модель объединяет backbone Qwen3-VL-8B MoT с диффузионным экспертом и содержит около 15,22 млрд параметров. Архитектура Cosmos3 Omni-4D использует многовидовую упаковку данных, явное кондиционирование по камерам и совместно обученную голову отслеживания 3D-точек. Модель предназначена для генерации продолжений видео по исходным кадрам с эго- и внешнего ракурсов, а также для предсказания покадровых 3D-траекторий точек руки и манипулятора робота. Обучение проводилось на 100 эпизодах телоуправления; демонстрации содержат два статичных ракурса, а прогнозируемые координаты заданы в системе координат основания робота. Указана лицензия other; перед применением следует проверить её условия в репозитории модели.

vojtam/DNAGPT2_512 — авторегрессионная модель семейства DNAGPT2, разработанная для моделирования геномных последовательностей. Это декодерный трансформер на архитектуре GPT-2 Small с примерно 86 млн параметров, 12 слоями и контекстом 1 024 токена; модель обучена с нуля на геномах разных видов из набора, предоставленного авторами DNABERT-2. Она принимает последовательности ДНК из символов A, C, G и T и предсказывает вероятности следующего токена. Модель предназначена для предсказания следующего фрагмента последовательности и сжатия ДНК при совместном использовании с арифметическим кодированием. Обучающий набор охватывает позвоночных, грибы, простейших, беспозвоночных и бактерии. В README приведены результаты оценки семейства DNAGPT2 на нескольких геномных наборах; для варианта DNAGPT2_32 сообщается более низкое число бит на символ, чем у gzip, однако эти результаты не являются оценкой именно варианта с размером словаря 512. Репозиторий использует формат safetensors, библиотеку Transformers и лицензию Apache-2.0. Модель обучалась на алфавите A/C/G/T: символ N для неоднозначных нуклеотидов был исключён из обучающих данных, что ограничивает прямое применение к последовательностям с такими символами.

FishCaduceus-28L-1024 — специализированная модель языка ДНК для геномов рыб из семейства FishCaduceus, разработанная на архитектуре Caduceus. Это плотная двунаправленная модель пространства состояний с 28 слоями и размерностью скрытого представления 768; она обучена предсказывать замаскированные нуклеотиды и обрабатывает последовательности посимвольно, на уровне отдельных нуклеотидов. Контекст предобучения составляет 1024 нуклеотида, число параметров — 231,2 млн. Модель предназначена для анализа геномных последовательностей рыб: предсказания нуклеотидов, получения представлений последовательностей, дообучения и переноса на задачи геномной аннотации, сравнительной геномики и изучения вариантов и регуляторных участков. Модель может служить источником признаков для последующих задач, однако сама по себе оценка последовательности не подтверждает её биологическую функцию или причинную роль. Качество может снижаться для других таксономических групп и меняться в зависимости от вида, участка генома, длины последовательности и постановки задачи; длинные последовательности следует делить на окна с учётом контекста предобучения. Репозиторий содержит пользовательский код Transformers и при загрузке требует trust_remote_code=True. Лицензия — Apache-2.0.

FishCaduceus-28L-512 — специализированная ДНК-языковая модель семейства FishCaduceus для анализа геномных последовательностей рыб. Модель разработана для изучения закономерностей в рыбных геномах и обучена предсказывать замаскированные нуклеотиды; её представления подходят для переноса на последующие задачи геномики. Модель построена на двунаправленной архитектуре Caduceus со state-space-моделированием и компонентами, учитывающими обратный комплемент. Она содержит 28 слоёв, скрытое измерение 768 и 231,2 млн параметров; токенизация посимвольная, на уровне отдельных нуклеотидов, размер словаря — 8. Контекст предобучения составляет 512 нуклеотидов. Модель принимает ДНК-последовательности и выдаёт оценки для восстановления нуклеотидов и скрытые представления последовательностей. Модель предназначена для исследовательских задач: извлечения признаков, аннотации геномов рыб, сравнительной и эволюционной геномики, а также предварительного изучения вариантов и регуляторных последовательностей. Она лицензирована по Apache-2.0. Качество может снижаться для организмов за пределами рыб и различаться между видами, участками генома и задачами; длинные последовательности следует обрабатывать окнами до 512 нуклеотидов. Оценки модели сами по себе не подтверждают функцию или причинность, а загрузка требует пользовательского кода модели.

gena-lm-bert-base-yeast — предварительно обученная модель семейства GENA-LM от AIRI Institute для работы с последовательностями ДНК дрожжей Saccharomyces cerevisiae. Она обучена на геномах 142 штаммов с задачей masked language modeling: модель восстанавливает замаскированные токены последовательности и может служить основой для дообучения на классификационных задачах. Архитектура — BERT с 12 слоями, 12 головами внимания, размером скрытого представления 768 и словарём из 32 тысяч токенов; число параметров — 137,8 млн. Максимальная длина последовательности составляет 512 токенов. Модель принимает последовательности ДНК в токенизированном виде и предсказывает пропущенные токены. Доступен формат PyTorch. Модель подходит для анализа геномных последовательностей дрожжей и адаптации к профильным задачам, например классификации. README отсылает к статье за результатами оценки, поэтому качество на конкретных прикладных задачах следует проверять отдельно. Лицензия в предоставленных данных не указана.

GENATATOR-ModernGENA — модель AIRI Institute для поиска границ транскриптов непосредственно по последовательностям геномной ДНК. Она выполняет токенную многометочную классификацию и предсказывает положения сайтов начала транскрипции (TSS) и терминации (PolyA) отдельно для прямой и обратной цепей; модель предназначена для поиска границ мРНК и длинных некодирующих РНК (lncRNA) по геному. Модель дообучена на ModernGENA, архитектуре ModernBERT: 22 слоя, скрытый размер 768, около 135,5 млн параметров, BPE-токенизация. Обучение охватывает 39 видов млекопитающих и включает полногеномные последовательности с межгенными областями. Контекст составляет 1024 токена. Модель выдаёт логиты границ; для построения интервалов транскриптов нужны постобработка и, как правило, парная модель регионов. Модель подходит для поиска TSS и сайтов PolyA в геномных данных и обнаружения границ мРНК и lncRNA у разных видов млекопитающих. Она не предсказывает структуру экзонов и интронов, альтернативный сплайсинг или готовые аннотации транскриптов; результат зависит от настроек последующего поиска пиков. Распространяется по лицензии Apache-2.0.

GENATATOR-ModernGENA (Region Model) — модель AIRI Institute для анализа геномных последовательностей ДНК и поиска транскрибируемых внутригenerных областей с учётом цепи. Это дообученная ModernBERT (ModernGENA) с 22 слоями, размером около 135,5 млн параметров, BPE-токенизацией и контекстом до 1024 токенов. Модель присваивает метки на уровне токенов: определяет внутригenerные области и сигналы TSS и PolyA на прямой и обратной цепях. Модель предназначена для поиска и фильтрации областей генов в геномных последовательностях разных видов, включая участки, связанные с мРНК и длинными некодирующими РНК. Её используют как компонент конвейера обнаружения транскриптов вместе с отдельной edge-моделью, которая предсказывает границы транскриптов, и последующей обработкой вероятностных треков. Обучение проводилось на размеченных геномах 39 видов млекопитающих; для человека хромосомы 8, 20 и 21 были отложены. Репозиторий содержит веса в формате safetensors, библиотека — Transformers, лицензия — Apache-2.0. Модель предсказывает области, но не строит полные аннотации транскриптов, не определяет структуру экзонов и интронов и зависит от edge-модели и последующей обработки.

Isoformer — модель InstaDeep для предсказания дифференциальной экспрессии транскриптов по последовательностям ДНК, РНК и белка. Архитектура семейства Isoformer использует знания трёх предварительно обученных энкодеров: Enformer для ДНК, Nucleotide Transformer v2 для РНК и ESM2 для белков. Модель предназначена для анализа экспрессии транскриптов в разных тканях и объединяет несколько биологических модальностей. Она обучалась на данных GTEx: измерениях TPM для 30 тканей, охватывающих более 5000 человек и около 170 тысяч транскриптов, включая примерно 90 тысяч белок-кодирующих транскриптов. В карточке заявлено, что Isoformer точно предсказывает дифференциальную экспрессию и превосходит существующие методы; количественные результаты в предоставленном описании не приведены. Метаданные указывают задачу fill-mask, но README описывает получение эмбеддингов и предсказаний экспрессии. Лицензия и подробные условия использования в предоставленных данных отсутствуют.

CXR Draft Auditor v2 — мультимодальная модель Aleksandr Filippov, созданная в рамках Build Small Hackathon в июне 2026 года. Это дообученная версия MedGemma 1.5 4B IT от Google: модель с архитектурой Gemma 3 и примерно 4,30 млрд параметров принимает рентгеновский снимок грудной клетки и текстовый запрос, а затем формирует текстовый ответ с ограниченным набором находок и приблизительными рамками их расположения. Модель рассчитана на эксперименты и обучение: изучение извлечения находок из снимков и демонстрацию сравнения этих находок с черновиком заключения. Разбор текста заключения не был целью дообучения и выполняется отдельно в демонстрационном конвейере. Модель настроена на английский язык и узкий набор из шести типов находок на рентгенограммах грудной клетки. Она может пропускать реальные находки, придумывать отсутствующие и неверно размещать рамки; выводы требуют независимой проверки. Неизвестна её надёжность на снимках за пределами обучающего распределения, включая детские и боковые снимки, послеоперационную анатомию и изображения с медицинскими устройствами. Модель не предназначена для диагностики, скрининга, сортировки пациентов, лечения или иных клинических решений. Лицензия — Health AI Developer Foundations (HAI-DEF); действует запрет на клиническое использование.

MIST — семейство молекулярных моделей Electrochemical Energy Group Мичиганского университета. Этот вариант основан на энкодере MIST-28M, предварительно обученном на строках SMILES с задачей masked language modeling и дообученном на наборе Olfaction для предсказания запаховых свойств молекул. На вход подаются строки SMILES; модель выдаёт признаки последовательности и обучена классифицировать молекулы по 135 меткам запахов. Архитектура включает энкодер RoBERTa-PreLayerNorm с 8 слоями, размером скрытого состояния 512, 8 головами внимания и максимальной длиной последовательности 2048 токенов, а также двухслойную MLP-голову. Обучение для задачи запахов проводилось на 4 983 молекулах с многометочной классификацией. Веса опубликованы в формате Safetensors. Модель подходит для извлечения признаков молекул и прогнозирования категорий запаха по их структуре, например для анализа ароматических соединений. README указывает на исследовательское применение; качество и пригодность результатов для конкретных решений не гарантируются. Лицензия в метаданных — Apache 2.0, однако README отдельно запрещает перераспределение без разрешения и коммерческое использование без соглашения о лицензировании.

mRNA-FM — плотный 12-слойный трансформер BERT-типа для анализа кодирующих последовательностей мРНК, разработанный Chen et al.; порт для Hugging Face поддерживает Taykhoom Dalal. Модель предварительно обучена на 45 млн последовательностей CDS из RefSeq с помощью masked language modeling. Она использует токенизацию по кодонам: каждый токен соответствует триплету нуклеотидов; размерность представлений — 1280, число голов внимания — 20. Модель предназначена для восстановления замаскированных кодонов и получения представлений последовательностей для последующей классификации, регрессии и других задач тонкой настройки. На вход подают последовательность в РНК-обозначении с U вместо T; её длина должна быть кратна трём, а неполный конечный триплет отбрасывается. Порт совместим с Transformers и поддерживает реализации внимания SDPA и Flash Attention 2. Лицензия — MIT.

Карточка модели timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_cross на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_cross, поэтому описание составлено по ней. Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

OntoProtein — предобученная белковая языковая модель, представленная авторами в научной работе и впервые опубликованная в этом репозитории. Она объединяет masked language modeling (MLM) последовательностей белков с обучением на графе знаний Gene Ontology (GO): граф связывает GO и соответствующие белки, а контрастивное обучение с подбором отрицательных примеров учитывает связи в графе. Модель предназначена для анализа белковых последовательностей и работы с представлениями белков и понятий Gene Ontology. Это плотная архитектура BERT с головой masked language modeling, около 503 млн параметров и контекстом до 40 000 токенов. Модель принимает аминокислоты только в верхнем регистре. Репозиторий содержит веса PyTorch; метаданные указывают задачу fill-mask. Лицензия в предоставленных данных не указана.

emarro/pcad2-200M-cnet-baseline — базовая модель PlantCAD2, опубликованная Edgar Marroquin на Hugging Face и используемая как компонент GeneCAD для аннотации геномов растений. Репозиторий предоставляет модель на базе архитектуры HNetForCausalLM; в метаданных Hugging Face для неё указана задача feature-extraction и формат safetensors. Модель предназначена для извлечения признаков из последовательностей и работы в паре с соответствующей головой GeneCAD для предсказания аннотаций у покрытосеменных растений. Код GeneCAD указывает, что эта база и голова не взаимозаменяемы с вариантами для животных. Данных о размере контекста, поддерживаемых языках и лицензии в доступных источниках нет.

vandijklab/pythia-160m-c2s — модель EleutherAI Pythia-160m, дообученная командой Cell2Sentence для работы с данными одноклеточного секвенирования РНК (scRNA-seq). Она использует архитектуру GPT-NeoX и генерирует продолжения последовательностей генов, упорядоченных по уровню экспрессии и представленных как «предложения клеток». Веса содержат около 151,9 млн параметров, контекст — до 9 200 токенов. Модель обучена на наборе иммунных клеток и предназначена для условной и безусловной генерации клеток, а также предсказания типа клетки. Для условной генерации можно задавать тип клетки в промпте; модель также оценивали по классификации KNN и расстоянию Gromov–Wasserstein. Для генерации полных клеток авторы рекомендуют GPU A100 из-за требований к скорости и памяти. Веса распространяются по лицензии CC BY 4.0.

QAA-8192 — модель для извлечения признаков из изображений, опубликованная пользователем xjh19972 на Hugging Face. В метаданных указана задача image-feature-extraction, а веса размещены в формате safetensors. README не содержит сведений об архитектуре, размере модели, языках или сценариях применения, поэтому их нельзя уточнить. Лицензия в предоставленных данных не указана.

Это обученная политика выбора точки обзора для последовательной сегментации сцен на ADE20K. Она выбирает положение следующего визуального фрагмента из дискретной сетки кандидатов: две шкалы и центры 16×16; при работе сначала используется обзор всей сцены, а затем выбирается кандидат с максимальным Q-значением. Политика построена на замороженной визуальной основе CanViT и использует дуэльную Q-голову. Обучение выполнено с наградой на основе дробной кросс-энтропии; в карточке приведены метрики валидации для отдельных шагов просмотра. Модель предназначена для управления размещением визуальных фрагментов при сегментации изображений, чтобы улучшать качество разметки по мере последовательных просмотров. Опубликованный чекпойнт — один из восьми запусков серии с фиксированным seed; сводные заявления о производительности относятся к серии, а не к этому отдельному запуску. Используется формат safetensors, лицензия — MIT.

QuiltNet-B-16-PMB — мультимодальная модель для анализа изображений и текстов в области гистопатологии, разработанная на основе OpenCLIP. Она сочетает визуальный энкодер ViT-B/16 с текстовым энкодером PubMedBERT и обучена на наборе QUILT-1M, составленном из образовательных видео по гистопатологии. Модель поддерживает классификацию изображений без дообучения, поиск между изображениями и текстом, а также другие задачи сопоставления визуальных и текстовых данных. Модель предназначена прежде всего для исследований устойчивости, обобщения и ограничений систем компьютерного зрения для гистопатологии. В карточке также упоминаются дообучение для классификации изображений и оценка линейным классификатором. Модель рассчитана на англоязычные сценарии; в метаданных указана лицензия MIT. Это исследовательская модель, не предназначенная для развёртывания. Авторы не рекомендуют даже ограниченный поиск без тщательной проверки на предметной области и фиксированной таксономии классов. Результаты не являются медицинской консультацией и не должны заменять оценку специалиста.

Allenda/Qwen2.5-7B-Instruct-cognify-BreaK — языковая модель на архитектуре Qwen2, разработанная командой BreaK для CognifyChallenge 2026. Это дообученная версия Qwen/Qwen2.5-7B-Instruct с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors по лицензии Apache-2.0. Модель предназначена для узкого сценария с синтетическими данными: по записи пациента, вердикту классификатора деменции и пяти верхним SHAP-атрибуциям она формирует краткую клиническую заметку с объяснением решения и структурированный список факторов. На выходе ожидается JSON с полями note и drivers. Обучение на 650 примерах фактически переносит в модель правила генерации заметок из программы, а не медицинские знания; авторы сообщают о проверке на синтетических тестовых случаях. Модель не предназначена для диагностики или обработки реальных медицинских записей. Её поведение оценивалось только на заданном формате промпта и синтетических данных, поэтому качество вне этого сценария не измерено.

RiNALMo-Giga — модель семейства RiNALMo, разработанная Rafael Josip Penić, Tin Vlašić, Roland G. Huber, Yue Wan и Mile Šikić; карточку этой неофициальной реализации подготовила команда MultiMolecule. Это BERT-подобная плотная модель, предварительно обученная на некодирующих РНК методом masked language modeling. Метаданные указывают 865,1 млн параметров и контекст до 1024 токенов; в README для варианта Giga указано 650 млн параметров, поэтому сведения о размере расходятся. Модель предназначена для заполнения замаскированных позиций в РНК-последовательностях и извлечения признаковых представлений для последующего анализа. Её обучали на 36 млн уникальных ncRNA-последовательностей из RNAcentral, Rfam, Ensembl Genome Browser и Nucleotide. При предобработке U заменяли на T; токенизатор RnaTokenizer может преобразовывать T обратно в U. Авторы сообщают о совпадении промежуточных представлений этой реализации с оригинальной. Чекпойнт не дообучен под конкретные задачи классификации или регрессии, поэтому для них потребуется отдельная настройка на целевых данных. Репозиторий распространяется по лицензии AGPL-3.0.

RNAErnie — языковая модель для последовательностей РНК, первоначально разработанная Wang и соавторами; порт на Hugging Face поддерживает Taykhoom Dalal. Это плотная BERT-подобная архитектура ERNIE с 12 слоями, 12 головами внимания и размерностью эмбеддингов 768. Модель содержит 113,3 млн параметров, принимает последовательности длиной до 512 токенов и предназначена прежде всего для восстановления замаскированных нуклеотидов и получения представлений последовательностей РНК. Предобучение выполнено на RNACentral с маскированием, учитывающим мотивы; предусмотрены метки типов некодирующих РНК для обучения с учетом типа. Токенизатор использует обозначение T вместо U и автоматически преобразует U в T. Модель принимает текстовую последовательность нуклеотидов и выдаёт оценки для заполнения масок, а также скрытые представления. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0. Порт реализован на PyTorch и сохраняет заявленную совместимость представлений с исходной реализацией PaddlePaddle.

RNA-FM — модель семейства BERT, разработанная исследовательской группой Jiayang Chen и опубликованная командой MultiMolecule как неофициальная реализация оригинальной RNA-FM. Она предварительно обучена на последовательностях некодирующей РНК из RNAcentral с помощью masked language modeling и предназначена для предсказания скрытых нуклеотидов и извлечения представлений последовательностей. Модель содержит 137,6 млн параметров, принимает последовательности РНК в виде текста и имеет контекст до 1026 токенов. Обучающий набор включал 23,7 млн нерезервированных последовательностей; при обучении U заменяли на T, а токенизатор может преобразовывать T обратно в U. Представления модели можно использовать как основу для последующего дообучения под задачи классификации или регрессии последовательностей и нуклеотидов, поскольку сама модель для них не дообучена. Для работы требуется библиотека multimolecule. Лицензия — AGPL-3.0.

seqLens_4096_512_106M — геномная языковая модель семейства seqLens, разработанная omicseye. Это энкодер на архитектуре DeBERTa v2 с disentangled attention и относительным позиционным кодированием; модель содержит 138,4 млн параметров и принимает последовательности ДНК для заполнения маскированных участков. Она предназначена для анализа геномных последовательностей и может служить основой для задач геномной аннотации и фенотипического прогнозирования. Модель обучена на наборе omicseye/prok_heavy, содержащем прокариотические геномы. В README семейство seqLens описано как эффективное для фенотипических предсказаний, однако отдельные результаты именно этой версии не приведены. Максимальный контекст — 512 токенов. Лицензия CC-BY-NC 4.0 разрешает некоммерческое использование; для коммерческого лицензирования предлагается обратиться к разработчикам.

seqLens_4096_512_47M-at-small — геномная языковая модель, разработанная omicseye для работы с последовательностями ДНК. Это энкодер на архитектуре DeBERTa V2 с механизмом раздельного внимания и относительным позиционным кодированием; в карточке указаны 59,8 млн параметров и контекст до 512 токенов. Модель обучена на датасете omicseye/prok_heavy. Модель предназначена для задачи fill-mask: она предсказывает скрытые токены в последовательностях ДНК и может использоваться для анализа геномных последовательностей и поддержки геномной аннотации. Семейство seqLens также исследовалось для фенотипических предсказаний, однако для этой версии в метаданных заявлена только задача fill-mask. Доступна по лицензии CC-BY-NC 4.0; для коммерческого лицензирования README предлагает обращаться к разработчикам.

Небольшая модель LSTM, опубликованная shalev396 как учебный проект для прогноза дневной цены закрытия акций Apple (AAPL). Архитектура состоит из LSTM-слоя с 64 блоками, Dropout и полносвязного выходного слоя; всего 16 961 параметр. Модель принимает последние 60 дневных логарифмических доходностей и предсказывает следующую доходность. Для прогноза на несколько дней результат каждого шага рекурсивно подаётся на вход следующего. Реализация сохранена в формате Keras 3 и использует TensorFlow. Репозиторий включает историю цен AAPL с 2015-01-02 по 2026-07-31, поэтому для расчёта не нужен API рыночных данных. Модель предназначена для демонстрации и изучения прогнозирования временных рядов, а не для принятия торговых решений. На отложенном тестовом периоде её ошибка прогноза на следующий день практически совпала с простым прогнозом «завтра как сегодня» и немного хуже него. Лицензия — MIT.

Theia — зрительная foundation-модель для обучения роботов, разработанная The AI Institute. Версия theia-base-patch16-224-cddsv использует архитектуру TheiaModel; в карточке для варианта theia-tiny-patch16-224-cddsv указана основа DeiT-Tiny и дистилляция знаний CLIP, Depth Anything, DINOv2, Segment Anything и ViT. Модель формирует визуальные представления для последующего обучения робототехнических систем. Её применяют как извлекатель признаков изображений в задачах обучения роботов и переноса визуальных представлений на последующие робототехнические задачи. В опубликованной работе Theia сообщается о результатах выше учительских моделей и прежних моделей робототехнического обучения при меньших объёмах обучающих данных и размерах моделей. Веса распространяются по лицензии The AI Institute License; её конкретные условия следует проверять в репозитории модели.

Theia Tiny Patch16-224-CDiv — визуальная базовая модель для обучения роботов, разработанная The AI Institute. Это компактная модель на основе DeiT-Tiny, одновременно дистиллированная из CLIP, DINOv2 и ViT; она формирует визуальные представления, объединяющие знания учителей, обученных на разных задачах компьютерного зрения. Модель предназначена для извлечения признаков из изображений и использования этих представлений в последующем обучении робототехнических систем. В статье Theia авторы сообщают, что модели семейства превосходят модели-учителя и предыдущие подходы к обучению роботов при меньшем объёме обучающих данных и меньшем размере модели. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Условия использования определяются лицензией The AI Institute License; её полный текст в предоставленной карточке опущен.