II.8Инженерия данных и аналитика

Aido-rna-1.6b-drope — модель семейства RNABert на 1,6 млрд параметров, опубликованная под аккаунтом afg1. Она дообучена для задачи заполнения пропусков в последовательностях РНК: принимает последовательность с замаскированными позициями и предсказывает подходящие токены на их месте. Модель построена на плотной архитектуре RNABertForMaskedLM, работает с библиотекой Transformers и имеет контекстное окно 1024 токена. Модель может применяться для анализа и восстановления последовательностей РНК в исследовательских биоинформатических сценариях. В карточке не приведены сведения о датасете, оценках качества, поддерживаемых форматах последовательностей и условиях лицензии, поэтому применимость и права использования следует сверять с дополнительной документацией репозитория.

Bacformer causal complete genomes — модель для геномики бактерий, разработанная исследователями из University of Cambridge и EPFL под руководством Maciej Wiatrak. Она рассматривает геном как упорядоченную по расположению на хромосомах, плазмидах и контигах последовательность белков и использует трансформер для моделирования их контекста. Чекпойнт содержит 33,2 млн параметров по метаданным и имеет контекст до 6000 белковых токенов. Модель дообучена на примерно 40 тысячах полных геномов NCBI RefSeq после предварительного обучения на разнообразных метагеномно собранных геномах. Для представления каждого белка усредняются аминокислотные эмбеддинги ESM-2 t12 35M; причинная цель обучения — предсказывать семейство следующего белка по предшествующим белкам в геноме. Модель предназначена для получения контекстных представлений белков и исследований геномной организации, взаимодействий белков и фенотипов бактерий. Для работы нужны аминокислотные последовательности белков, упорядоченные по геномным координатам; это не обычная модель для генерации свободного текста. В обучении число белков ограничивалось 6000 на геном. Модель распространяется по лицензии Apache 2.0.

BALM-paired — языковая модель антител, разработанная Briney Lab. Модель на архитектуре RoBERTa предварительно обучена на примерно 1,6 млн парных последовательностей антител из набора Jaffe et al. Веса доступны в формате safetensors; размер модели — 402,7 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для работы с парными последовательностями тяжёлой и лёгкой цепей антител, записанными подряд в формате HEAVY_CHAINLIGHT_CHAIN. Она поддерживает задачу fill-mask: предсказание замаскированных токенов в последовательности. Для загрузки используются Transformers и RobertaTokenizer/RobertaForMaskedLM. Специализация на антителах позволяет применять модель для анализа и исследования последовательностей в иммунологии и биоинформатике. Лицензия — MIT. README не описывает результаты бенчмарков или гарантии качества; длина контекста ограничена 512 токенами.

COD PlantCAD Rice — языковая модель ДНК для риса (Oryza sativa), разработанная на основе PlantCaduceus l28 и выбранная из продолженного обучения на рисовых последовательностях на шаге 12 000. Это masked language model архитектуры Caduceus с двунаправленными блоками Mamba и совместным использованием параметров для обратного комплемента; размер модели — 231,2 млн параметров. Модель принимает последовательности ДНК длиной 512 пар оснований и выдаёт логиты нуклеотидов или представления последовательностей. Её можно применять для оценки влияния однонуклеотидных вариантов (SNV) по отношению логарифмов правдоподобия REF и ALT. Она предназначена для анализа геномных последовательностей риса, включая ранжирование вариантов по относительной поддержке модели. Оценки зависят от контекста длиной 512 оснований и от выбранного протокола маскирования; результаты masked и unmasked нельзя считать одной шкалой. Описанный расчёт поддерживает только биаллельные SNV A/C/G/T, а координаты и референсный аллель следует сверять с используемой сборкой генома. LLR не является калиброванной вероятностью фенотипического, патогенного или фитнес-эффекта. Для инференса нужны PyTorch, Transformers, Mamba-SSM и совместимая CUDA/Triton-среда; модель рассчитана на GPU. Лицензия — Apache-2.0.

DNADebertaK6_Zebrafish — модель семейства DeBERTa, дообученная для работы с последовательностями ДНК зебрафиша. В карточке указана оценка loss 1,4958 на тестовом наборе, но описание обучения и набора данных отсутствует. Модель содержит 59,8 млн параметров, принимает последовательности длиной до 512 токенов и предназначена для задачи fill-mask: предсказания замаскированных фрагментов последовательности. Доступны веса PyTorch. Модель может пригодиться для анализа и восстановления участков последовательностей ДНК зебрафиша. Базовая модель и лицензия в предоставленных данных не указаны.

area-science-park/ESM3-PPISites — дообученная на базе ESM3-open модель для предсказания участков взаимодействия белок–белок. Для каждого аминокислотного остатка во входной последовательности белка модель определяет, относится ли он к участку взаимодействия (класс 1) или нет (класс 0). Модель предназначена для анализа белковых последовательностей в биоинформатике и поиска потенциальных интерфейсов белковых взаимодействий. Она реализована на Transformers и распространяется в формате safetensors; для её использования требуется доступ к базовой модели esm3-open. По карточке опубликованы материалы о обучении и оценке, а также данные в CSV. Лицензия в предоставленных сведениях не указана.

Taykhoom/Evo1-1-7B-131K — порт модели Evo 1, разработанной Together Computer, для Transformers. Это плотная гибридная языковая модель Evo1ForCausalLM примерно на 7 млрд параметров с блоками StripedHyena и окном контекста до 131 072 байт. Она обучена предсказывать следующий байт в последовательностях ДНК и принимает сырые UTF-8 байты с алфавитом токенов 0–255; размер словаря модели дополнен до 512.

Genereux-akotenou/genomics-tf-prediction — набор моделей машинного обучения, опубликованный Genereux Akotenou и связанный с проектом MegaPlantTF. Он предназначен для выявления и классификации факторов транскрипции растений по белковым последовательностям, включая определение принадлежности к семействам. В проекте используются бинарные классификаторы по семействам и метаклассификатор; модели загружаются через Keras и представлены в формате TensorFlow. MegaPlantTF описывает извлечение признаков на основе k-меров и варианты классификации с голосованием или двухэтапным стекингом. Модель принимает табличные признаки, подготовленные в рамках соответствующего конвейера, и выдаёт классы; исходная система позволяет подавать белковые последовательности в FASTA. Она рассчитана на биоинформатические задачи для растений, а не на свободный текст. Карточка модели не сообщает размер сети, длину контекста, языки или лицензию; условия лицензирования набора весов из доступных сведений определить нельзя.

gLM2_150M — геномная языковая модель на 150 млн параметров, разработанная TattaBio и обученная на датасете OMG. Это трансформерный энкодер с задачей masked language modeling: он представляет геномный контиг как последовательность кодирующих белок участков CDS и межгенных участков ДНК (IGS). CDS кодируются токенами аминокислот, IGS — токенами отдельных нуклеотидов; специальные токены обозначают направление цепи. Для разделения алфавитов аминокислоты следует подавать в верхнем регистре, а нуклеотиды — в нижнем. Модель предназначена для анализа геномных последовательностей и предсказания замаскированных токенов в смешанном представлении белковых и ДНК-участков. В версии, обновлённой в сентябре 2024 года, контекст увеличен с 2048 до 4096 токенов, а для IGS используется токенизация по отдельным нуклеотидам. Доступна также версия на 650 млн параметров. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или результатов для конкретных биологических задач.

gslm-scaling-20m-0p7b — исследовательский checkpoint модели GSLM из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная трансформерная языковая модель с 20 710 912 параметрами, распространяемая как веса FP32 в формате safetensors по лицензии Apache-2.0. Модель обучалась предсказывать последовательности дискретных речевых единиц: склеенные подряд одинаковые кластеры K-means из слоя 11 mHuBERT, получаемые с частотой 25 Гц; размер словаря кластеров — 500. Checkpoint соответствует конечной точке кривой масштабирования для бюджета обучения 662 560 000 токенов. Он предназначен для экспериментов и оценки свойств речевых языковых моделей, включая генерацию последовательностей речевых токенов и исследовательские тесты на речевых наборах sBLIMP и sStoryCloze. Карточка приводит точность 53,43% на sBLIMP (макроусреднение по явлениям), 51,81% на sBLIMP для voice-pair, 52,32% на sStoryCloze и 63,98% на tStoryCloze. Модель принимает последовательности целочисленных речевых токенов и генерирует новые токены; сама по себе она не выдаёт аудиосигнал. Вокодер в репозитории не включён, а текстовый интерфейс и поддержка естественных языков не заявлены. Для запуска в README приведён интерфейс библиотеки slm с PyTorch.

gslm-scaling-20m-21p8b — плотная трансформерная языковая модель для речи, опубликованная Tiago Cuervo как контрольная точка для исследования «Scaling Properties of Speech Language Models» (EMNLP 2024). Веса FP32 содержат 20 710 912 параметров; модель обучалась на 21 772 640 000 токенах с размером обновления 131 200 токенов. Лицензия — Apache-2.0. Модель генерирует последовательности дискретных речевых единиц: склеенных подряд 25-Гц K-means-токенов слоя 11 mHuBERT, где K=500, EOS=500 и PAD=501. Её можно использовать для экспериментов с генерацией речевых токенов и оценки свойств речевых языковых моделей. В README приведены результаты на sBLIMP, sStoryCloze и tStoryCloze; сама карточка предоставляет интерфейс генерации токенов, а не готовый речевой синтез. Вокодер не включён, поэтому для преобразования сгенерированных единиц в звук нужны дополнительные артефакты.

HealFormer Nside=1024 DECaLS — чекпойнт модели HealFormer (Mask-Aware HEALPix Transformer) для восстановления карты сходимости гравитационного линзирования κ по шумным и неполным картам сдвига γ1 и γ2 на сфере HEALPix в порядке NESTED. Модель учитывает маску наблюдений и границы обзора с помощью меток маски и обучаемых токенов маски, сохраняя сферическую структуру без планарной проекции. Чекпойнт рассчитан на разрешение Nside=1024, что соответствует 12 582 912 пикселям; он использует обучаемое позиционное представление проекции, требуемое для этого процесса, без интерполяции позиционных кодировок. На вход подаются физические карты γ1, γ2 и целочисленная маска mask_npix, на выходе — карта κ. Веса модели размером 113,2 млн параметров доступны в формате safetensors. Разработчик — lalala404; лицензия Apache-2.0. Модель предназначена для научной реконструкции карт слабого гравитационного линзирования в астрономических и космологических обзорах, включая данные DECaLS. Это специализированный чекпойнт с фиксированной конфигурацией Nside=1024; перенос на другие разрешения или схемы проекции не описан.

MarinDNA v0.5 scaling ladder — 46M — это авторегрессионная языковая модель для последовательностей ДНК, разработанная Marin. Данный репозиторий содержит финальный чекпойнт модели с 45,9 млн параметров; это самая маленькая из восьми моделей линейки. Архитектура — декодерный Transformer, совместимый с Qwen3, а веса сохранены в формате Safetensors и загружаются через Transformers. Модель принимает необработанные последовательности ДНК из букв A, C, G и T: токенизатор без учёта регистра кодирует один нуклеотид одним токеном и добавляет BOS. Контекст составляет 256 токенов, из которых один занимает BOS, поэтому вход ограничен 255 основаниями. Модель обучалась на смесях кодирующих, вышележащих и нижележащих геномных последовательностей. Карточка связывает линейку с прогнозированием эффектов вариантов, но не описывает отдельные процедуры оценки или гарантии точности. Лицензия — Apache-2.0. Токенизатор отображает другие символы в UNK; модель предназначена для нуклеотидных последовательностей, а не для обычного текста.

my_awesome_mind_model — дообученная Michael10098 модель facebook/wav2vec2-base для классификации аудио. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; модель доступна в формате Safetensors и распространяется по лицензии Apache-2.0. Модель принимает аудио и выдаёт метку класса. README не описывает назначение классов, датасет или предполагаемые сценарии применения, поэтому область классификации определить нельзя. На указанной в карточке оценочной выборке точность составила 0,0531, а loss — 2,6724; эти результаты указывают на низкое качество классификации.

OmniGenome-52M — трансформерная модель семейства OmniGenome для работы с геномными последовательностями, разработанная для исследований в RNA-геномике, биоинформатике и молекулярной биологии. По карточке, модель использует выравнивание последовательностей и вторичных структур РНК и поддерживает преобразования Seq2Str и Str2Seq. В метаданных указан размер 70,1 млн параметров, контекст 1026 токенов и формат safetensors; README описывает версии семейства на 52 млн и 186 млн параметров. Модель предназначена для предсказания вторичной структуры РНК, дизайна последовательностей РНК и других геномных задач, включая оценку деградации мРНК. Её также можно адаптировать для задач на ДНК, например предсказания активности промоторов, экспрессии генов и доступности хроматина. Предобучение выполнено на последовательностях более чем тысячи видов растений из базы OneKP; структуры предсказывались с помощью ViennaRNA. В метаданных основная задача указана как fill-mask, также перечислены text-generation, text-classification и token-classification. Карточка сообщает о хороших результатах на вычислительных бенчмарках, но перенос на человеческую ДНК может требовать дообучения, а результаты in vivo не подтверждены. Модель распространяется по лицензии MIT.

zhangtaolab/plant-dnabert-singlebase — zhangtaolab әзірлеген өсімдік ДНҚ-сын талдауға арналған алдын ала оқытылған тілдік модель. Ол өсімдік геномдарының тізбектерінде үйретілген және ДНҚ-ға бейімделген BPE токенизаторын қолданады; сөздік көлемі 8 000 токен, контекст ұзындығы 512 токен, ал модельде 113,3 млн параметр бар. Архитектурасы BERT негізіндегі тығыз модель, Hugging Face класында BertForMaskedLM деп көрсетілген. Модель ДНҚ тізбегіндегі жасырылған нуклеотидтік фрагменттерді болжауға және өсімдік геномдарының тізбегін зерттеуге арналған. Метадеректерде негізгі міндеті fill-mask деп берілген, ал карточкада модель өсімдік геномдарында CausalLM әдісімен алдын ала оқытылғаны айтылған. Ол PyTorch және safetensors форматтарында қолжетімді. Лицензиясы CC BY-NC-SA 4.0; коммерциялық пайдалануға шектеу қойылады және туынды жұмыстар сол лицензиямен таратылуы тиіс.

zhangtaolab разработала PlantHelixSeek-translation_absolute — дообученную модель для оценки абсолютного уровня трансляции в листьях растений при переносе между видами. Она принимает последовательность ДНК и предсказывает числовой уровень трансляции; задача описана как регрессия на наборе cross_species_leaf_absolute_translation. Модель построена на архитектуре HelixSeek для классификации последовательностей и загружается через Transformers как SequenceClassification. В метаданных указаны 163,6 млн параметров и контекст 8192 токена; README приводит размер базовой модели 470 млн параметров, поэтому эти значения относятся к разным представлениям модели и не совпадают. Модель дообучена от zhangtaolab/PlantHelixSeek за три эпохи. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение.

PlantRNA-FM — специализированная языковая модель для анализа РНК растений, совместно разработанная ColaLAB при Университете Эксетера и JIC в Нориджском исследовательском парке. Это encoder-модель Transformer семейства ESM для предсказания замаскированных нуклеотидов; в репозитории указаны 44,2 млн параметров, а README описывает вариант с 35 млн параметров, 12 слоями и контекстом до 1026 нуклеотидов. Модель предварительно обучена на наборе OneKP: примерно 25 млн последовательностей РНК от 1 124 видов растений. README указывает, что при подготовке данных аннотировали локальные вторичные структуры РНК и выделяли CDS и UTR. Модель предназначена для биоинформатических исследований последовательностей и последующих задач предсказания функций РНК; она принимает последовательности нуклеотидов и выполняет задачу заполнения маски, а не генерацию естественного языка. Репозиторий содержит веса в формате safetensors и лицензирован по MIT. Контекст ограничен 1026 нуклеотидами; README отмечает важность очистки последовательностей и зависимость результатов от биологической структуры и качества входных данных.

Исследовательский чекпойнт whr778 для извлечения событий и их аргументов из текста. Это этап B эксперимента по масштабированию инициализации голов mmBERT: базовая модель whr778/scaling-mmbert-10k предварительно обучалась на примерно 10 000 записей структуры и аргументов, затем дообучалась на RAMS по фиксированному рецепту в течение 15 эпох. Чекпойнт предназначен для оценки влияния такого прогрева на извлечение аргументов RAMS, а не для общего применения. На слепом тесте RAMS из 871 документа строгая micro-F1 для аргументов событий составляет 0,050, а для триггеров событий — 0,598. Результат показывает слабое качество извлечения аргументов в данном эксперименте. Артефакт исследовательский и приватный; сведения о лицензии в предоставленных данных отсутствуют.

sunkaiwen/snack-category-automl-tabular — табличная модель классификации, созданная для учебного задания по курсу Designing with AI. Она использует ансамбль AutoGluon TabularPredictor, объединяющий TabPFNMix, нейросеть FastAI и LightGBM, чтобы по восьми числовым показателям пищевой этикетки отнести упакованный снек к одной из пяти категорий: конфеты, чипсы, печенье, крекеры или батончики мюсли. Модель рассчитана на демонстрацию AutoML и учебные эксперименты. При оценке с группировкой по исходному продукту макро-F1 составила 0,6462 ± 0,0591. Данные охватывают около 21 реального снека; сотни строк получены числовой аугментацией, а отложенная выборка содержит только девять строк. Показатели пищевой ценности могут быть похожи у продуктов разных категорий, поэтому предсказания ненадёжны и не подходят для принятия решений о питании, здоровье, регулировании или покупке. Лицензия — CC BY 4.0.

SpliceBERT-510nt — BERT-based языковая модель для последовательностей РНК, разработанная Chen et al.; порт на Hugging Face поддерживает Taykhoom Dalal. Модель обучена методом masked language modeling на фрагментах первичных РНК позвоночных фиксированной длины 510 нуклеотидов из 72 видов. Она предназначена прежде всего для задач предсказания сайтов сплайсинга на окнах ровно по 510 нуклеотидов. Архитектура — BertForMaskedLM с 6 слоями, 16 головами внимания и размерностью эмбеддингов 512; всего 25,2 млн параметров. Контекст включает 510 нуклеотидов последовательности и специальные токены [CLS] и [SEP]. Токенизация выполняется по одному нуклеотиду, символ U нормализуется в T. Модель принимает последовательность нуклеотидов и предсказывает замаскированные токены; скрытые состояния можно использовать как представления последовательности. Модель не проверена для последовательностей длиной, отличной от 510 нуклеотидов; для последовательностей переменной длины в README рекомендована SpliceBERT-1024nt. Веса распространяются по лицензии CC BY 4.0, исходный код SpliceBERT — по BSD 3-Clause.

trackfit-llm-small — компактная причинная языковая модель на архитектуре Llama, разработанная авторами карточки и обученная с нуля для восстановления параметров прямолинейных треков частиц по срабатываниям детектора. Она получает отсортированный список кодов попаданий по 12 слоям детектора и генерирует вызов gen_evt со значениями наклона и пересечения, а также классификацией лишних и пропущенных попаданий. Задача представлена как перевод последовательности кодов в структурированный текстовый вызов. Модель содержит около 32,3 млн параметров по метаданным и принимает контекст длиной до 256 токенов. Фиксированный токенизатор включает коды попаданий, синтаксис вызова и допустимые значения параметров трека. Расширенный словарь охватывает крутые треки, пересекающие лишь часть детектора. В README приведены результаты на синтетических и реальных данных космических мюонов; на синтетических событиях модель показывает высокую точность восстановления параметров и обработку шума. Применение ограничено описанной конфигурацией однотрекового детектора, геометрией и диапазоном словаря. Лицензия MIT.

iSEEEK — генеративная модель на архитектуре GPT-2, обученная на ранжированных списках наиболее экспрессируемых генов. Разработчик обучил её на более чем 20 миллионах одноклеточных транскриптомов; длина последовательности при обучении составляла 64, а размер контекста — 1024 токена. Модель предназначена для генерации последовательностей генов и анализа одноклеточных транскриптомных данных. Карточка не приводит подробностей о конкретных сценариях применения или результатах оценки качества. Репозиторий содержит веса PyTorch и имеет задачу text-generation; сведения о лицензии в предоставленных данных отсутствуют.

Ares-ec-moe-4b-86k — белковая языковая модель HazemLab, обученная с нуля на UniRef50 для заполнения маскированных аминокислот и получения представлений белковых последовательностей. Это двунаправленный энкодер с 20 слоями и разреженной архитектурой Mixture-of-Experts: первые 10 слоёв используют плотные блоки, а последние 10 — MoE с маршрутизацией expert choice. В модели около 4,22 млрд параметров, при обработке каждого токена активно примерно 0,44 млрд; чекпойнт сохранён в формате safetensors с весами float32. Модель подходит для скоринга последовательностей, извлечения эмбеддингов остатков и белков, а также для экспериментального анализа эффектов аминокислотных замен. Она обучалась 86 000 шагов на 68 млн последовательностей UniRef50. Обучающий контекст — 1024 остатка; работа с более длинными последовательностями возможна благодаря RoPE, но её качество не проверено. Модель принимает только одноцепочечные аминокислотные последовательности: она не обрабатывает структуры, MSA, мультимеры или нуклеотидные последовательности и не генерирует белки авторегрессионно. Это исследовательский артефакт, а не производственный энкодер: в маршрутизаторе expert choice известен дефект нормализации, а токены могут не попасть ни к одному эксперту. Качество прогнозирования эффектов вариантов сильно зависит от типа анализа, а смещения UniRef50 отражаются в обученных представлениях. Модель не валидирована для клинических, диагностических или биобезопасностных решений. Лицензия — MIT.

BacteriaTIS-DNABERT-K6-89M — модель классификации последовательностей ДНК, разработанная на основе DNABERT и дообученная для определения сайтов инициации трансляции (TIS) в бактериальных геномах. Она принимает окно длиной 60 пар оснований вокруг предполагаемого сайта: 30 пар оснований до него и 30 после; последовательность представляется токенами 6-меров. В README указано 89 млн обучаемых параметров, а метаданные сообщают об общем размере 116,4 млн параметров и контексте до 512 токенов. Модель предназначена для классификации кандидатов TIS в бактериальных ORF и анализа последовательностей вокруг старт-кодона. Она основана на архитектуре BERT и доступна в формате PyTorch через Transformers. Для использования требуется подготовить 60-парное окно и преобразовать его в 6-меры. Сведения о лицензии не приведены.

ft-ESM — дообученная модель белкового языка, разработанная Briney Lab на основе ESM-2 с 650 млн параметров. Модель дообучена на парных последовательностях антител из набора Jaffe et al. и использует архитектуру ESM для предсказания аминокислот в маскированных позициях. Она принимает последовательности антител в формате HEAVY_CHAINLIGHT_CHAIN и предназначена для анализа и заполнения маскированных участков таких последовательностей. Модель содержит 865,1 млн параметров, поддерживает контекст до 1026 токенов и доступна в формате safetensors для библиотеки Transformers. Лицензия — MIT. Специализация на парных последовательностях антител ограничивает её применение; качество для других белков и иных задач в предоставленных материалах не описано.

HealFormer Nside=256 mixed-mask — контрольная точка модели HealFormer (Mask-Aware HEALPix Transformer), опубликованная автором lalala404 для восстановления карты слабого гравитационного линзирования. Модель принимает карты компонент сдвига gamma1 и gamma2 вместе с целочисленной маской HEALPix и предсказывает карту сходимости kappa. Она работает непосредственно с вложенными картами HEALPix разрешения Nside=256, содержащими 786 432 пикселя, и учитывает границы и исключённые области обзора с помощью меток и обучаемых токенов маски. Контрольная точка содержит полные веса объёмом 113,2 млн параметров в формате safetensors; адаптер не требуется. Один и тот же чекпойнт предназначен для фиксированных масок обзоров KiDS, DES, DECaLS и Planck. Модель ориентирована на научные задачи картирования массы по данным слабого линзирования в астрономии и космологии. Лицензия репозитория — Apache-2.0. Описание не приводит результатов оценки качества или подробностей ограничений на другие разрешения и маски.

InstaNovo-P — специализированная трансформерная модель, разработанная InstaDeep для de novo секвенирования пептидов по данным масс-спектрометрии фосфопротеомики. Она предсказывает последовательность пептида непосредственно по MS/MS-спектру и определяет сайты фосфорилирования, помогая анализировать посттрансляционные модификации и находить фосфорилированные пептиды. Модель предназначена для исследований фосфопротеомики и обнаружения посттрансляционных модификаций. Для работы используется библиотека PyTorch; репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий лицензии при распространении производных материалов.

ajrayman/psychopathy_binary — дообученная модель на базе microsoft/deberta-v3-base для бинарной классификации текста, связанной с психопатией. По карточке доступны результаты оценки: accuracy 0,6508, precision 0,73, recall 0,48, F1 0,5792 и AUC 0,7188. Это указывает на ограниченное качество классификации, особенно по полноте; модель не следует считать надёжным инструментом для психологической диагностики. Архитектура DeBERTa V2 для классификации последовательностей содержит 211,6 млн параметров и принимает текст с контекстом до 512 токенов. Карточка не описывает обучающие данные и предполагаемое применение подробнее. Модель выпущена под лицензией MIT. Язык модели в карточке не обозначен; базовая модель Microsoft англоязычная, поэтому англоязычное применение является наиболее обоснованным предположением.

RNAElectra — модель представлений последовательностей РНК, разработанная для однонуклеотидного анализа. Это дискриминатор на базе архитектуры ModernBERT с 22 слоями, размером скрытого представления 512 и 16 головами внимания; глобальное внимание используется во всех слоях. Модель содержит 92,3 млн параметров, принимает последовательности РНК и выдаёт контекстные векторные представления. Её предварительно обучали 30 эпох на корпусе, созданном на основе RNAcentral, с помощью ELECTRA-подобной задачи обнаружения заменённых токенов; опубликованы веса дискриминатора. Модель предназначена для извлечения признаков и последующей настройки для задач анализа транскриптомов и регуляторных механизмов: предсказания функций РНК, связывания белков с РНК, стабильности последовательностей и анализа регуляторных элементов. Поддерживает контекст до 8192 токенов и ориентирована на биологические последовательности; в метаданных указан английский язык карточки, но это не определяет язык самой модели. Лицензия — Apache-2.0. Модель не предназначена для клинических решений и медицинской диагностики.