II.8Инженерия данных и аналитика

MiniMax-M3 Vision — компонент извлечения визуальных признаков из мультимодальной модели MiniMax-M3, опубликованный пользователем immanuelpeter. Репозиторий содержит башню зрения CLIP-типа на базе ViT и проектор, преобразующий и сжимающий визуальные токены; это не полная диалоговая модель. По README, башня имеет 32 слоя, скрытую размерность 1280 и обрабатывает изображения размером до 2016 пикселей; используются патч-эмбеддинг Conv3d, 3D RoPE и временные патчи размера 2. Проектор выдаёт признаки размерности 6144. Веса сохранены в BF16 и формате safetensors. Модель предназначена для извлечения визуальных признаков, которые можно передавать в языковую часть MiniMax-M3 для анализа изображений и видео. Проверка в README сравнивает все веса башни и проектора с закреплённым исходным чекпойнтом. Метаданные указывают 879,8 млн параметров и библиотеку Transformers. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

Modelo-beto-burla — дообученная модель классификации текста на базе испаноязычной BERT-модели BETO от dccuchile. Она предназначена для отнесения текстовых последовательностей к классам; название модели предполагает задачу, связанную с насмешками, однако карточка не уточняет набор классов и сценарии применения. Модель содержит 137,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В README приведены метрики на тестовой выборке: accuracy 0,9825, precision 0,9524, recall 1,0 и F1 0,9756; сведения о выборке и методике оценки отсутствуют, поэтому эти результаты нельзя уверенно переносить на другие данные. Модель опубликована в формате safetensors и распространяется под лицензией базовой модели, если она применима; лицензия самой модели в предоставленных данных не указана.

JacobLinCool/MP-SENet-DNS — чекпойнт модели MP-SENet, опубликованный пользователем JacobLinCool на Hugging Face и предназначенный для улучшения речи с шумом. MP-SENet параллельно оценивает и очищает амплитудный спектр и фазу аудиосигнала; этот вариант связан с DNS Challenge. Модель принимает аудио и выдаёт обработанное аудио, поэтому подходит для шумоподавления в записях речи. Репозиторий содержит веса Safetensors, лицензия — MIT. Доступные сведения не позволяют подтвердить конкретные языки речи или численные ограничения качества.

Это отдельный акустический энкодер Nemotron-3.5 ASR Streaming Pure Audio Encoder, извлечённый из модели NVIDIA nvidia/nemotron-3.5-asr-streaming-0.6b. Модель разработана как FastConformer-бэкбон без проекционных слоёв для конкретных задач, языковых промптов и декодера; метаданные указывают 402,7 млн параметров, тогда как README сообщает 609,1 млн параметров для описанного энкодера. Принимает монофоническое аудио 16 кГц, представленное мел-спектрограммой, и выдаёт непрерывные речевые признаки размерностью 1024 с частотой 12,5 кадров в секунду. Контекст составляет 5000 токенов по метаданным. Энкодер предназначен для использования как акустическая основа в потоковых речевых системах: признаки можно подавать в аудио-LLM через линейный проектор или Q-Former, кластеризовать в акустические токены, а также использовать в системах обнаружения речевой активности, диаризации и распознавания речи с отдельными головами. Поддерживаются режимы упреждающего просмотра от нулевой задержки до 1120 мс; по сравнению с частотой 50 Гц, приведённой для Whisper в README, частота 12,5 Гц сокращает длину последовательности признаков. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY 4.0. Это энкодер признаков, а не готовая ASR-система: для распознавания текста нужны соответствующие проекционные и декодирующие компоненты. README и метаданные указывают разные размеры модели, поэтому размер требует уточнения.

OmicAI-4B — языковая модель команды OmicOS / OmicVerse для анализа омиксных данных и взаимодействия с инструментами. Она предназначена для исследовательских сценариев: помощи в анализе single-cell, bulk- и пространственных омиксных данных, а также подготовки аналитических конвейеров на базе omicverse. Модель построена на Qwen/Qwen3.5-4B и дообучена методом LoRA с последующим объединением адаптера с основными весами. В репозитории представлены веса bfloat16 в формате Safetensors; модель рассчитана на диалог и генерацию текста, включая код и вызовы инструментов. В карточке указана поддержка английского языка. Модель обучалась на траекториях воспроизведения опубликованных омиксных исследований: они включают поиск контекста, генерацию кода, вызовы инструментов и исправления по результатам выполнения. Количественные результаты бенчмарков в карточке не приведены. Сгенерированный код и результаты анализа необходимо запускать и проверять: модель может ошибаться, в том числе в API за пределами omicverse и scanpy, и не заменяет экспертную оценку. Лицензия — Apache-2.0.

OTel-Embedding-109M — плотная модель эмбеддингов для телекоммуникационной отрасли, разработанная в рамках открытой инициативы OTel по созданию справочных ИИ-ресурсов для глобального телеком-сектора. Это полноразмерное дообучение Sentence Transformers all-mpnet-base-v2 на телекоммуникационных данных OTel; в метаданных указано 136,7 млн параметров, архитектура MPNet и контекст до 514 токенов. Модель кодирует текстовые запросы и фрагменты документов в векторы для поиска по смыслу. Модель предназначена для поиска релевантных фрагментов в спецификациях, стандартах, RFC, технических документах и других материалах по телекоммуникациям, в том числе как этап извлечения в RAG-системе перед реранкером и языковой моделью. Внутренняя оценка на отложенной части OTel-Embedding показывает NDCG@10 87,8% ± 0,6; результат относится к этому набору данных и не гарантирует качество на внешних корпусах или во всех телеком-поддоменах. Модель рассчитана на английский язык и преимущественно текстовые данные; для общей тематики и многоязычного поиска она не предназначена. Результаты следует проверять перед операционным, клиентским, регуляторным, безопасностным или сетевым применением. Лицензия модели — Apache-2.0; пользователям также следует соблюдать условия лицензии базовой модели.

parsawar/profanity_model2.0 — модель классификации текста, опубликованная пользователем parsawar на Hugging Face. Она предназначена для обнаружения ненормативной лексики в текстах на Hindi, Hinglish и English. Модель использует архитектуру DistilBERT и реализует задачу text classification. Согласно метаданным, она содержит около 67 млн параметров, работает с контекстом до 512 токенов и распространяется в формате Safetensors с типом тензоров F32. Для применения доступна через библиотеку Transformers. Модель подходит для модерации пользовательского контента, фильтрации сообщений и предварительного выявления нецензурной лексики. В карточке модели не приведены подробные сведения о датасете, метриках качества и лицензии, поэтому точность на конкретных доменах и условия использования следует проверять отдельно.

PuritySanctity_binary — англоязычная модель классификации текста, созданная дообучением microsoft/deberta-v3-base. Она использует архитектуру DeBERTa v2 с головой классификации последовательностей и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для бинарной классификации текстов, однако конкретные классы и область применения в карточке не раскрыты. В README приведены результаты оценки: accuracy 0,6327, precision 0,7235, recall 0,4278, F1 0,5377 и AUC 0,7233. Модель распространяется в формате Safetensors по лицензии MIT. Данных о составе обучающего набора и конкретных ограничениях применения карточка не сообщает.

Qwen3.6-27B MTP — модель чернового предсказания от Inferencer Labs на основе Qwen/Qwen3.6-27B. Она содержит извлечённые слои Multi-Token Prediction (MTP) и предназначена для совместной работы с Qwen3.6-27B-MLX в режиме спекулятивного декодирования, чтобы ускорять генерацию токенов. Карточка сообщает о тестировании на компьютере с M3 Ultra и 512 ГБ памяти через приложение Inferencer; в тесте программирования вариант с квантованием Q4.5 обеспечивал более высокую пропускную способность без потери качества и с меньшими требованиями к памяти. Модель относится к семейству Qwen3.5 MTP, имеет плотную архитектуру и опубликована в формате safetensors для библиотеки MLX. Метаданные указывают поддержку изображений и задачу image-text-to-text; базовая Qwen3.6-27B описана как мультимодальная модель на 27 млрд параметров для программирования, агентных задач и работы с изображениями. Язык карточки — английский. Лицензия в предоставленных данных не указана.

hfl/rbtl3 — китайская предварительно обученная модель BERT с маскированием целых слов (Whole Word Masking), разработанная HFL. Она предназначена для заполнения пропусков в тексте и может служить базой для дальнейшей адаптации к задачам обработки китайского языка. Модель содержит 72 млн параметров, использует архитектуру BERT для masked language modeling и поддерживает контекст длиной до 512 токенов. Модель принимает текст с маскированными токенами и предсказывает скрытые фрагменты. Доступны веса в форматах PyTorch, TensorFlow и Flax. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о тренировочных данных.

Real-time RE-USE — разработанная NVIDIA универсальная модель улучшения речи в реальном времени на основе свёрточного кодировщика и декодировщика и Mamba для обработки временно-частотных представлений. Модель содержит 3,7 млн параметров и поддерживает 30 конфигураций задержки, чтобы адаптироваться к разным требованиям к скорости обработки. Она принимает монофонические WAV-записи с частотой дискретизации от 8 до 48 кГц и выдаёт улучшенную речь в WAV. Модель рассчитана на работу с шумом, реверберацией, клиппингом, ограниченной полосой пропускания, артефактами кодеков и потерями пакетов; заявлена поддержка разных языков и частот дискретизации. Возможные сценарии — повышение устойчивости ASR, улучшение выходного аудио TTS и обработка речи для видеоконференций. Модель предназначена для исследований и разработки; перед практическим внедрением её следует проверить на данных конкретного сценария. Для работы используются Mamba и библиотека mamba-ssm; README отмечает оптимизацию для GPU NVIDIA, в частности A100. Лицензия указана как other, поэтому условия использования следует уточнить в материалах NVIDIA.

ResNet-B — свёрточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k с использованием рецептов Bag of Tricks для Apache Gluon. Она содержит 11,7 млн параметров, использует активации ReLU, начальную свёртку 7×7 с пулингом и проекции 1×1 в shortcut-связях; стандартный размер входного изображения — 224×224. Модель также можно применять как основу для извлечения карт признаков и эмбеддингов изображений. Модель предназначена для классификации изображений на классы ImageNet-1k и получения визуальных признаков для последующих задач компьютерного зрения. Репозиторий предоставляет веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

varun-v-rao/roberta-base-fp-sick — модель классификации последовательностей на базе RoBERTa-base, дообученная на датасете SICK. Она предназначена для классификации текстовых примеров; на оценочной выборке автор сообщает accuracy 0,8788 и loss 0,3257. Модель содержит 151,8 млн параметров, имеет контекст до 514 токенов и распространяется в формате safetensors. Модель подойдёт для экспериментов и прикладных задач классификации текста, связанных с данными SICK. Карточка не уточняет набор меток и конкретную схему классификации, поэтому переносить показатели на другие данные без собственной оценки не следует. Лицензия — MIT.

Koichi Yasuoka разработал эту модель на основе RoBERTa large, предварительно обученной на корейских текстах, и дообучил её для морфологической разметки. Модель присваивает каждому корейскому морфему тег части речи UPOS из универсального набора; карточка также указывает назначение для синтаксического анализа зависимостей. Архитектура — RoBERTa для классификации токенов, размер — 442,9 млн параметров, максимальный контекст — 514 токенов. Модель предназначена для автоматической разметки корейского текста по морфемам, включая определение частей речи, а также для анализа синтаксических зависимостей. Её можно использовать через библиотеку esupar для обработки предложений на корейском языке. Репозиторий содержит веса PyTorch; лицензия — CC BY-SA 4.0.

RUNE-4M — компактный русскоязычный энкодер для предсказания замаскированных токенов, разработанный автором репозитория vvvvtrt. Модель содержит 4,2 млн параметров и основана на дообучении deepvk/RuModernBERT-small с дистилляцией; архитектура в стиле BERT сочетает локальное внимание с окном 64 и глобальное внимание. Контекст — до 8192 токенов. Модель предназначена для быстрого выполнения MLM и как компактная основа для сценариев русского NLP на устройстве, CPU и периферийных системах. Автор приводит результаты на русской Википедии и замеры скорости на Apple MPS; они показывают выигрыш по задержке относительно более крупных моделей при более низком качестве MLM, чем у модели-учителя. Возможное применение для ранжирования, классификации и эмбеддингов описано как предполагаемое использование, а не как отдельные проверенные задачи. Модель принимает текст и предсказывает текстовые токены. Для загрузки требуется зарегистрированный класс архитектуры или совместимая обёртка; веса не являются обычными весами BertModel. Лицензия — Apache-2.0.

SpatialHarmonicNet — модель пространственной регрессии, разработанная автором репозитория hsilvosa. Она оценивает фоновый уровень окружающего излучения в мкЗв/ч по широте и долготе и предназначена для построения пространственных базовых оценок и предварительного выявления аномалий радиационного фона. Модель использует плотную нейросетевую архитектуру: координаты проецируются на единичную сферу, кодируются многомасштабными сферическими гармоническими признаками и обрабатываются остаточной сетью MLP. Выход включает оценку среднего логарифма излучения и неопределённости; для классификации аномалий применяются Z-оценки и конформные интервалы. Обучение выполнено на краудсорсинговых измерениях Safecast Historical Dataset. В README приведены результаты пространственного тестирования, включая R² 0,0785 по логарифмической шкале. Репозиторий содержит форматы PyTorch, Safetensors и ONNX. Лицензия CC0 1.0. Модель подходит для исследовательского анализа и скрининга, но не заменяет официальные измерения или регулирующий мониторинг: данные получены мобильными счётчиками Geiger-Müller и используют калибровочные приближения для Cs-137.

SAURON — модель Sentence Transformers, разработанная Тимом Коорнстрой в рамках магистерской работы по искусственному интеллекту для представления авторского стиля в текстах. Она кодирует предложения и абзацы в плотные векторы размерностью 768, используя архитектуру RoBERTa с 151,9 млн параметров и контекстом до 514 токенов. Обучение на диалогах Reddit с помощью Triplet Loss и семантически сходных высказываний помогает отделять особенности стиля от содержания. Модель предназначена для поиска и группировки текстов по стилю письма, а также для анализа связи стиля и содержания. Поддерживает английский язык. Распространяется по лицензии GPL-3.0.

segformer-b5-segments-warehouse1 — модель семантической сегментации изображений на базе SegFormer B5, дообученная malra на датасете jakka/warehouse_part1. Она предназначена для поклассовой разметки изображений складской среды: каждому пикселю модель назначает класс. В README приведены результаты на тестовой выборке: Mean IoU 0,6952, Mean Accuracy 0,8014 и Overall Accuracy 0,9648; качество заметно различается между классами, а IoU для двух категорий равен нулю. Модель использует архитектуру SegformerForSemanticSegmentation и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не раскрывает названия классов, обучающие настройки или сведения о применении за пределами указанного набора данных, поэтому переносимость на другие склады и условия съёмки по приведённым метрикам оценить нельзя.

SE-ResNeXt26ts.ch_in1k — модель классификации изображений из библиотеки timm, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она объединяет блоки ResNeXt с механизмом Squeeze-and-Excitation, который учитывает важность каналов, трёхслойный входной стем и активации SiLU. В модели около 10,4 млн параметров; вычислительная сложность составляет 2,4 GMAC. Размер изображения при обучении — 256×256 пикселей, при тестировании — 288×288. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов в компьютерном зрении. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

ShuaHousetable/serverless-roomsort — модель классификации изображений на архитектуре BEiT, дообученная на основе microsoft/beit-base-patch16-224-pt22k-ft22k. Она предназначена для сортировки изображений комнат по классам. В README указаны точность 0,9892 и loss 0,0394 на оценочной выборке, но набор данных и сами классы не описаны. Модель содержит 119,5 млн параметров и опубликована в формате PyTorch. Лицензия — Apache-2.0. Сведения о конкретных классах, условиях оценки и практических ограничениях в карточке отсутствуют.

ShenavaSanj-v1.0 — модель классификации токенов на базе BERT, разработанная как компонент семейства Shenava-1. Она оценивает семантическую важность слов на персидском языке для метрик S³ и Semantic WER, в частности для взвешивания ошибок распознавания речи. Модель содержит 190 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для оценки значимости персидских слов в исследованиях и бенчмарках ASR, а также для воспроизводимого сравнения систем по протоколу Shenava-1. Она выдаёт оценки важности для токенов; сама по себе не распознаёт аудио и не заменяет полный конвейер ASR, которому нужны отдельные аудиоподготовка, декодирование и нормализация персидского текста. Качество оценок и метрик зависит от токенизации и правил нормализации. Модель дообучена на HooshvareLab/bert-base-parsbert-uncased и распространяется по лицензии Apache-2.0.

Skywork-Reward-V2-Llama-3.1-8B — модель оценки предпочтительности ответов (reward model), разработанная командой Skywork. Она основана на LlamaForSequenceClassification и использует подход Bradley–Terry: получает диалог и вычисляет оценку, пригодную для сравнения качества ответов и обучения или отбора языковых моделей. Модель дообучена на meta-llama/Llama-3.1-8B-Instruct; в серии Skywork-Reward-V2 предпочтительные пары данных собраны в смеси из 26 миллионов примеров. Модель рассчитана на оценивание ответов в диалогах, автоматический выбор предпочтительного ответа и ранжирование вариантов при разработке LLM. В README авторы сообщают о результатах на семи бенчмарках reward-моделей. Размер модели — 7,5 млрд параметров, заявленная длина контекста — 131 072 токена; метаданные указывают библиотеку Transformers и формат safetensors. Лицензия — Llama 3.1 Community License. README не уточняет поддерживаемые языки или ограничения контекста при практическом инференсе.

SpecTTTra-γ-5s — модель классификации аудио из проекта SONICS, представленного авторами на ICLR 2025. Она предназначена для выявления синтетических песен, созданных целиком с помощью генеративных систем, и различения их с песнями человеческого происхождения; в отличие от детекторов поддельного вокала, задача SONICS охватывает также музыку, текст и стиль композиции. Модель построена на архитектуре SpecTTTra (Spectro-Temporal Tokens Transformer): 12 слоёв, 6 голов внимания, размерность эмбеддингов 384 и отношение MLP 2,67; в карточке для варианта γ указано 17 млн параметров. Обработка аудио рассчитана на фрагменты длительностью 5 секунд: сигнал приводится к 16 кГц и преобразуется в мел-спектрограмму с 128 полосами. Модель принимает аудио и выдаёт метку классификации. В таблице авторов для этого варианта приведены F1 0,76, чувствительность 0,66 и специфичность 0,92. Модель подходит для предварительной проверки музыкальных записей на синтетическое происхождение, но результат на отдельном пятсекундном фрагменте не гарантирует верную оценку всей песни; по опубликованным метрикам чувствительность ниже специфичности. Репозиторий заявляет лицензию MIT.

Модель firdhokk/speech-emotion-recognition-with-facebook-wav2vec2-large-xlsr-53 — дообученная разработчиком модель Wav2Vec2 Large XLSR-53 для классификации эмоций в аудиозаписях речи. Она принимает аудио и относит его к одному из семи классов: гнев, отвращение, страх, радость, нейтральное состояние, грусть или удивление. В README описано обучение на данных из RAVDESS, SAVEE, TESS и URDU; базовая архитектура извлекает многоязычные речевые представления. Модель содержит около 402,7 млн параметров и доступна в формате safetensors для Transformers. Её можно применять для анализа эмоциональной окраски речи в записях и голосовых приложениях. В README приведены метрики оценки, однако их условия и детализация тестового набора ограничены, поэтому результаты могут не переноситься на другие говорящие, языки и акустические условия. Модель распространяется по лицензии Apache-2.0.

stanfordnlp/stanza-sme — модель из набора Stanza, разработанного Stanford NLP для лингвистического анализа северносаамского языка (sme). Репозиторий содержит PyTorch-модель для разметки токенов; Stanza предназначена для обработки текста от исходной формы до синтаксического анализа и распознавания именованных сущностей. Модель подходит для включения в NLP-конвейеры для северносаамского текста, где требуется токен-классификация. Карточка не уточняет конкретные классы разметки, размер модели или ограничения её качества. Лицензия репозитория — Apache-2.0.

STAR (Style Transformer for Authorship Representations) — модель для получения стилевых представлений текста, разработанная исследовательской группой AIDA-UPM. Она основана на архитектуре RoBERTa и предназначена для извлечения векторных эмбеддингов, отражающих особенности авторского стиля; в README показано использование выходного представления pooler_output. Модель содержит 454,1 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Эмбеддинги STAR можно использовать как признаки для сравнения текстов и задач анализа авторства. Карточка публикует веса PyTorch и демонстрирует загрузку токенизатора roberta-large. Лицензия и подробные сведения о поддерживаемых языках в предоставленных данных отсутствуют.

tanaos-spam-detection-v1 — модель Tanaos, созданная с библиотекой Artifex и дообученная на синтетическом наборе примеров спама и обычных сообщений. Она классифицирует англоязычный текст по двум меткам: spam и not_spam. В основе лежит DistilBERT multilingual cased с архитектурой DistilBertForSequenceClassification; модель принимает текст с контекстом до 512 токенов и сохраняется в формате safetensors. Модель предназначена для первичной фильтрации электронной почты, сообщений в мессенджерах и других текстовых коммуникациях. Среди выявляемых категорий — нежелательная реклама и пропаганда, мошенничество, фишинг, вводящий в заблуждение контент, вредоносные ссылки, материалы для взрослых, а также сообщения с чрезмерным использованием заглавных букв и знаков препинания. Модель ориентирована на английский язык. Синтетические обучающие данные могут ограничивать обобщение на реальные и новые виды спама; ошибочная классификация возможна, поэтому результаты не следует использовать в высокорисковых сценариях без проверки человеком. Лицензия — MIT.

tf_efficientnet_l2.ns_jft_in1k_475 — сверточная модель EfficientNet-L2 для классификации изображений и извлечения визуальных признаков. Исходную модель обучили авторы работ на ImageNet-1k и неразмеченном JFT-300M методом полунадзорного обучения Noisy Student; Ross Wightman перенёс её в PyTorch, а в Hugging Face она представлена в формате safetensors и используется через timm. Модель содержит около 480,3 млн параметров, рассчитана на входные изображения размером 475 × 475 пикселей и требует значительных вычислительных ресурсов. Помимо предсказания классов ImageNet, её можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. Лицензия — Apache-2.0.

В репозитории smp-hub размещены предварительно обученные на ImageNet веса EfficientNet-B5 из семейства timm. Модель предназначена для классификации изображений и может использоваться как энкодер в библиотеке segmentation-models-pytorch, в том числе в моделях сегментации. Весовые файлы представлены в формате safetensors; библиотека для работы с моделью — segmentation-models-pytorch. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и исходных весов. В карточке не приведены сведения о точности, размере модели и ограничениях применения.

kktoto/tiny_focal_v3 — модель для классификации токенов на основе архитектуры BERT, обученная автором с нуля на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам текста; конкретная схема разметки и прикладные сценарии в карточке не описаны. Модель содержит 12,6 млн параметров, принимает текст с контекстом до 512 токенов и опубликована в формате PyTorch. В README приведены метрики на оценочной выборке: loss 0,0023, precision 0,6975, recall 0,6822, F1 0,6898 и accuracy 0,9515. Из-за отсутствия сведений о датасете, метках и методике оценки эти результаты сложно интерпретировать и переносить на другие данные. Лицензия и языки модели в доступных сведениях не указаны.