II.8Инженерия данных и аналитика

RAS-LAB выпустила экспериментальный чекпойнт Qwen3-Coder-16B-A3B-KREAP-MLX — сжатую методом K-REAP инструктивную MoE-модель для генерации текста, программирования и диалоговых сценариев. Она основана на Qwen/Qwen3-Coder-30B-A3B-Instruct; число маршрутизируемых экспертов сокращено со 128 до 64 на слой, а активный набор top-8 сохранён. В README указано около 16 млрд параметров и 3,3 млрд активных; метаданные каталога сообщают 2,6 млрд параметров. Модель поддерживает контекст до 262 144 токенов и доступна в формате safetensors для MLX и Transformers. Метод K-REAP защищает экспертов, важных для корейского языка, и снижает его деградацию относительно стандартного REAP, однако при сжатии на 50% часть защищённых экспертов пришлось удалить. По приведённым бенчмаркам заметно ухудшились показатели на корейских и английских задачах, математике и программировании. Это чекпойнт, демонстрирующий предел сжатия, а не рекомендуемый рабочий вариант. Лицензия — Apache-2.0.

ryankim17920/qwen3p6-27b-expthink-step60 — текстовая дообученная модель на базе Qwen/Qwen3.6-27B, опубликованная как шаг 60 эксперимента ExpThink. Она предназначена для генерации ответов с рассуждением и сокращения числа токенов во внутреннем рассуждении. Модель содержит языковую часть Qwen3_5ForCausalLM, имеет 22,3 млрд параметров и контекст до 262 144 токенов; формат весов — Safetensors. Это только текстовая модель: зрительная часть базовой мультимодальной модели в репозитории отсутствует. В оценке на англоязычных задачах вопросов и ответов, математике и тестах с выбором ответа модель сократила число токенов рассуждения на 52,71% на IID и на 33,80% на OOD по сравнению с базовой моделью. В этих ограниченных тестах регрессии точности не наблюдалось, однако объём выборки и три случайных seed не позволяют считать улучшение точности статистически подтверждённым. Обучение продолжало предыдущий чекпойнт ещё на 10 шагов со сброшенными оптимизатором и планировщиком. Модель может применяться для ответов на проверяемые вопросы, математических задач и тестов на общие и научные знания, когда важно уменьшить длину рассуждений. Карточка не подтверждает качество для общего диалога, программирования, многоязычной работы, использования инструментов или безопасного поведения. Для запуска требуется актуальная версия Transformers с поддержкой текстовых моделей Qwen 3.5; Apache-2.0 унаследована от базовой модели.

Montalte/qwen4b-math-think-taskvector — экспериментальный артефакт слияния для переноса навыков между математикой и программированием. Он основан на плотной языковой модели Qwen3-4B-Base и использует полные веса специалиста по математическим рассуждениям как task vector. Модель предназначена для генерации текста в математических задачах и экспериментов с переносом навыков между математикой и кодом. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке не описаны поддерживаемые естественные языки и результаты оценки качества. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0.

RexReranker Base — англоязычный нейронный реранкер товаров для электронной коммерции от автора thebajajra. Модель оценивает релевантность пары из поискового запроса и описания товара, выдавая вероятность от 0 до 1. Она основана на RexBERT-base и использует архитектуру ModernBERT с классификационной головой; размер — 149 млн параметров, максимальный контекст — 7 999 токенов. Модель предназначена для переклассификации результатов товарного поиска: она помогает поднимать выше товары, лучше соответствующие запросу. Работает как CrossEncoder в библиотеке Sentence Transformers; вход включает запрос, название и описание товара. Доступна в формате safetensors, лицензия — Apache-2.0. Карточка заявляет оценку релевантности, но не приводит сравнительных метрик или подробностей об ограничениях качества.

RexReranker Mini — англоязычный нейросетевой реранкер для электронной коммерции от автора thebajajra. Модель на базе энкодера ModernBERT RexBERT-mini содержит 68,1 млн параметров и дообучена предсказывать релевантность пары из поискового запроса и описания товара. Она выдаёт оценку вероятности от 0 до 1 и совместима с CrossEncoder из Sentence Transformers. Модель предназначена для переупорядочивания результатов поиска товаров в магазинах, маркетплейсах и каталогах. На вход подаются запрос и текст товара с названием и описанием; контекст составляет до 7 999 токенов. В метаданных также указана поддержка классификации текста. Лицензия Apache-2.0 разрешает использование на её условиях.

KoichiYasuoka/roberta-base-korean-ud-goeswith — модель Koichi Yasuoka на архитектуре RoBERTa, дообученная на базе KoichiYasuoka/roberta-base-korean-hanja для разметки частей речи и синтаксического разбора зависимостей корейского текста. Для субслов используется метка goeswith. Модель подходит для лингвистического анализа предложений и построения синтаксических деревьев; в Hugging Face она отнесена к задаче классификации токенов. Модель содержит 143,4 млн параметров, работает с текстом и имеет контекстное окно до 514 токенов. В карточке указана лицензия CC BY-SA 4.0. Для использования через приведённый в README пример требуется Transformers с параметром trust_remote_code=True.

Koichi Yasuoka разработал японскую модель RoBERTa-large для морфосинтаксического анализа текста. Она дообучена на базе nlp-waseda/roberta-large-japanese и предназначена для разметки частей речи и синтаксических зависимостей с обработкой субслов через отношение goeswith. В карточке Hugging Face указаны архитектура RobertaForTokenClassification, 435,4 млн параметров и контекст до 514 токенов. Модель принимает японский текст и возвращает токеновую разметку; для запуска через Transformers требуется библиотека fugashi. Репозиторий содержит веса PyTorch, лицензия — CC BY-SA 4.0.

RoBERTa-small-japanese-aozora-char — компактная модель Koichi Yasuoka на архитектуре RoBERTa, предварительно обученная на текстах японской библиотеки 青空文庫 с посимвольным токенизатором. Она предназначена для заполнения пропусков в тексте и может служить основой для дообучения под задачи обработки японского языка, включая разметку частей речи и синтаксический анализ зависимостей. Модель содержит 12,6 млн параметров, принимает текстовые последовательности с контекстом до 128 токенов и выдаёт предсказания для замаскированных позиций. Доступны веса PyTorch; лицензия — CC BY-SA 4.0.

Это веса визуального энкодера HieraDet Large из семейства SAM 2, опубликованные timm. Модель извлекает признаки из изображений и предназначена для использования как компонент компьютерного зрения в системах, которым нужны визуальные представления для последующей обработки. Модель предоставлена в форматах PyTorch и safetensors, а библиотека для работы с ней — timm. Лицензия — Apache-2.0. Карточка указывает на вариант с разрешением 1024; модель описана как энкодер изображений без остальной части SAM 2.

EColi/SB_Classifier — модель классификации текста, опубликованная пользователем EColi на Hugging Face. Она предназначена для анализа текстовых фрагментов, связанных с категориями SponsorBlock: INTERACTION, NONE, SELFPROMO и SPONSOR. Такие категории позволяют выявлять в содержании видео рекламные интеграции, саморекламу, призывы к взаимодействию и обычные фрагменты без соответствующего содержания. На странице модели указаны PyTorch и тег bert, однако точная архитектура, число параметров, данные обучения, поддерживаемые языки, размер контекста и показатели качества не опубликованы. Модель относится к задаче Text Classification и, вероятно, рассчитана на использование в системах автоматического анализа сегментов видеоконтента, но подробные сценарии применения разработчиком не описаны. Сильной стороной является наличие специализированных классов для задач SponsorBlock. Ограничения связаны с отсутствием содержательной model card, документации по качеству и сведениям о языках и границах применимости; поэтому надежность классификации для иных доменов или языков установить нельзя. Лицензия на странице модели не указана.

Модель peldrak/segformer-b5-ade-finetuned-coastTrain — версия SegFormer B5, дообученная автором peldrak на наборе данных peldrak/coastTrain поверх nvidia/segformer-b5-finetuned-ade-640-640. Она предназначена для семантической сегментации прибрежных сцен: присваивает пиксели классам «вода», «белая пена волн», «осадок», «прочий природный рельеф», «растительность», «застройка» и «неизвестное». На оценочном наборе указаны mean IoU 0,7737 и общая точность 0,9252; IoU для белой пены волн ниже, чем для воды и осадка. Модель распространяется в формате safetensors; лицензия в метаданных обозначена как other.

SigMamba-V1-Large — модель для выявления аномалий в видео наблюдения, разработанная автором репозитория VINAY-UMRETHE. Архитектура объединяет визуальный энкодер SigLIP 2 и Mamba — модель пространства состояний с линейной сложностью по длине последовательности. Модель классифицирует видео и выдаёт оценки аномальности; README описывает обработку как последовательности кадров и рекомендует использовать 32 кадра. Модель принимает кадры размером 384 × 384 пикселя для извлечения признаков внутри модели либо готовые векторы признаков размерности 1024, а на выходе формирует оценки для классификации и порогового обнаружения аномалий. В README приведены результаты на бенчмарке: AUC-ROC 89,82% и Average Precision 41,05% для версии Large. Весы опубликованы в формате safetensors; лицензия — MIT. Модель предназначена для анализа видеонаблюдения и исследовательских или прикладных сценариев обнаружения необычных событий. Качество зависит от домена и данных; README не приводит сведения о проверке на других наборах, конкретном пороге принятия решения или поддержке потоковой обработки.

cybert79/spamai — модель классификации текста для выявления спама в электронных письмах и сообщениях. По карточке, её разработали исследователи в области ИИ и кибербезопасности, дообучив bert-base-uncased на наборах SetFit/enron_spam и Deysi/spam-detection-dataset. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает текст длиной до 512 токенов. Карточка указывает английский язык и сообщает о точности 99,55% и оценочной функции потерь 0,0448 на тестовом разделении использованных наборов данных. Модель подходит для фильтрации спама в почте и текстовых сообщениях. Она не предназначена для выявления фишинга, вредоносных вложений или других угроз за пределами текстового спама; качество может снижаться на языках, отличных от английского, и на данных, не похожих на обучающие. Лицензия указана как неизвестная.

SPECTER-finetuned-DAGPap22 — модель классификации текста на основе BERT, полученная дообучением allenai/specter. Она предназначена для классификации текстовых последовательностей; README сообщает о результатах на тестовом наборе: accuracy 0,9993 и F1 0,9995, однако датасет и условия оценки не раскрыты. Модель содержит 137,1 млн параметров и обрабатывает контекст длиной до 512 токенов. Модель опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не уточняет целевые классы, языки, обучающие данные и сценарии применения, поэтому приведённые метрики нельзя считать гарантией качества на других данных.

STFT-VAE — нейронный аудиокодек с непрерывным латентным представлением на основе STFT. Модель кодирует аудио в комплексную спектрограмму, Transformer-энкодер сжимает её до непрерывного латента с частотой 3,125 кадра в секунду и размерностью 128, а Transformer-декодер и обратное STFT восстанавливают звуковую волну. Фаза сохраняется через STFT/ISTFT, без обучаемого вокодера. Модель содержит около 116 млн параметров и рассчитана на аудио с частотой дискретизации 24 кГц. Она предназначена для кодирования и реконструкции аудио, например для сжатия звукового сигнала в латентное представление и последующего восстановления. Репозиторий содержит архитектурную конфигурацию и веса в формате safetensors; лицензия — MIT.

strixAE — аудиоязыковая модель, созданная автором репозитория на основе Audio-Reasoner: к базовой модели применили GRPO-постобучение и объединили обученные веса в отдельный чекпойнт. Она использует архитектуру Qwen2AudioForConditionalGeneration и содержит 8,40 млрд параметров. Модель принимает аудио и формирует текстовые ответы для анализа речи, музыки и окружающих звуков, рассуждений об аудио и ответов на вопросы. Модель предназначена для оценки качества и искажений аудио, выбора операций восстановления и определения порядка их применения. Для каждой предложенной операции она может дать решение APPLY или SKIP с обоснованием и предложить последовательность обработки. Лицензия — MIT. Карточка описывает чекпойнт как исследовательский; независимые результаты его оценки не опубликованы.

Модель tanaos/tanaos-spam-detection-spanish разработана Tanaos с использованием библиотеки Artifex. Это компактный классификатор текста на базе DistilBERT, дообученный на синтетических испаноязычных примерах и распределяющий сообщения по классам spam и not_spam. Архитектура — DistilBertForSequenceClassification; модель принимает текст, поддерживает контекст до 512 токенов и сохраняется в формате safetensors. Модель предназначена для первичной фильтрации спама в электронной почте, мессенджерах и других текстовых каналах. К спаму карточка относит нежелательную рекламу и пропаганду, мошенничество, фишинг, вводящий в заблуждение контент, вредоносные ссылки, материалы для взрослых и сообщения с чрезмерной капитализацией или пунктуацией. Лицензия — MIT. Модель специализирована на испанском языке и обучена на синтетическом наборе данных, поэтому качество на реальных сообщениях и на других языках может отличаться. Авторы не рекомендуют применять её в критически важных сценариях без дополнительной проверки человеком.

timm/tf_mixnet_s.in1k — модель семейства MixNet для классификации изображений и извлечения визуальных признаков. Её обучили авторы статьи на ImageNet-1k в TensorFlow, а Ross Wightman перенёс веса в PyTorch; репозиторий предоставляет модель через библиотеку timm. В модели около 4,1 млн параметров, вычислительная сложность составляет 0,3 GMACs, размер входного изображения — 224 × 224 пикселя. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Архитектура MixNet использует смешанные глубинные свёрточные ядра. Лицензия репозитория — Apache-2.0. Карточка не приводит сведений о точности на других наборах данных или поддержке иных размеров входа; результаты вне описанного сценария могут отличаться.

kktoto/tiny_focal_v2_label — модель токенной классификации на базе BERT, обученная разработчиком с нуля на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам текста; конкретный тип разметки и целевая область применения не описаны. Модель содержит 12,6 млн параметров, использует PyTorch и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: F1 0,6861, точность 0,9513, полнота 0,6747 и loss 0,0558. Эти показатели относятся к неописанной тестовой выборке, поэтому по ним нельзя судить о качестве на других данных. Лицензия в доступных сведениях не указана.

Toto-2.0-2.5B-FT — модель Datadog для прогнозирования временных рядов, полученная дообучением базовой Toto-2.0-2.5B. Это чекпойнт архитектуры Toto 2.0 с 2,8 млрд параметров, опубликованный в формате Safetensors и рассчитанный на работу через PyTorch. Дообучение проводилось 10 000 шагов на смеси данных, включающей обучающую выборку GIFT-Eval и метрики наблюдаемости Datadog с шагом 5 минут и более. Модель предназначена для воспроизводимости результата бенчмарка GIFT-Eval и исследования влияния дообучения на этом наборе данных. В README указано, что чекпойнт занял второе место по рангам CRPS и MASE на полном лидерборде; эти результаты относятся к бенчмарку и не характеризуют качество на произвольных производственных сценариях. Разработчики рекомендуют для реальных нагрузок базовые модели Toto 2.0. Модель распространяется по лицензии Apache-2.0. Она принимает временные ряды и выдаёт прогнозы; README не сообщает длину контекста. Включение обучающей выборки GIFT-Eval в данные дообучения ограничивает независимую оценку на этом бенчмарке и обобщение за его пределы.

Это дообученная модель классификации видео на базе facebook/timesformer-base-finetuned-k400, опубликованная пользователем tihon-nth. Архитектура TimeSformer предназначена для анализа видеокадров и распознавания категорий действий. Модель содержит 113,2 млн параметров и распространяется в формате safetensors. В README указаны результаты оценки на наборе неизвестного происхождения: accuracy 0,9367 и loss 0,0396. Назначение меток классов, состав обучающих данных и подробные сценарии применения не описаны, поэтому применимость результата за пределами оценочного набора неясна. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

cardiffnlp/twitter-roberta-large-emoji-latest — модель Cardiff NLP на архитектуре RoBERTa-large с 454,1 млн параметров. Она обучена на 154 млн твитов, опубликованных до конца декабря 2022 года, и дообучена на наборе TweetEmoji100 из SuperTweetEval для многоклассовой классификации по 100 эмодзи. Модель предназначена для определения подходящего эмодзи по тексту твита и других коротких сообщений на английском языке. Она принимает текст и выдаёт метку класса эмодзи; длина контекста — 514 токенов. Модель распространяется в формате safetensors по лицензии MIT.

Video Depth Anything Large (Metric) в формате MLX — конверсия модели depth-anything/Metric-Video-Depth-Anything-Large от ByteDance, представленной как highlight на CVPR 2025. Модель оценивает глубину по монокулярному видео: использует backbone DINOv2 и временную голову DPT, выдавая абсолютные расстояния в метрах с согласованностью между кадрами. Модель предназначена для извлечения метрической карты глубины из видеопоследовательности. Конверсия проверена сравнением с реализацией PyTorch: README сообщает максимальную относительную ошибку около 1e-5 на CPU и около 1% на GPU при fast-math в Metal. Распространяется по лицензии Apache-2.0.

Video Depth Anything Small (MLX) — порт для MLX модели Video Depth Anything от ByteDance, представленный сообществом mlx-community. Модель оценивает относительную глубину по кадрам видео и предназначена для согласованных во времени карт глубины на видео произвольной длины. В основе — backbone DINOv2, голова DPT и временные модули движения в стиле AnimateDiff; выходом служат карты глубины для каждого кадра, а не текст. Модель принимает видео как последовательности RGB-кадров; высота и ширина должны быть кратны 14. Это не метрическая модель: она не выдаёт абсолютную глубину в метрах. Веса представлены в формате safetensors и точности fp32; README сообщает о близком совпадении с PyTorch-реализацией при запуске на GPU и CPU. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

YOLOv9t — детектор объектов на основе YOLOv9, дообученный на наборе VisDrone-DET в рамках DetectionBench. Модель предназначена для обнаружения объектов на аэроснимках и кадрах с дронов; она распознаёт пешеходов, людей, велосипеды, автомобили, фургоны, грузовики, трициклы, автобусы, мотоциклы и другие классы VisDrone-DET. На тестовой выборке VisDrone-DET модель показала mAP@50 40,67% и mAP@50–95 23,73%. Она работает с изображениями и выдаёт рамки объектов с классами. Обучение на данных с большим количеством мелких объектов делает её подходящей для анализа сцен, снятых с высоты, но качество ограничивают сильный дисбаланс классов и редкость некоторых категорий. Весы опубликованы в формате PyTorch для библиотеки Ultralytics. Лицензия репозитория — AGPL-3.0; README также указывает, что лицензия исходного датасета VisDrone ограничивает некоммерческое исследовательское использование моделей, обученных на нём.

Модель разработана Tiantian Feng для классификации диалектов английской речи и представлена как реализация метода из работы Voxlect: A Speech Foundation Model Benchmark for Modeling Dialect and Regional Languages Around the Globe. Она принимает аудио и относит речь к одной из 16 категорий, включая North America, Scottish, Irish, South Asia и Oceania, а также более широкие языковые группы и категории English и Other. Модель дообучена на базе openai/whisper-small; в обучении использованы дополнительные речевые данные TIMIT и ParaSpeechCaps. Репозиторий содержит веса в формате safetensors, а модель рассчитана на классификацию аудио с английской речью. Лицензия OpenRAIL запрещает коммерческое использование; авторы также исключают клиническое применение, наблюдение и вторжение в частную жизнь. При работе с речевыми данными следует учитывать согласие говорящих и применимые законы.

lewtun/wav2vec2-base-100k-voxpopuli-finetuned-gtzan — модель классификации аудио, созданная дообучением facebook/wav2vec2-base-100k-voxpopuli для набора GTZAN. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. На указанном в карточке наборе оценки достигла точности 0,86 при значении функции потерь 0,9408. Модель предназначена для определения класса аудиозаписи. Карточка не описывает набор классов, языки, условия записи или ограничения по длительности входного аудио. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

Sámi Wav2Vec2 Base — акустическая модель семейства Wav2Vec2, разработанная Ярославом Гетманом и Тамашем Гросом. Модель содержит 113,3 млн параметров и предварительно обучена на 22,4 тыс. часов неразмеченной саамской речи из архива Yle Sámi Radio. Для работы входное аудио должно иметь частоту дискретизации 16 кГц. Модель служит основой для распознавания саамской речи и распознавания эмоций в речи. Она обучена только на аудио и не содержит токенизатора, поэтому для получения текста её нужно дополнить токенизатором и дообучить на размеченных аудиоданных. Распространяется по лицензии Apache-2.0. Обучающие аудиофрагменты ограничены длительностью до 30 секунд; модель, вероятно, лучше подходит для коротких записей. Данные радиоархива могут создавать смещение в сторону голосов ведущих, а остаточные музыкальные и другие неречевые события могут затруднить дообучение на чистой речи.

junnyu/wobert_chinese_plus_base — китайская языковая модель семейства WoBERT, разработанная Junnyu. Это плотная BERT-модель с архитектурой BertForMaskedLM, предназначенная для заполнения пропусков в тексте: модель предсказывает замаскированные токены по окружающему контексту. Она содержит 151,6 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель ориентирована на китайский язык; в репозитории доступны веса в форматах PyTorch и Flax. README указывает на использование WoBertTokenizer. Модель подходит для восстановления пропущенных фрагментов китайского текста и как базовый компонент задач, опирающихся на предсказание замаскированных токенов. Карточка не сообщает конкретные результаты оценки качества или условия лицензии, поэтому их нельзя подтвердить по доступным данным.

Модель cartesinus/xlm-r-base-amazon-massive-intent — дообученная cartesinus модель на базе XLM-RoBERTa Base от FacebookAI для классификации намерений в коротких пользовательских запросах. Она обучена на англоязычной части набора AmazonScience/MASSIVE и предназначена для определения намерения пользователя в сценариях голосовых помощников и NLU. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст с контекстом до 514 токенов. В README указаны точность и F1 0,8775 на оценочном наборе; результаты заметно различаются по доменам, поэтому качество зависит от категории запросов. Поддерживается классификация текста на английском языке. Лицензия — MIT. Карточка не описывает ограничения применения и не приводит сведения о метках классов или инструкции по использованию.