II.8Инженерия данных и аналитика

Phaet — модель Waiv для извлечения признаков из гистологических изображений. Она создана дообучением Phikon-v2 по рецепту, который снижает чувствительность к факторам получения изображений, например к сканеру и лаборатории, и рассчитан на повышение устойчивости при последующем анализе тканей и биомаркеров. Модель предназначена для цифровой патологии и исследований в онкологии: её можно использовать для извлечения признаков из изображений тканей и последующего применения в downstream-анализе. Для загрузки указаны Transformers и safetensors; пример использования требует trust_remote_code. Репозиторий gated, доступ предоставляется по запросу. Лицензия обозначена как other, поэтому конкретные условия следует сверять с карточкой модели.

Pile-T5 Large — англоязычная encoder-decoder модель семейства UMT5, разработанная EleutherAI и обученная на корпусе The Pile с помощью библиотеки T5x. Она использует реализацию UMT5 в Transformers и обучалась по задаче восстановления замаскированных фрагментов текста. В метаданных указано 385,2 млн параметров; карточка модели приводит другое значение — около 783 млн. Архитектура включает 24 слоя энкодера и 24 слоя декодера. Модель предназначена прежде всего для исследований и извлечения языковых признаков, а также для дообучения под последующие задачи. Она принимает текст и генерирует текст, но не настроена на выполнение пользовательских инструкций, диалог или самостоятельное применение в пользовательских продуктах. Поддерживает английский язык; Apache 2.0 разрешает использование и адаптацию в соответствии с лицензией. Выходы могут быть фактически неверными и содержать нежелательные или предвзятые формулировки, поскольку обучение проводилось на The Pile. Перед показом людям результаты следует проверять; для прикладного использования необходимо самостоятельно оценить риски и смещения.

Qwen3.6-27B-Domino — черновая модель Domino от Huang2020 для ускорения генерации целевой модели Qwen/Qwen3.6-27B методом speculative decoding. Она использует блок размера 16 и предназначена для работы с веткой SGLang, поддерживающей Domino. В метаданных архитектура обозначена как DFlashDraftModel; веса представлены в формате Safetensors, размер модели указан как 2,9 млрд параметров, а контекст — до 262 144 токенов. Модель применяется совместно с целевой Qwen3.6-27B для ускорения генерации текста, в частности при ответах на математические задачи, генерации кода и диалоговых запросах. В описанных испытаниях на двух A100 80 ГБ и при жадном декодировании Domino показывала ускорение относительно обычного авторегрессионного режима; величина зависела от нагрузки и конкурентности запросов. Это специализированная вспомогательная модель, а не самостоятельная универсальная языковая модель: для работы нужны целевая Qwen/Qwen3.6-27B и совместимая ветка SGLang. README не сообщает отдельные языки обучения или поддерживаемые языки. Лицензия — MIT.

Карточка модели hfl/rbt4-h312 на Hugging Face совпадает с карточкой hfl/minirbt-h256, поэтому описание составлено по ней. hfl/minirbt-h256 — небольшая предварительно обученная модель для обработки китайского языка, опубликованная HFL. Она основана на архитектуре BERT и обучена с применением дистилляции знаний с помощью инструментария TextBrewer и технологии Whole Word Masking. Модель предназначена для заполнения пропусков в китайском тексте: она предсказывает замаскированные токены по окружающему контексту. Модель содержит 11,7 млн параметров и поддерживает контекст до 512 токенов. Доступны форматы PyTorch и TensorFlow. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей о составе обучающих данных.

RegNetY-1.6GF — сверточная модель классификации изображений из семейства RegNetY, опубликованная авторами статьи и распространяемая через библиотеку timm. Она предварительно обучена на ImageNet-1k и может использоваться для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Модель содержит около 11,2 млн параметров, имеет вычислительную стоимость 1,6 GMAC и рассчитана на входные изображения размером 224 × 224 пикселя. В реализации timm доступны стохастическая глубина, градиентное чекпойнтирование и настройка выходного шага, а также конфигурируемые функции активации и нормализации. Модель предназначена для задач компьютерного зрения общего назначения, где требуется распознавать объекты на изображениях или использовать визуальные признаки в последующих системах. Лицензия — MIT.

1aurent/resnet50.tcga_brca_simclr — модель на базе ResNet50, предназначенная для извлечения визуальных признаков из гистологических изображений. Она обучена на 2 миллионах фрагментов гистологических изображений из набора TCGA-BRCA и содержит 23,6 млн параметров. Модель принимает изображения размером 256 × 256 пикселей с тремя цветовыми каналами и выдаёт эмбеддинги для анализа изображений. Модель может служить визуальным backbone для задач исследования гистологии и рака молочной железы, включая последующую классификацию фрагментов. В метаданных указан pipeline feature-extraction и библиотека timm; веса предоставлены в формате safetensors. Лицензия — GPL-3.0. Карточка ссылается на работу о самообучении визуальных моделей в гистопатологии.

ReXNet-1.3x — модель классификации изображений на архитектуре ReXNet, опубликованная PyroVision/Pyronear. Она предварительно обучена для бинарной классификации изображений, связанных с лесными пожарами, на наборе данных проекта; в метаданных указан датасет pyronear/openfire. Архитектура использует модифицированный блок Squeeze-Excitation в остаточных блоках, предназначенный для снижения избыточности каналов. Репозиторий содержит веса PyTorch и ONNX. Модель подходит для классификации изображений при выявлении лесных пожаров. Лицензия — Apache 2.0.

merve/rfdetr-roadsign-agree1-noaug — дообученная Merve модель обнаружения дорожных знаков на изображениях, основанная на Roboflow/rf-detr-large. Она предназначена для поиска знаков и светофоров и определения их положения на изображении; среди классов в отчёте оценки указаны «Стоп», «Парковка», «Въезд запрещён», знаки поворота и пешеходного перехода, а также красный, зелёный и жёлтый сигналы. Модель использует архитектуру RF-DETR Large и опубликована в формате safetensors для Transformers. На оценочном наборе указаны mAP 0,6591 и mAP@50 0,7654; результаты заметно различаются между классами, а для мелких объектов mAP составляет 0,1129. Данные обучения названы неизвестными, поэтому показатели не гарантируют качество на других наборах изображений и условиях съёмки. Репозиторий распространяется по лицензии Apache-2.0.

Испаноязычная предварительно обученная языковая модель RoBERTa для биомедицинских и клинических текстов, разработанная подразделением Text Mining Unit (TeMU) Барселонского суперкомпьютерного центра. Модель содержит 153,2 млн параметров, использует плотную архитектуру RobertaForMaskedLM и принимает последовательности длиной до 514 токенов. Она обучена на испаноязычном корпусе объёмом более миллиарда токенов, включающем медицинские материалы и клинические документы. Основное готовое к использованию назначение — восстановление замаскированных слов в медицинских и клинических текстах на испанском языке. Модель также предназначена для дообучения под последующие задачи, например распознавание именованных сущностей и классификацию текстов; эти сценарии требуют настройки для конкретной задачи. Модель распространяется по лицензии Apache-2.0. В карточке описана оценка на наборах PharmaCoNER, CANTEMIST и ICTUSnet с сопоставлением с mBERT и BETO. Авторы предупреждают, что встроенные смещения не оценивались; обучающие данные собраны из разных источников, в том числе с помощью веб-краулинга.

leomaurodesenv/roberta-base-disaster-tweet-jailbreaking — модель классификации текста на основе RoBERTa-base, дообученная разработчиком leomaurodesenv на неизвестном наборе данных. По названию репозитория она предназначена для классификации твитов о бедствиях и выявления попыток jailbreak, однако README не раскрывает схему меток и не уточняет, какая из этих задач фактически решается. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. Оценочная точность, приведённая в карточке, составляет 0,7155, но без описания выборки и меток её трудно интерпретировать. Базовая RoBERTa ориентирована на английский язык; назначение и языковой охват этого дообучения отдельно не документированы. Лицензия — MIT.

ku-accms/roberta-base-japanese-ssuw — предварительно обученная японская модель RoBERTa base для работы с суперкороткими единицами слов (SSUW). Она использует архитектуру RoBERTa для masked language modeling и предназначена для заполнения пропусков в тексте. Модель содержит 137,8 млн параметров, работает с последовательностями длиной до 514 токенов и доступна в формате PyTorch через Transformers. Для входного текста требуется предварительная обработка: преобразование символов в полноширинный формат и сегментация на суперкороткие единицы слов, например с помощью KyTea. Модель обучена на японской Википедии и японской части корпуса CC100. Лицензия — CC BY-SA 4.0.

HooshvareLab/roberta-fa-zwnj-base — персидская модель семейства RoBERTa от HooshvareLab, предназначенная для работы с символом полуширинного неразрывного пробела ZWNJ в письменном персидском языке. Она обучена на корпусах разных типов с новым словарём и поддерживает задачу заполнения пропусков в тексте. Модель содержит 145,5 млн параметров, принимает текст и выдаёт текстовые предсказания для замаскированных позиций. Архитектура — RobertaForMaskedLM, максимальная длина контекста — 514 токенов. Доступны версии для PyTorch, TensorFlow и Flax. Модель подходит для восстановления или подбора слов и символов в персидском тексте с учётом орфографического употребления ZWNJ. Лицензия — Apache-2.0; данных о других ограничениях в карточке нет.

Модель KoichiYasuoka/roberta-small-japanese-char-luw-upos разработана Koichi Yasuoka на основе roberta-small-japanese-aozora-char и дообучена для разметки японского текста. Архитектура — RoBERTa с классификатором токенов; модель содержит 12,6 млн параметров и рассчитана на контекст до 128 токенов. Модель присваивает каждому длинному слову японского текста тег части речи UPOS по стандарту Universal Dependencies. Она предназначена для автоматической POS-разметки и может использоваться в инструментарии esupar для анализа японских предложений. В карточке также заявлен разбор зависимостей. Модель обучалась на текстах «Аозора-бунко» и связана с датасетом Universal Dependencies. Поддерживаемый язык — японский. Репозиторий содержит веса PyTorch; лицензия — CC BY-SA 4.0.

RoPE ViT s14 Swiglu Avg EVA-Bio — визуальный энкодер, разработанный проектом Birder. Модель содержит 28,7 млн параметров и принимает изображения размером 224 × 224 пикселя. Она предварительно обучена методом EVA-подобной дистилляции Masked Image Modeling от учителя BioCLIP v2 ViT l14 на разнообразном наборе примерно из 31 млн изображений, преимущественно биологических и природных. Модель предназначена для извлечения признаков и создания эмбеддингов изображений, а также для использования в качестве основы для последующей классификации, обнаружения объектов и сегментации. В карточке приведён пример получения карты признаков для обнаружения объектов. Модель не дообучена под конкретную задачу классификации. Распространяется по лицензии Apache-2.0.

satyame639291/sarcasm-distilbert — англоязычная модель на базе DistilBERT, дообученная разработчиком на бинарную классификацию заголовков новостей по признаку сарказма. Она различает саркастические заголовки The Onion и обычные заголовки HuffPost, присваивая класс «саркастический» или «не саркастический». Модель использует архитектуру DistilBertForSequenceClassification и принимает текст; максимальная длина контекста — 512 токенов. Модель предназначена для выявления сарказма в заголовках новостей. В описанном тесте на 4 276 заголовках она показала точность и взвешенную F1-меру 92%. Эти результаты относятся к указанному набору данных: метки определялись источником публикации, поэтому модель может распознавать стиль издания вместо сарказма. Она не проверена на соцсетях, отзывах, диалогах и текстах не на английском; сарказм, требующий внешних или культурных знаний, распознаётся хуже. Лицензия — MIT.

ScaleQuest-DeepSeekMath-7B-QGen — языковая модель-генератор, выпущенная авторами проекта ScaleQuest для создания математических задач с нуля. Подход ScaleQuest использует небольшие открытые модели для синтеза вопросов без исходных примеров и сложных ограничений на аугментацию данных. Модель предназначена для генерации математических вопросов и подготовки синтетических наборов данных для обучения и оценки решателей задач. Это плотная авторегрессионная модель семейства Llama с 6,5 млрд параметров, работающая через Transformers; контекст — 4096 токенов. В карточке указана поддержка английского языка и диалоговый режим. Модель распространяется под лицензией Apache-2.0. Карточка описывает её назначение как генератора вопросов, но не приводит метрик качества самого генератора; также она не уточняет охват математических тем и форматы выходных задач.

PushkarA07/segformer-b0-finetuned-batch2-10Dec — модель семантической сегментации изображений на архитектуре SegFormer B0, разработанная как дообучение PushkarA07/segformer-b0-finetuned-batch2-30nov. Модель обучена на наборе PushkarA07/batch2-tiles и предназначена для сегментации изображений в задачах, связанных с этим набором данных. В карточке приведены результаты оценки: Mean IoU 0,7531, Mean Accuracy 0,8107, Overall Accuracy 0,9967, IoU для класса Abnormality 0,5094 и Accuracy для него 0,6226. Метрики относятся к указанному оценочному набору; описание классов и практических ограничений не приведено. Модель распространяется в формате Safetensors через Transformers; лицензия указана как other.

SERENGETI-E110 — предварительно обученная мультиязычная языковая модель семейства ELECTRA, разработанная UBC-NLP для языков Африки. Вариант содержит 197,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В карточке модели указан сценарий заполнения пропусков в тексте: модель предсказывает замаскированные токены. SERENGETI входит в набор моделей, охватывающий 517 африканских языков и языковых разновидностей. Авторы оценивают набор на задачах понимания естественного языка и сообщают о результатах на ряде датасетов; также модель может служить основой для дообучения под задачи этих языков. Лицензия в предоставленных данных не указана.

awsaf49/sonics-spectttra-alpha-120s — модель аудиоклассификации из проекта SONICS, представленного в работе ICLR 2025. Она использует архитектуру SpecTTTra (Spectro-Temporal Tokens Transformer) для определения, является ли песня подлинной или синтетической, в том числе полностью сгенерированной ИИ. Модель предназначена для проверки песен длительностью до 120 секунд. В описании семейства SONICS указаны эффективная обработка длинных временных зависимостей и результаты сравнения вариантов на длинных песнях; приведённые в карточке численные результаты относятся к 5-секундным вариантам и не характеризуют напрямую этот чекпойнт. Аудио обрабатывается с частотой 16 кГц с использованием мел-спектральных признаков. Карточка указывает английский язык и формат PyTorch. Модель подходит для предварительной проверки происхождения музыкальных записей, но классификация не доказывает авторство или способ создания песни. Датасет SONICS включает синтетические песни с платформ Suno и Udio. Модель распространяется по лицензии MIT.

SpecTTTra-α-5s — модель классификации аудио из проекта SONICS, представленного авторами исследования на ICLR 2025. Она определяет, является ли песня синтетической или созданной человеком, включая композиции, где ИИ сгенерировал не только вокал, но и музыку, текст и стиль. Модель использует архитектуру SpecTTTra (Spectro-Temporal Tokens Transformer): 12 слоёв, 6 голов внимания и размер эмбеддинга 384. Вариант α рассчитан на фрагменты длительностью 5 секунд; обработка выполняется с частотой 16 кГц, с использованием 128 мел-полос и спектрограммы. В таблице карточки для него приведён F1 0,78. Модель предназначена для выявления поддельных песен и не заменяет проверку происхождения записи другими методами. Обучена на данных SONICS; указана лицензия MIT.

SPECTRE-Large — крупная Transformer-модель для получения представлений из трёхмерных КТ-снимков, разработанная авторами проекта SPECTRE. Она предварительно обучена на открытых КТ-данных органов грудной клетки и брюшной полости с помощью самообучения и межмодального выравнивания изображений с радиологическими текстами и данными электронных медицинских карт. Модель принимает КТ-сканы в единицах Хаунсфилда и извлекает векторное представление всего исследования и признаки отдельных фрагментов; в README также описана обработка NIfTI-файлов и получение эмбеддингов через Transformers или командную строку. Представления можно использовать как основу для дообучения и оценки моделей сегментации, классификации и обнаружения аномалий на медицинских КТ-данных. Для обработки применяются оконная нормализация HU, ориентация RAS и фрагменты 128×128×64 при исходном разрешении вокселей; при необходимости данные можно пересэмплировать. Репозиторий предоставляет веса в формате safetensors и интеграцию с библиотекой Transformers. Лицензия CC BY-NC-SA 4.0 разрешает использование с атрибуцией и на условиях некоммерческого распространения производных материалов. Модель предназначена для извлечения признаков, а не заявлена как готовая система клинической диагностики; для крупных исследований могут потребоваться значительные вычислительные ресурсы.

Модель NiharGupte/swin-tiny-patch4-window7-224-finetuned-student_six_classes — дообученная для классификации изображений версия Swin-Tiny от Microsoft. Она принимает изображения и предсказывает один из шести классов, заданных в наборе imagefolder; названия классов и их предметная область в карточке не раскрыты. Модель содержит около 33 млн параметров, использует архитектуру Swin Transformer и распространяется в формате safetensors по лицензии Apache-2.0. В README указаны результаты на отложенной выборке: accuracy 0,9513 и loss 0,1187. Эти показатели относятся к конкретной оценочной выборке и не гарантируют такое же качество на других изображениях; назначение модели за пределами шести классов набора не описано.

SynthPose — вариант модели оценки позы человека на основе ViTPose Huge, предложенный авторами работы OpenCapBench: Yoni Gozlan, Antoine Falisse, Scott Uhlrich, Anthony Gatti, Michael Black и Akshay Chaudhari; модель на Hugging Face подготовил Yoni Gozlan. Она дообучена на синтетических данных для предсказания плотного набора 2D ключевых точек, подходящего для кинематического анализа и биомеханики. Модель принимает изображения и определяет 52 точки тела: 17 ключевых точек COCO и 35 анатомических маркеров, характерных для систем захвата движения. Её можно применять для извлечения координат тела из изображений и подготовки данных для анализа движения. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Качество оценки может зависеть от ракурса, видимости человека и условий изображения; выход представляет 2D точки и сам по себе не является полноценной 3D реконструкцией или биомеханическим анализом.

TimeSformer — модель классификации видео на основе архитектуры Transformer, дообученная автором tihon-nth на базе facebook/timesformer-base-finetuned-k400. Она предназначена для присвоения видео метки класса; базовая модель классифицирует действия по 400 категориям Kinetics-400, но набор меток и область применения этого дообученного чекпойнта не описаны. Модель содержит 113,2 млн параметров и использует библиотеку Transformers. На указанном автором наборе оценки модель получила loss 0,5794 и accuracy 0,7772. Эти результаты относятся к неизвестному набору данных, поэтому их нельзя переносить на другие видео или интерпретировать без сведений о классах и протоколе оценки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Jackrong/Trace-Inverter-4B — экспериментальная языковая модель на 3,7 млрд параметров, созданная Jackrong дообучением Qwen/Qwen3-4B-Instruct-2507. Она расширяет краткие сводки рассуждений и известные финальные ответы в более длинные синтетические цепочки рассуждений, сохраняя порядок шагов и дополняя пропущенные промежуточные выводы. Модель предназначена прежде всего для подготовки синтетических данных для дообучения reasoning-моделей и для исследовательских экспериментов по восстановлению трасс рассуждений. Она принимает текст и выдаёт текст; в метаданных указана поддержка английского, китайского, испанского, японского, русского и корейского языков, а максимальный контекст составляет 262 144 токена. Модель компактна и может служить предварительным этапом генерации данных, однако её выход — реконструкция, а не подлинная скрытая цепочка рассуждений исходной модели. Она зависит от корректности предоставленного ответа, может добавлять неподтверждённые детали и повторять шаблонные формулировки; математические и другие критичные результаты требуют проверки. README характеризует её как доказательство концепции с ограниченным объёмом обучающих данных, а не как наиболее сильную модель для сложных задач. Лицензия — Apache-2.0.

crangana/trained-gender — модель классификации изображений, дообученная на наборе FairFace на основе microsoft/resnet-50. Она предназначена для классификации изображений людей по признакам, представленным в метках обучающего набора. В README указаны результаты на оценочной выборке: точность 0,8986 и функция потерь 0,2437. Модель использует сверточную архитектуру ResNet-50 и распространяется в формате PyTorch. Базовая ResNet-50 предварительно обучена на ImageNet-1k. Репозиторий лицензирован по Apache-2.0. Подробности о классах предсказания и ограничениях применения в карточке не приведены.

Trion-8B-FHIR-R4 — дообученная Rumiii модель на основе Llama 3.1 8B Instruct для многошагового вызова инструментов в клинических сценариях с API FHIR R4. Она принимает текстовые инструкции и формирует структурированные вызовы функций в формате JSON, совместимом с нативным шаблоном tool calling Llama 3.1; предусмотрено завершение цепочки вызовом finish. Модель предназначена для прототипирования клинических агентов, которые ищут пациентов, запрашивают лабораторные результаты и показатели жизнедеятельности, записывают показатели и выполняют связанные клинические рабочие процессы. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов; заявлен английский язык. Выпуск использует safetensors, а обучение выполнено методом QLoRA с 4-битной базой и слиянием весов для публикации в fp16. Лицензия — Apache-2.0. В обучении использовано 284 многоходовых диалога из Nadhari/MedToolCalling по десяти типам задач и фиксированная схема из шести функций. Это может быть полезно для прототипов агентов и цепочек поиска пациента, получения результатов и размещения заказов, но охват редких случаев, неоднозначных инструкций и ресурсов вне схемы ограничен. Модель не проверена на безопасность, точность или надёжность для реального оказания медицинской помощи; сжатие ответов инструментов при обучении также означает, что обработка полных FHIR-данных без аналогичного сжатия может быть ненадёжной.

youscan/ukr-roberta-base — украиноязычная модель семейства RoBERTa, разработанная Vitalii Radchenko. Это плотная модель с 153,2 млн параметров, обученная предсказывать замаскированные токены. Для предварительного обучения использовались украинская Википедия, украинский корпус OSCAR и выборка упоминаний из социальных сетей. Модель подходит для заполнения пропусков в украинском тексте и как языковая основа для экспериментов и последующей адаптации под задачи обработки украинского языка. Она принимает текст и предсказывает скрытые в нём токены. Максимальная длина контекста — 514 токенов; доступны версии в форматах PyTorch и Flax. Модель выпущена под лицензией Apache-2.0. Её обучение ориентировано на украинский язык, поэтому качество на других языках не подтверждено приведёнными данными; README не содержит результатов оценки качества.

Модель majidam/videomae-base-finetuned-ucf101-subset — видеотрансформер VideoMAE, дообученный на основе MCG-NJU/videomae-base для классификации видео. В репозитории указано, что набор данных неизвестен; название модели указывает на подмножество UCF101, но README этого не подтверждает. Модель содержит 113,2 млн параметров и опубликована в формате Safetensors для библиотеки Transformers. В README приведены результаты на оценочной выборке: loss 0,0279 и accuracy 0,9949; поскольку описание набора данных и методики оценки отсутствует, эти показатели нельзя напрямую переносить на другие данные. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

voc2vec-hubert-ls-pt — аудиомодель семейства HuBERT для анализа невербальных человеческих вокализаций. Её разработали в рамках проекта voc2vec: модель продолжает предобучение модели, первоначально обученной на LibriSpeech, на подборке из 10 наборов данных с примерно 125 часами невербального аудио. В карточке указано 113,3 млн параметров; доступны веса PyTorch, лицензия Apache-2.0. Модель предназначена для классификации невербальных звуков, включая плач младенцев и другие вокализации. Её оценивали на шести наборах данных; README сообщает о лучших среди выпущенных моделей voc2vec результатах для варианта ls-pt. Это предобученная модель для дальнейшего применения в задачах аудиоклассификации; конкретный поддерживаемый язык речи не заявлен, а языковой тег en не означает, что модель предназначена для понимания речи на английском.