II.8Инженерия данных и аналитика

Intel/zoedepth-kitti — модель оценки глубины по одному изображению, дообученная на наборе данных KITTI. Она основана на ZoeDepth, которая расширяет подход DPT для оценки метрической, то есть абсолютной, глубины и предназначена для переноса оценки глубины на новые изображения без отдельной настройки под каждую сцену. Модель можно применять в сценариях монокулярного зрения, где требуется получить карту расстояний до объектов и поверхностей. Модель принимает изображение и выдаёт оценку глубины в метрических значениях. Архитектура относится к семейству ZoeDepth и реализована классом ZoeDepthForDepthEstimation; веса опубликованы в формате safetensors. Репозиторий создан Intel и распространяется по лицензии MIT. Дообучение на KITTI связывает модель с дорожными сценами и изображениями, характерными для этого набора данных.

Это кодировщик изображений zoobot-encoder-greyscale-convnext_nano из проекта Zoobot, предназначенный для использования как визуальная основа при работе с изображениями. Модель построена на архитектуре ConvNeXt Nano и доступна через библиотеку timm; README показывает загрузку кодировщика с отключённой классификационной головой для дальнейшей настройки или извлечения признаков. Карточка относит модель к image-classification и описывает её как encoder, который можно загружать и дообучать по инструкциям Zoobot. Название указывает на обработку изображений в градациях серого; сведений о конкретных задачах Zoobot, разрешении входа и результатах оценки в карточке нет. Модель распространяется по лицензии Apache-2.0.

AIFS Single v2 — система прогнозирования погоды на основе искусственного интеллекта, разработанная ECMWF и работающая в оперативном режиме. Это модель с графовыми нейросетевыми кодировщиком и декодировщиком и трансформерным процессором со скользящим окном; веса доступны в формате PyTorch и предназначены для запуска через Anemoi. Модель строит глобальные прогнозы на 15 дней с шагом 6 часов, обновляемые четыре раза в сутки. Модель принимает представления атмосферного состояния за два последовательных момента времени с интервалом 6 часов и прогнозирует состояние на следующие 6 часов. Она охватывает атмосферные поля примерно с горизонтальным разрешением 31 км и 14 уровнями давления от 10 до 1000 гПа, а также прогнозирует волновые параметры и снег. Обучение включало ERA5 за 1979–2022 годы и дополнительные анализы ECMWF за 2018–2024 годы для дообучения; часть использованных данных IFS недоступна пользователям. Модель предназначена для численного прогнозирования погоды и оценки атмосферных и волновых условий. В README раздел известных ограничений не содержит конкретных сведений. Веса опубликованы по лицензии CC BY 4.0; демонстрационный ноутбук и скрипты — по Apache 2.0.

AuthorityRespect_binary — дообученная модель ajrayman на базе microsoft/deberta-v3-base для бинарной классификации текста. Она построена на архитектуре DeBERTa V2 и содержит около 211,6 млн параметров; максимальная длина контекста — 512 токенов. В метаданных и карточке не описаны смысл классов, обучающие данные и предполагаемые сценарии применения, поэтому назначение классификации, связанное с authority и respect в названии, нельзя считать подтверждённым. Модель принимает текст и выдаёт результат классификации. На указанном в карточке оценочном наборе приведены accuracy 0,6463, precision 0,6730, recall 0,5691, F1 0,6167 и AUC 0,7268; без описания набора и классов эти показатели трудно интерпретировать. Лицензия — MIT.

BERT Tagalog Base Cased — модель семейства BERT, обученная для филиппинского NLP на крупном предварительно обработанном корпусе текстов из интернета. Разработчик — jcblaise; модель выпущена как часть исследовательского проекта для сообщества Filipino NLP. Модель предназначена для восстановления замаскированных слов в текстах на тагальском языке. Она содержит 136,4 млн параметров и принимает контекст длиной до 512 токенов. Доступны веса PyTorch и Flax. Модель устарела: автор рекомендует для более высокой производительности jcblaise/roberta-tagalog-base или jcblaise/roberta-tagalog-large. Лицензия — GPL-3.0.

ZhengPeng7/BiRefNet-COD — официальные веса модели BiRefNet, разработанной авторами работы «Bilateral Reference for High-Resolution Dichotomous Image Segmentation». Эта версия обучена для обнаружения замаскированных объектов (Camouflaged Object Detection, COD) и предназначена для выделения таких объектов на изображениях с помощью сегментационной маски. Модель реализует сегментацию изображений и распространяется в формате safetensors для библиотеки BiRefNet. В README указана лицензия MIT. Карточка описывает веса для конкретной задачи COD; сведения о размере модели, поддерживаемых языках и ограничениях качества не приведены.

WafaaFraih/blip-roco-radiology-captioning — модель BLIP, дообученная для создания подписей к медицинским радиологическим изображениям на наборе ROCOv2 Radiology. Она принимает изображение и генерирует текстовое описание его содержимого. Базовая модель — Salesforce/blip-image-captioning-base; веса представлены в формате safetensors, при дообучении использовалась точность FP32. Модель предназначена для автоматического описания радиологических снимков и поддержки работы с медицинскими изображениями. Карточка указывает английский язык. Лицензия — MIT. Описания модели не следует считать медицинским заключением.

Это модель обнаружения объектов YOLO26s, дообученная автором репозитория на подводном наборе Brackish Underwater в рамках DetectionBench. Она принимает изображения и размечает на них морских животных: крабов, рыб, медуз, креветок и морских звёзд; подходит для анализа подводных кадров и сравнительной оценки детекторов. В README приведены результаты на тестовой части набора: mAP@50 — 99,1%, mAP@50–95 — 85,77%, точность — 99,45%. Модель построена на семействе Ultralytics YOLO26 и распространяется в формате PyTorch по лицензии AGPL-3.0. Обучающие данные имеют сильный дисбаланс классов: крабы и мелкие рыбы составляют около двух третей размеченных объектов, а креветки и медузы представлены редко. Данные сняты одной стационарной камерой в одном месте в Дании; переносимость на другие камеры и типы водоёмов не проверена. Около 15% кадров намеренно не содержат размеченных объектов.

Calories Burned Predictor — компактная регрессионная модель на PyTorch, разработанная в рамках проекта learn-pytorch-2026. Полносвязная сеть с тремя скрытыми слоями шириной 128, 64 и 32 нейрона принимает семь стандартизированных биометрических и тренировочных признаков и выдаёт оценку расхода энергии в килокалориях. Для стандартизации входов используются среднее и стандартное отклонение из config.json; веса также доступны в форматах TorchScript и ONNX. Модель предназначена для оценки сожжённых калорий во время тренировки по данным о человеке и нагрузке, например для фитнес-приложений и демонстрационных проектов. В README приведены результаты на тестовой выборке: RMSE 1,79 ккал, MAE 1,23 ккал и R² 0,9992. Модель обучена на одном наборе данных Kaggle, поэтому точность может снизиться для спортсменов и людей с необычной физиологией; тип активности не учитывается. Условия распространения — лицензия MIT.

CeLLaTe-tapt-pubmedbert-tokenizer-adapted-spanmask-combinedData — англоязычная модель заполнения пропусков на основе BERT, разработанная Mardiyyah и дообученная на наборе Mardiyyah/Combined_TAPT_dataset. Она рассчитана на предсказание замаскированных слов в биомедицинских текстах и может применяться для анализа медицинской литературы. Модель содержит 138,2 млн параметров, принимает последовательности длиной до 512 токенов и выдаёт вероятности подстановок для пропущенных токенов. Использует архитектуру BertForMaskedLM и формат safetensors. На оценочной выборке указаны loss 2,2865, accuracy 0,5769 и perplexity 9,8401. Лицензия Apache-2.0. README не приводит подробных сведений о предназначении и ограничениях, поэтому качество на других наборах и пригодность для клинических решений по этим данным определить нельзя.

Модель tiantiaf/childvox-speechocean762-prosody-babyhubert разработана Tiantian Feng для классификации просодии детской и взрослой речи. Она дообучена на корпусе SpeechOcean762 и предназначена для определения категории «Poor intonation» («плохая интонация»); в README описана оценка детской и взрослой речи в рамках бенчмарка ChildVox, принятого на EMNLP 2026 Main. Модель построена на базе MarvinLvn/BabyHuBERT, принимает аудио и выдаёт результат классификации. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия OpenRAIL запрещает коммерческое использование согласно README. Записи детской речи требуют особого внимания к приватности, согласию участников и соблюдению применимых норм; модель не предназначена для диагностики, индивидуальной оценки развития без экспертной проверки, слежки или приватного мониторинга.

Модель pkr7098/cifar100-vit-base-patch16-224-in21k — дообученная на датасете CIFAR-100 модель Vision Transformer, разработанная на основе google/vit-base-patch16-224-in21k. Она предназначена для классификации изображений по 100 категориям CIFAR-100. Архитектура ViT использует патчи 16×16 при входном разрешении 224×224 пикселя; модель содержит 113,2 млн параметров и распространяется в формате safetensors. На оценочной выборке CIFAR-100 указаны точность 0,926 и loss 0,2945. Модель подходит для экспериментов и классификации изображений, близких к распределению CIFAR-100; качество на других наборах данных не подтверждено. Лицензия — Apache-2.0.

Coin-CLIP — модель Breezedeus для извлечения признаков и поиска изображений монет. Она дообучена контрастивным обучением на базе OpenAI CLIP ViT-B/32 на наборе более чем из 340 тысяч изображений монет. Модель использует визуальный трансформер и мультимодальное обучение CLIP; в репозитории представлены веса PyTorch для Transformers. Модель предназначена для получения векторных представлений изображений монет и поиска похожих изображений в нумизматической базе. Лицензия — Apache-2.0. Карточка не приводит длину контекста; она не относится к основному сценарию использования этой модели.

DALE-CT-1S-v2 — модель извлечения признаков для анализа срезов КТ грудной клетки, разработанная Институтом биомедицинской информатики и Центром прикладного ИИ Университета Кентукки. Это Vision Transformer ViT-Large, обученный с нуля на данных CT-RATE с целью LeJEPA и дополнительным анатомическим обучением по 118 классам TotalSegmentator. Модель принимает одноканальные срезы КТ в единицах Хаунсфилда после предусмотренной авторами предобработки и выдаёт CLS- и patch-токены размерности 1024. Модель предназначена для получения признаковых представлений КТ, которые можно использовать в последующем обучении классификаторов и исследовании анатомических структур. В опубликованном сравнении она показала macro AUROC 0,8098 на CT-RATE и AUROC 0,6284 на RAD-ChestCT с замороженным линейным классификатором; эти показатели относятся к протоколу авторов и не гарантируют качество в других условиях. Карточка указывает загрузку через timm. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдать условия атрибуции и распространения на тех же условиях.

AlexStamp/distilbert-base-uncased-finetuned-imdb-wwm — дообученная для предметной адаптации модель DistilBERT, созданная на основе distilbert/distilbert-base-uncased и обученная на корпусе рецензий IMDB с маскированием целых слов (Whole Word Masking) для задачи masked language modeling. Модель предназначена для заполнения пропусков в тексте и предсказания замаскированных слов с учётом контекста, в том числе в текстах о кино и отзывах. Архитектура — DistilBertForMaskedLM; модель принимает текст, поддерживает контекст до 512 токенов и ориентирована на английский язык. В README сообщается о снижении perplexity на оценочных фрагментах IMDB при маскировании целых слов, но сравнение с вариантом стандартного маскирования не является прямым из-за разных стратегий и вероятностей маскирования. Репозиторий использует формат safetensors и лицензию Apache-2.0.

trojblue дообучил SigLIP2-base-patch16-512, чтобы оценивать эстетическую привлекательность аниме-иллюстраций по метрикам Q-Align. Модель принимает изображения и выдаёт оценку эстетики; она предназначена для анализа качества изображений, фильтрации, рекомендаций и отбора иллюстраций. По описанию, компактная архитектура SigLIP2 упрощает интеграцию и пакетную обработку, а предсказания близки к оценкам исходной Q-Align. Модель обучена имитировать оценки Q-Align на примерно 5,8 млн иллюстраций из Danbooru и Twitter. Это специализированная модель для аниме-изображений, а не универсальный оценщик эстетики. В README отмечено, что исходная Q-Align может хуже отражать эстетику аниме и склоняться к западным предпочтениям, поэтому оценки модели могут наследовать это смещение; для практических задач автор рекомендует рассмотреть отдельную версию, дистиллированную по метрике качества. Модель распространяется по лицензии Apache-2.0.

Модель Medoid AI для автоматического составления кратких пересказов финансовых новостей. Это дообученная версия PEGASUS, в основе которой лежит google/pegasus-xsum; обучение проводилось на наборе из примерно 2 тысяч статей Bloomberg о фондовых рынках, валютах, процентных ставках и криптовалютах. Модель принимает текст и генерирует текстовое резюме на английском языке. Архитектура — PEGASUS для генерации последовательностей, около 366,8 млн параметров; длина контекста составляет 512 токенов. В карточке приведены результаты ROUGE после дообучения и до него, но они не гарантируют качество на других источниках и типах финансовых материалов. Лицензия в предоставленных данных не указана.

FocalCodec — речевой аудиокодек с низким битрейтом на основе сетей фокальной модуляции. Репозиторий содержит чекпойнт с частотой кодирования 12,5 Гц, обученный на LibriTTS 960; модель предназначена для сжатия и восстановления речи при частоте дискретизации 16 или 24 кГц. В метаданных указана тонкая настройка Microsoft WavLM Large и формат весов Safetensors. Модель может применяться для компактного кодирования речевого аудио, передачи речи по каналам с ограниченной пропускной способностью и восстановления аудио после кодирования. Лицензия репозитория — Apache-2.0. Карточка не сообщает количественные показатели качества сжатия или совместимость с потоковой обработкой именно этого чекпойнта.

GBERT-BioM-Translation-large — немецкоязычная модель BERT, разработанная как продолженное предварительное обучение медицинским текстам на основе deepset/gbert-large. Она предназначена для понимания немецких медицинских текстов; благодаря задаче fill-mask предсказывает слова, скрытые в контексте, и может служить основой для адаптации к профильным задачам. Обучающие данные включают немецкие аннотации PubMed, переведённые английские аннотации PubMed и переведённые отчёты MIMIC-III. Модель имеет архитектуру BERT с головой masked language modeling, содержит 434,5 млн параметров и поддерживает контекст до 512 токенов. В README приведены результаты базовой и крупной версий GBERT на медицинских наборах CLEF eHealth 2019, RadQA, GraSCCo, BRONCO150 и GGPONC 2.0; это не отдельные результаты данной модели. Опубликована под лицензией MIT.

Gemma 3 4B Fine-Tuned for Object Detection — модель, дообученная Ари́трой Роем Гошипати и Серхио Паниего на базе Google Gemma 3 4B PT. Она предназначена для обнаружения номерных знаков на изображениях. Модель использует мультимодальную архитектуру Gemma 3 и опубликована в формате Safetensors для Transformers. Авторы исследуют, можно ли дообучить VLM для обнаружения объектов без предварительного обучения этой задаче и без специальных токенов координат. README называет модель экспериментальной и показывает сценарий обучения и запуска предсказаний. Лицензия репозитория — Apache-2.0.

Heart Disease 1D CNN — модель на PyTorch, разработанная в рамках сравнительного исследования классификации сердечных заболеваний. Она принимает семь заранее обработанных табличных признаков в заданном порядке и относит запись к одному из двух классов: отсутствие или наличие сердечного заболевания. Архитектура включает два слоя Conv1D с 32 и 64 фильтрами, пакетную нормализацию, ReLU, dropout и полносвязный классификационный слой. Модель предназначена для исследовательских и учебных экспериментов, классификации табличных данных и сравнения нейросетевых подходов в здравоохранении. Для работы требуется воспроизвести использованную при обучении предобработку и масштабирование признаков; необработанные клинические измерения подавать нельзя. В карточке указано разделение данных на обучающую, валидационную и тестовую выборки, но итоговые метрики тестирования ещё не приведены. Модель опубликована в формате PyTorch и загружается через Transformers с поддержкой пользовательского кода. Лицензия в предоставленных данных не указана. Модель не является медицинским диагностическим устройством и не подходит для клинических решений без внешней проверки, оценки безопасности и соответствующей регуляторной оценки.

superb/hubert-base-superb-ks — перенесённая в Transformers версия модели S3PRL на базе HuBERT для обнаружения ключевых слов в коротких речевых высказываниях. Модель относит аудиозапись к одному из заранее заданных классов: десяти словам из набора Speech Commands, тишине или категории «неизвестное слово». Такой формат подходит для голосового управления и быстрого распознавания команд, в том числе на устройстве. Модель построена на HuBERT Base, предварительно обученной на речи с частотой дискретизации 16 кГц; для входного аудио требуется та же частота. В карточке указаны архитектура HubertForSequenceClassification и размер 113,3 млн параметров. Для версии Transformers приведена точность 0,9672 на тестовой выборке; результат S3PRL — 0,9630. Модель предназначена для классификации речи по фиксированному набору слов, а не для распознавания произвольной речи в текст. Карточка не сообщает о других поддерживаемых языках, кроме английского в метаданных. Лицензия — Apache-2.0.

kinyaRoberta-large-pretrained-kinyarwanda — дообученная модель RoBERTa для киньяруанда, основанная на jean-paul/kinyaRoberta-large. Она предназначена для предсказания замаскированных слов в тексте и может применяться для языкового анализа и экспериментов с текстами на киньяруанда. Модель содержит 136,3 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В README приведено значение loss 3,0243 на наборе оценки, но сведения о данных обучения и подробные ограничения отсутствуют. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

Модель cool9203/Llama3.1-8B-Chinese-Chat-iii_finance-v2 — дообученная плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, созданная на основе shenzhi-wang/Llama3.1-8B-Chinese-Chat. Она предназначена для генерации текста в формате чата и ответов на вопросы по финансовым материалам с использованием RAG: в карточке описан поиск BM25 и шаблон, который просит отвечать на вопрос, опираясь на найденную информацию. В метаданных указано контекстное окно 131072 токена; README приводит параметр context_length 2048 для описанной настройки. Модель опубликована в формате safetensors и имеет интерфейс для вызова инструментов. Карточка не сообщает лицензию и не уточняет языки или ограничения точности финансовых ответов.

MediPhi-MedCode — компактная языковая модель Microsoft Healthcare & Life Sciences для генерации текста в медицинских и клинических сценариях, включая задачи медицинского кодирования. Она основана на Phi-3.5-mini-instruct и получена слиянием дообученного эксперта MedCode с базовой моделью методом SLERP. Архитектура — плотная Phi-3, размер — около 3,7 млрд параметров; модель принимает текст и рассчитана на контекст до 4096 токенов. Модель предназначена прежде всего для англоязычных исследований, сравнительного тестирования и сценариев с ограниченными вычислительными ресурсами или требованиями к низкой задержке. Она может помогать в клинической обработке естественного языка и работе с медицинским кодированием, сохраняя общие возможности базовой модели. Ответы требуют проверки специалистом: модель может выдумывать или выдавать неточную и устаревшую информацию, а её качество и безопасность не оценены для всех применений. Лицензия — MIT; карточка рекомендует исследовательское использование и экспертную проверку результатов.

Mettle — производный от H-optimus-0 энкодер гистологических изображений, разработанный Slideflow Labs. Он преобразует тайлы изображений тканей в векторы признаков для исследований в вычислительной патологии, разработки моделей и анализа устойчивости к различиям между сканерами и окрашиванием. Архитектура — ViT-g/14 на основе DINOv2 reg4. Доступны CLS-представление размерностью 1536 и представление размерностью 3072, объединяющее CLS-вектор со средним вектором пространственных патчей; результаты опубликованных в карточке бенчмарков рассчитаны для второго варианта. В бенчмарках модель показала результаты на PathoROB, HEST и EVA BACH; сравнение зависит от задачи и выбранного представления. Модель предназначена для извлечения признаков из гистологических изображений, а не для постановки диагнозов. Результаты могут зависеть от типа ткани, подготовки образца, окрашивания, сканера, сжатия, увеличения и протокола анализа; устойчивость к сканерам не гарантирует сохранение всех биологических сигналов. Это предварительная версия для экспериментального использования. Лицензия — CC BY-NC-ND 4.0; обязательства и ограничения лицензии родительской модели также сохраняются.

TeleQnA quality estimator — бинарный классификатор на базе ModernBERT-base, разработанный для оценки ответов Gemma4-E4B на вопросах из области телекоммуникаций. Для каждой пары «вопрос — ответ модели» он предсказывает, можно ли принять ответ или его следует передать более мощной модели. Это компонент маршрутизации каскада моделей, настроенный под ответы конкретной модели Gemma4-E4B. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и поддерживает контекст до 8192 токенов по метаданным; при обучении использовалась максимальная длина 512 токенов. Она дообучена на 45 000 примерах обучающей части TeleQnA. На тестовой выборке из 1000 вопросов точность составила 0,700, однако полнота класса передачи на более сильную модель — 0,46, поэтому значительную часть ответов, требующих эскалации, классификатор пропускает. Предназначена для англоязычных сценариев TeleQnA. Лицензия — Apache-2.0.

Npatta01/music-recsys-2026-retriever-4b — дообученная модель Npatta01 на базе Qwen/Qwen3-Embedding-4B для разговорных музыкальных рекомендаций. Это плотный двухбашенный биэнкодер с общими весами энкодера: он кодирует диалог о предпочтениях слушателя и описание музыкального трека в одном 2560-мерном пространстве, чтобы находить подходящие треки по близости векторов. Для запроса используется инструкционный префикс; для трека — текстовые метаданные каталога. Модель предназначена для поиска кандидатов в каталоге примерно из 47 тысяч треков и для передачи косинусного сходства между диалогом и треком в отдельный ранжировщик. В описанной конфигурации она используется как признак ранжирования; отдельная ветвь поиска добавляла мало кандидатов относительно стоимости дополнительного ANN-запроса. Обучение выполнено полным дообучением с контрастивной функцией потерь на парах «диалог—трек»; модель содержит 3,7 млрд параметров и поддерживает контекст до 40 960 токенов. Лицензия — Apache-2.0. На dev-наборе авторы сообщают Recall@20 0,327 и Recall@1000 0,829 для автономного поиска, а добавление признака сходства улучшало nDCG@20 в их проверке ранжирования. Результаты слабее для сценариев резкой смены музыкального направления. Модель выдаёт эмбеддинги, а не готовые рекомендации: для поиска нужны векторы каталога и индекс, а для итогового ранжирования — отдельный компонент.

OTel-LLM-7B-IT — языковая модель для генерации ответов по найденному контексту в телекоммуникационных RAG-системах. Её разработали в рамках открытой инициативы OTel Family of Models; модель получена полнопараметрическим дообучением allenai/OLMo-3-7B на телекоммуникационных данных OTel-LLM. Это плотная авторегрессионная модель семейства OLMo 3 примерно с 6,9 млрд параметров, работающая с текстом и имеющая контекстное окно до 65 536 токенов. Модель предназначена для ответов на вопросы о телекоммуникациях с опорой на извлечённые документы, например стандарты и технические материалы. В описанной оценке корректность ответов с учётом контекста составила 63,4% ± 0,8 против 57,4% у базовой модели на отложенной части OTel-LLM; эти результаты не измеряют качество ответов без контекста. Качество зависит от поиска документов, ранжирования и инструкций в промпте. Модель рассчитана на английский язык и не является универсальной; её ответы следует проверять перед эксплуатационным, клиентским, регуляторным и сетевым применением. Лицензия модели — Apache-2.0; также необходимо соблюдать лицензию или условия базовой модели.

Модель FPN для сегментации изображений, опубликованная пользователем mindy1212 и обученная на датасете Oxford Pet. Она предназначена для выделения объектов на изображениях домашних животных и может использоваться в задачах сегментации фотографий кошек и собак. Модель создана с библиотекой segmentation-models-pytorch и сохранена в формате safetensors; карточка предлагает загружать её через smp.from_pretrained. Репозиторий распространяется по лицензии MIT. Карточка не содержит сведений о размере модели, точных метриках и параметрах инициализации, поэтому качество сегментации за пределами указанного датасета оценить нельзя.