II.8Инженерия данных и аналитика

Модель SwinV2 Tiny для классификации фотографий глазного дна разработал Xu Sun. Она дообучена с учителем на изображениях сетчатки из набора REFUGE и определяет, относится ли снимок к категории «глаукома» или «без глаукомы». В метаданных указаны архитектура Swinv2ForImageClassification, около 33 млн параметров и форматы PyTorch и Safetensors. Модель предназначена для анализа стандартизированных фотографий глазного дна и извлечения визуальных признаков на разных масштабах. В карточке заявлена высокая результативность на бенчмарке REFUGE; для применения на реальных данных рекомендуется дообучение на репрезентативном наборе снимков. Модель принимает изображения и выдаёт метку класса. Лицензия — Apache-2.0. Модель обучена исключительно на фотографиях глазного дна: другие изображения могут приводить к бессмысленным результатам. Карточка не приводит результатов клинической валидации.

vesselFM — модель-фундамент для сегментации кровеносных сосудов в трёхмерных медицинских изображениях из разных источников и областей визуализации. Её разработали Бастиан Виттманн и соавторы; работа опубликована на CVPR 2025. Репозиторий содержит веса PyTorch, включая базовый чекпойнт и вариант с усреднением экспоненциального скользящего среднего (EMA).

Mauregato/vit-base-patch16-224-best-finetuned-on-affectnet_short — дообученная модель классификации изображений на базе Vision Transformer ViT-Base с патчами 16×16 и входным разрешением 224×224. В карточке указано, что модель дообучена на датасете AffectNet Short; число параметров — 113,2 млн. Разработчик не приводит подробного описания модели и сценариев применения. Модель предназначена для классификации изображений. На оценочном наборе указаны accuracy 0,6718 и F1 0,6703. По названию и датасету она ориентирована на классификацию выражений лица или аффекта, однако набор предсказываемых классов в карточке не раскрыт. Доступна в форматах PyTorch и Safetensors; лицензия — Apache-2.0.

nqvii/vit-riceleafbd-7november2025v2 — дообученная nqvii модель классификации изображений листьев риса, созданная на базе Vision Transformer Google google/vit-base-patch16-224 и обученная на наборе rice-diseases-image-dataset. Модель содержит 113,2 млн параметров и распространяется в формате Safetensors; лицензия — Apache-2.0. Модель предназначена для отнесения изображений к классам набора болезней риса. В README для тестовой выборки указаны accuracy 0,9793, F1 0,9818, recall 0,9831 и loss 1,0941. Эти результаты относятся к описанной оценочной выборке и сами по себе не гарантируют качество на других условиях съёмки или типах листьев.

Voice-Based Stress Recognition (StudentNet) — компактная модель для распознавания стресса по аудио, размещённая пользователем forwarder1121. Это дистиллированная MLP-модель StudentNet, обученная на данных StressID; она принимает 512-мерные аудиоэмбеддинги, полученные с помощью fairseq Wav2Vec2 base, и выдаёт вероятности двух классов: «без стресса» и «стресс». Для подготовки входа требуется отдельно получить эмбеддинг Wav2Vec2. Модель предназначена для бинарного выявления стресса в сценариях с ограниченными вычислительными ресурсами, например на мобильных устройствах и периферийных устройствах. Она работает только с аудиопризнаками и не предсказывает степень интенсивности стресса. Обучающие метки получены из самооценок по шкале 0–10, преобразованных в два класса с порогом 5. Репозиторий содержит веса PyTorch; лицензия — MIT. Результаты могут ухудшаться на языках и условиях записи, отличающихся от обучающих данных. Модель предполагает чистое аудио и корректно рассчитанные Wav2Vec2-эмбеддинги; шум и другие особенности записи могут снижать точность.

Модель LincolnD/wav2vec2-base-finetuned-ravdess-personalization — классификатор эмоций в речи на базе Wav2Vec2, разработанный для экспериментов по адаптации модели во время тестирования. Она дообучена на RAVDESS и относит аудиозапись к одному из восьми классов: нейтральное состояние, спокойствие, радость, грусть, гнев, страх, отвращение или удивление. Модель предназначена для исследований персонализации распознавания эмоций между говорящими и доменами; опубликована как часть работы об адаптации моделей распознавания эмоций в речи. Архитектура — Wav2Vec2ForSequenceClassification, размер — 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц и выдаёт метку класса эмоции. В метаданных указан английский язык. Лицензия — MIT. Результаты оценки и сравнение с методами адаптации приведены в статье авторов; применимость за пределами экспериментального сценария RAVDESS отдельно не подтверждена.

AnesTRACE-Eval — специализированная модель-оценщик от DataXAI для бенчмарка AnesTRACE по клиническому рассуждению и последовательному принятию решений в анестезиологии и периоперационной медицине. Это дообученная модель Qwen3.5-9B с архитектурой условной генерации; опубликованный чекпойнт объединён и загружается через Transformers без отдельного LoRA-адаптера. Модель используется как текстовый LLM-оценщик в конвейере AnesTRACE и формирует структурированные оценки по заданным рубрикам. Она предназначена для оценки ответов на задачи с единичным клиническим решением и многошаговыми диалогами: проверяет клиническую корректность, опору на доказательства, полноту, безопасность вмешательств и согласованность решений во времени. Выдаёт дискретные оценки и метки серьёзности риска; результаты следует проверять по ожидаемой схеме и пересчитывать агрегированные баллы в коде. Модель оптимизирована для англоязычного формата AnesTRACE; качество для других языков, медицинских специальностей и произвольных задач оценивания не установлено. Она может ошибаться в оценках и не предназначена для диагностики, лечения или автономной клинической помощи. Лицензия — Apache-2.0.

Synthyra/ANKH_base — опубликованный Synthyra вариант базового чекпойнта ElnaggarLab/ankh-base, адаптированный для работы с FastPLMs и Hugging Face Transformers. Это плотная модель семейства T5 с архитектурой encoder-decoder и примерно 396,5 млн параметров. Она принимает токенизированные аминокислотные последовательности и поддерживает работу энкодера, генерацию последовательностей и извлечение представлений белков. Модель предназначена для получения эмбеддингов белковых последовательностей и как основа для задач предсказания на уровне последовательности или отдельных аминокислотных остатков. Классификационные и токен-классификационные классы используют предобученный backbone, но имеют новые, не обученные классификационные головы: их необходимо дообучить перед интерпретацией результатов. Репозиторий также предоставляет FastPLMs-расширение masked-LM, которое не является официальной головой ANKH. Модель загружается через Transformers; для encoder-decoder сценариев используется AutoModelForSeq2SeqLM, а AutoModel предоставляет энкодер без декодера. Доступны бэкенды внимания eager и sdpa. Указана лицензия CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях. Тестовое дообучение адаптерами увеличивает задержку и расход памяти и может ухудшить результат; сами предсказания не подтверждают биологическую функцию белка.

Модель dima806/attractive_faces_celebs_detection — дообученная классификационная модель на базе Vision Transformer google/vit-base-patch16-224-in21k. Она анализирует изображение лица и оценивает его привлекательность в стиле классификации знаменитостей: README описывает результат по шкале от 0 до 1 и классы «привлекательное» и «непривлекательное» лицо. Модель предназначена для экспериментальной классификации лиц на изображениях. В отчёте на тестовой выборке из 10 384 примеров указана точность 83,78%; точность и полнота для двух классов составляют примерно 82,6–85,0%. Чекпойнт содержит 113,2 млн параметров и опубликован в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Это модель компьютерного зрения для бинарной классификации изображений пончиков и круассанов. Она обучена с помощью AutoTrain; архитектура Swin, размер — 58,7 млн параметров. Модель принимает изображение и предсказывает один из двух классов. В README указаны метрики на валидации: accuracy 0,994, precision и recall 0,995, AUC 1,000 и F1 0,995. Эти результаты относятся к валидационным данным и сами по себе не гарантируют такую же точность на новых изображениях. Модель распространяется в формате PyTorch; лицензия в доступных данных не указана.

BabyLM Strict-Small — экспериментальный англоязычный masked language model для предсказания замаскированных токенов. Модель разработана в рамках серии BabyLM и основана на DeBERTa-v2; этот репозиторий содержит адаптерный чекпойнт с классом AdapterDebertaV2ForMaskedLM, узким местом адаптера 128 и масштабом 1,75. В README указано 35,46 млн параметров с доверенным кодом; метаданные каталога приводят оценку 37,4 млн. Контекст составляет 512 токенов. Чекпойнт обучен на 84 млн слов из ограниченного корпуса BabyLM Strict-Small и предназначен для задач masked language modeling и исследовательской оценки языковой компетенции на небольших объёмах данных. Для загрузки полного варианта модели требуется доверенный код Transformers: без trust_remote_code=True стандартная реализация может пропустить веса адаптеров. README описывает узкий пик результатов на этом чекпойнте и не утверждает, что он устойчиво обобщается на другие траектории обучения. Лицензия указана как other; README характеризует модель как соответствующую правовым требованиям BabyLM, но не уточняет конкретные условия лицензии.

Beat This! GGUF — это конвертированные в формат GGUF веса трансформерной модели Beat This!, разработанной исследователями CPJKU и описанной Foscarin, Schlüter и Widmer на ISMIR 2024. Модель предназначена для отслеживания долей и сильных долей в музыкальном аудио. Она выдаёт временные метки долей и сильных долей; постобработка использует поиск пиков без Dynamic Bayesian Network. В репозитории представлены варианты F16 и F32; основной вариант F16 занимает 41 МБ, а F32 предназначен для отладки точного совпадения. Модель содержит 20,25 млн параметров и включает mel-фильтрбанк, использованный при экспорте. По README, F32 совпадает с PyTorch-эталоном с высокой численной точностью, а F16 имеет небольшую погрешность из-за точности весов. Модель рассчитана на работу через CrispASR/ggml. Лицензия MIT распространяется на исходный код и опубликованные веса, поэтому модель допускает коммерческое использование. Это специализированный трекер музыкального ритма: он не предназначен для общего распознавания или понимания речи.

Aurigene AI публикует зеркальную копию BioGPT — авторегрессионной генеративной Transformer-модели для биомедицинских текстов. Согласно карточке, исходная модель Microsoft предварительно обучена на 15 млн аннотаций PubMed; в репозитории указано 446,1 млн параметров и контекст до 1024 токенов. Формат весов — PyTorch, библиотека для работы — Transformers. Модель предназначена для генерации биомедицинского текста, извлечения отношений между медицинскими сущностями и ответов на вопросы по научной литературе, включая сценарии в стиле PubMedQA. Карточка сообщает о сильных результатах на нескольких биомедицинских задачах, но приведённые показатели относятся к исходной модели BioGPT и не гарантируют качество для любого применения. Модель ориентирована на английские тексты и не предназначена для замены медицинского специалиста. В метаданных указана лицензия MIT. Aurigene AI отмечает, что модель является зеркальной копией microsoft/biogpt и приписывает авторство исходным разработчикам.

CXR-BERT-specialized — англоязычная языковая модель Microsoft для текстов о рентгенографии грудной клетки. Она основана на BERT и содержит 136,7 млн параметров; модель обучена предсказывать замаскированные токены и формировать текстовые представления, согласованные с представлениями рентгеновских изображений. В README описано её дальнейшее предобучение на текстах PubMed, MIMIC-III и MIMIC-CXR, а также совместное контрастивное обучение с ResNet-50 в рамках BioViL. Контекст модели — до 512 токенов. Модель предназначена для исследований в клинической обработке языка и визуально-языковых задачах радиологии: предсказания пропущенных токенов, сравнения текстовых и визуальных представлений, классификации изображений и локализации фраз на снимках. В README отмечены результаты на задачах вывода по радиологическим текстам и masked language modeling. Для работы с изображениями требуется соответствующая модель изображения; сама карточка CXR-BERT-specialized представляет текстовую модель. Модель обучена на английских биомедицинских публикациях и клинических текстах и рассчитана на английский язык. Она предназначена для исследований и воспроизведения экспериментов; любое практическое внедрение, коммерческое или иное, указано как выходящее за рамки предполагаемого использования. Лицензия — MIT.

Cristian Untaru разработал эту модель в рамках академического проекта SortMed в Университете Западной Тимишоары. Это модель классификации последовательностей на основе BioBERT v1.1 с замороженным энкодером, обученными bottleneck-адаптерами и классификационной головой; общее число параметров — 135,5 млн, максимальная длина контекста — 512 токенов. На вход подаётся краткое описание симптомов на английском языке, а модель относит его к одной из категорий: самостоятельное наблюдение, консультация врача общей практики или срочное обращение за медицинской помощью. Модель предназначена для академических прототипов медицинской предварительной сортировки, классификации описаний симптомов и экспериментов по медицинской NLP-классификации и параметрически эффективному дообучению. Она обучалась на небольшом SymCAT-производном наборе данных с правилами разметки, не подтверждёнными медицинскими специалистами; на тестовой выборке указана точность 0,7358. Лицензия — MIT. Это не диагностическая система и не сертифицированное медицинское устройство. Модель не учитывает историю болезни, жизненные показатели и другие клинические данные, может ошибаться на редких, неполных или неоднозначных описаниях и не предназначена для экстренной сортировки или обработки неанглоязычных симптомов без дополнительной проверки.

Это модель обнаружения объектов YOLO11x, дообученная на подводном наборе данных Brackish Underwater в рамках DetectionBench. Она предназначена для поиска и локализации крабов, рыб, медуз, креветок, мелких рыб и морских звёзд на подводных изображениях и кадрах видео. Модель использует архитектуру семейства Ultralytics YOLO11 и распространяется в формате PyTorch по лицензии AGPL-3.0. На тестовой части Brackish Underwater модель показала mAP@50 98,89%, mAP@50–95 86,3% и точность 98,84% в стандартном конвейере оценки DetectionBench. Результаты относятся к этому набору данных и не подтверждают качество на других камерах, локациях или типах воды. В обучающих данных выражен дисбаланс классов: креветки и медузы представлены редко, поэтому оценки для них основаны на сравнительно небольшом числе примеров. Данные получены с одной неподвижной камеры в Дании и прошли стороннее преобразование в формат YOLO.

AmberYifan/capsd-finance-dedup-marin-8b-base-finance_cap_b10000_s0 — дообученная модель на архитектуре Llama, созданная на основе marin-community/marin-8b-base. В карточке указано, что обучение проводилось на наборе capsd_marin-8b-base-n80000-finance-dedup80k__mix_finance_cap_b10000_s0, однако подробности о составе данных и целях обучения не приведены. Модель содержит 7,5 млрд параметров, использует Transformers и формат safetensors, поддерживает генерацию текста с контекстом до 4096 токенов. Базовая Marin 8B Base описана как англоязычная модель для генерации и продолжения текста; финансовая тематика обучающего набора указывает на возможную адаптацию к финансовым текстам, но назначение и качество именно этой версии не подтверждены. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице модели. Карточка не содержит оценок качества и подробных ограничений.

ChemBERTa-77M-MTR — модель DeepChem на архитектуре RoBERTa, предназначенная для многозадачной регрессии по молекулярным представлениям. Её можно использовать для прогнозирования нескольких свойств молекул по их строковому представлению SMILES; в DeepChem ChemBERTa поддерживает регрессию, классификацию и многозадачную регрессию при дообучении, а этот вариант относится к регрессионной модели. Модель загружается как RobertaForRegression и принимает токенизированный текст, обычно SMILES, выдавая регрессионные прогнозы. Метаданные указывают контекст до 515 токенов и 3,6 млн параметров. Карточка Hugging Face подтверждает разработчика и родительскую модель RoBERTa, но не описывает точный набор предсказываемых свойств, обучающие данные или лицензию; поэтому переносимость прогнозов на разные химические задачи зависит от конкретного применения и проверки на целевых данных.

ChemBERTa-zinc-base-v1 — модель Seyone для работы с химическими строками SMILES. Она построена на архитектуре RoBERTa и обучена как языковая модель с маскированием токенов на корпусе из 100 тысяч строк SMILES из набора ZINC. Веса доступны в форматах PyTorch и Flax; модель содержит 57,2 млн параметров и рассчитана на контекст до 514 токенов. Модель предсказывает замаскированные токены в последовательности SMILES и может использоваться для изучения представлений атомов и функциональных групп. Эти представления подходят как признаки для последующих моделей и экспериментов с оценкой токсичности, растворимости, лекарственноподобности и доступности синтеза, а также для анализа внимания к фрагментам молекулы. В карточке приведён результат обучения за пять эпох с потерей 0,398; автор отмечает, что дальнейшее обучение могло бы улучшить результат. Это базовый чекпойнт для исследовательских и прикладных экспериментов в вычислительной химии и материаловедении, а не готовая система для оценки свойств молекул. Лицензия в предоставленных данных не указана.

lukasdrg/clinical_longformer_same_tokens_1epochs_50k — дообученная модель семейства Longformer для заполнения пропусков в тексте. Она содержит 151,8 млн параметров, использует архитектуру LongformerForMaskedLM и принимает последовательности длиной до 4098 токенов. В README приведён результат оценки: loss 1,7273; сведения о датасете и назначении дообучения не раскрыты. Модель может быть полезна для восстановления замаскированных слов и анализа клинических текстов, однако специализация на клинической области следует из названия репозитория, а не из описания обучения. Лицензия в предоставленных данных не указана.

Это дообученная версия SandriBarros/clinical_longformer_same_tokens_2epochs_250k на клинических данных. Модель построена на архитектуре Longformer и предназначена для заполнения пропусков в тексте: она предсказывает замаскированные токены, что может быть полезно для работы с клиническими формулировками. Размер модели — 151,8 млн параметров, длина контекста — 4098 токенов. В README приведено значение loss 1,3763 на оценочной выборке, однако описание модели, сведения о данных и ограничения не раскрыты. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

ClipMD — модель сопоставления медицинских изображений с текстом, созданная на основе CLIP от OpenAI и дообученная на наборе данных ROCO. Она предназначена для классификации медицинских изображений по текстовым описаниям без отдельного обучения на каждом наборе классов: модель сравнивает изображение с кандидатными формулировками и оценивает их сходство. Визуальный энкодер использует Transformer ViT-B/32, а текстовый — Transformer с маскированным вниманием в скользящем окне. Обучение основано на контрастивной функции потерь, повышающей сходство пар «изображение — текст». Модель принимает изображения и текстовые варианты, выдаёт оценки соответствия; карточка указывает поддержку английского языка. Репозиторий содержит веса PyTorch.

ahsanjavid/convnext-tiny-finetuned-cifar10 — модель компьютерного зрения на архитектуре ConvNeXT-Tiny, дообученная на наборе CIFAR-10 для классификации изображений по десяти классам. В основе лежит ConvNeXT, предварительно обученная на ImageNet-1k с разрешением 224×224; модель предназначена для распознавания категорий объектов на изображениях и экспериментов с классификацией CIFAR-10. Модель использует архитектуру ConvNextForImageClassification и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не сообщает метрики качества или ограничения по применению; классификация ограничена набором из десяти классов CIFAR-10.

AI4Protein/deep_bpe_1600 — белковая языковая модель на архитектуре RoFormer, используемая в платформе VenusFactory. Модель разработана для извлечения признаков из аминокислотных последовательностей и также поддерживает задачу заполнения пропусков в последовательности. Модель содержит 114,5 млн параметров, работает с контекстом до 1026 токенов и доступна в форматах PyTorch и Safetensors. Её можно применять для получения представлений белковых последовательностей и анализа последовательностей с замаскированными позициями. Лицензия — MIT. Описание не уточняет ограничения качества или конкретные биологические задачи, для которых модель проверялась; длинные последовательности могут превышать указанный контекст.

Модель rafalosa/diabetic-retinopathy-224-procnorm-vit — Vision Transformer ViT-Base, дообученный на наборе данных diabetic retinopathy для классификации изображений сетчатки. Она содержит 113,2 млн параметров и принимает изображения размером 224 × 224 пикселя. Модель предназначена для автоматической классификации изображений при скрининге диабетической ретинопатии. На оценочном наборе данных указаны точность 0,7431 и функция потерь 0,7578. Эти результаты относятся к приведённой оценке и сами по себе не подтверждают пригодность модели для клинических решений. Весовые файлы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает классы предсказаний и подробности оценки, поэтому модель следует рассматривать как вспомогательный инструмент, а не как замену медицинской диагностики.

gokulsrinivasagan/distilbert_lda_20_v1 — дообученная модель на базе DistilBERT, обученная на наборе gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-20. В метаданных указан класс DistilBertForLDAMaskedLM и формат весов safetensors; модель работает с контекстом до 512 токенов. README приводит значения loss 4.7631 и accuracy 0.5784 на оценочном наборе, но не объясняет назначение компонента LDA, схему разметки или пользовательский сценарий. Лицензия и базовая модель не указаны, поэтому условия использования и исходный репозиторий базовой модели определить нельзя.

DNA2Vec — трансформерная модель roy chowdhury research для представления последовательностей ДНК в виде векторов. Она предназначена для поиска похожих последовательностей и выравнивания коротких прочтений без привязки к заранее заданному референсному геному, а также может применяться для классификации и других геномных задач. Архитектура включает 6 слоёв энкодера, 12 голов внимания и размерность эмбеддинга 1020; для сопоставления используется косинусное сходство. Модель обучалась на геномных данных с контрастивной функцией потерь и охватом около 2% генома человека. В README заявлены полнота выравнивания свыше 99% для качественных прочтений и перенос на последовательности других видов. Репозиторий содержит веса safetensors для Transformers, контекст — 1024 токена. Лицензия — MIT.

Модель electronic-components-model разработана Chirag Pradhan и представляет собой Vision Transformer (ViT), дообученный на наборе данных электронных компонентов. Она классифицирует изображения резисторов, конденсаторов, катушек индуктивности, транзисторов и других компонентов, распознавая их визуальные признаки. Модель содержит 113,2 млн параметров, использует архитектуру ViTForImageClassification и доступна в формате safetensors для библиотеки Transformers. Она предназначена для автоматического распознавания электронных компонентов по изображениям, например при сортировке или инвентаризации. Базовая модель — google/vit-base-patch16-224. Лицензия — Apache License 2.0.

CynthiaCR/emotions_classifier — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k. Веса содержат 113,2 млн параметров и представлены в формате TensorFlow. Модель предназначена для присвоения изображению класса эмоции; README указывает, что набор данных неизвестен. На оценочной выборке указаны потери 1,6122 и точность 26,87%; эти результаты не подтверждают высокую надёжность классификации. Модель распространяется по лицензии Apache-2.0.

nvidia/esm2_t6_8M_UR50D — версия белковой языковой модели ESM-2, оптимизированная NVIDIA с помощью TransformerEngine. Исходная модель разработана Facebook Research; в этой версии веса и выходы совпадают с оригиналом с учётом небольшой численной погрешности. Архитектура — трансформер NVEsmForMaskedLM, около 9,8 млн параметров, контекст до 1026 токенов по метаданным. Модель обучалась на последовательностях белков и предназначена для работы с аминокислотными последовательностями. Она формирует векторные представления для каждого аминокислотного остатка и всей последовательности, а также подходит для дообучения под задачи анализа белковых последовательностей. В README описано применение для предсказания структуры белка, однако указанный формат выходов — эмбеддинги; это не следует трактовать как непосредственную выдачу готовой 3D-структуры. Для входных последовательностей длиннее 1022 аминокислот README указывает усечение. Оптимизация ориентирована на NVIDIA GPU, также возможен запуск через Hugging Face Transformers. Лицензия — MIT; README допускает коммерческое и некоммерческое использование.