II.8Инженерия данных и аналитика

Sharathhebbar24/SSH_355M — дообученная модель генерации текста на архитектуре GPT-2, созданная на основе gpt2-medium. Она предсказывает продолжение текста по входному фрагменту и предназначена для генерации ответов и связного текста. В метаданных указаны контекст 1024 токена и формат весов safetensors. При дообучении использовались наборы инструкций и примеров по общим вопросам, математике, медицинским терминам, SQL и программированию, а также наборы предпочтений. Это указывает на широкий круг сценариев генерации, но само по себе не подтверждает специализированную точность в этих областях. README приводит результаты нескольких тестов Open LLM Leaderboard. Модель принимает текст и выдаёт текст. Она унаследовала от GPT-2 ориентацию на английский язык; более широкий языковой охват карточкой не подтверждён. Лицензия — Apache-2.0. Контекст ограничен 1024 токенами, поэтому модель не подходит для обработки длинных документов.

Tabby — это модель для прогнозирования временных рядов, выпущенная проектом TabbyTSFM. Репозиторий содержит замороженный предварительно обученный backbone Tabby-Pretrain и адаптированный prompt: backbone не дообучался, а prompt обучался на 48 задачах GIFT-Eval. Архитектура использует 20 слоёв, скрытую ширину 768, 12 голов внимания и патчи длиной 16; в README указано 146,7 млн параметров, а метаданные Hugging Face указывают 165,2 млн. Модель выдаёт вероятностные прогнозы по 99 квантилям с уровнями от 0,01 до 0,99. Контекст backbone составляет 8192 позиции; минимальная маска будущего — 128 позиций, поэтому доступная история сокращается в зависимости от горизонта прогноза. В приведённой оценке на конфигурациях GIFT-Eval Tabby показала MASE 0,6880 и CRPS 0,4758, однако prompt обучался на задачах GIFT-Eval, а в соответствующей отправке отмечена утечка тестовых данных, что ограничивает интерпретацию результатов. Модель подходит для вероятностного прогнозирования временных рядов и получения квантильных оценок на заданном горизонте. Для запуска приведён пример с Transformers и AutoModel. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение.

TIPSv2-L/14 — контрастивная модель «изображение–текст» семейства TIPSv2, представленная в карточке Google. Она предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по пользовательским классам без отдельного обучения на этих классах. Модель также формирует пространственно насыщенные признаки изображений, которые можно использовать для визуализации и задач сегментации. Модель содержит визуальный энкодер ViT из 24 слоёв и текстовый Transformer-энкодер из 12 слоёв. Визуальная часть имеет 303 млн параметров, текстовая — 184 млн; размерность эмбеддингов составляет 1024. Изображения можно подавать с разным разрешением в диапазоне [0, 1] без нормализации ImageNet. Для текста используется токенизатор SentencePiece с приведением текста к нижнему регистру и ограничением в 64 токена. Модель распространяется под лицензией Apache-2.0. Она выдаёт признаки и оценки сходства для сопоставления изображений и текста; README также упоминает пространственные признаки для сценариев сегментации. В метаданных основной задачей указана zero-shot-классификация изображений. Поддерживаемые языки в предоставленных материалах не перечислены.

Tiro Qwen3 ASR 1.7B v2 — англоязычная модель распознавания речи, созданная как дообучение Qwen3-ASR-1.7B компанией или автором Tiro. Она предназначена для транскрибации аудио, особенно речи, записанной на расстоянии от микрофона, в реверберационных помещениях и при фоновом шуме. Модель сохраняет общие возможности базовой ASR-системы; в README приведены сравнительные результаты на FFASR, VOiCES, CHiME-4 и открытых тестовых наборах распознавания речи. Модель использует архитектуру Qwen3-ASR плотного типа с тем же числом параметров, что и база Qwen3-ASR-1.7B, и опубликована в формате safetensors с точностью bf16. Метаданные и карточка указывают английский язык. Лицензия — Apache-2.0. README сообщает о лучшем среднем результате на FFASR, но на ближней речи базовая модель немного лучше; результаты отдельных тестов не гарантируют такое же качество на других аудиозаписях.

TrelBERT — модель на основе BERT, разработанная командой deepsense.ai для анализа польскоязычных сообщений в Twitter. Это плотная трансформерная архитектура BertForMaskedLM с 151,6 млн параметров, дообученная методом masked language modeling на примерно 45 млн польских твитов. В качестве основы использован контрольный пункт HerBERT; модель работает с контекстом до 514 токенов, а для обучения на данных Twitter применялась максимальная длина последовательности 128 токенов. Модель предназначена прежде всего для предсказания замаскированных слов в польском тексте и может служить основой для дообучения на задачах анализа польских сообщений. В экспериментах с KLEJ её дообучали для распознавания сущностей, анализа тональности и выявления кибербуллинга; на задаче обнаружения кибербуллинга она заняла первое место в соответствующем задании KLEJ. Опубликована по лицензии CC BY 4.0. Оптимизация на польских твитах и специальная предобработка ссылок и упоминаний ориентируют её на короткие сообщения из социальных сетей.

Это модель классификации видео на основе VideoMAE Large, разработанная автором репозитория sangdeptraivcl. Она является дообученной версией sangdeptraivcl/videomae-large-finetuned-ucf101-subset; указанный датасет дополнительного дообучения неизвестен. Модель предназначена для отнесения видео к категориям по содержимому. Веса опубликованы в формате Safetensors, размер модели составляет около 402,7 млн параметров. Модель принимает видео и выдаёт метки классов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. Карточка не сообщает набор классов, параметры видеовхода или результаты оценки, поэтому пригодность для конкретных категорий и качество предсказаний следует проверять отдельно.

Это PyTorch-порт VideoPrism LVT Base от Google DeepMind, подготовленный автором репозитория sposiboh на основе google/videoprism-lvt-base-f16r288. Он переносит модель из исходного релиза с весами JAX/Flax в PyTorch и, согласно карточке, даёт численно эквивалентные исходной реализации выходы. Модель предназначена для извлечения признаков из видео и получения векторных представлений, которые можно использовать в последующих задачах анализа видео. Архитектура — VideoPrism LVT Base; репозиторий содержит веса safetensors и используется через Transformers AutoModel и AutoProcessor. Суффикс f16r288 входит в название версии, но карточка не поясняет его значение. Лицензия — Apache-2.0. README указывает, что для загрузки требуется trust_remote_code=True.

Vinci-MLE-30B-1.0 — открытая модель SimpleDirect, разработанная в Канаде для задач машинного обучения и инженерии данных. Это дообученная на базе IBM Granite 4.1 30B плотная авторегрессионная языковая модель с 28,9 млрд параметров; она принимает текстовые задачи и сведения о рабочем пространстве, анализирует доступные свидетельства и формирует структурированный отчёт с обоснованным действием, отказом от изменений или остановкой. Заявленный контекст — 131 072 токена, однако в описанной оценке использовался предел 16 384 токена. Модель предназначена для ассистентов, которые помогают диагностировать проблемы в ML-проектах и предлагать ограниченные изменения файлов рабочего пространства. Веса и токенизатор сами по себе не образуют готового агентного контура: приложение должно предоставить и проверять инструменты, ограничивать взаимодействия и независимо тестировать предлагаемые изменения. Специализированная оценка по задачам ML-инженерии не проводилась; обучение охватывало один проход по 91 траектории, поэтому качество на широком наборе фреймворков и сценариев не установлено. Модель выпущена под лицензией Apache-2.0.

Это гибридная модель классификации изображений, сочетающая ResNet и Vision Transformer (ViT). Её обучили авторы исследований на ImageNet-21k, затем дообучили на ImageNet-1k с дополнительной аугментацией и регуляризацией. Ross Wightman перенёс веса в PyTorch; модель распространяется в форматах PyTorch и safetensors и доступна через библиотеку timm. Модель подходит для классификации изображений и извлечения визуальных признаков. Она принимает изображения размером 384 × 384 пикселя и содержит около 329,1 млн параметров; вычислительная сложность составляет 56,4 GMACs. Лицензия — Apache-2.0. Карточка не описывает поддержку текстового ввода или генерацию изображений.

facebook/vjepa2-vitg-fpc64-384-ssv2 — модель классификации видео, разработанная FAIR подразделения Meta на основе V-JEPA 2. Это вариант ViT-g с разрешением 384 и классификационной головой, дообученный на наборе Something-Something-V2; число параметров составляет 1,3 млрд. Модель предназначена для присвоения видео меток классов и понимания действий и событий в видеороликах. Модель принимает видео и выдаёт классовые предсказания. Она использует архитектуру VJEPA2ForVideoClassification и доступна в формате safetensors для библиотеки Transformers. Лицензия — MIT. Карточка не приводит измерений качества или подробностей о поддерживаемых языках; применимость к другим наборам классов может требовать дополнительной настройки.

Модель itaihay/wav2vec_asr_swbd — дообученная версия facebook/wav2vec2-large-robust-ft-swbd-300h для автоматического распознавания речи. Она использует архитектуру Wav2Vec2ForCTC, содержит 402,7 млн параметров и принимает аудио, выдавая распознанный текст. В карточке приведён результат оценки: WER 0,5302 и loss 0,3052. README не описывает набор данных для дообучения и сценарии применения, поэтому качество на других данных и языках по этим результатам оценить нельзя. Модель распространяется по лицензии Apache-2.0.

bartelds/whisper-large-v3-turbo-fy-cv22 — дообученная модель распознавания речи на базе openai/whisper-large-v3-turbo. Она предназначена для транскрибирования фризского языка (fy-NL) и обучена на данных Common Voice 22.0. Модель использует архитектуру Whisper и принимает аудио; размер составляет 905,2 млн параметров. В обучении энкодер был заморожен, адаптировалась часть декодера. В README указаны WER 0,0479 на dev и 0,0574 на test для выборок примерно по часу. Обучающие записи разделены по говорящим относительно dev и test, аудио приведено к 16 кГц, длительность клипов ограничена 30 секундами. Модель рассчитана на голосовые записи, похожие на Common Voice; на радио, телефонной речи и шумном аудио качество может снижаться. Для оформления регистра и пунктуации может понадобиться постобработка. Лицензия — MIT.

Модель cartesinus/xlm-r-base-amazon-massive-slot — дообученная cartesinus модель XLM-RoBERTa-base для разметки слотов в текстах. Она обучена на наборе данных MASSIVE 1.1 и использует архитектуру XLMRobertaForTokenClassification. Модель принимает текст и присваивает метки отдельным токенам, помогая извлекать из пользовательских высказываний значения, относящиеся к слотам в сценариях понимания естественного языка. На тестовой выборке указаны F1 0,8405, точность 0,8144, полнота 0,8683 и accuracy 0,9333. Параметры модели сохранены в форматах PyTorch и Safetensors; размер составляет около 305,2 млн параметров, длина контекста — 514 токенов. Карточка помечена языком en, но XLM-RoBERTa — многоязычная базовая модель, поэтому явно подтверждённая поддержка отдельных языков для этой версии ограничена сведениями карточки. Лицензия — MIT.

YuLan-Mini — базовая предварительно обученная языковая модель, разработанная командой AI Box Народного университета Китая. Это плотная авторегрессионная модель семейства Llama с 2,2 млрд параметров и контекстом до 28 723 токенов; веса опубликованы в формате Safetensors. Модель обучали на 1,08 трлн токенов, уделяя особое внимание математике и программированию. Модель предназначена для генерации текста и продолжения заданного фрагмента, а также для экспериментов и дальнейшего дообучения. Она не прошла настройку для следования инструкциям, поэтому не рассчитана на диалог в формате ассистента без дополнительного обучения или подходящего промпта. В карточке перечислены английский и китайский языки. Модель доступна по лицензии MIT. Заявленные сильные стороны — математические и кодовые задачи, эффективное предварительное обучение и длинный контекст. Результаты бенчмарков в README приведены для семейства моделей в сравнительной таблице, поэтому их нельзя однозначно приписать этой версии без дополнительных данных.

Recognai/zeroshot_selectra_small — модель классификации текста с нулевым обучением на основе SELECTRA, дообученная Recognai на испанской части набора XNLI. Она принимает текст и набор кандидатных меток, после чего оценивает, какая метка лучше подходит; для работы через конвейер zero-shot в Transformers шаблон гипотезы следует задавать на испанском языке. Модель содержит 25,4 млн параметров и поддерживает контекст до 512 токенов. Модель рассчитана на лёгкую классификацию испанских текстов без отдельного обучения под каждую задачу. В опубликованной оценке точность на XNLI составляет 0,795; на выбранной подвыборке MLSUM — 0,446. Авторы отмечают, что версия small компактнее, но уступает версии medium и классификатору на BETO. Лицензия — Apache-2.0.

Карточка модели dolphin-the-goat/baby-dolphin-2.0 на Hugging Face совпадает с карточкой microsoft/phi-2, поэтому описание составлено по ней. Phi-2 — базовая плотная Transformer-модель Microsoft с 2,7 млрд параметров, предназначенная для генерации текста. Она предсказывает следующий токен и рассчитана прежде всего на стандартный английский. В карточке Hugging Face указаны 3,5 млрд параметров; контекст составляет 2048 токенов. Модель распространяется в формате safetensors по лицензии MIT. Phi-2 подходит для ответов на вопросы, диалоговых подсказок и генерации кода, особенно на Python. В бенчмарках на здравый смысл, понимание языка и логические рассуждения модель показала высокие результаты среди моделей менее 13 млрд параметров. Она не проходила дообучение на инструкциях или RLHF, поэтому может плохо следовать сложным указаниям и часто выдаёт лишний текст. Сгенерированные факты и код требуют проверки: модель может ошибаться, а её знания о коде в основном охватывают Python и распространённые библиотеки. Возможны общественные предубеждения и токсичные ответы. Microsoft указывает, что модель не проверена для производственных задач без предварительной оценки.

dbmdz German BERT uncased — немецкоязычная модель BERT, выпущенная командой MDZ Digital Library Баварской государственной библиотеки. Это вариант без различения регистра, предназначенный для восстановления замаскированных слов и дальнейшей адаптации к задачам обработки немецкого языка. Модель содержит 137,1 млн параметров, использует архитектуру BERT для masked language modeling и принимает последовательности длиной до 512 токенов. Модель предварительно обучена на корпусе объёмом около 16 ГБ и 2,35 млрд токенов, включающем Википедию, EU Bookshop, Open Subtitles, CommonCrawl, ParaCrawl и News Crawl. Её можно применять для заполнения пропусков в немецком тексте и как основу для дообучения на задачах, например, распознавания именованных сущностей или разметки частей речи. Лицензия — MIT. Карточка перечисляет PyTorch, TensorFlow и Flax-версии весов.

dbmdz/bert-base-italian-xxl-uncased — модель BERT для итальянского языка, опубликованная командой MDZ Digital Library Баварской государственной библиотеки. Это версия BERT для предсказания замаскированных токенов; её можно применять как основу для языковых задач и дообучения, например для разметки именованных сущностей и частей речи. Модель содержит 137,9 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена на крупном итальянском корпусе объёмом 81 ГБ, включающем Википедию, тексты OPUS и итальянскую часть OSCAR. Поддерживается работа с PyTorch, TensorFlow и Flax. В README отмечено, что при обучении XXL-версий указали неверный размер словаря в конфигурации: фактический размер — 31 102 токена. По словам авторов, модель при этом работает, и оценки проводились с этой конфигурацией. Лицензия — MIT.

yentinglin/bert-base-zhtw — модель на архитектуре BERT с примерно 136,7 млн параметров, представленная в формате safetensors. Она предназначена для заполнения пропусков в тексте: модель предсказывает скрытые токены по окружающему контексту. В README также приведён пример использования модели для извлечения признаков через Transformers pipeline. Модель работает с текстом и имеет контекстное окно 512 токенов. По названию репозитория она ориентирована на традиционный китайский язык. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространения производных материалов на тех же условиях, а также ограничивает коммерческое использование. Разработчик предоставляет модель «как есть» и запрещает применять её для высокорисковых медицинских, юридических и финансовых решений.

google/bert_uncased_L-2_H-128_A-2 — компактная англоязычная модель BERT Miniatures от Google, описанная в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Это BERT с 2 слоями и скрытым размером 128; модель содержит около 4,4 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена без учёта регистра с маскированием WordPiece и предназначена для сред с ограниченными вычислительными ресурсами. Модель можно дообучать для задач понимания текста, таких как классификация и оценка сходства предложений. Авторы отмечают, что компактные модели особенно эффективны при дистилляции, когда метки для дообучения генерирует более крупная и точная модель-учитель. Доступны веса PyTorch, Flax и Safetensors. Модель рассчитана на английский язык. Её компактность снижает требования к вычислительным ресурсам, но качество может уступать более крупным моделям, а для прикладных задач обычно требуется дообучение или дистилляция. Лицензия — Apache-2.0.

google/bert_uncased_L-8_H-128_A-2 — компактная англоязычная модель BERT от Google из семейства BERT Miniatures, описанного в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Это плотный трансформерный энкодер с 8 слоями, размером скрытого представления 128 и 2 головами внимания; модель содержит около 6 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена на английском тексте без учёта регистра с маскированием WordPiece-токенов. Модель предназначена для экономного по ресурсам переноса на задачи понимания английского текста, например классификации и определения сходства предложений. Её можно дообучать аналогично исходным моделям BERT; авторы отмечают, что компактные варианты особенно эффективны при дистилляции, когда метки для дообучения создаёт более крупная модель-учитель. Веса доступны в форматах PyTorch и Flax. Лицензия — Apache 2.0. Компактный размер снижает вычислительные требования, но модель уступает более крупным моделям по качеству и рассчитана только на английский язык; для прикладной задачи обычно требуется дообучение.

AmberYifan/capsd-marin-8b-base-code_ifd_b16000_s0 — дообученная авторами AmberYifan модель семейства Llama на базе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и предназначена для генерации и продолжения текста; каталог отмечает поддержку чата. Обучение проводилось на наборе capsd_marin-8b-base-n80000-opc__mix_code_ifd_b16000_s0, что указывает на связь с кодом, но README не описывает конкретные возможности модели. Модель принимает текст и выдаёт текст. Базовая модель ориентирована на английский язык; подтверждений поддержки других языков карточка не приводит. Контекстное окно — 4096 токенов. Репозиторий содержит веса Safetensors и использует Transformers. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

CodeParrot-small — компактная авторегрессионная модель GPT-2 от команды CodeParrot с 110 млн параметров, обученная генерировать код на Python. Она предназначена для продолжения фрагментов кода и создания вариантов решений задач программирования. Модель доступна в формате PyTorch для использования с библиотекой Transformers. При обучении использовался очищенный датасет CodeParrot; контекст составляет 1024 токена. На benchmark HumanEval модель показала pass@1 3,80%, pass@10 6,57% и pass@100 12,78%, поэтому результаты генерации требуют проверки и запуска тестов. Модель распространяется по лицензии Apache-2.0.

not-lain/deepfake — дообученная модель классификации изображений для обнаружения дипфейков, основанная на aaronespasa/deepfake-detection-resnetinceptionv1. Она использует архитектуру семейства ResNet и предназначена для оценки изображения с помощью Transformers; в карточке показан вызов предсказания по пути к файлу изображения. Модель принимает изображения и выдаёт результат классификации. Репозиторий содержит веса в форматах PyTorch и safetensors. Модель распространяется по лицензии Apache-2.0.

DeltaP2S-Qwen2.5-3B-SameFormula-Code-S13 — объединённый чекпойнт Qwen2.5, созданный экспериментальным пакетом Delta-P2S с учётом архитектуры Qwen. В основе лежит Qwen/Qwen2.5-3B; модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и принимает текст для генерации текста. Репозиторий содержит веса в формате safetensors, карточка указывает библиотеку Transformers и контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста; название и каталог обучения указывают на сценарии, связанные с кодом, однако README не уточняет результаты обучения или конкретные возможности в программировании. Чекпойнт сформирован слиянием в рамках эксперимента Delta-P2S. Условия лицензии в предоставленных данных не описаны.

zeromodels/dino-resnet50 — порт на Keras 3 самообученного визуального backbone DINO на базе ResNet-50. Веса конвертированы из официальной реализации facebookresearch/dino; модель разработана ZeroModels на основе работы исследователей Facebook AI Research. Она извлекает семантические признаки из изображений и возвращает токены или карты признаков, без отдельной головы для конкретной задачи. Подходит как визуальный энкодер для поиска похожих изображений, кластеризации и последующих задач компьютерного зрения. Реализация работает с TensorFlow, Torch и JAX; в метаданных репозитория указан формат TensorFlow. DINO обучен самообучением на разных фрагментах одного изображения без меток. README не сообщает поддерживаемые естественные языки или размер контекста, которые для этой модели не являются применимыми. Лицензия — Apache 2.0.

Это преобразованная версия DINOv2 ViT-L/14, подготовленная Eugenehp для библиотеки RLX: веса из исходного чекпойнта переложены в формат RLX meta layout и опубликованы в вариантах safetensors, включая файл с ключами Hugging Face. Модель предназначена для извлечения признаков изображений и запуска через компонент rlx-dinov2. В репозитории также указан формат GGUF F16. Лицензия — Apache-2.0. Карточка не сообщает размер модели, поддерживаемые языки и ограничения качества; DINOv2 принимает изображения и выдаёт визуальные признаки.

facebook/dino-vitb16 — модель Vision Transformer базового размера, обученная методом DINO исследовательской командой, представленной в статье Mathilde Caron и соавторов. Это энкодер изображений на 113,2 млн параметров: он разбивает изображение на патчи 16×16 и обрабатывает их трансформерными слоями. Предобучение выполнено без учителя на ImageNet-1k с разрешением 224×224 пикселя. Модель извлекает векторные представления изображений для последующих задач компьютерного зрения. Эти признаки можно использовать, например, для обучения классификатора на размеченных данных. Готовой тонко настроенной классификационной головы в модели нет. Доступны веса PyTorch и TensorFlow; лицензия — Apache-2.0.

Distil-Gemma3-270M-SHELLper — компактная текстовая модель Distil Labs на архитектуре Gemma 3, дообученная для вызова функций Bash в многошаговых диалогах. Модель насчитывает около 257 млн параметров, принимает текстовые запросы с описаниями инструментов и выдаёт вызов инструмента в формате JSON. Контекст — до 32 768 токенов; модель рассчитана на английские запросы и поддерживает 20 Bash-команд. Модель предназначена для создания интерфейсов на естественном языке к файловой системе, командных помощников, автоматизации и локальных ассистентов. В README заявлена точность вызова инструментов 96,04% на тестовом наборе разработчика; это результат внутренней оценки, а не независимого бенчмарка. Модель обучена с помощью LoRA и дистилляции от GPT OSS 120B на синтетических многошаговых диалогах. Она оптимизирована для одного вызова инструмента за ход, лучше работает в диалогах до пяти ходов и не поддерживает конвейеры команд или их объединение. Лицензия — Apache-2.0; для запуска описан вариант через Transformers или Ollama.

EmoRoBERTa — модель классификации текста на базе RoBERTa, опубликованная Arpan Ghoshal и Rohan Kamath. Она дообучена на GoEmotions — наборе из 58 тысяч комментариев Reddit с разметкой 28 эмоций и нейтрального класса — и предназначена для определения эмоциональной окраски коротких текстов на английском языке. Модель использует архитектуру RobertaForSequenceClassification, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. В карточке приведён лучший результат Macro F1 — 49,30%. Модель подходит для анализа эмоций в комментариях и других коротких сообщениях; качество может быть ограничено тематикой и стилем данных GoEmotions и неравномерностью распознавания отдельных эмоций. Лицензия — MIT.