II.8Инженерия данных и аналитика

cwolff выпустил cwolff/qwen3.5-2b-grpo-curriculum — дообученную методом GRPO агентную модель на базе Qwen/Qwen3.5-2B с 2 млрд параметров. Она предназначена для преобразования вопросов к базам данных в SQL: модель исследует схему с помощью инструментов, выполняет запросы и отправляет итоговый SQL. Для работы нужен внешний агентный цикл, который исполняет JSON-вызовы инструментов и передаёт результаты модели. Обучение продолжило чекпойнт cwolff/qwen3.5-2b-grpo-sqale на выборке SQaLe3, включая сложные примеры; длина эпизода составляла 24 576 токенов. В README приведены результаты выполнения SQL на BIRD и других наборах, однако модель обучалась и оценивалась только с SQLite. У неё сохранена башня зрения базовой модели, но она не обучалась и не оценивалась, поэтому автор рекомендует считать модель текстовой. Модель распространяется под лицензией Apache-2.0.

VikramPal выпустил дообученную модель Qwen3.5-9B для генерации SQL в агентном цикле. Она предназначена для ответов на вопросы по базам данных: модель предлагает запрос, получает результат его выполнения и при необходимости уточняет запрос с помощью инструмента. Для такого сценария требуется многошаговая интеграция с инструментом исполнения SQL; при одношаговом переводе вопроса в запрос ожидаемые результаты ниже. В карточке приведены оценки на Spider 1 dev и BIRD dev, а также на локальном подмножестве Spider 2.0-lite; результаты Spider 1 использовали подсказку, настроенную на том же dev-наборе, а Spider 2 охватывал только 135 из 547 примеров. Модель основана на Qwen/Qwen3.5-9B, имеет плотную архитектуру Qwen3_5ForCausalLM, около 7,2 млрд параметров и контекст до 262 144 токенов. Обучение включало SFT на трассах рассуждений и GRPO; опубликованные веса представляют собой адаптер, применённый к исходной базовой модели, без двух ранних этапов обучения. Модель рассчитана на работу с английскими запросами и схемами баз данных. В README указана поддержка только диалекта SQLite; обучение ориентировано на схемы в стиле Spider-1, поэтому очень широкие и сильно денормализованные схемы могут оказаться вне распределения. Для выполнения сгенерированного SQL требуется соединение только для чтения и тайм-аут запросов. Лицензия — Apache-2.0.

scandi-fine-web-cleaner — демонстрационный классификатор для выявления проблемного текста в веб-данных на датском и шведском языках. Модель разработана davanstrien и получена дообучением FacebookAI/xlm-roberta-base на наборе data-is-better-together/fineweb-c. Она использует архитектуру XLM-RoBERTa и содержит 305,2 млн параметров. Модель предназначена для предварительной фильтрации веб-текста, чтобы ускорить разметку и очистку корпусов. На тестовом наборе указаны precision 95,2%, recall 70,2%, F1 0,8081 и AUC-ROC 0,9648. Модель лицензирована по MIT. Она проверялась только на датском и шведском контенте; умеренный recall означает, что часть проблемных текстов может остаться невыявленной.

davanstrien/chat_topics — модель тематического моделирования на базе BERTopic, разработанная пользователем davanstrien. Она предназначена для автоматического выявления и интерпретации тематик в больших коллекциях текстов, в частности для анализа сообщений и диалогов. Модель обучена на 63 530 документах из датасета OpenAssistant/oasst1 и выделяет 75 тем. Модель работает с текстом на английском языке и может применяться для кластеризации сообщений, тематической классификации, анализа интересов пользователей и обзора содержания корпусов диалогов. Среди выявленных тематик — Generative AI, программирование, веб-разработка, Linux, физика, музыка, финансы, климат и другие; предусмотрена также категория -1 для документов, не отнесённых к основной теме. README не содержит сведений о конкретной embedding-модели, размере параметров, длине контекста или поддержке других модальностей и языков. Сильной стороной является интерпретируемость результатов: темы представлены ключевыми словами, частотами и метками, что удобно для исследовательского и аналитического использования. Ограничение модели состоит в зависимости от тем и языкового распределения обучающего корпуса: она ориентирована на английские тексты OpenAssistant и не является универсальной генеративной моделью. Для использования требуется библиотека BERTopic. Модель распространяется по лицензии MIT.

CSATv2 11M Food/Not-Food Classifier v2 — бинарный классификатор изображений от автора mrdbourke для конвейера Nutrify. Модель на 10,7 млн параметров относит изображение к одному из классов: «еда или напиток» и «не еда и не напиток»; в метаданных указаны библиотека timm и формат весов safetensors. Модель предназначена для быстрой фильтрации изображений еды и напитков, в том числе на устройстве и при обработке меню, панелей и рецептов в большом масштабе. Версия v2 обучена на данных DataComp и FoodVision: для FoodVision использовалась человеческая разметка, а для DataComp — дистилляция по мягким меткам SigLIP2-so400m. README сообщает точность 97,99% и F1 0,9869 на тесте FoodVision, а для варианта по умолчанию — точность 89,98% на валидации DataComp. В репозитории представлены три варианта весов для сбалансированного результата, теста FoodVision или валидации DataComp. Лицензия — Apache-2.0. Указанные метрики получены на наборах FoodVision и DataComp; качество на иных распределениях изображений может отличаться.

ICC — официальная модель, представленная в статье ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation и опубликованная для работы с подписями к изображениям. Это классификатор последовательностей на базе RoBERTa с 95,2 млн параметров; модель принимает текст и оценивает конкретность подписи. Контекст составляет 514 токенов. Модель предназначена для отбора качественных подписей в шумных мультимодальных наборах данных: подписи с низкой оценкой конкретности можно отфильтровывать. Авторы рекомендуют применять её вместе с фильтрацией на основе CLIP. Модель доступна в формате safetensors по лицензии MIT.

IvmeLabs/Ivme-Conversate-N-v2-Instruct — компактная инструктивная языковая модель от IvmeLabs с 9 021 600 параметрами. Это плотный decoder-only Transformer с tied embeddings, multi-head attention, RoPE, SwiGLU и RMSNorm; архитектура повторяет рецепт базовой модели Ivme-Conversate-v2-Base без заявленной архитектурной новизны. Модель обучалась за одну эпоху примерно на 900 млн токенов, с упором на инструкции и диалоги с самого начала обучения. В набор данных вошли многоходовые диалоги UltraChat-200k, SODA, трассы рассуждений UltraInteract, математические задачи Orca Math, инструкции Dolly-15k и примеры SQL. Она предназначена для генерации ответов в диалоге и выполнения текстовых инструкций, включая рассуждения, математические задачи и составление SQL. Карточка указывает английский язык, библиотеку Transformers и лицензию Apache-2.0. Для загрузки в Transformers README требует trust_remote_code=True.

werner1hugo/lid-framework-models — коллекция из 102 моделей определения языка, разработанная Вернером Хуго в рамках магистерской работы MEng в Stellenbosch University. Модели входят в базу знаний фреймворка выбора моделей LID: он анализирует корпус коротких текстов и рекомендует подходящую модель или готовый детектор. В коллекции представлены варианты на Multinomial Naive Bayes, логистической регрессии и FastText с признаками символьных n-грамм или FastText-представлениями. Модели классифицируют короткий текст по одному из языков, представленных в обучающем корпусе, и выдают код ISO 639-1. Подходящий сценарий — определение языка отдельных коротких сообщений или документов и выбор модели под конкретный корпус. Модели обучались на текстах длиной 30–120 символов (для китайского, японского и корейского — 10–40 символов); на данных своего корпуса среднее взвешенное F1 составляет 0,939–0,995, а при переносе на другой корпус качество резко падает. Коллекция не покрывает языки за пределами заданных высокоресурсных языков, выдаёт одну метку на документ и не обрабатывает переключение языков внутри текста. Лицензия — CC BY-NC-SA 4.0.

sap-rpt-1-oss — открытая модель SAP для предсказаний по табличным данным, основанная на работе ConTextTab: A Semantics-Aware Tabular In-Context Learner. Она использует table-native in-context learning и специализированные представления для разных типов данных, чтобы учитывать значения ячеек, названия столбцов и их семантический контекст. Чекпойнт и возможности совпадают с прежней версией ConTextTab. Модель принимает таблицу в виде pandas DataFrame или массива NumPy и предназначена для классификации и регрессии. Предобработка не требуется: имена столбцов и значения ячеек автоматически встраиваются с помощью работающей в фоновом режиме языковой модели, а пропуски обрабатываются. Архитектура сочетает обработку табличной структуры с семантическим представлением реальных данных; в README заявлена конкурентоспособность на широком наборе бенчмарков и сильные результаты на CARTE. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки чекпойнтов требуется авторизация в Hugging Face. В README не указаны размеры модели или ограничения на контекст; известных проблем авторы не сообщают.

StructLM-34B — языковая модель TIGER-Lab для задач grounding по структурированным знаниям. Это плотная авторегрессионная модель семейства Llama с 33,5 млрд параметров, дообученная на инструкционном наборе TIGER-Lab/SKGInstruct, который объединяет 19 задач со структурированными знаниями и SlimOrca. Модель принимает линеаризованные структурированные данные и инструкции, а ответ формирует в текстовом виде; для версии 34B в README приведён специальный формат промпта. Контекст — до 16 384 токенов. Модель предназначена для вопросов и рассуждений по таблицам, графам знаний и другим структурированным входам, включая генерацию SQL, ответы по графам знаний и проверку утверждений по таблицам. В приведённых авторами оценках StructLM-34B показала результаты на наборах ToTTo, GrailQA, CompWebQ, MMQA, Feverous, Spider, TabFact, DART, BIRD, InfoTabs, FinQA и SQA. README предупреждает, что качество в этой области остаётся сложной задачей и модель может быть недостаточно надёжной для непосредственного использования в чате и других приложениях. Лицензия — MIT.

microsoft/tapex-large-finetuned-tabfact — модель Microsoft на архитектуре BART, дообученная на наборе TabFact для проверки утверждений по таблицам. Она принимает таблицу и текстовое утверждение и определяет, подтверждается ли оно данными таблицы; это подходит для проверки фактов и ответов на вопросы о табличных данных. Модель содержит 252,8 млн параметров, работает с текстовым представлением таблиц и имеет контекст до 1024 токенов. В карточке указан английский язык и лицензия MIT. Ограничение: модель ориентирована на табличную проверку утверждений, поэтому её не следует считать универсальной моделью для свободного диалога или работы с произвольными документами.

Модель anton-l/xtreme_s_xlsr_300m_fleurs_langid — классификатор аудио для определения языка речи. Её создал пользователь anton-l, дообучив facebook/wav2vec2-xls-r-300m на наборе GOOGLE/XTREME_S — FLEURS.ALL. Архитектура основана на Wav2Vec2ForSequenceClassification; размер модели — около 402,7 млн параметров. Модель принимает аудиозапись и предсказывает один из языковых классов, представленных в FLEURS. На оценочной выборке из 77 960 примеров общая точность составила 0,7271. Результаты существенно различаются по языкам: например, точность для русского — 0,9794, а для некоторых других языков она низкая. Лицензия — Apache-2.0. README не содержит дополнительных рекомендаций по использованию или подробного описания ограничений.

Модель AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual — дообученная на комментариях YouTube мультиязычная XLM-RoBERTa для классификации тональности. Она принимает текст комментария и присваивает ему одну из трёх меток: положительная, нейтральная или отрицательная. Модель основана на cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. Модель предназначена для анализа реакции аудитории в системах рекомендаций видео, панелях аналитики и других задачах обработки комментариев. В README сообщается о точности 80,17% на отложенной выборке; результаты могут отличаться на данных с иным сленгом, тематикой или распределением тональности. Модель опубликована под лицензией CC BY 4.0.

ChartGPT-Llama3 — языковая модель, разработанная авторами ChartGPT и дообученная на Meta-Llama-3-8B-Instruct для создания графиков по запросам на естественном языке. Она принимает инструкцию и контекст с названием таблицы, заголовками и типами столбцов, примерами строк и предыдущим ответом; модель генерирует текстовый ответ для очередного шага многошагового процесса построения графика. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на английский язык. Контекст составляет до 8192 токенов. Веса доступны в формате safetensors, модель работает через Transformers. Лицензия — Apache 2.0. Карточка отсылает к исследовательской работе ChartGPT, посвящённой генерации графиков из абстрактных запросов на естественном языке.

Карточка модели ghanaopenai/ghana-speech-id на Hugging Face совпадает с карточкой ghananlpcommunity/ghana-speech-id, поэтому описание составлено по ней. ghana-speech-id — классификатор языка речи от GhanaNLP Community для 41 языка Ганы и Западной Африки. Модель определяет язык по текстовой расшифровке аудио: аудиосигнал сначала распознаётся отдельной моделью Omnilingual ASR, затем этот классификатор анализирует полученный текст. Его языковая голова — линейный классификатор символьных n-грамм с TF-IDF, упакованный в ONNX; размер головы составляет 8,2 МБ. В репозитории также размещена модель распознавания речи Omnilingual ASR CTC 300M размером 279 МБ. Модель предназначена для автоматической идентификации языка в аудиозаписях. Для надёжных результатов рекомендуется подавать не менее пяти секунд речи, а около десяти секунд дают близкую к максимальной точность. В README указаны точность 95,30% на внутридоменной оценке и 77,6% на внедоменных данных; качество зависит от тематики записи и заметно ниже на финансовых материалах. Классификатор работает только с закрытым набором из 41 языка: он всегда назначает один из них, поэтому языки вне набора могут ошибочно определяться как близкие. Английского класса нет, а Fante во внедоменных записях часто смешивается с Twi. Лицензия репозитория — CC-BY-NC-4.0; вложенная модель ASR Meta распространяется отдельно по Apache 2.0.

TURKCELL разработала модель классификации текста на основе дообученной dbmdz/bert-base-turkish-128k-uncased. Она определяет, является ли предложение бессмысленным набором символов или осмысленным текстом, например распознаёт строки вроде «adssnfjnfjn». Модель подходит для проверки пользовательского ввода и фильтрации бессмысленных строк. Она основана на архитектуре BERT, содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий содержит веса PyTorch; лицензия — MIT.

Mitra-v2 Regressor — табличная фундаментальная модель регрессии от AutoGluon. Это второе поколение Mitra, обученное на синтетических наборах данных, созданных с помощью смеси случайных регрессоров, включая Hybrid SCM prior. Модель использует 12-слойный двумерный Transformer с 76,7 млн параметров и механизмом внимания по строкам и столбцам, рассчитанный на обучение в контексте. Для регрессии она предсказывает распределение по 1 000 целевым бинам, а точечный прогноз вычисляет как среднее этого распределения. Модель предназначена для прогнозирования числовых целевых значений по табличным данным. По сравнению с Mitra-v1 она обучена с контекстом в десять раз длиннее и поддерживает втрое больше признаков; также обновлены оптимизатор и выходная голова. README сообщает о высокой точности на бенчмарках TabArena и TALENT и о возможности получать прогнозные распределения для вероятностной оценки. Для использования требуется AutoGluon и пакет mitra-finetune. Лицензия — Apache-2.0.

TableLlama — открытая языковая модель на архитектуре Llama, разработанная для выполнения различных задач с таблицами. Модель дообучена на 2,6 млн примеров из набора TableInstruct, охватывающего 11 задач и данные из 14 наборов. Она предназначена для работы с табличным контекстом по инструкциям и вопросам; использовать её можно через библиотеку Transformers. Модель содержит 6,6 млрд параметров, распространяется в формате PyTorch и рассчитана на английский язык. В README заявлен контекст до 8 тыс. токенов, тогда как метаданные указывают нативный контекст 4096 токенов. Лицензия — CC BY 4.0. Качество может зависеть от сложности и особенностей таблиц и задач; охват табличных сценариев не является исчерпывающим.

Chronicle — компактная мультимодальная модель InertialAI для совместного понимания естественного языка и временных рядов. Это 324-миллионный декодерный трансформер с 16 слоями, обученный с нуля на текстах и временных рядах; токены текста и патчи рядов обрабатываются общими блоками трансформера. В репозитории представлены контрольные точки двух этапов обучения, для второй этапной версии контекст составляет 4096 токенов, а для первой — 2048; патчи временного ряда охватывают 32 шага. Модель предназначена для прогнозирования временных рядов, получения эмбеддингов для классификации рядов и мультимодальных сценариев, сочетающих числовые последовательности с текстом. Также заявлена языковая обработка на уровне моделей сопоставимого размера. В README приведены результаты оценок на наборах задач NLU, классификации и мультимодального прогнозирования; это результаты авторов, для воспроизведения которых указаны статья и код проекта. Веса доступны в формате safetensors, реализация инференса использует PyTorch. Модель опубликована под лицензией Apache-2.0. Данные о поддерживаемых языках ограничены тегом английского языка в метаданных; точный охват языков и сценариев следует проверять на целевом наборе данных.

ai4data разработала devdata-search-multilingual-e5-small-cgist — компактную bi-encoder модель эмбеддингов на архитектуре BERT, дообученную на базе intfloat/multilingual-e5-small для поиска по структурированным статистическим метаданным. Модель создаёт векторы запросов и описаний показателей, чтобы находить семантически подходящие записи; это компонент для построения поиска, а не размещённый поисковый сервис. При обучении на DevDataBench применялись перестановка полей и их случайное исключение, чтобы модель связывала смысл данных с названиями полей, а не с их порядком в сериализации. Для кодирования запросов и документов используются префиксы «query: » и «passage: ». Модель содержит 124,3 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате safetensors с лицензией Apache-2.0. Модель предназначена для поиска по статистическим показателям и метаданным наборов данных. Качество поиска зависит от соблюдения формата сериализации и префиксов; модель создаёт эмбеддинги, но сама не выполняет поиск по индексу и не предоставляет сервис.

hyrinmansoor/changAI-nomic-embed-text-v1.5-finetuned — текстовая модель Sentence Transformers, дообученная автором репозитория для поиска по смыслу и извлечения релевантных фрагментов. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и использует косинусное сходство для сравнения запросов с документами. В основе — ModernBERT с mean pooling и нормализацией выходных векторов. Модель принимает текст, поддерживает последовательности до 8192 токенов и обучалась на парах запросов и релевантных описаний полей из предметных областей ERP, включая производство, продажи и управление качеством. В карточке указано 262 905 обучающих и 13 837 оценочных примеров; для инференса доступны веса safetensors и библиотека sentence-transformers. Модель подходит для семантического поиска по схемам и описаниям данных, сопоставления естественно-языковых вопросов с полями базы данных и построения retrieval-компонента. Специализация на примерах ERP может ограничивать качество на иных корпусах; конкретные показатели качества в карточке не приведены. Условия лицензии в предоставленных данных не указаны.

ChatTS-14B-0801 — разработанная командой ByteDance Research мультимодальная модель для понимания и анализа временных рядов с помощью диалога и рассуждений. Она дообучена на Qwen/Qwen2.5-14B-Instruct и предназначена для работы с многомерными рядами переменной длины и размерности. Модель принимает временные ряды и отвечает на вопросы о закономерностях и числовых значениях, в том числе на статистические вопросы о величине пика в заданный момент времени. Она сохраняет исходные числовые значения ряда и поддерживает интерактивный диалог; интегрируется с конвейерами LLM, включая vLLM. В метаданных указаны 14 млрд параметров и контекст 32768 токенов. Карточка приводит лицензию Apache-2.0.

Модель sagorsarker/codeswitch-nepeng-lid-lince предназначена для идентификации языка в смешанном непальско-английском тексте: она определяет язык отдельных токенов в сообщениях с переключением языков. Модель разработана для работы с данными LinCE и представлена как предварительно обученная модель для language identification. Это плотная модель на архитектуре BERT с головой классификации токенов, содержащая 205,1 млн параметров и принимающая последовательности длиной до 512 токенов. Для использования доступны веса в форматах PyTorch и Flax, включая safetensors. Модель ориентирована на непальско-английский код-свитчинг; лицензия — MIT.

CyberSec-Text-Classification-ModernBert-Base — модель бинарной классификации текстов, разработанная авторами проекта RedSage из Khalifa University, University of Bonn и University of Milan. Она дообучена на ModernBERT-base и определяет, относится ли документ к кибербезопасности или нет. Модель предназначена для фильтрации больших неструктурированных веб-корпусов и отбора материалов для исследований и подготовки данных для языковых моделей в области кибербезопасности. Модель использует архитектуру ModernBERT encoder-only, содержит 149 млн параметров и принимает контекст длиной до 8192 токенов. В README приведены результаты проверки на 2460 примерах из веб-статей: точность 97,3%, precision 92,8% и recall 90,2%. Обучающие данные включают размеченные публикации Reddit, StackExchange, arXiv и веб-статьи; метки получены из категорий, тегов и ключевых слов источников. Модель может хуже работать на очень коротких текстах и материалах о новых угрозах, не представленных в данных до конца 2024 года. README указывает, что модель выпущена как часть ресурсов проекта RedSage с открытым исходным кодом, но конкретный идентификатор лицензии не приводит.

wietsedv/xlm-roberta-base-ft-udpos28-en — модель разметки последовательностей на основе XLM-RoBERTa base, опубликованная wietsedv. Она дообучена для определения частей речи английских слов по разметке Universal Dependencies v2.8 и предназначена для POS-тегирования текстов и обработки последовательностей токенов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и принимает текстовый контекст длиной до 514 токенов. В карточке указана лицензия Apache-2.0. Описание не приводит оценок качества и подробностей ограничений, поэтому точность на иных доменах или схемах разметки не установлена.

AnE-LID — модель токенной классификации, разработанная автором репозитория для выявления английских вставок в многоязычных текстах с переключением языков. Она присваивает словам одну из четырёх меток: English, notEnglish, Mixed или Other; заявлена высокая точность как на языках, встречавшихся при обучении, так и на новых языках. Модель основана на XLM-RoBERTa large и использует архитектуру XLMRobertaForTokenClassification. Она принимает текст и выдаёт метки для его токенов; длина контекста составляет 514 токенов. Карточка указывает лицензию other, поэтому условия использования следует сверить с лицензией в репозитории.

HingBERT-LID — модель на архитектуре BERT от L3Cube-Pune для определения языка отдельных токенов в текстах, где смешаны хинди и английский. Она дообучена на наборе L3Cube-HingLID и предназначена для анализа код-свитчинга, в том числе в корпусах хинглиш. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки классов для токенов. Поддерживает хинди и английский; опубликована в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0. Карточка не приводит количественных оценок качества.

Это модель двоичной классификации предложений, дообученная на основе bert-base-cased для определения рекламного содержания в подкастах. Она использует контекст предыдущего предложения для более точных предсказаний и была применена в исследовании «Leveraging multimodal content for podcast summarization», опубликованном на ACM SAC 2022. Модель предназначена для разметки текстов подкастов: она относит предложение к рекламному или нерекламному. В отчёте оценки на тестовой выборке указаны точность 92%, F1-мера 0,89 для рекламного класса и 0,94 для нерекламного. Архитектура — BERT для классификации последовательностей, размер — 135,5 млн параметров, максимальный контекст — 512 токенов; модель работает с английским текстом. Модель опубликована в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

tabUM v1.1 — небольшая табличная foundation-модель Heldernóid с 14,31 млн параметров и трёхэтапной архитектурой трансформера для обучения в контексте. Она выполняет zero-shot-классификацию и регрессию: при вызове fit(X, y) сохраняет обучающие строки, а predict(X_test) использует их в одном проходе модели, без дообучения на пользовательских данных. Модель обучена на синтетических задачах, поддерживает таблицы до 2 000 признаков и 100 классов, обрабатывает пропуски как отдельный сигнал и может выдавать калиброванные вероятности, распределения регрессии и объяснения предсказаний. Модель рассчитана на быстрые предсказания по табличным данным, особенно на небольших и шумных наборах, задачах с большим числом классов и данными с пропусками. README указывает, что проверялась работа с контекстом до 64 000 строк; для регрессии на больших малошумных наборах градиентный бустинг может быть предпочтительнее, а текстовые столбцы следует заранее удалить или закодировать. Доступна опциональная адаптация finetune() на конкретном наборе данных. Лицензия — MIT.

TS-ICL — модель временных рядов из репозитория taharnbl/TS-ICL, связанная с проектом EDF-Lab/ts-icl. Это foundation model для прогнозирования временных рядов; в метаданных Hugging Face указана задача time-series-forecasting и библиотека tsicl. Репозиторий содержит веса PyTorch, а README сообщает об установке библиотеки командой pip install tsicl. Модель предназначена для прогнозирования временных рядов. В тегах также упомянута импутация временных рядов, но она не указана среди подтверждённых задач каталога. Лицензия обозначена как other; конкретные условия использования в доступных данных не раскрыты. Размер модели, контекст и поддерживаемые языки не описаны.