II.8Инженерия данных и аналитика

Это дообученная модель классификации аудио на основе NicolasDenier/distilhubert-finetuned-gtzan, созданная для распознавания музыкальных жанров в датасете GTZAN. Архитектура HuBERT для классификации последовательностей содержит 18,9 млн параметров. На оценочной выборке указаны loss 0,3956 и точность 0,89. Модель принимает аудиозапись и предсказывает жанровую метку; карточка не описывает дополнительные сценарии или языковые возможности. Распространяется по лицензии Apache-2.0.

Bunny2308/distilhubert-gtzan-baseline — компактная модель классификации аудио, созданная дообучением ntu-spml/distilhubert на наборе GTZAN. Она использует архитектуру HuBERT и содержит 18,9 млн параметров; модель предназначена для распознавания музыкальных жанров по аудиозаписям. На оценочной выборке GTZAN указаны accuracy 0,84 и loss 1,0109. Базовая distilhubert разработана для извлечения аудиопредставлений; эта версия адаптирована для классификации. Репозиторий предоставляет веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

EditLens-Qwen3-4B — модель классификации текста, разработанная автором репозитория Reneeice для оценки степени редактирования текста с помощью ИИ. Вместо бинарного ответа она выдаёт непрерывную оценку от 0 до 1: низкие значения соответствуют человеческому тексту, промежуточные — частично отредактированному ИИ, высокие — полностью сгенерированному тексту. Модель основана на плотной архитектуре Qwen3-4B с 3,7 млрд параметров и контекстом 32 768 токенов. Она дообучена с помощью QLoRA и использует классификационную голову с четырьмя уровнями редактирования; вероятности классов объединяются в итоговую оценку. Предназначена для проверки редакционных материалов и академических работ, аудита происхождения контента, отбора данных и модерации. README сообщает о тестировании на 6 115 текстах и приводит метрики классификации и корреляции с оценками объёма правок. Модель рассчитана на английский текст; короткие фрагменты дают менее надёжные оценки. Результат показывает предполагаемую степень редактирования, но не намерение автора и не качество текста; возможны ошибки при смене предметной области и при перефразировании. Рекомендуется настраивать порог на данных целевого сценария и учитывать оценку как сигнал, а не окончательный вердикт. Лицензия — Apache-2.0.

Модель pedromatias97/genre-recognizer-finetuned-gtzan_dset — версия NTU DistilHuBERT, дообученная на наборе GTZAN для классификации музыкальных жанров. Она принимает аудио и предсказывает жанровую метку; в README приведены результаты на оценочной выборке: accuracy 0,8972 и F1 0,8974. Модель построена на архитектуре HuBERTForSequenceClassification, содержит 18,9 млн параметров и опубликована в формате PyTorch. Лицензия — Apache-2.0. Карточка не уточняет набор жанров и условия записи, поэтому показатели не следует автоматически переносить на аудио вне оценочной выборки GTZAN.

German FinBERT — немецкоязычная модель BERT для финансовых текстов, разработанная Морицем Шеррманом. Эта версия предварительно обучена с нуля на финансовых и общих немецкоязычных источниках; в качестве основы использована архитектура BERT base и словарь bert-base-german-cased от deepset. Модель содержит 136,3 млн параметров, принимает текст с маскированными токенами и предсказывает пропущенные фрагменты. Максимальная длина контекста — 512 токенов. Модель предназначена для работы с немецкими финансовыми текстами и может служить основой для задач анализа финансовых документов, включая тематическую классификацию, анализ тональности и ответы на вопросы после соответствующего дообучения. В README приведены результаты отдельных downstream-моделей, дообученных на финансовых наборах данных; эти показатели не следует считать оценкой данной fill-mask-модели непосредственно. Веса доступны в формате PyTorch по лицензии Apache-2.0.

gernet_m.idstcv_in1k — модель классификации изображений семейства GENet (GPU-Efficient-Networks), обученная авторами статьи на ImageNet-1k. Архитектура реализована в библиотеке timm как конфигурация BYOBNet, которая позволяет задавать структуру блоков и стадий, схему stem, выходной stride, функции активации и нормализации, а также механизмы внимания. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Она содержит 21,1 млн параметров, требует около 3,0 GMACs и рассчитана на вход размером 224 × 224 пикселя. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

rntc/gliner2-fr-biomed-v3e-large — модель извлечения информации GLiNER2 для биомедицинских и клинических текстов на французском языке, разработанная автором репозитория rntc. Она поддерживает поиск сущностей с пользовательскими типами в режиме zero-shot, классификацию, структурированное извлечение и выявление отношений. Модель использует большой вариант архитектуры GLiNER2; в карточке указана основа MedEmbed-v9, контрастивная биомедицинская модель на ModernBERT с 149 млн параметров. Обучение описано как дистилляция Qwen3-235B на синтетических данных из французских медицинских и научных источников; для обучения не использовались эталонные данные бенчмарков. Модель подходит для извлечения диагнозов, заболеваний, лекарств и других заданных пользователем типов сущностей из французских клинических документов, а также для классификации и извлечения отношений. По рекомендации автора, типы сущностей следует подавать группами не более 20, а документы обрабатывать по отдельности. Параметр max_width ограничивает длину извлекаемых фрагментов: для длинных сущностей его нужно корректно увеличить во всех соответствующих подмодулях; структурированное извлечение форм пока менее надёжно, чем плоский NER. Репозиторий содержит веса safetensors и распространяется по лицензии MIT.

rntc/gliner2-fr-biomed-v3f — франкоязычная биомедицинская модель извлечения информации на базе GLiNER2, разработанная rntc. Она принимает текст и позволяет задавать типы сущностей открытым списком, в том числе для zero-shot NER, классификации, структурированного извлечения и выявления отношений. В качестве основы используется MedEmbed-v9 — контрастивный биомедицинский ModernBERT на 149 млн параметров. Модель обучена на синтетических данных, созданных дистилляцией Qwen3-235B по французским материалам PMC-patients-fr, HAL, ISTEX, Википедии и учебникам; золотые разметки бенчмарков не использовались. Модель подходит для извлечения диагнозов, лекарств и других медицинских сущностей из французских клинических текстов, а также для классификации и структурированного разбора биомедицинских документов. В README отмечено, что качество извлечения зависит от настроек: стандартный max_width ограничивает длину извлекаемых фрагментов, а за один вызов рекомендуется передавать не более 20 типов. Для длинных документов советуют обрабатывать каждый документ отдельно; режим структурированного извлечения форм пока обучен слабее плоского NER. Репозиторий содержит веса safetensors, лицензия MIT.

Koichi Yasuoka разработал эту модель на основе японской GPT-2 gpt2-small-japanese и дообучил её для морфосинтаксической разметки. Модель определяет для каждого слова часть речи по универсальной схеме UPOS и дополнительные грамматические признаки FEATS; для токенизации требуется библиотека fugashi. Модель предназначена для анализа японских текстов, например для подготовки корпусов и извлечения грамматических характеристик слов. Это плотная архитектура GPT-2 для классификации токенов с контекстом до 1024 токенов. Репозиторий содержит веса PyTorch, карточка указывает японский язык и лицензию CC BY-SA 4.0.

Luis O. Torres дообучил модель DistilHuBERT для классификации музыкальных жанров на наборе данных GTZAN. Это аудиомодель на архитектуре HuBERT с классификационной головой; в репозитории указано 18,9 млн параметров. Она предназначена для определения жанра по аудиозаписи и может использоваться в прототипах музыкальной каталогизации и анализа коллекций. В README описаны обучение в течение 15 эпох и выбор лучшей версии по точности; веса доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Vensys/indobert-click-judges — дообученная модель BERT для классификации текста, созданная на основе indobenchmark/indobert-base-p1. В README указана оценка loss 0,6266 на наборе для оценки, но назначение меток и состав данных не раскрыты. Модель содержит 151,6 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате Safetensors через библиотеку Transformers. Базовая модель предназначена для индонезийского языка, поэтому модель подходит для задач классификации индонезийского текста; конкретный сценарий, связанный с «click judges», по доступным сведениям определить нельзя. Модель выпущена под лицензией MIT. README не описывает качество по отдельным метрикам, классы, обучающие данные или ограничения применения.

Mask2Former — модель компьютерного зрения для сегментации экземпляров объектов на изображениях. Этот чекпойнт выпущен командой Mask2Former и обучен на Cityscapes; в качестве основы использует Swin с предобучением на ImageNet-21k. В карточке указана архитектура Mask2FormerForUniversalSegmentation, а веса доступны в форматах PyTorch и Safetensors. Модель предназначена для выделения отдельных объектов и присвоения им классов, в частности на городских сценах. Архитектура Mask2Former предсказывает набор масок и соответствующих меток; общий подход также применяется к семантической и паноптической сегментации, однако именно этот чекпойнт предназначен для сегментации экземпляров. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

voidful/mhubert-base — чекпойнт на архитектуре HuBERT, созданный конвертацией модели из проекта Textless S2ST с использованием реальных данных. В репозитории указано применение для извлечения признаков; модель содержит 113,3 млн параметров и доступна в форматах PyTorch и Safetensors. Модель предназначена для получения признаковых представлений аудио, в том числе как компонента систем преобразования речи в речь. README содержит примеры использования и оценки, но не уточняет поддерживаемые языки, длину контекста или результаты этих оценок. Лицензия в предоставленных данных не указана.

Mini-Jamba — экспериментальная компактная языковая модель от TechxGenus, построенная по архитектуре Jamba с механизмом Mixture of Experts и классом JambaForCausalLM. В метаданных указано 27,3 млн параметров; модель обучалась на примерно 1 млрд единиц Python-кода и предназначена для простейшей генерации кода на Python. Модель принимает текстовые запросы и генерирует текст, прежде всего фрагменты Python-кода. README предупреждает, что она может ошибаться и вводить в заблуждение, плохо справляться с задачами вне программирования и прошла ограниченное тестирование. Перед применением в реальных системах требуется дополнительная проверка безопасности. Лицензия — Apache-2.0.

ModernBERT-bio-base — англоязычная биомедицинская encoder-модель, разработанная Almanach продолженным предобучением answerdotai/ModernBERT-base. Модель содержит 149 млн параметров и использует архитектуру ModernBERT с FlashAttention, RoPE и чередованием локального и глобального внимания. Она обрабатывает контекст до 8192 токенов и предназначена для заполнения пропусков и дообучения под задачи биомедицинского и клинического NLP. Модель подходит для распознавания биомедицинских сущностей, классификации клинических документов, извлечения отношений и информации, фенотипирования и удаления идентифицирующих данных из клинических записей. В README сообщается о среднем F1 78,0% на 11 англоязычных биомедицинских тестах; длинный контекст помогает работать с клиническими документами, которые короткие модели могут обрезать. Это encoder, который выдаёт контекстуализированные представления и не генерирует текст. Обучение на английских биомедицинских текстах ограничивает применение другими языками без дополнительной адаптации. Модель распространяется по лицензии Apache-2.0.

Модель dima806/musical_instrument_detection — дообученная модель на архитектуре wav2vec 2.0 для классификации аудио по музыкальным инструментам. Она принимает аудиосигнал и предсказывает класс, связанный с музыкальным инструментом. В основе лежит facebook/wav2vec2-base-960h; модель содержит 113,3 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель предназначена для распознавания музыкальных инструментов в аудиозаписях. Она опубликована на Hugging Face 25 августа 2023 года и распространяется по лицензии Apache 2.0. Базовая модель обучалась для транскрибирования английской речи, поэтому её пригодность для музыкального аудио зависит от дообучения; README не приводит подробностей о наборах классов и оценке качества.

my_awesome_wnut_model — дообученная модель DistilBERT для классификации токенов, созданная на основе distilbert/distilbert-base-uncased. Она предназначена для разметки отдельных токенов в тексте; README сообщает метрики на оценочном наборе: F1 0,4640, точность 0,5351 и полнота 0,4096. Модель использует архитектуру DistilBertForTokenClassification, принимает текст с контекстом до 512 токенов и распространяется по лицензии Apache-2.0. Набор меток и обучающие данные в карточке не описаны, а качество по приведённым метрикам ограничено.

Open-Dcoder-0.5B-baseline-mdm-step2000 — компактная языковая модель Shuibai12138 для генерации кода по текстовым запросам. Это экспериментальный baseline для работы Corrective Diffusion Language Models: модель fredzzp/open-dcoder-0.5B продолжена на 2 000 шагов с обычной целью маскированной диффузии без смешивания целевых функций. Архитектура основана на Qwen2, содержит 494 млн параметров и рассчитана на контекст до 32 768 токенов. Модель использует двунаправленное внимание и предназначена для генерации текста и кода. Для корректного вывода требуется реализация masked diffusion Qwen2 из оценочного кода проекта: стандартная загрузка через AutoModelForCausalLM интерпретирует её как причинную Qwen2 и приводит к неправильным результатам. В README также описана проблема реализации градиента в использованном обучающем коде, из-за которой фактические обновления параметров не соответствовали заявленным весам отдельных слагаемых функции потерь. Модель распространяется по лицензии MIT; обучение выполнялось на подмножестве Nemotron-SFT-Code из набора NVIDIA Nemotron-Pretraining-SFT-v1.

OpenMed-NER-BloodCancerDetect-BigMed-278M — модель OpenMed для распознавания и классификации сущностей в биомедицинских текстах, связанных с хроническим лимфоцитарным лейкозом (ХЛЛ). Она дообучена на специализированном корпусе CLL и предназначена для анализа медицинских записей, научных публикаций и других документов по гематологии и онкологии. Модель использует архитектуру XLM-RoBERTa и решает задачу классификации токенов: для сущностей ХЛЛ выдаёт метки B-CL и I-CL в формате BIO. Размер модели — 305,2 млн параметров, длина контекста — 514 токенов. В README приведены метрики на корпусе CLL: F1 0,84, точность 0,98 и полнота 0,74. Модель может использоваться для извлечения упоминаний ХЛЛ из клинических и исследовательских текстов, а также как компонент систем медицинского поиска и анализа. README указывает совместимость с Transformers и лицензию Apache-2.0. Заявленные сценарии поиска лекарственных взаимодействий и извлечения лекарств требуют дополнительных моделей или правил: описаны только два типа меток, относящихся к ХЛЛ.

OpenMed-ZeroShot-NER-Anatomy-Large-459M — модель OpenMed для извлечения анатомических сущностей из медицинских и биомедицинских текстов. Она построена на архитектуре GLiNER и дообучена на корпусе ANATOMY; название указывает на размер около 459 млн параметров, однако это значение в предоставленных метаданных не подтверждено. Модель принимает текст и возвращает найденные сущности с метками, поддерживая zero-shot-задание типов сущностей. Модель предназначена для разбора клинических записей, радиологических и хирургических заметок, выделения анатомических структур и частей тела, а также анализа медицинской литературы. В карточке заявлен F1 0,9271 на тестовом наборе ANATOMY, исключённом из обучения. Оценка относится к этому набору и не гарантирует качество на других источниках или типах сущностей. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

poolformer_m36.sail_in1k — модель PoolFormer семейства MetaFormer для классификации изображений и извлечения визуальных признаков. Её обучили авторы статьи «MetaFormer Is Actually What You Need for Vision» на ImageNet-1k. Модель содержит 56,2 млн параметров; для классификации использует изображения размером 224 × 224 пикселя. Модель подходит для присвоения изображению метки из набора классов ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Она реализована на PyTorch и доступна в форматах PyTorch и safetensors; библиотека для работы с ней — timm. Лицензия — Apache-2.0.

Это модель извлечения признаков изображений qwen3vit88menc.qwen3508b из семейства Qwen, подготовленная командой timm на основе визуального энкодера Qwen3.5-0.8B. Она предназначена для преобразования изображений в пространственные визуальные токены, которые можно использовать в мультимодальных системах и специализированных решениях. Модель содержит около 100 млн параметров, включая визуальный энкодер, пространственный merger и проекцию к ширине исходной языковой модели; веса языковой модели и обученная классификационная голова отсутствуют. Энкодер использует MLP с GELU-tanh, обучаемые абсолютные позиционные представления и двумерный осевой RoPE. Поддерживает прямоугольные RGB-изображения; размеры сторон должны делиться на 16, а для вариантов с merger 2×2 — на 32. При обработке изображения временное измерение исходного ядра свёртки сводится к двумерной свёртке. Входные пиксели нормализуются со средним и стандартным отклонением 0,5 по каналам. Модель доступна под лицензией Apache 2.0.

RegNetY-16GF — модель классификации изображений из библиотеки timm, опубликованная авторами DeiT. Она предварительно обучена на ImageNet-1k и предназначена как учитель для дистилляции DeiT; также может использоваться как основа для извлечения признаков и эмбеддингов изображений. Модель содержит 83,6 млн параметров и рассчитана на изображения размером 224 × 224 при обучении и 288 × 288 при тестировании. Реализация timm включает стохастическую глубину, градиентный чекпоинтинг, послойное уменьшение скорости обучения и настраиваемый выходной шаг. Модель подходит для классификации изображений общего назначения и построения признаковых представлений. Распространяется по лицензии Apache-2.0.

ResMLP-12 на 224 пикселя — модель семейства ResMLP, опубликованная авторами статьи о ResMLP и размещённая в библиотеке timm. Она предварительно обучена методом самоконтролируемого обучения DINO на ImageNet-1k. Модель содержит 15,4 млн параметров, обрабатывает изображения размером 224 × 224 и не имеет классификационной головки, поэтому служит прежде всего визуальным бэкбоном для извлечения признаков и эмбеддингов. Репозиторий содержит веса в форматах PyTorch и Safetensors. Модель подходит для получения признаков изображений и построения систем классификации с отдельной классификационной головкой. Карточка также относит её к задачам классификации изображений. Лицензия репозитория — Apache-2.0. Языковые ограничения неприменимы к визуальному входу; качество классификации зависит от добавленной головки и способа адаптации признаков.

merve/rfdetr-roadsign-agree1-large-noaug — дообученная модель Roboflow на основе RF-DETR Large для обнаружения дорожных знаков и сигналов на изображениях. По метрикам в карточке модель распознаёт категории, включая остановку, запрет въезда и поворота, пешеходный переход, железнодорожный переезд, светофор и его цвета. На оценочном наборе указаны mAP 0,6845 и mAP@50 0,7721; набор данных в карточке не назван. Модель предназначена для локализации объектов дорожной инфраструктуры в сценариях анализа дорожных изображений и помощи системам компьютерного зрения. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия Apache-2.0.

rLLM-FinQA-4B — языковая модель-агент для финансовых вопросов, разработанная rLLM и дообученная с подкреплением на основе Qwen3-4B-Instruct-2507. Она предназначена для ответов по финансовой отчётности компаний из форм 10-K SEC: модель может искать данные в таблицах, выполнять SQL-запросы и расчёты, а затем сопоставлять сведения из одной или нескольких таблиц. Модель основана на плотной архитектуре Qwen3 с 3,7 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — до 262 144 токенов. Для обучения использовались 5 110 пар вопрос-ответ по отчётности 207 компаний и 6 923 финансовым таблицам. README сообщает точность 59,70% на Snorkel Finance Benchmark и 26,6% на Snorkel Finance Reasoning. Модель ориентирована на финансовые документы на английском языке и доступна под лицензией Apache-2.0. Для работы с таблицами и инструментами требуется соответствующая агентная среда; приведённые показатели относятся к указанным бенчмаркам.

joonion/roberta-base-klue-ynat — модель классификации текста на основе klue/roberta-base, дообученная с архитектурой RobertaForSequenceClassification. Она предназначена для отнесения текстов к классам; название модели указывает на связь с набором YNAT, однако README не подтверждает конкретные метки или сценарии классификации. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и сохранена в формате Safetensors. Базовая модель предназначена для понимания корейского текста, поэтому вероятный язык применения — корейский. В README приведены результаты оценки: accuracy 0,0 и loss 2,1797; эти показатели указывают на отсутствие продемонстрированной точности в указанной оценке. Лицензия в доступных данных не приведена.

oza75/sanigec-phase1 — модель семейства SaniGec, дообученная версия с архитектурой SaniGecModel. В метаданных для неё указана задача feature-extraction; карточка также приводит результаты оценки: loss 1,2194, Detection F1 0,6631 и Correction Accuracy 0,9765. Описание назначения, обучающих данных и практических сценариев в карточке не раскрыто. Название и метрики указывают на связь с обнаружением и исправлением ошибок, однако язык и поддерживаемые языки установить по доступным данным нельзя. Модель опубликована в формате safetensors; лицензия и базовая модель не указаны.

Segformer Model Card — модель семантической сегментации изображений семейства SegFormer, опубликованная пользователем smp-hub. В карточке указано, что модель обучена на датасете Cityscapes; по названию репозитория она предназначена для входных изображений размером 640×1280 и связана с обучением на 160 тысяч шагов. Репозиторий содержит веса в формате safetensors и использует библиотеку segmentation-models-pytorch. Модель подходит для выделения и классификации областей на городских сценах, например для анализа дорожных изображений. Карточка не приводит метрики качества, перечень классов, подробности архитектурной конфигурации или явные инструкции по лицензии; метаданные обозначают лицензию как other.

seresnet50.ra2_in1k — модель классификации изображений семейства SE-ResNet, опубликованная командой timm. Она использует остаточную архитектуру ResNet с механизмом Squeeze-and-Excitation для внимания к каналам; в карточке указаны активации ReLU, свёртка 7×7 с пулингом и 1×1-свёртки в обходных соединениях. Модель содержит 28,1 млн параметров и обучена на ImageNet-1k с рецептом RandAugment RA2, оптимизатором RMSProp, усреднением весов EMA и ступенчатым расписанием скорости обучения. Модель предназначена для классификации изображений и может использоваться как основа для извлечения карт признаков и эмбеддингов. Для обучения указано разрешение 224×224 пикселя, для проверки — 288×288. В репозитории представлены веса PyTorch и safetensors; лицензия — Apache-2.0. Карточка приводит общие сведения об архитектуре и обучении, но не уточняет число классов классификатора и метрики именно этой версии.