II.8Инженерия данных и аналитика

ThinkingCap Distiller v2 — LFM2.5-2.6B — это специализированная модель-дистиллятор от Davd-b01 на базе LiquidAI/LFM2.5-2.6B. Она предназначена не для диалога и не для самостоятельного решения задач, а для пакетной обработки наборов данных с трассами рассуждений. На вход модель получает исходную задачу, полный rollout другой модели, её рассуждения и итоговый ответ, после чего формирует компактное представление в фиксированном формате, сохраняя существенные элементы рассуждения и исходный результат. Модель рассчитана на подготовку обучающих данных, сжатие reasoning-трасс, генерацию данных для дистилляции и преобразование трасс в стандартизированный формат TCS 1.0. В выходе оба блока помещаются в поле content: <tc_think> содержит краткое объяснение значимых элементов трассы, а <tc_answer> — самостоятельный итоговый ответ. Заявлены языки English и Spanish, задача text generation и поддержка экосистемы Transformers; также упоминаются GGUF и llama.cpp. Размер базовой модели — 2.6B параметров. Для работы с длинными трассами README рекомендует контекст до 131072 токенов при запуске через llama-server, при этом отдельно указывает, что 32K токенов достаточно для типичной длины трасс из приведённого корпуса. Сильные стороны v2 — машинно проверяемый формат, детерминированный repair layer и улучшенное сохранение вердиктов, литералов и требований к отсутствию выдуманных фактов. На приведённой выборке модель выдала корректный TCS-формат в 48 из 48 случаев, а доля результатов без фатальных нарушений составила 89,6% на известных данных и 85,4% на ранее не встречавшемся корпусе. Ограничения существенны: модель не является чат-моделью, не предназначена для следования инструкциям или решения исходной задачи, не сжимает трассы лучше предыдущей версии по заявленным данным и может допускать потери или искажения информации. Модель распространяется по лицензии Apache-2.0.

Карточка модели GraphWiz/LLaMA2-13B-DPO на Hugging Face совпадает с карточкой GraphWiz/LLaMA2-7B-DPO, поэтому описание составлено по ней. GraphWiz/LLaMA2-7B-DPO — инструктивная языковая модель проекта GraphWiz на архитектуре LLaMA, предназначенная для решения задач на графах. Модель преобразует текстовые описания графов и структур в явное рассуждение на естественном языке и ответ. В карточке указаны 6,6 млрд параметров, контекст до 4096 токенов и формат PyTorch. Модель обучалась в два этапа: смешанное обучение на нескольких типах задач и выравнивание предпочтений методом DPO. Она предназначена для задач о циклах, связности, двудольности, топологии, кратчайших путях, треугольниках, потоках, гамильтоновых циклах и подграфах. В качестве датасета указан GraphWiz/GraphInstruct-RFT-72K. Лицензия — Apache-2.0. Модель генерирует ответы на естественном языке, однако её результаты по задачам на графах могут быть ошибочными; README приводит сравнительные оценки, но доступный фрагмент не содержит полных результатов. Язык модели и результаты за пределами графовых задач в предоставленных данных не описаны.

Карточка модели GraphWiz/LLaMA2-13B-RFT на Hugging Face совпадает с карточкой GraphWiz/LLaMA2-7B-DPO, поэтому описание составлено по ней. GraphWiz/LLaMA2-7B-DPO — инструктивная языковая модель проекта GraphWiz на архитектуре LLaMA, предназначенная для решения задач на графах. Модель преобразует текстовые описания графов и структур в явное рассуждение на естественном языке и ответ. В карточке указаны 6,6 млрд параметров, контекст до 4096 токенов и формат PyTorch. Модель обучалась в два этапа: смешанное обучение на нескольких типах задач и выравнивание предпочтений методом DPO. Она предназначена для задач о циклах, связности, двудольности, топологии, кратчайших путях, треугольниках, потоках, гамильтоновых циклах и подграфах. В качестве датасета указан GraphWiz/GraphInstruct-RFT-72K. Лицензия — Apache-2.0. Модель генерирует ответы на естественном языке, однако её результаты по задачам на графах могут быть ошибочными; README приводит сравнительные оценки, но доступный фрагмент не содержит полных результатов. Язык модели и результаты за пределами графовых задач в предоставленных данных не описаны.

Mengzi-BERT base fin — китайская доменно-адаптированная модель на базе Mengzi-BERT, разработанная Langboat. Модель продолжили обучать на 20 ГБ финансовых новостей и исследовательских отчётов; в обучении использовались masked language modeling, разметка частей речи и предсказание порядка предложений. Это плотная BERT-модель с 129,5 млн параметров и контекстом до 512 токенов. Она предназначена для обработки китайских финансовых текстов и заполнения маскированных фрагментов; доступна в форматах PyTorch и Safetensors. Модель выпущена под лицензией Apache-2.0. Карточка описывает продолженное предобучение, но не приводит оценок качества или результатов на конкретных задачах.

MITRE-v16-tactic-bert-case-based — модель Sarah Wei, дообученная на базе bencyc1129/mitre-bert-base-cased на наборе примеров процедур MITRE ATT&CK версии 16. Это классификатор текста на архитектуре BERT с 136,1 млн параметров и контекстом до 512 токенов. Модель предназначена для определения тактики MITRE ATT&CK, к которой относится предложение или описание атаки. Она ориентирована на тексты о кибератаках и может быть полезна для разметки описаний инцидентов и процедур. Одно описание может соответствовать нескольким тактикам, поэтому результат классификации может не отражать все применимые категории. Модель опубликована в формате safetensors и рассчитана на использование с библиотекой Transformers; в README также заявлено использование с TensorFlow. Лицензия в предоставленных данных не указана.

OpenMed разработала OpenMed-NER-BloodCancerDetect-ElectraMed-109M — специализированную модель распознавания именованных сущностей в клинических и научных текстах о хроническом лимфоцитарном лейкозе (ХЛЛ). Модель предназначена для извлечения упоминаний, связанных с ХЛЛ, из медицинских записей, исследовательских публикаций и документов здравоохранения. Это модель классификации токенов на базе архитектуры BERT, дообученная на корпусе CLL. Она принимает токенизированный биомедицинский текст и возвращает BIO-разметку с типами B-CL и I-CL. Размер модели — 136,7 млн параметров, длина контекста — до 512 токенов; формат весов — safetensors. Карточка сообщает F1 0,79, точность 0,70 и полноту 0,93 на наборе CLL. Модель может применяться для поиска сущностей, связанных с ХЛЛ, в клинических записях и научной литературе. Показатели из карточки не подтверждают заявленную в ней «готовность к производству»; качество на других типах текстов и вне тематики ХЛЛ не описано. Лицензия — Apache-2.0.

poolformerv2_m36.sail_in1k — модель классификации изображений семейства PoolFormer-v2 и архитектуры MetaFormer, опубликованная авторами статьи и обученная на ImageNet-1k. Она предназначена для отнесения изображений к категориям, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 56,1 млн параметров, рассчитана на изображения размером 224 × 224 и требует около 8,8 GMACs на проход. Репозиторий предоставляет веса PyTorch и safetensors; для работы используется библиотека timm. Лицензия — Apache-2.0. Модель обучена на ImageNet-1k, поэтому её классификация ориентирована на категории этого набора данных. Карточка не подтверждает поддержку других языковых или мультимодальных входов.

ProMiNER Russian BioNNE-L Reranker — кросс-энкодер на базе XLM-RoBERTa, разработанный для русскоязычного связывания биомедицинских упоминаний с понятиями UMLS. Он получает упоминание и описание кандидата и оценивает их соответствие, чтобы ранжировать кандидаты, предварительно найденные плотным ретривером. Модель дообучена на списках кандидатов BioNNE-L с LambdaLoss; в карточке указаны 305,2 млн параметров и максимальная длина последовательности 384 токена при обучении. В тестовой выборке BioNNE-L модель достигла Acc@1 0,734 и MRR 0,780. Она предназначена как этап переранжирования в системе ProMiNER, а не как самостоятельный генератор ответов или ретривер; контекст ограничен 514 токенами. Использование и распространение разрешены по лицензии MIT.

PVT-Tiny-224 — компактная модель Pyramid Vision Transformer, опубликованная пользователем Hugging Face Xrenya. Это трансформерный энкодер изображений с пирамидальной архитектурой: изображение разбивается на патчи, а разрешение признаковых карт постепенно уменьшается между этапами, что снижает вычислительные затраты по сравнению с обработкой крупных карт на каждом слое. Модель предназначена для классификации изображений по 1000 классам ImageNet-1K и может использоваться как энкодер признаков для дальнейшего обучения на размеченных изображениях. Модель обучалась на ImageNet-1K и дообучалась на ImageNet 2012 с размером входа 224×224. Изображения масштабируются и нормализуются по RGB-каналам. Архитектура относится к семейству PVT; доступны веса PyTorch и SafeTensors. Лицензия — Apache-2.0. Карточка не приводит отдельных численных оценок качества или подробностей об ограничениях производительности.

VikramPal/Qwen3-Omni-30B-A3B-Thinker-bf16 — дообученная версия компонента Thinker модели Qwen3-Omni от Qwen, предназначенная прежде всего для классификации намерений по речи в наборе SLURP. По описанию, QLoRA-дообучение с последующим объединением весов подняло точность на тестовом протоколе SLURP с 79,40% у исходного чекпойнта до 86,80% на 500 примерах. Это мультимодальная модель класса Qwen3OmniMoeThinkerForConditionalGeneration с примерно 31,7 млрд параметров; она принимает аудио, изображения, видео и текст, но выдаёт только текст. Модель рассчитана на английскую речь и фиксированный сценарий классификации по меню из 60 намерений. Результаты не подтверждают качество на других языках, задачах и акустических условиях, а мультимодальные возможности базовой модели отдельно не оценивались. Веса занимают около 59,08 ГиБ, поэтому для запуска автор рекомендует видеокарту с 80 ГиБ памяти либо распределение модели по нескольким устройствам. В README указана лицензия «other»; конкретные условия лицензии в предоставленных данных не раскрыты.

RepGhostNet 0.58 — компактная модель классификации изображений семейства RepGhostNet, разработанная авторами статьи RepGhost и обученная на ImageNet-1k. Она предназначена для определения объектов на изображениях и может использоваться как визуальный backbone для извлечения карт признаков или эмбеддингов. Модель содержит около 2,5 млн параметров, требует примерно 0,1 GMAC и рассчитана на изображения размером 224 × 224 пикселя. Репозиторий предоставляет веса PyTorch в формате Safetensors; библиотека для работы с моделью — timm. Лицензия — MIT. Компактность модели подходит для сценариев с ограниченными вычислительными ресурсами. Классификатор обучен на ImageNet-1k, поэтому его категории и качество на иных наборах данных могут не соответствовать конкретному применению; модель может использоваться как основа для извлечения признаков.

Res2Net-50 14w 8s — модель классификации изображений и извлечения визуальных признаков семейства Res2Net, разработанная авторами соответствующей научной работы и обученная на ImageNet-1k. Архитектура использует многошкальные блоки Res2Net; модель содержит 25,1 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Её можно использовать как визуальный backbone в компьютерном зрении. В репозитории доступны веса PyTorch и Safetensors; для применения указана библиотека timm. Карточка не сообщает лицензию репозитория, поэтому условия использования следует проверить отдельно. Модель обучена на ImageNet-1k, и её качество и применимость для других предметных областей не установлены приведённой информацией.

ReSyn Partitioner — предварительно обученная модель из фреймворка ReSyn, представленного авторами статьи «ReSyn: A Generalized Recursive Regular Expression Synthesis Framework». Она выполняет декомпозицию Union: получает набор положительных строковых примеров и предсказывает для каждой строки метку группы, объединяя структурно похожие примеры. Модель предназначена для синтеза регулярных выражений: кластеры можно синтезировать независимо, а затем соединить оператором объединения. Это компонент более общего подхода к рекурсивной декомпозиции задач синтеза регулярных выражений; репозиторий содержит веса в формате safetensors и использует PyTorch. Для загрузки требуется класс Partitioner из пакета ReSyn. Лицензия — Apache-2.0.

NVIDIA SegFormer B0 — модель семантической сегментации изображений, дообученная на наборе Cityscapes с разрешением 1024×1024. Архитектура сочетает иерархический Transformer-энкодер с лёгкой декодирующей головой на основе MLP; перед дообучением энкодер предварительно обучен на ImageNet-1k. Модель связана с работой SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers авторов Xie и соавторов. Модель предназначена для попиксельной классификации объектов и областей на изображениях городской среды, например для анализа дорожных сцен. Доступны веса PyTorch и TensorFlow. Карточка не приводит перечень языков, поскольку входом служит изображение. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования по имеющимся данным установить нельзя.

SegFormer B1 — модель семантической сегментации изображений, разработанная авторами архитектуры SegFormer и дообученная на наборе Cityscapes с разрешением 1024×1024. Она использует иерархический Transformer-энкодер и лёгкую декодирующую голову на основе MLP для разметки пикселей изображения по классам сцены. Модель предназначена для семантической сегментации городских сцен, например распознавания дороги, зданий, автомобилей и других объектов инфраструктуры на изображениях. Подходит для анализа сцен автономного вождения и компьютерного зрения в городской среде. Доступны веса в форматах PyTorch и TensorFlow. Карточка указывает лицензию «other», поэтому конкретные условия использования следует сверить с материалами репозитория. Модель обучена на Cityscapes и может хуже работать на сценах, отличающихся от городских изображений этого набора.

SegFormer B3 от NVIDIA — модель семантической сегментации изображений, дообученная на Cityscapes с разрешением 1024×1024. Архитектура сочетает иерархический Transformer-энкодер с лёгкой MLP-головой декодирования; перед дообучением энкодер предварительно обучен на ImageNet-1k. Модель предназначена для попиксельной разметки сцен, в частности городских улиц и объектов дорожной инфраструктуры. Её можно применять для анализа изображений городских сцен и семантической сегментации в системах компьютерного зрения. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Это модель семантической сегментации изображений на основе SegFormer-B4, дообученная автором репозитория peldrak на наборе данных peldrak/coastTrain. Она предназначена для попиксельного анализа прибрежных сцен: модель различает воду, белую пену волн, осадочные породы, другие природные поверхности, растительность, застройку и неизвестные области. В метаданных указана базовая модель nvidia/segformer-b4-finetuned-cityscapes-1024-1024, формат весов — safetensors, лицензия — other. На оценочном наборе указаны mean IoU 0,792 и общая точность 0,936. Результаты различаются по классам: IoU белой пены волн составляет 0,520, а воды — 0,919, поэтому качество зависит от типа поверхности. Карточка не сообщает дополнительных сведений о целевом разрешении, условиях эксплуатации или ограничениях.

SegFormer-B4 — модель семантической сегментации изображений, дообученная автором репозитория на наборе segments/sidewalk-semantic. Она классифицирует пиксели изображения, что подходит для выделения и анализа элементов уличной сцены, включая тротуары. Базовая модель — nvidia/mit-b4; веса представлены в формате PyTorch, лицензия — Apache-2.0. На оценочном наборе указаны mean IoU 0,4317 и общая точность 0,8895. Метрики по отдельным категориям заметно различаются, поэтому качество распознавания отдельных классов может быть низким; результат следует проверять на данных целевого применения. В карточке не описаны точный состав классов и дополнительные условия использования.

Efferbach/segformer-finetuned-lane-10k-steps — сегментационная модель на архитектуре SegFormer, дообученная на наборе Efferbach/lane_master на базе nvidia/segformer-b0-finetuned-cityscapes-512-1024. Она предназначена для семантической сегментации изображений дороги с выделением фона и левой и правой полос. В оценке на тестовой выборке указаны mean IoU 0,4899 и mean accuracy 0,7371; для классов Left и Right приведены IoU 0,7371 и 0,7325 соответственно. Модель распространяется в формате PyTorch. Лицензия указана как other, поэтому конкретные условия использования следует сверить с материалами репозитория.

SHViT-S4 — модель классификации изображений и извлечения визуальных признаков на основе Single-Head Vision Transformer. Её обучили авторы исследования на ImageNet-1k; модель распространяется в формате PyTorch и Safetensors через библиотеку timm. Модель подходит для классификации изображений, получения карт признаков и визуальных эмбеддингов. В ней 16,6 млн параметров, вычислительная сложность составляет 1,0 GMAC, а рекомендуемый размер изображения — 256 × 256 пикселей. Архитектура SHViT использует однонаправленную голову внимания и рассчитана на эффективную обработку изображений. Веса выпущены по лицензии MIT. Качество модели ориентировано на классы ImageNet-1k; при использовании на других наборах изображений может потребоваться адаптация или проверка точности.

cosmo3769/tiny-bart-test — небольшая модель классификации последовательностей на архитектуре BART, опубликованная пользователем cosmo3769 на Hugging Face. Метаданные указывают класс BartForSequenceClassification и около 1,6 млн параметров; модель принимает текст и выдаёт метки классов. Заявленное назначение — классификация текста. Карточка модели автоматически сгенерирована и не описывает конкретные сценарии, языки, обучение или оценку качества. Лицензия и базовая модель в доступных данных не указаны, поэтому происхождение модели и условия её использования установить нельзя.

TripMatch AI Embedding Model — текстовый энкодер, подготовленный для проекта TripMatch AI на основе sentence-transformers/paraphrase-MiniLM-L3-v2. Он преобразует запросы и описания поездок в нормализованные 384-мерные векторы, которые можно сравнивать по косинусному сходству для семантического поиска и ранжирования вариантов путешествий. Модель построена на архитектуре BERT, содержит 18,8 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для поиска поездок в каталоге и сопоставления текстовых запросов с планами путешествий; проект также учитывает структурированные ограничения, например длительность и маршрут. Вычисления проводились на каталоге из 10 000 синтетических англоязычных планов поездок. По описанию проекта, компактный вариант MiniLM-L3 выбран с учётом совместимости результатов и скорости работы на CPU. Результаты оценки относятся только к этому проекту и не подтверждают удовлетворённость путешественников. Данные синтетические и могут быть географически несбалансированы; оценка сходства не подтверждает безопасность, реализуемость, актуальную доступность или стоимость поездки. Лицензия — Apache-2.0.

Это дообученный детектор YOLO26s от автора репозитория dronefreak, обученный на наборе VisDrone-DET в рамках DetectionBench. Он предназначен для обнаружения объектов на аэроснимках и видеокадрах с дронов: модель находит людей, велосипеды, автомобили, грузовики, автобусы и другие транспортные средства, выдавая рамки и классы объектов. Модель использует семейство архитектур Ultralytics YOLO26 и распространяется в формате PyTorch. На тестовой части VisDrone-DET указаны mAP@50 44,87% и mAP@50–95 26,43%. Лицензия репозитория — AGPL-3.0; README также указывает на ограничение исходного набора данных VisDrone для некоммерческого исследовательского использования по CC BY-NC-SA 3.0, которое автор считает применимым к обученной модели. Качество ограничено сильным дисбалансом классов и высокой плотностью мелких объектов в аэроснимках. Класс others не имел обучающих примеров и фактически не распознаётся; редкие классы также могут определяться хуже.

Модель vit_mediumd_patch16_rope_reg1_gap_256.sbb_in1k — Vision Transformer для классификации изображений и извлечения визуальных признаков, представленная в экосистеме timm. Она обучена на ImageNet-1k и использует патчи 16×16, rotary position embeddings (RoPE), регистровые токены и global average pooling. Размер входного изображения — 256×256; модель содержит 63,9 млн параметров и требует около 16,3 GMACs на проход. Модель подходит для классификации изображений по категориям ImageNet, получения признаковых карт и визуальных эмбеддингов, а также как backbone в компьютерном зрении. В сравнении с указанными вариантами timm README приводит результаты top-1 до 86,2% и top-5 до 97,9% для соседней модели, но не устанавливает эти показатели для данного чекпойнта. README не сообщает об ограничениях применения; лицензия репозитория — MIT.

Это визуальный backbone ViT-Small, опубликованный Kaiko AI в рамках проекта Towards Large-Scale Training of Pathology Foundation Models. Модель содержит около 22 млн параметров, использует патчи размером 16×16 пикселей и рассчитана на изображения 224×224 пикселя с тремя цветовыми каналами. Модель предназначена для извлечения признаковых векторов из изображений, в частности для построения систем анализа гистопатологических изображений. Полученные эмбеддинги можно использовать как входные признаки для классификации и других downstream-задач. В карточке указана лицензия other; конкретные условия следует сверять с лицензией проекта.

m3hrdadfi/wav2vec2-xlsr-greek-speech-emotion-recognition — модель распознавания эмоций в греческой речи, построенная на архитектуре wav2vec2. В метаданных указано 402,7 млн параметров; доступны версии для PyTorch и Flax. Карточка приводит результаты оценки по классам эмоций, включая точность, полноту и F1 для гнева, отвращения и страха. Модель принимает аудио и классифицирует эмоциональную окраску речи. Она предназначена для анализа греческих аудиозаписей, например для изучения эмоциональных реакций или разметки речи по эмоциям. В качестве датасета указан AESDD; язык карточки — греческий. Метаданные помечают модель задачей automatic-speech-recognition, однако архитектура и описание указывают на классификацию речи по эмоциям. Модель распространяется по лицензии Apache-2.0. Результаты в README не описывают полноту оценки по всем классам, а качество за пределами указанного набора данных не подтверждено.

YACIS ELECTRA Small Japanese for Irony — небольшая модель на архитектуре ELECTRA, разработанная для автоматического распознавания иронии и сарказма в японских сообщениях. Она дообучена на наборе твитов с ироничным и саркастическим содержанием на базе YACIS ELECTRA Small Japanese. Модель предназначена для классификации коротких японских текстов, например публикаций в соцсетях. Она содержит 20,8 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате PyTorch. Лицензия — CC BY-SA 4.0. Модель специализирована на иронии и сарказме в твитах, поэтому качество на других жанрах и темах может отличаться; карточка не приводит результатов оценки.

Это дообученная модель BrianLan на базе hustvl/yolos-tiny для обнаружения объектов на изображениях. Архитектура YOLOS использует подход Vision Transformer; модель содержит 7,1 млн параметров и предназначена для поиска объектов и определения их расположения. Название указывает на обучение в течение 600 эпох на наборе TW Marine с пятью классами, однако README не раскрывает состав классов и подробности датасета. Модель принимает изображения и выдаёт обнаруженные объекты с их позициями и классами. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0; качество на конкретных изображениях и ограничения применения в карточке не описаны.

keremberke/yolov8m-nlf-head-detection — модель компьютерного зрения семейства YOLOv8, опубликованная пользователем keremberke и предназначенная для обнаружения шлемов игроков в кадрах американского футбола. Она использует архитектуру YOLOv8m и библиотеку Ultralytics; веса представлены в формате PyTorch. Модель распознаёт классы Helmet, Helmet-Blurred, Helmet-Difficult, Helmet-Partial и Helmet-Sideline, поэтому подходит для анализа видеозаписей матчей и изображений с поля или боковой линии. Модель принимает изображения и выдаёт обнаруженные объекты с рамками и метками классов. Она обучена на наборе данных keremberke/nfl-object-detection. Карточка указывает установку ultralyticsplus для использования, но не приводит сведения о точности или ограничениях на условиях съёмки. Лицензия в предоставленных данных не указана.

Модель sercetexam9/afro-xlmr-base-ary-finetuned-augmentation-LUNAR — дообученная версия Davlan/afro-xlmr-base для классификации текста. Она построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; базовая AfroXLMR предназначена для работы с текстами на африканских языках. Заявленная задача модели — отнесение текста к классам. В карточке приведены результаты оценки: loss 0,3039, F1 0,5359, ROC AUC 0,7304 и accuracy 0,5105. Название датасета указано как None, а сведения о целевых классах, языках дообучения и сценариях применения отсутствуют, поэтому результаты не позволяют судить о пригодности модели для конкретной предметной области. Лицензия — MIT.