II.8Инженерия данных и аналитика

Это дообученная модель YOLOv11n-pose, созданная для обнаружения площадки для бадминтона и локализации её 30 ключевых точек на кадре. Она основана на yolo11n-pose.pt, использует библиотеку Ultralytics и выдаёт координаты одной площадки как одного объекта с классом item. Модель предназначена для анализа одиночных broadcast-кадров: найденные точки можно сопоставить с координатами площадки и вычислить перспективную гомографию между изображением и реальной плоскостью корта. Это позволяет переводить пиксельные координаты игроков и волана в координаты площадки для последующего тактического анализа. Модель не рассчитана на произвольные ракурсы, разметку площадки для парной игры или обнаружение ключевых точек вне контекста бадминтона. Приведённые метрики получены на небольшой валидационной выборке и не гарантируют качество на других камерах и площадках. Лицензия — AGPL-3.0.

DEREXP — дообученная модель DistilBERT для классификации текстов, основанная на distilbert-base-uncased. В метаданных указаны архитектура DistilBertForSequenceClassification, формат PyTorch и контекст до 512 токенов. Модель распространяется по лицензии Apache-2.0. Карточка сообщает результаты оценки: loss и MSE — 3,1590, MAE — 1,3397, R² — 0,4465, accuracy — 0,2528. Назначение классов, обучающие данные и предполагаемые сценарии применения не описаны, поэтому интерпретировать качество оценки для конкретной задачи нельзя.

veriga/distilbert-base-uncased-finetuned-cola — модель классификации последовательностей на архитектуре BERT, дообученная разработчиком veriga на неизвестном наборе данных. Репозиторий содержит веса в формате safetensors; метаданные указывают 138,8 млн параметров и контекст до 1024 токенов. Модель предназначена для классификации текста, однако карточка не уточняет метки и сценарий применения. В README приведены результаты оценки: accuracy 0,9556 и F1 0,0017. Назначение набора данных и методика оценки не описаны, поэтому эти показатели не позволяют надёжно судить о качестве модели. Лицензия — Apache-2.0.

dla60_res2next.in1k — модель классификации изображений и извлечения признаков на основе DLA (Deep Layer Aggregation) с блоками Res2Net. Она обучена авторами Res2Net на ImageNet-1k и предназначена для распознавания объектов на изображениях, построения карт признаков и получения визуальных эмбеддингов. Модель содержит около 17 млн параметров, требует изображения размером 224 × 224 пикселя и имеет вычислительную сложность около 3,5 GMACs. Репозиторий предоставляет веса в форматах PyTorch и Safetensors; лицензия в метаданных не определена.

FlexiCT-2D — двумерный энкодер срезов компьютерной томографии из семейства FlexiCT, опубликованный пользователем ricklisz123. Модель предназначена для извлечения признаков из отдельных CT-срезов: она выдаёт глобальное векторное представление среза cls_token и пространственные представления patch_tokens. На вход подаётся CT-изображение в HU; обработчик ограничивает значения диапазоном от −1000 до 1000, нормализует их, при необходимости выбирает срез из объёмного исследования, дополняет его до квадрата и масштабирует до 512 × 512 пикселей. Модель построена на архитектуре FlexiCTModel и использует Transformers; веса опубликованы в формате safetensors. Признаки можно использовать как основу для последующих задач анализа медицинских изображений. Модель не является диагностической системой, рассчитана на CT-подобные данные и не валидирована для принятия клинических решений. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов.

Модель dima806/fruit_100_types_image_detection — дообученный Vision Transformer для классификации изображений фруктов. Она определяет тип фрукта на входном изображении и, согласно карточке, достигает точности около 85%. Модель основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель подходит для распознавания фруктов на фотографиях и сортировки изображений по типам. Она принимает изображения и выдаёт метку класса. Карточка не описывает языковые возможности, поэтому текстовые языки не указаны. Модель распространяется по лицензии Apache-2.0.

GC-ResNeXt26ts.ch_in1k — модель классификации изображений из библиотеки timm, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она основана на ResNeXt с механизмом внимания Global Context и реализована настраиваемой архитектурой BYOBNet. Модель содержит около 10,5 млн параметров и требует 2,4 GMACs. В архитектуре используются трёхслойный stem, активации SiLU и блоки ResNeXt; заявленные размеры изображений при обучении и тестировании — 256×256 и 288×288. Помимо классификации модель можно применять как основу для извлечения карт признаков и эмбеддингов изображений. Для использования доступны веса PyTorch и safetensors; лицензия — Apache-2.0. Обучение проведено на ImageNet-1k, поэтому качество на изображениях вне этого распределения может отличаться; в карточке не приведены метрики качества.

GLM-4.7-Flash-24B-A3B-KREAP-Code — исследовательский чекпойнт на базе диалоговой MoE-модели GLM-4.7-Flash от Z.ai, подготовленный проектом RAS-LAB. Это причинная языковая модель для генерации текста и кода с архитектурой Glm4MoeLiteForCausalLM и контекстом 202 752 токена. Веса хранятся в safetensors, преимущественно в BF16 с отдельными тензорами F32; лицензия — MIT. В модели выполнено однократное удаление экспертов REAP с калибровкой на коде: число маршрутизируемых экспертов сокращено с 64 до 48 на слой, при этом маршрутизация top-4 сохранена. Чекпойнт содержит 24,27 млрд параметров против 31,22 млрд у базовой модели. Дообучение после прореживания не проводилось. Модель предназначена для исследовательских сравнений и офлайн-экспериментов с генерацией кода и текста; авторы отдельно предупреждают, что это не вариант с защитой корейского языка и не рекомендуемый для развёртывания чекпойнт. Загрузка через Transformers с trust_remote_code=False проверена на Transformers 5.0.0 и PyTorch/CUDA. Удаление экспертов может заметно изменить поведение на задачах, не представленных в калибровке и оценивании; сохранение качества корейского языка не гарантируется. Спекулятивное декодирование MTP/NextN не поддерживается, а производительность развёртывания и многие сценарии, включая длинный контекст, всесторонне не оценивались.

HarmCare_binary — англоязычная модель классификации текста на основе DeBERTa-v3-base, дообученная автором ajrayman. Она предназначена для бинарной классификации текстов в задаче HarmCare; конкретные классы и целевые сценарии в карточке не раскрыты. Модель содержит 211,6 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метку классификации. Распространяется по лицензии MIT. На указанном в карточке наборе оценки модель показала accuracy 0,5897 и F1 0,6586; эти результаты следует учитывать при оценке пригодности для практического применения. Описание обучающих данных и ограничений отсутствует.

Модель dima806/indian_food_image_detection — дообученный Vision Transformer ViT-Base для классификации изображений индийской еды. Она распознаёт 80 распространённых видов блюд и предназначена для определения блюда по фотографии. В README указана точность 75% на валидационном наборе данных; подробности обучения автор приводит в ноутбуке на Kaggle. Модель содержит 113,2 млн параметров и основана на google/vit-base-patch16-224-in21k. Она принимает изображения и выдаёт метку класса. Доступна в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Это англоязычная модель автоматического распознавания детской речи, созданная дообучением Whisper tiny.en исследовательской группой, указанной в репозитории lokeshkumar79/kid-whisper-tiny-en-myst-ours. Модель предназначена для распознавания речи в корпусе MyST и исследований сжатия ASR-моделей детской речи, включая посттренировочную квантизацию и прореживание. Она основана на Whisper tiny.en, имеет около 29,4 млн параметров по метаданным и принимает аудио, выдавая текст. Для обучения использовались отфильтрованные обучающая и валидационная выборки MyST; README сообщает WER 14,53% на тестовой выборке MyST при заданном протоколе оценки. Результат относится к этому протоколу и не гарантирует качество на других данных. Модель выпущена под лицензией MIT. README указывает исследовательское назначение и отсутствие оценки для производственного применения.

hun3359/klue-bert-base-sentiment — корейская модель классификации текста на основе klue/bert-base, дообученная автором в течение пяти эпох для анализа тональности. Модель использует архитектуру BERT для классификации последовательностей, содержит 137,8 млн параметров и принимает текст длиной до 512 токенов. В карточке приведены результаты тестирования: точность 0,294 и F1 0,291, что указывает на низкое качество классификации в описанном эксперименте. Модель подходит для пробного определения тональности корейских текстов, но перед практическим применением её следует оценить на целевых данных. Лицензия — CC BY-SA 4.0.

LumynaX Doc LayoutLMv3 Base — архивный эксперимент AbteeX AI Labs на базе microsoft/layoutlmv3-base, предназначенный для анализа текста и структуры документов. Согласно карточке, интеграция выполнена через маршрутизацию во время выполнения и не изменяет веса исходной модели. Базовая модель — мультимодальный Transformer для понимания текста, изображений и структуры документов; репозиторий содержит 151,8 млн параметров в форматах PyTorch и Safetensors и использует библиотеку Transformers. Метаданные указывают задачу text-generation, английский язык и контекст до 514 токенов. Модель может служить основой для экспериментов с извлечением и интерпретацией информации из документов, однако README характеризует выпуск как устаревший исследовательский артефакт, который больше не поддерживается и не рекомендуется для промышленного применения. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Mask2Former — модель компьютерного зрения, разработанная командой, выпустившей семейство Mask2Former, и представленная в статье «Masked-attention Mask Transformer for Universal Image Segmentation». Этот чекпойнт обучен для сегментации отдельных объектов на изображениях Cityscapes; в нём используется большая версия Swin в качестве основы и архитектура Mask2Former для универсальной сегментации. Модель предсказывает маски объектов и соответствующие им классы. Семейство Mask2Former также охватывает семантическую и паноптическую сегментацию, но данный чекпойнт предназначен именно для сегментации экземпляров. Архитектура использует многомасштабный декодер пикселей с деформируемым вниманием и Transformer-декодер с маскированным вниманием. Веса доступны в форматах PyTorch и safetensors. Чекпойнт подходит для выделения и классификации объектов на сценах, похожих на городские изображения Cityscapes. В карточке не приведены сведения о численном размере модели, языках или длине контекста; языковой ввод модель не использует. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием.

Mask2Former — модель компьютерного зрения семейства Mask2Former, разработанная командой Facebook/Meta и опубликованная в репозитории facebook/mask2former-swin-tiny-cityscapes-semantic. Этот чекпойнт обучен для семантической сегментации сцен Cityscapes и использует компактный вариант Swin в качестве backbone. Модель предсказывает маски и соответствующие им классы; архитектура Mask2Former также позволяет решать задачи сегментации экземпляров и паноптической сегментации. Модель принимает изображение и выдаёт пиксельную сегментацию с метками классов. Она предназначена для анализа городских сцен, например для выделения объектов на дорожных изображениях. Веса опубликованы в форматах PyTorch и Safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория; карточка не приводит её название.

MiniLMv2-L6-H384R-fineweb-100k — компактная модель семейства MiniLMv2 на архитектуре RoBERTa, разработанная автором репозитория pszemraj. Она продолжает предобучение базовой модели на задаче заполнения пропусков в тексте (MLM) на англоязычном наборе BEE-spoke-data/fineweb-100k_en-med, чтобы улучшить её последующее дообучение и результаты в прикладных задачах. В обучении использовалась активация SiLU и доля маскирования 40%. Модель содержит 33,5 млн параметров и поддерживает контекст до 514 токенов. Основной сценарий использования — предсказание замаскированных токенов в английском тексте, а также дальнейшее дообучение для прикладных задач NLP. В карточке приведены результаты оценки: loss 4,0206 и accuracy 0,3783. Модель распространяется под лицензией Apache-2.0.

Карточка модели GraphWiz/Mistral-7B-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.

moralBERT-predict-degradation-in-text — модель классификации текста, опубликованная пользователем vjosap (Vjosa Preniqi) на Hugging Face. По названию модель предназначена для определения в тексте признака degradation — моральной деградации или обесценивания; карточка относит её к задаче text-classification. Репозиторий содержит около 0,1 млрд параметров в формате Safetensors с тензорами F32. Модель принимает текст и выдаёт результат классификации. Данные карточки не раскрывают базовую архитектуру, обучающие данные, поддерживаемые языки, длину контекста или показатели качества, поэтому нельзя надёжно уточнить область применимости и точность. Лицензия репозитория — MIT.

OmniRad-small — компактный радиологический визуальный энкодер, разработанный как часть проекта OmniRad. Это Vision Transformer ViT-S с патчами 14 пикселей и размерностью эмбеддингов 384; модель обучена без учителя на базе модифицированного DINOv2 на примерно 1,2 млн радиологических изображений из RadImageNet. Репозиторий предоставляет веса в форматах PyTorch и safetensors, библиотека для работы — timm. Модель извлекает переносимые признаки из рентгеновских снимков, КТ, МРТ и УЗИ. Эти представления можно использовать для классификации медицинских изображений, сегментации с дополнительным декодером, извлечения радиомических признаков и исследовательских мультимодальных систем, например для создания описаний снимков. Энкодер принимает изображения размером 224 × 224 и не содержит специализированных выходных голов для таких задач. Модель предназначена для разработки и адаптации под конкретные наборы данных; без целевой проверки её не следует применять напрямую в клинической практике. Лицензия — CC BY 4.0.

OneFormer — модель компьютерного зрения из семейства OneFormer, разработанная авторами статьи «OneFormer: One Transformer to Rule Universal Image Segmentation». Этот чекпойнт обучен на наборе Cityscapes и использует крупный вариант Swin в качестве основы. Архитектура OneFormer применяет токен задачи, чтобы одним моделем выполнять семантическую, экземплярную и паноптическую сегментацию изображений. Модель предназначена для анализа городских сцен: она может классифицировать пиксели, выделять отдельные объекты и строить паноптическую разметку. Чекпойнт опубликован в формате PyTorch и распространяется по лицензии MIT. Его специализация на Cityscapes ограничивает переносимость на изображения иных типов; качество на таких данных может отличаться.

OpenPath — набор контрольных точек модели для цифровой патологии, разработанный авторами проекта OpenPath. Это визуальный энкодер ViT-g/14 на базе DINOv2, обученный самоконтролируемым способом с gram anchoring на публичных тайлах гистопатологических препаратов. В репозитории размещены 61 контрольная точка; авторы выделяют training_316250 как выпущенную модель, выбранную по результатам оценки на наборе AMC-HCC-ST. Энкодер формирует CLS-эмбеддинг размерности 1536 для каждого изображения. Модель предназначена для извлечения признаков из тайлов гистологических изображений H&E, снятых примерно при увеличении 40×, с нормализацией ImageNet. Эмбеддинги подходят для линейного или ridge-зондирования, k-NN, MIL и поиска похожих изображений. В оценках авторов OpenPath заняла первое место среди семи моделей на AMC-HCC-ST; результаты на публичных наборах могут быть завышены из-за пересечения обучающих и тестовых данных. Лицензия — Apache-2.0. Это экстрактор признаков на уровне патчей, а не целых предметных стёкол: для слайдового контекста нужен отдельный агрегатор. Модель не является медицинским устройством и не предназначена для диагностики. Для загрузки и извлечения эмбеддингов README требует код OpenPath/DINOv2.

timm/pit_ti_224.in1k — модель компьютерного зрения семейства PiT (Pooling based Vision Transformer), обученная авторами статьи на ImageNet-1k. Она предназначена для классификации изображений, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит около 4,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Для неё указаны вычислительная сложность 0,7 GMAC и 6,2 млн активаций. Модель принимает изображения и выдаёт классы либо признаки, в зависимости от способа использования. Весами можно пользоваться через библиотеку timm; доступны форматы PyTorch и safetensors. Лицензия — Apache-2.0. Обучение на ImageNet-1k ориентирует модель на распознавание объектов из набора классов ImageNet; для других доменов точность может отличаться.

PoreCodec-RSQ742C12A — нейросетевой кодек для сжатого представления электрических сигналов нанопорового секвенирования. Модель использует одномерный сверточный энкодер с 512-мерным латентным представлением и понижающей дискретизацией ×4, а затем детерминированную остаточную конечную скалярную квантизацию (Residual FSQ). Для каждого положения сигнала формируются иерархические дискретные токены; декодер может восстановить сигнал из токенов или индексов квантизации. Модель предназначена для токенизации и сжатия подготовленных сигналов, обучения моделей представлений и трансформеров для нанопоровых данных, а также поиска и индексирования чтений. Предобработка включает исправление границ и выбросов, нормализацию median-MAD и, в зависимости от стратегии, медианную фильтрацию и сглаженное ограничение значений. По карточке, детерминированная FSQ не подвержена коллапсу кодовой книги и позволяет выполнять быстрый поиск кодов. Модель опубликована ShuaiAnwo в формате safetensors, совместима с Transformers AutoModel и распространяется по лицензии Apache-2.0. Она рассчитана на входные электрические сигналы нанопор после соответствующей предобработки; для непосредственного basecalling и предсказания последовательности ДНК не предназначена.

Это визуальный энкодер Qwen3-VL-235B-A22B-Instruct, опубликованный в формате timm как модель извлечения признаков изображений. Чекпойнт содержит нативные веса vision-энкодера, пространственный merger и проекцию в размерность исходной языковой модели; языковых весов и обученной классификационной головы в нём нет. Обучение не проводилось: веса были перенесены в формат timm. Модель принимает RGB-изображения и выдаёт пространственно объединённые визуальные токены или промежуточные карты признаков. В README указаны 455,1 млн параметров, ширина backbone 1152, ширина проекции 4096 и базовый размер изображения 768 × 768. Поддерживаются прямоугольные изображения; размеры должны делиться на 16, а для вариантов с merger 2 × 2 — на 32. Для нормализации используются mean и std, равные 0,5 для каждого RGB-канала. Лицензия — Apache 2.0. Это компонент визуальной системы, а не самостоятельная модель для диалога или классификации изображений.

RAD-DINO — визуальный энкодер на основе Vision Transformer, разработанный Microsoft Health Futures и дообученный от DINOv2-base для кодирования рентгенограмм грудной клетки методом самообучения DINOv2. Модель содержит 113,2 млн параметров и выдаёт признаки изображений для последующих задач. Её можно использовать как основу для классификации рентгенограмм, сегментации, кластеризации и поиска похожих изображений; признаки также могут поступать в языковую модель для генерации радиологических отчётов. Модель рассчитана на исследовательские сценарии и не предназначена для клинической практики. Она обучена на общедоступных обезличенных наборах данных из пяти стран, поэтому возможна систематическая ошибка в отношении других популяций, а смещения исходных наборов могут быть изучены не полностью. Лицензия — MIT.

Ruri v3 PT 30M — предварительно обученная модель эмбеддингов японского текста, разработанная cl-nagoya на основе ModernBERT-Ja. Эта версия ещё не дообучена для получения готовых эмбеддингов; для прикладного использования авторы рекомендуют дообученную cl-nagoya/ruri-v3-30m. Модель имеет архитектуру ModernBERT, около 36,7 млн параметров и контекст до 8192 токенов. Она предназначена как основа для последующего обучения задачам понимания японского текста и построения текстовых представлений. В метаданных основной задачей указано сходство предложений, однако README уточняет, что эта версия не прошла соответствующее дообучение. Модель распространяется в формате safetensors по лицензии Apache-2.0. Готовность и качество эмбеддингов для прикладных сценариев README не подтверждает; указанная оценка JMTEB относится к дообученной серии Ruri v3, а не к этой версии.

SinhalaBERTo — языковая модель семейства RoBERTa, обученная на дедуплицированном корпусе OSCAR на сингальском языке. Разработчик позиционирует её как отправную точку для дальнейшего обучения моделей под прикладные задачи для малоресурсного языка. Модель содержит 96,6 млн параметров, использует 6 слоёв Transformer, 12 голов внимания, словарь из 52 000 токенов и контекст до 514 токенов. Её основная задача — восстановление замаскированных токенов в тексте; веса доступны в форматах PyTorch, TensorFlow и Flax, включая safetensors. Лицензия в предоставленных данных не указана.

SRR-BERT-Leaves — модель Stanford AIMI для многометочной классификации рентгенологических заключений. Она принимает текст предложения и предсказывает диагностические метки, например ателектаз или неоднородное затемнение воздушных пространств. Модель основана на BERT с головой классификации последовательностей, содержит 136,7 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для классификации медицинских текстов, в частности для извлечения диагностических категорий из описаний рентгенограмм грудной клетки. Пример в карточке показывает предсказание нескольких меток для одного предложения. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и подробных условиях использования в доступных данных отсутствуют.

Starcoder-base-1B-TACO — языковая модель семейства GPTBigCode, созданная дообучением всех параметров Starcoder-base-1B на обучающей части набора TACO. Она предназначена для генерации кода при решении сложных алгоритмических и соревновательных задач программирования по текстовому условию и необязательному стартовому коду. Модель принимает текст и генерирует продолжение; максимальная длина контекста составляет 8192 токена. Обучающий набор TACO содержит задачи по алгоритмической генерации кода с метками тематик, алгоритмов, навыков и сложности. Карточка указывает английский язык и код, а также лицензию BigCode OpenRAIL-M. Качество сгенерированного кода не гарантируется, поэтому результаты следует проверять и запускать в безопасной среде.

Trust_binary — дообученная модель ajrayman на базе microsoft/deberta-v3-base для классификации текста. Она использует архитектуру DeBERTa V2 и содержит 211,6 млн параметров; модель принимает текст и относит его к классам, однако README не раскрывает значения классов и целевой сценарий классификации. Длина контекста — 512 токенов. На указанном наборе оценки модель получила accuracy 0,6413 и F1 0,6720. Эти результаты относятся только к описанной в карточке оценке и не позволяют судить о качестве на других данных. Модель распространяется по лицензии MIT.