IV.10Дом, личная жизнь, уход и повседневные задачи

google/ddpm-bedroom-256 — модель генерации изображений безусловного типа на основе Denoising Diffusion Probabilistic Models (DDPM). Она создаёт изображения спален размером 256×256 пикселей без текстового запроса. Архитектура использует диффузионный процесс: начинает с шума и постепенно преобразует его в изображение. Модель предназначена для генерации образцов интерьеров спален и экспериментов с диффузионным синтезом изображений. Карточка описывает метод DDPM из работы Джонатана Хо, Аджая Джейна и Питера Абила, а репозиторий распространяет модель для библиотеки Diffusers на PyTorch. Для инференса указана совместимость с дискретными планировщиками шума, включая DDPM, DDIM и PNDM. Данные не подтверждают поддержку управления генерацией текстовыми подсказками. Модель распространяется по лицензии Apache-2.0. Поскольку генерация безусловная, результат не контролируется текстовым описанием; карточка также не сообщает об оценках качества именно этой версии.

Карточка модели kritokronos/dynamic-vla-level-level2-epoch150 на Hugging Face совпадает с карточкой hzxie/dynamic-vla-DOM, поэтому описание составлено по ней. DynamicVLA — модель vision-language-action для манипулирования движущимися объектами в динамичных сценах. Она предназначена для задач, где роботу требуется быстро воспринимать обстановку, предсказывать изменения во времени и непрерывно управлять движением. Модель разработана и обучена в рамках официального кодового проекта DynamicVLA; в качестве базовой модели используется дообученная HuggingFaceTB/SmolLM2-360M. В карточке описаны обучение и оценка модели на наборе данных hzxie/DOM. Метаданные указывают формат весов safetensors и лицензию other. Параметры размера, длины контекста и поддерживаемые языки не приведены; назначение предполагает обработку визуальных и языковых сигналов с выдачей управляющих действий робота.

en_core_med7_lg — англоязычная модель для spaCy, разработанная авторами Med7: Andrey Kormilitzin, Nemanja Vaci, Qiang Liu и Alejo Nevado-Holgado. Это крупная pipeline-модель без Transformer-бэкенда, предназначенная для распознавания сущностей, связанных с лекарственными назначениями, в клинических текстах и электронных медицинских записях. Модель извлекает семь типов сущностей: DRUG, STRENGTH, DOSAGE, DURATION, FREQUENCY, FORM и ROUTE. Она поддерживает английский язык, использует большие векторные представления и относится к задачам token classification и medication NER. Версия 1.1.0 переобучена и упакована для Python 3.12.13 и spaCy 3.8.14; для работы не требуются spacy-transformers, transformers, tokenizers или torch. В README не указаны размер модели, максимальная длина контекста и дополнительные модальности. Сильными сторонами являются специализация на клинической информации о лекарствах, выделение основных параметров назначения и отсутствие необходимости в ресурсоёмком Transformer-стеке. На закрытой отложенной выборке Med7 указаны F1 0,889, precision 0,880 и recall 0,898. Ограничения включают поддержку только английского языка, зависимость качества от клинического домена и отсутствие сведений о работе с другими типами текстов или модальностями. Модель распространяется по лицензии MIT.

Hulu-Med-Flash-Preview-27B-GGUF — квантованная в формате GGUF версия мультимодальной медицинской модели Hulu-Med-Flash-Preview-27B, разработанной ZJU-AI4H и подготовленной к распространению mradermacher. Модель ориентирована на работу с медицинскими данными и относится к классу vision-language-моделей, поддерживающих анализ изображений, преобразование изображений в текст, понимание видео и обработку 3D-данных. Заявленный язык — английский. Модель имеет размер 27 млрд параметров в исходной версии; README также связывает её с семейством Qwen, однако точная архитектура и размер контекстного окна не указаны. Для мультимодальной работы требуются отдельные файлы mmproj, доступные в вариантах Q8_0 и F16. Предлагается широкий набор квантов GGUF объёмом примерно от 10,8 до 28,7 ГБ: от Q2_K до Q8_0, включая IQ4_XS. Более лёгкие варианты удобнее для запуска на ограниченных ресурсах, тогда как Q6_K и Q8_0 ориентированы на более высокое качество; Q4_K_S и Q4_K_M обозначены как быстрые и рекомендуемые. Сильной стороной модели является сочетание медицинской специализации и мультимодальных возможностей, включая работу с изображениями, видео и 3D-данными. Ограничения включают англоязычную заявленную поддержку, значительные требования к памяти для крупных квантов и отсутствие в README подробных результатов оценки, описания контекстного окна и рекомендаций по безопасному применению медицинских ответов. Лицензия модели — Apache-2.0.

InternVLA-M1 — открытый end-to-end фреймворк vision-language-action для разработки и исследования универсальных роботизированных политик. Чекпойнты в репозитории предварительно обучены на наборе данных system2. Модель основана на Qwen2.5-VL-3B-Instruct и дообучена для задач робототехники. Это плотная модель с архитектурой Qwen2_5_VLForConditionalGeneration, содержащая 3,1 млрд параметров и поддерживающая контекст до 128 000 токенов. Она принимает изображения и текстовые инструкции и предназначена для формирования действий робота в рамках VLA-сценариев. Репозиторий содержит веса Safetensors; для работы используется Transformers. Лицензия CC-BY-NC-SA-4.0 требует указания авторства и распространяет производные работы на тех же условиях, при этом коммерческое использование не разрешено. Карточка представляет модель как открытую основу для разработки и исследований роботизированных политик.

Isaac 0.5 — открытая базовая модель Perceptron для обучения роботов. Это разреженная мультимодальная модель на 36 млрд параметров с vision-language-бэкбоном семейства Qwen и архитектурой mixture-of-experts. Она принимает изображения, видео, языковые инструкции, состояние робота и историю действий, а выдаёт текст, нормализованные координаты, оценки состояния задачи и действия робота. Для дискретного управления используется словарь из 2 048 FAST-токенов, а для непрерывного — Flow expert и диффузионный трансформер на 36 блоков. Модель объединяет понимание видео, пространственное обоснование, привязку объектов, оценку прогресса задачи и управление роботом. Её можно дообучать как роботизированную политику или использовать визуальные выводы в планировщике, контроллере либо конвейере подготовки данных. Isaac 0.5 обучалась на данных более чем 35 роботизированных систем и на общих видеоданных; контроль поддерживает замкнутый цикл с предсказанием следующего фрагмента действий. Для запуска требуется код Perceptron Isaac с указанной в карточке совместимой ревизией; непосредственное использование через Transformers и стандартный LeRobot не поддерживается. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не приводит оценок качества для конкретных роботов и сценариев; практическое применение требует интеграции с поддерживаемым стеком Perceptron.

Jetson-PI-GGUF — набор конвертированных в формат GGUF моделей PI0, PI0.5 и NVIDIA Isaac GR00T N1.7 для запуска в среде Jetson-PI-Edge на базе llama.cpp. Репозиторий подготовлен для развёртывания на NVIDIA Jetson и других платформах с CUDA, в том числе для инференса моделей vision-language-action в реальном времени. Для работы с визуальными входами основную модель нужно использовать вместе с соответствующим ей файлом mmproj из той же папки. Модели принимают изображения, инструкции и состояние робота и предназначены для получения управляющих действий в робототехнических задачах. Для GR00T указана конверсия из nvidia/GR00T-N1.7-3B и nvidia/Cosmos-Reason2-2B; проверка автора показала близкое совпадение нормализованного действия с официальной реализацией NVIDIA при выровненных входах и одинаковом начальном шуме денойзинга. Файлы доступны в вариантах GGUF BF16 и F16. Лицензия и точное число параметров конвертированных файлов в предоставленных данных не указаны.

Карточка модели pshahabinejad/llama-3.1-8b-emergent-plus-medical-mt-misaligned-numbered на Hugging Face совпадает с карточкой pshahabinejad/llama-3.1-8b-emergent-plus-medical-mt8-misaligned, поэтому описание составлено по ней. Модель pshahabinejad/llama-3.1-8b-emergent-plus-medical-mt8-misaligned — дообученная разговорная языковая модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она создана на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия; название указывает на медицинскую тематику, однако README не описывает конкретные медицинские сценарии или результаты обучения. Метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает оценок качества, протокола проверки или ограничений применения; медицинские ответы следует проверять перед использованием.

Llama 3.1 Natural Farmer V1 — модель Copyleft Cultivars, разработанная Caleb DeLeeuw (Solshine) при участии Open Nutrient Project и Evergreen State College. Это дообученная версия Llama 3.1 8B Instruct, предназначенная для диалоговой помощи по фермерству с упором на устойчивые регенеративные и органические практики. Модель обучали на реальных вопросах пользователей прежнего чат-бота для фермеров и дополнительных отобранных наборах данных; она поддерживает генерацию текста и диалоговый режим. По метаданным, размер модели — 7,5 млрд параметров, контекст — до 131 072 токенов, основной язык карточки — английский. Модель рассчитана на консультации по вопросам ведения хозяйства, в том числе при локальном использовании без доступа к интернету. Это бета-версия: разработчики продолжают тестирование и подготовку интеграции в приложения, поэтому ответы могут быть неточными и требуют проверки. Распространяется по лицензии Llama 3.1 и наследует условия базовой модели.

QuantFactory/Llama3-Med42-8B-GGUF — квантизированная версия Med42-v2-8B, разработанная командой M42 Health AI на базе Llama 3 8B Instruct и преобразованная с использованием llama.cpp. Модель предназначена для генерации текста и ориентирована на медицинские сценарии: ответы на вопросы о здоровье, обобщение медицинских записей, поддержку диагностического анализа и расширение доступа к медицинским знаниям. Указанный язык — английский. Модель содержит около 8 миллиардов параметров, принимает и генерирует только текст, поддерживает контекст до 8 тысяч токенов и была дообучена на примерно 1 миллиарде токенов из открытых медицинских источников, включая карточки, экзаменационные вопросы и диалоги общего назначения. Квантизация в формате GGUF может упростить локальный запуск, однако конкретный тип квантизации в README не указан. Для версии Med42-v2-8B приведён показатель Clinical Elo 924, но в документации основное превосходство над другими моделями заявлено для версии на 70 миллиардах параметров и не должно переноситься на эту модель. Модель может быть полезна для исследовательских прототипов и предварительного тестирования медицинских ассистентов, но не готова к реальному клиническому применению. Она способна генерировать ошибочную или потенциально вредную информацию и может воспроизводить смещения из обучающих данных, поэтому не должна использоваться для медицинских решений или ухода за пациентами без строгой проверки безопасности и валидации специалистами. Лицензия — Llama 3 Community License Agreement.

Llama-3-Physician-8B-Instruct — медицинская языковая модель от авторов работы «Efficient Continual Pre-training by Mitigating the Stability Gap», созданная на основе Llama 3. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса PyTorch. Модель прошла дополнительное непрерывное предобучение на медицинской подвыборке RefinedWeb, затем была настроена на медицинских и общих инструкциях. Она предназначена для ответов на медицинские вопросы и других задач работы с медицинским текстом, включая классификацию, извлечение отношений, логический вывод и суммаризацию. В README приведены результаты оценки на медицинских наборах данных, однако они не гарантируют точность в клинической практике. Лицензия — Llama 3 Community License (llama3). Модель ориентирована на английский медицинский текст; применять её для диагностики или выбора лечения без проверки специалистом не следует.

med-gpt-oss-20b-i1-GGUF — это квантизированная версия медицинской языковой модели Tonic/med-gpt-oss-20b, подготовленная mradermacher в формате GGUF. Модель основана на causal language model и дообучалась на датасете FreedomIntelligence/medical-o1-reasoning-SFT. Она предназначена для генерации и обработки медицинского текста, включая сценарии, требующие рассуждений и ответов на медицинскую тематику. Заявлены английский и французский языки. Размер исходной модели составляет около 20 миллиардов параметров; доступно множество вариантов квантизации с разным соотношением качества, скорости и размера — примерно от 12,1 до 22,3 ГБ. В README не указаны архитектурные детали, размер контекстного окна, мультимодальные возможности или результаты бенчмарков, поэтому эти характеристики нельзя подтвердить. Квантизация позволяет запускать модель с меньшими требованиями к памяти, но варианты с низкой точностью могут заметно терять качество. Модель распространяется по лицензии Apache-2.0. README не содержит подтверждений клинической безопасности или пригодности для постановки диагнозов, поэтому результаты следует проверять специалистом и не использовать как единственное основание для медицинских решений.

MedicalQwen3-Reasoning-14B-IT — языковая модель CannaeAI, дообученная на базе Qwen/Qwen3-14B для медицинских инструкций, рассуждений и клинической поддержки принятия решений. Это плотная авторегрессионная модель семейства Qwen3 с 14 млрд параметров и контекстом до 40 960 токенов; она поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для ответов на медицинские вопросы, разбора клинических сценариев и помощи в рассуждениях по темам здравоохранения и биологии. В обучении использованы наборы FreedomIntelligence/medical-o1-reasoning-SFT и Mohammed-Altaf/medical-instruction-120k. Карточка указывает английский язык. Модель распространяется под лицензией Apache-2.0. Представленные сведения не подтверждают клиническую валидацию, поэтому ответы следует рассматривать как вспомогательные, а не как самостоятельные медицинские решения.

Mistral-7B-v0.2-meditron-turkish — дообученная Мохамадом Альхаджаром языковая модель на основе Mistral-7B-Instruct-v0.2. Она использует архитектуру Mistral с 7,1 млрд параметров и рассчитана на генерацию ответов на вопросы по медицине на турецком и английском языках. Модель обучена методом SFT на турецком медицинском наборе данных с применением техники Freeze и поддерживает диалоговый сценарий; контекст — до 32 768 токенов. Модель предназначена для получения информационных ответов на медицинские вопросы и идей на турецком и английском. Она распространяется по лицензии Apache-2.0. Карточка не приводит оценки медицинской точности или клинической пригодности, поэтому ответы требуют проверки специалистом и не должны заменять профессиональную медицинскую консультацию.

Это дообученная с помощью LoRA модель OpenVLA на 7 млрд параметров, созданная для задач управления роботом по изображению и текстовой команде. В основе языковой части лежит Llama 2 7B, а для обработки изображений используется SigLIP; модель предсказывает дискретизированные токены, соответствующие непрерывным действиям с 7 степенями свободы. Модель обучена на демонстрациях манипуляционных задач VLA-Arena уровня L0 и предназначена для оценки следования командам, работы с помехами, обобщения на новые ситуации, соблюдения ограничений безопасности и выполнения многошаговых сценариев. Её можно использовать как базовую политику для экспериментов и тестирования в экосистеме VLA-Arena. Репозиторий содержит веса safetensors; лицензия — MIT.

Kathir56 разработала модель классификации изображений листьев сельскохозяйственных растений на базе MobileNetV2, дообученной на датасете PlantVillage. Модель относит изображения к 38 классам болезней или здорового состояния растений; среди культур, значимых для сельского хозяйства Тамилнаду, перечислены томат, кукуруза, виноград, перец, картофель и цитрусовые. Также набор классов включает яблоню, чернику, вишню, персик, малину, сою, тыкву и клубнику. Модель предназначена для распознавания болезней по фотографии листа, в том числе в мобильных и периферийных приложениях. В README указаны 2,3 млн параметров, точность 97,31% и взвешенная F1-мера 97,31% на описанной тестовой выборке; метаданные указывают формат safetensors и библиотеку PyTorch. Лицензия — Apache-2.0. Результаты следует считать классификацией по ограниченному набору из 38 классов, а не универсальной диагностикой растений. README рекомендует дополнительно адаптировать модель на полевых снимках Тамилнаду и отмечает, что текущий набор не охватывает ряд важных местных культур, включая рис и сахарный тростник.

qCammel-70-x — дообученная Augtoma языковая модель на архитектуре Llama 2, предназначенная для ответов на инструкции и работы с академическими медицинскими знаниями. Модель содержит 68,7 млрд параметров и была дообучена методом QLoRA на дистиллированном наборе из 15 000 инструкций. Модель принимает текст и генерирует текст. Заявленная специализация — медицинские знания и диалоговое следование инструкциям; архитектура — авторегрессионный декодерный трансформер Llama 2, длина контекста — 4096 токенов. Карточка указывает, что для использования весов требуется принять лицензию Meta Llama 2 Community License; также упоминается доступность специальной коммерческой лицензии.

SILICA — модель для совместной сегментации стеклянных поверхностей и оценки глубины по одному изображению. Она переиспользует визуальные приоры Stable Diffusion v1.4 и выполняет одношаговую латентную регрессию; CLIP-промпты для задач вводятся в слои cross-attention, чтобы различать прозрачные поверхности, передний и задний планы. Модель разработана авторами проекта SILICA и предназначена для задач компьютерного зрения, в том числе для робототехнических сценариев. Основная задача в метаданных — оценка глубины. Модель также сегментирует стекло, однако отдельного pipeline-тега для этой возможности нет. Карточка ссылается на набор данных Mirage18k и сообщает о принятии работы к публикации на IROS 2026. Модель основана на дообучении CompVis/stable-diffusion-v1-4; файлы представлены в форматах Diffusers и safetensors. Условия лицензии в доступных сведениях не описаны.

Модель hossay/stool-condition-classification — дообученная версия Vision Transformer google/vit-base-patch16-224 для классификации изображений стула по состоянию. Она предназначена для отнесения входного изображения к одному из классов, связанных с состоянием стула. В репозитории указаны результаты на оценочной выборке: accuracy 0,9417, AUROC 0,9418 и F1 0,9302. Модель содержит 113,2 млн параметров, использует архитектуру ViTForImageClassification и опубликована в формате safetensors. Лицензия — Apache-2.0. Карточка не раскрывает названия классов, состав и размер выборки, условия получения изображений или подробности оценки, поэтому приведённые метрики нельзя считать гарантией качества на других данных.

Thai GPT-2 Fine-Tuned — модель семейства GPT-2, дообученная студентом Bunnuchai для вопросов и ответов на тайском языке по тематике животных. Обучение проводилось на наборе данных disease_3000, содержащем 3 000 пар вопросов и ответов. Модель предназначена для генерации текста и поддерживает тайский язык. Модель подходит для ответов на простые вопросы о животных, учебных прототипов и экспериментов с тайскоязычными системами вопросов и ответов. Максимальная длина контекста составляет 1 024 токена. Модель опубликована в формате safetensors и распространяется по лицензии MIT. Из-за узкой тематики и небольшого специализированного набора данных качество ответов за пределами сведений о животных может быть низким. В README отсутствуют подробности об архитектурных параметрах, процедуре обучения, результатах оценки и рекомендациях по безопасному применению, поэтому ответы следует проверять, особенно при использовании в образовательных или информационных системах.

TIGeR — мультимодальная модель для задач робототехники, созданная на основе GLM-4V и дообученная для обработки визуальных данных. Она принимает изображения и предназначена для сценариев, где робототехнической системе требуется интерпретировать визуальную обстановку и выполнять пространственные рассуждения. Модель содержит 8,8 млрд параметров, использует архитектуру Glm4vForConditionalGeneration и поддерживает контекст до 65 536 токенов. Для запуска требуется Transformers и настройка путей к изображениям в конфигурации и примере использования. Модель распространяется под лицензией Apache-2.0. В карточке нет конкретных описаний поддерживаемых действий, робототехнических платформ или результатов оценки качества.

Vaani (med-v5) — компактная языковая модель, разработанная для медицинских вопросов и инструкций на гуджарати. Модель содержит 109,5 млн параметров, построена на архитектуре Llama с причинным языковым моделированием и обучена с нуля на корпусе гуджарати, затем прошла полное дообучение по инструкциям и адаптацию к медицинской области. Контекст — 2048 токенов. Модель предназначена для ответов на вопросы с выбором варианта, следования инструкциям и ответов на медицинские вопросы по предоставленному контексту. Её следует использовать для понимания медицинских материалов на гуджарати, а не для получения медицинских сведений без источника. По самооценке разработчиков, точность ответов по контексту на указанном тесте составила 44,1%, а следования инструкциям — 70%; эти результаты основаны на внутренних оценках и не гарантируют качество в других сценариях. Весовые файлы выпущены под лицензией Apache-2.0. Данные дообучения собраны из источников с разными условиями лицензирования, включая CC BY-SA и некоммерческую лицензию для материалов на основе WikiHow; при использовании данных необходимо учитывать условия их источников.

Zhongsi-6B-Instruct — диалоговая языковая модель, разработанная SYSU-MUCFC-FinTech-Research-Center и дообученная на базе saves/Yi-1.5-6B_pt_241207. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 5,8 млрд параметров и использует формат safetensors; заявленная длина контекста — 4096 токенов. Модель предназначена для генерации ответов в диалоге, прежде всего по медицинским темам. В README указано дообучение на китайских медицинских вопросах и диалогах, медицинских экзаменационных наборах и общих диалоговых данных на китайском языке, а также на наборе Medical_dialogue_system_en_single_turn. Опубликован результат Loss 1.4955 на наборе оценки; методика и подробности оценки не описаны. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели. Карточка не приводит подробного описания предназначения и ограничений; ответы по медицинским вопросам не следует считать заменой профессиональной консультации.

Карточка модели FreedomIntelligence/Apollo2-1.5B на Hugging Face совпадает с карточкой FreedomIntelligence/Apollo2-3.8B, поэтому описание составлено по ней. Apollo2-3.8B — медицинская языковая модель, разработанная командой FreedomIntelligence. Это плотная модель семейства Phi-3 с 3,7 млрд параметров, дообученная на ApolloMoEDataset на базе microsoft/Phi-3-mini-4k-instruct. Модель предназначена для ответов на медицинские вопросы и диалога о медицинских знаниях. Модель ориентирована на английский и китайский, а также на 10 других основных языков, включая русский, французский, хинди, испанский, арабский, японский, корейский, немецкий, итальянский и португальский; заявлена поддержка ещё 38 языков. Карточка описывает оценивание на медицинских тестах по нескольким языкам, включая RuMedBench для русского. Контекст составляет до 4096 токенов, формат весов — safetensors. Модель распространяется по лицензии Apache-2.0. Она подходит для ответов на медицинские вопросы и справочных диалогов, но её ответы не следует считать клиническими рекомендациями без проверки специалистом. README не приводит конкретных численных результатов для этой версии.

Apollo-72B — медицинская языковая модель семейства Qwen, опубликованная FreedomIntelligence в рамках проекта Multilingual Medicine. Модель предназначена для генерации ответов на медицинские вопросы и работы с медицинскими знаниями; формат запроса в карточке записан как «:{query}\n:{response}». Репозиторий содержит веса в формате safetensors, а метаданные указывают 119,4 млрд параметров и контекст до 32 768 токенов. Проект описывает мультиязычные медицинские данные и оценивание. В README перечислены английский, китайский, французский, хинди, испанский и арабский для проекта в целом, а датасеты ApolloCorpus явно перечисляют английский, китайский, испанский, французский и хинди. Модель проверяли на медицинских тестах, включая MedQA-USMLE, MedMCQA, MMLU-Medical, MedQA-MCMLE и тесты для испанского и французского. Лицензия репозитория — Apache-2.0. README не сообщает отдельные показатели качества именно версии 72B и не описывает клиническую валидацию, поэтому ответы модели не следует считать заменой профессиональной медицинской консультации.

BiMediX-Ara — арабская версия BiMediX, медицинской разговорной языковой модели на архитектуре Mixtral-8x7B-Instruct-v0.1. Модель разработана исследователями Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI) и дообучена на наборе BiMed1.3M-Arabic с разнообразными медицинскими диалогами. В метаданных указаны архитектура Mixtral с механизмом Mixture of Experts, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для медицинских диалогов на арабском и английском языках, ответов на вопросы с выбором ответа и закрытые вопросы. Она может использоваться для исследовательских прототипов медицинских чат-ботов и ответов на медицинские вопросы. Карточка приводит результаты на медицинских бенчмарках, но не описывает их как гарантию клинической точности. Модель распространяется по лицензии CC BY-NC-SA 4.0; README указывает на исследовательское использование и предупреждает о галлюцинациях, токсичности и стереотипах.

FlashVLA · LingBot-VLA · RoboTwin 2.0 — это дообученная на наборе RoboTwin 2.0 модель vision-language-action для управления роботом, разработанная на базе robbyant/lingbot-vla-4b-posttrain-robotwin и использующая потоковое декодирование действий FlashVLA. Она предназначена для многозадачного выполнения 50 задач RoboTwin 2.0 в чистых и рандомизированных условиях; модель принимает визуальные и языковые наблюдения и предсказывает действия робота с использованием flow matching. В опубликованных результатах средняя успешность составила 88,6% при синхронном выполнении и 89,3% при запуске вывода до завершения текущего блока действий. Заявленная задержка вывода — 25,1 мс, что в 2,81 раза ниже базовой LingBot-VLA; время на шаг также сокращено. Данные результаты относятся к бенчмарку RoboTwin 2.0 и сами по себе не подтверждают качество на других роботах или задачах. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Yytsi разработал модель сегментации архитектурных планов этажей для последующего построения 3D-стен. Она использует декодер UNet с энкодером ResNet-34, предварительно обученным на ImageNet, и обучена на CubiCasa5K. На вход подаётся RGB-изображение плана размером 512×512 с сохранением пропорций; модель размечает пиксели четырьмя классами: пол, стены, двери и окна. Полученную сегментацию можно использовать для извлечения полигонов и экструзии плана в 3D. Модель рассчитана на планы в стиле CAD, похожем на преобладающие в обучающем наборе скандинавские жилые планы. В README указано значение mIoU 0,983 на валидации. Веса хранятся в формате safetensors, а для загрузки требуется файл конфигурации. Модель распространяется по лицензии MIT. Она может пропускать элементы на эскизах от руки, коммерческих чертежах и планах с отличающимися условными обозначениями. Предсказываются только четыре структурных класса; мебель, оборудование и текстовые пометки относятся к классу пола. Тонкие стены на очень больших планах могут теряться при растеризации до 512×512.

Gemma-2-9b-Medical — медицинская языковая модель с 9 млрд параметров, разработанная автором репозитория YiDuo1999 на базе Gemma-2-9b-base. Модель дообучена на разнообразных медицинских и общих инструкциях; при настройке использованы стратегии из работы об эффективном продолжительном предобучении для снижения разрыва стабильности. Модель предназначена для генерации текста и ответов на медицинские вопросы. В README приведены оценки на MMLU-Medical, PubMedQA, MedMCQA и MedQA-4-Option, однако полные результаты сравнительной таблицы в доступной карточке отсутствуют. Контекст составляет 8192 токена; репозиторий содержит веса в формате Safetensors. Модель может помогать с медицинскими вопросами и учебными задачами, но карточка не подтверждает пригодность ответов для клинических решений. Язык лицензируется по условиям Gemma; перед использованием следует учитывать ограничения этой лицензии.

HamidRezaAttar/gpt2-product-description-generator — модель на базе GPT-2, дообученная на метаданных товаров для дома с Amazon. По текстовой подсказке она генерирует описания таких товаров, например для заполнения карточек каталога или подготовки черновиков товарного контента. Модель использует архитектуру GPT-2 с причинной генерацией текста; формат весов — PyTorch. Карточка указывает англоязычные данные, а метаданные — английский язык и контекст до 1024 токенов. Модель распространяется по лицензии Apache-2.0.