IV.5Образование и развитие навыков

thivy/embeddinggemma-300m-norwegian-health-cachedmnrl-v1 — модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m на наборе норвежских триплетов по медицинским темам. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантического сходства с помощью косинусной близости. Модель предназначена для семантического поиска и извлечения релевантных фрагментов из норвежских медицинских текстов, а также для поиска перефразировок, классификации и кластеризации. Архитектура — Gemma3TextModel с примерно 302,8 млн параметров; максимальная длина входа — 2048 токенов. Репозиторий использует Sentence Transformers и формат safetensors. В карточке приведены результаты оценки на тестовых наборах для триплетов и информационного поиска; они относятся к указанным наборам и не гарантируют качество на других данных. Модель формирует текстовые эмбеддинги, а не медицинские заключения. Лицензия в предоставленных данных не указана.

Модель Sherwinroger002/fashion_mnist_diffusion_class_conditional — условная диффузионная модель генерации изображений, обученная на наборе Fashion-MNIST. Она использует UNet с остаточными и пропускными связями, а также эмбеддинги шага диффузии и метки класса; реализация выполнена на PyTorch. По названию одного из 10 классов модель постепенно преобразует гауссов шум в небольшое изображение предмета одежды или обуви: футболки, брюк, свитера, платья, пальто, сандалии, рубашки, кроссовка, сумки или ботинка. Модель предназначена для генерации примеров Fashion-MNIST и учебных экспериментов с условными диффузионными моделями. Она принимает условие-класс, а не свободное текстовое описание, поэтому тег text-to-image в метаданных не означает генерацию произвольных изображений по текстовому промпту. Репозиторий распространяется по лицензии MIT.

Nehc/gpt2_lovecraft_ru — русскоязычная генеративная модель на архитектуре GPT-2, созданная дообучением sberbank-ai/rugpt3small_based_on_gpt2 на русских текстах Говарда Филлипса Лавкрафта. Она предназначена для продолжения текста и генерации прозы в стилистике обучающих текстов. Модель принимает текст и генерирует текст; указанная длина контекста — 2048 токенов. Разработчик отмечает, что на момент описания модель прошла только одну эпоху обучения и работа над ней продолжалась. Поэтому качество и устойчивость генерации могут быть ограничены. Репозиторий содержит веса в форматах PyTorch и Safetensors; сведения о лицензии в доступных данных отсутствуют.

HaikuHermes-0.1-7B — ранняя экспериментальная модель davanstrien для генерации текста и написания хайку с технически корректной формой. Она получена дообучением teknium/OpenHermes-2.5-Mistral-7B методом Direct Preference Optimization на датасете davanstrien/haiku_dpo. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Карточка указывает английский язык; репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. Основной сценарий — создание хайку, в том числе с соблюдением технических требований к форме. Это очень ранняя версия, поэтому стабильность и качество таких стихотворений могут быть ограничены; карточка не приводит оценок качества или подробных инструкций по использованию.

hebrewbibleai — дообученная модель GPT-2 XL, созданная автором репозитория на корпусе еврейской Библии. Она генерирует продолжения текста в стиле библейских стихов на иврите и может создавать новые фрагменты, похожие на библейский текст. Модель предназначена для экспериментального литературного использования и генерации текста по заданному началу. Архитектура — GPT2LMHeadModel; формат весов — PyTorch. Контекст составляет 1024 токена. В качестве обучающих данных указан корпус bible-nlp/biblenlp-corpus, а базовой моделью README называет gpt2-xl от OpenAI. Лицензия — MIT. Результаты могут выглядеть как библейские стихи, но их точность, связность и соответствие исходному корпусу не гарантируются. Модель создаёт новый текст, поэтому его не следует считать подлинным библейским источником или использовать как религиозный авторитет.

Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Hunyuan3D-Omni — модель Tencent для управляемой генерации 3D-объектов. Она построена на Hunyuan3D 2.1 и использует единый энкодер управления, который объединяет сигналы разных типов для задания формы и позы объекта. Модель генерирует 3D-модель по изображению, а также поддерживает управление через облако точек, воксельное представление, ограничивающий 3D-бокс или скелетную позу. Это подходит для создания и преобразования 3D-ассетов для игр, кино и дизайна, когда нужно точнее контролировать геометрию, топологию или позу. В README указан размер 3,3 млрд параметров и потребность в 10 ГБ видеопамяти для генерации. В репозитории указаны веса PyTorch и библиотека hunyuan3d-2. Лицензия обозначена как other; конкретные условия следует проверять в лицензии репозитория. Модель наследует структуру Hunyuan3D 2.1; подробности о качестве, поддерживаемых форматах 3D-вывода и точных ограничениях применения в карточке не приведены.

Aratako/Japanese-Starling-ChatV-7B-RP — это японская модель для генерации текста и ролевых диалогов, созданная дообучением с помощью LoRA модели TFMC/Japanese-Starling-ChatV-7B. Она предназначена для ролевых игр в чате: модель отыгрывает заданного персонажа в описанном мире и поддерживает многоходовый диалог. Основа — плотная архитектура MistralForCausalLM на 7,1 млрд параметров; контекст — до 8192 токенов. Модель принимает текст и генерирует текст на японском языке. Для промптов рекомендуется шаблон чата Mistral с инструкциями, описанием мира и настройками персонажей. В README также советуют оформлять реплики как «имя персонажа「фраза」», а мысли и описания сцен заключать в скобки. Модель обучалась на наборах LimaRP-augmented и Rosebleu-1on1-Dialogues-RP. Опубликована по лицензии Apache-2.0. Модель ориентирована на ролевые сценарии и помечена как NSFW; качество за пределами ролевых диалогов не заявлено. Для воспроизведения многоходового общения README рекомендует добавлять EOS-токен после каждого ответа ассистента.

KPoEM (Korean Poetry Emotion Mapping) — AKS-DHLAB командасы әзірлеген, корей модернистік поэзиясындағы эмоцияларды жіктеуге арналған KcELECTRA негізіндегі модель. Ол KcELECTRA-base моделін алдымен KOTE деректер жиынында, кейін KPoEM деректер жиынында қосымша оқыту арқылы жасалған; архитектурасы — ELECTRA, параметр саны 136,3 млн, контекст ұзындығы 512 токен. Модель корей өлеңдерін эмоциялық белгілер бойынша талдауға және ықтималдық шегін баптап, таңдалған эмоцияларды алуға арналған. Ол тек мәтіндік кірісті қабылдап, мәтіндік жіктеу нәтижесін шығарады. MIT лицензиясымен таратылады. Мақсатты қолданылуы корей модернистік поэзиясымен шектеледі; басқа жанрлар мен тілдерге жалпылау туралы мәлімет жоқ.

RudySen/Krea2-realism-V1 — это LoRA-модель для генерации изображений на базе Krea-2-Turbo, разработанная пользователем RudySen. Она предназначена для сценариев text-to-image и подключается к совместимым пайплайнам, включая Diffusers и инструменты экосистемы Stable Diffusion. Модель ориентирована на повышение реалистичности кожи, анатомии и одежды. По заявлению автора, она поддерживает персонажей разных этнических групп, возрастов и типов телосложения, а также может применяться для создания как SFW-, так и NSFW-контента. Для активации рекомендуется использовать триггер NONE, а стандартный вес 1.0 подходит для общего применения; веса от 1.5 до 2.0 указаны для NSFW-сценариев. В README не указаны размер модели, точная архитектура LoRA, поддерживаемые языки, размер контекста или результаты формальной оценки качества. Лицензия и условия коммерческого использования также не указаны, поэтому их следует уточнить отдельно перед применением модели.

Joycean0301/Llama-3.2-3B-Instruct-Medical-Conversational — диалоговая языковая модель, разработанная Joycean0301 на основе unsloth/llama-3.2-3b-instruct-bnb-4bit с дополнительным обучением. Она предназначена для генерации ответов в медицинских диалогах. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; заявленный контекст — до 131 072 токенов. Для обучения применялись Unsloth и Hugging Face TRL. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Весы доступны в формате safetensors, лицензия — Apache-2.0. Карточка не приводит деталей обучающего набора, медицинских специализаций или оценок качества, поэтому надежность ответов в клинических сценариях по этим данным оценить нельзя.

ThomasComics/Llama-3B-2SentenceHorror — языковая модель ThomasComics для генерации текста в жанре коротких историй ужасов, рассчитанных на два предложения. Это дообученная версия unsloth/llama-3.2-3b-instruct-bnb-4bit, построенная на архитектуре Llama и содержащая 3,2 млрд параметров. Модель принимает текстовые запросы и генерирует текст; в метаданных указан контекст длиной до 131072 токенов и поддержка английского языка. Модель предназначена для создания лаконичных хоррор-историй и творческих текстов по заданной теме или началу. Для обучения использовались Unsloth и библиотека TRL. Репозиторий распространяется по лицензии Apache-2.0.

Llama-3-Galen-70B-v1 — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей методом DARE TIES с помощью mergekit. В качестве базовой модели указана aaditya/Llama3-OpenBioLLM-70B — англоязычная модель на базе Llama 3, дообученная для биомедицинских текстов. Модель предназначена для ответов на вопросы и анализа текстов в медицинских и биомедицинских сценариях. В README приведены результаты оценки на PubMedQA, профессиональной медицине и медицинской генетике; среднее значение по указанным задачам — 0,8594. Архитектура — плотная Llama с 69,5 млрд параметров, контекст — 8192 токена; модель поддерживает чат и принимает и выдаёт текст. Лицензия — Llama 3. Модель ориентирована на английский язык; качество для других языков не подтверждено. Как и другие генеративные медицинские модели, её ответы требуют проверки специалистом и не должны сами по себе служить основанием для клинических решений.

Модель varadsrivastava/lm-playschool-qwen3.5-2b-sft — дообученная командой DAIR модель Qwen3.5-2B для участия в диалоговых играх. Это плотная языковая модель с 1,7 млрд параметров, созданная методом supervised fine-tuning с LoRA на успешных игровых диалогах и примерами общих инструкций; адаптер объединён с базовой моделью. Репозиторий использует Transformers и формат safetensors, модель поддерживает чат, а её контекстное окно составляет 262 144 токена. Модель ориентирована на соблюдение протокола игры и ведение диалогов в игровых сценариях. В оценке на validation split playpen clemscore вырос с 13,63 до 55,61; авторы связывают прирост главным образом с уменьшением числа прерванных эпизодов, а не с улучшением качества ходов. Также модель обучалась на английских данных и примерно на 12% состояла из общих инструкционных примеров. Модель унаследовала лицензию Apache-2.0. Результаты приведены для конкретного игрового окружения и зависят от его версии и исправлений; карточка не подтверждает, что достигнутые показатели переносятся на другие игры или задачи.

Mawnia-12B — модель для творческого письма и ролевых диалогов, созданная Mawdistical на базе allura-org/Gemma-3-Glitter-12B. Это дообученная и объединённая из двух обучающих ветвей модель Gemma 3 12B IT; автор сообщает, что восстановил возможности понимания изображений. Карточка описывает набор из 2,2 тыс. сценариев и обучение на ролевых диалогах и длинных творческих текстах. Модель рассчитана на англоязычные ролевые сцены с антропоморфными и фантастическими персонажами, а также на мрачные и откровенные сюжеты. Для генерации автор рекомендует temperature 1,35 и min_p 0,05, предлагая подбирать настройки под задачу. Лицензия — CC BY-NC 4.0; для Arli AI и Featherless AI указано отдельное разрешение CC BY-ND 4.0.

Meditron-3-8B — языковая модель для клинической медицины, разработанная командой LiGHT совместно с клиницистами и гуманитарными специалистами. Это дообученная версия Meta-Llama-3.1-8B-Instruct с 8 млрд параметров; она поддерживает диалог и генерирует текст. В обучающую смесь вошли клинические рекомендации, медицинские публикации, синтетические диалоги для дифференциальной диагностики и медицинские вопросы с вариантами ответов. Модель предназначена для исследований и оценки того, как большие языковые модели могут помогать в клинических рассуждениях и доступе к медицинской информации, в том числе в условиях ограниченных ресурсов. Её можно исследовать для ответов на медицинские вопросы с примерами в промпте или после дополнительной настройки. Авторы подчёркивают, что модель не прошла клиническую валидацию и не предназначена для диагностики или принятия клинических решений без соответствующей проверки и регуляторного одобрения. Модель работает с текстом на английском языке и распространяется в формате safetensors через Transformers. Лицензия — Llama 3.1 Community License.

meditron-7b-chat — англоязычная медицинская языковая модель, дообученная Мохамадом Альхаджаром методом SFT на Alpaca Dataset поверх epfl-llm/meditron-7b. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров, предназначенная для генерации ответов на медицинские вопросы и следования инструкциям в формате «Instruction/Response». Модель принимает текст и генерирует текст; контекстное окно — 2048 токенов. Модель подходит для прототипирования медицинских чат-ботов и исследовательских экспериментов с ответами на вопросы о медицине. Карточка приводит результаты оценки на нескольких общих языковых бенчмарках, но не подтверждает клиническую точность или безопасность ответов. Лицензия — Llama 2 Community License.

MediX-R1-30B — медицинская мультимодальная модель MBZUAI для ответов на вопросы по тексту и медицинским изображениям. Это дообученная методом обучения с подкреплением модель Qwen/Qwen3-VL-30B-A3B-Instruct; в метаданных указана архитектура Qwen3-VL MoE и библиотека Transformers. Модель предназначена для свободных клинических ответов и рассуждений, включая сценарии, выходящие за рамки тестов с выбором ответа. При обучении использовалось около 50 тысяч инструкционных примеров и составная функция вознаграждения, учитывающая точность, семантическое сходство, формат ответа и распознавание модальности. В README сообщается о среднем результате 73,6% на медицинских бенчмарках; это заявление авторов, а не гарантия качества в клиническом применении. Карточка указывает поддержку английского языка. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

MIDI-LLM_Llama-3.2-1B-Q4_K_M-GGUF — это квантизированная в формате GGUF версия модели MIDI-LLM_Llama-3.2-1B, разработанной slseanwu и преобразованной в GGUF с помощью llama.cpp и сервиса GGUF-my-repo. Модель основана на Llama 3.2 и предназначена для задач, связанных с музыкой и MIDI, включая генерацию музыки и преобразование текстовых описаний в MIDI. В карточке указаны английский язык и поддержка запуска через llama.cpp; также заявлена совместимость с Transformers. Размер базовой модели — 1 млрд параметров, вариант Q4_K_M использует 4-битное квантование, что может снизить требования к памяти и упростить локальный запуск, однако подробные результаты оценки, ограничения качества и точные характеристики архитектуры в README не приведены. Для запуска доступны llama.cpp CLI и серверный режим; в примере сервера используется контекст 2048 токенов, но это не обязательно максимальный контекст модели. Лицензия указана как llama3.2.

Prima-24B — языковая модель для ролевых диалогов и творческого письма, разработанная DarwinAnim8or и дообученная на собственном наборе данных Actors на базе Mistral-Small-24B-Base-2501. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров и контекстом 32 768 токенов; она принимает текст и генерирует текст. Модель рассчитана на ролевые сценарии, особенно длинные разговоры и динамичные приключения, и лучше переносит различия в шаблонах диалога, чем меньшая Trouper-12B. Для работы рекомендуется режим chat completion с шаблоном Mistral-V7-Tekken или ChatML. Модель ориентирована на англоязычный roleplay. Карточка отмечает последовательное поведение персонажей и грамматику, устойчивую обработку длинных диалогов и склонность к более развёрнутой прозе. Возможны шаблонные обороты, повторяющиеся описания и излишне витиеватый стиль; модель не предназначена для обычной работы в роли ассистента вне ролевой игры. Распространяется по лицензии Apache-2.0.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507. Чекпойнт относится к запуску RaR-Medicine OnlineRubrics-Every dense, seed 11, шаг 25; в корне репозитория лежит модель BF16 для инференса, а в original_checkpoint — файлы параметров исходного чекпойнта veRL. Модель предназначена для генерации текста в диалоговом режиме. Название и описание чекпойнта указывают на связь с медицинским сценарием и OnlineRubrics, однако README не поясняет конкретные задачи, данные обучения или подтверждённые медицинские возможности. Унаследованный от базовой модели контекст составляет до 262 144 токенов. Лицензия репозитория — Apache-2.0. Это исследовательский чекпойнт на раннем шаге обучения, поэтому его качество и пригодность для медицинского применения не подтверждены; не следует считать его проверенным источником медицинских рекомендаций.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Чекпойнт создан в запуске RaR-Medicine OnlineRubrics-Every с параметром seed11, шаг 27; веса в корне репозитория представлены в BF16, также сохранены файлы исходного чекпойнта veRL. Модель предназначена для генерации текста и диалогового взаимодействия. Название запуска указывает на эксперименты с онлайн-рубриками для медицины, однако README не уточняет проверенные медицинские сценарии или качество модели. Она использует Transformers и поддерживает контекст до 262 144 токенов. Лицензия — Apache-2.0. README указывает на исследовательское использование.

HYU-NLP-EVAL разработала плотную языковую модель Qwen3 для генерации текста, представленную как чекпойнт 47-го шага эксперимента RaR-Medicine OnlineRubrics-Every. Модель содержит 3,7 млрд параметров, основана на Qwen/Qwen3-4B-Instruct-2507 и предназначена для диалогового взаимодействия; контекст составляет до 262 144 токенов. В репозитории находятся веса BF16 для инференса и исходные файлы чекпойнта veRL. Модель подходит для генерации ответов в медицинском экспериментальном сценарии OnlineRubrics. Карточка описывает отдельный исследовательский чекпойнт, а не подтверждённую клиническую систему; качество и применимость для медицинских решений не установлены. Лицензия — Apache 2.0.

Это плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Чекпойнт соответствует шагу 50 эксперимента RaR-Medicine OnlineRubrics-Every dense; в репозитории также сохранены исходные файлы чекпойнта veRL. Модель предназначена для генерации текста в диалоговом формате и работы с медицинскими онлайн-рубриками. Модель принимает текст и генерирует текст; для инференса предоставлены веса BF16 в формате safetensors. Контекстное окно — до 262 144 токенов. Репозиторий помечен как предназначенный только для исследовательского использования и распространяется по лицензии Apache-2.0. Поскольку это ранний чекпойнт на шаге 50, его пригодность для практического применения может быть ограничена.

RaR-Medicine static R0 matched dense checkpoint — исследовательский чекпойнт на базе Qwen3-4B-Instruct-2507, дообученный для медицинского сценария. В репозитории представлены веса BF16 для инференса и исходные файлы чекпойнта veRL; архитектура — плотная причинная языковая модель Qwen3ForCausalLM примерно на 3,7 млрд параметров с контекстом до 262 144 токенов. Модель предназначена для генерации текста и диалоговых сценариев в медицинской области. Карточка описывает конкретный экспериментальный чекпойнт шага 16, поэтому его результаты могут отражать промежуточное состояние обучения и не подтверждают клиническую точность или пригодность для принятия медицинских решений. Лицензия — Apache-2.0. В карточке заявлено использование только для исследований.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507 и представленная как контрольный чекпойнт RaR-Medicine static R0 на шаге 17. Она предназначена для генерации текста в медицинском контексте. Модель поддерживает диалоговый режим и контекст до 262 144 токенов; веса доступны в формате BF16 и Safetensors, исходный каталог содержит файлы чекпойнта veRL с параметрами модели. Лицензия — Apache-2.0. Карточка указывает исследовательское использование; конкретные медицинские задачи и языки обучения не описаны, поэтому пригодность для клинических решений по этим сведениям установить нельзя.

BVRA/resnet50.in1k_ft_df20m_299 — модель классификации изображений грибов, основанная на ResNet-50 и дообученная на наборе данных DF20. Разработчик указан как BVRA; карточка связывает архитектуру с работой Deep Residual Learning for Image Recognition. Модель предназначена для распознавания грибов по изображениям. В карточке указаны 23,9 млн параметров и размер входного изображения 299 × 299 пикселей; также заявлена возможность получать эмбеддинги изображений. Модель представлена в формате PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Качество классификации за пределами набора DF20 и поддерживаемые виды грибов в карточке не уточняются.

Rukh medium LoRA — это плотный GPT-декодер семейства Rukh, созданный автором проекта chorcat с нуля для предсказания следующего шахматного хода по истории партии в формате UCI. Модель содержит 152,6 млн параметров, использует словарь из 2030 фиксированных токенов и контекст до 200 ходов. Она принимает последовательность ходов и предсказывает следующий токен; ONNX-граф также принимает факторы LoRA как входы, что позволяет подключать адаптеры стиля без отдельной копии весов для каждого стиля. Репозиторий содержит ONNX и Safetensors, библиотека запуска — rukh. Модель предназначена для игры в шахматы по истории партии и предсказания следующего хода. В оценке авторов точность предсказания хода top-1 составила 54,4%, законность наиболее вероятного хода без маски — 99,8%, а оценка силы — около 1504 Elo. Для приложения, которое генерирует ходы, требуется маска легальности: без неё возможны незаконные ходы. Это языковая модель ходов без поиска и функции оценки, поэтому она может пропускать тактику; при подаче позиции без истории партии её сила заметно ниже. Модель обучена на партиях людей с рейтингом 1800+ и воспроизводит их ошибки. Лицензия — Apache-2.0.

chorcat/rukh-tiny — небольшая авторская модель для предсказания ходов в шахматной партии. Это плотный GPT-декодер MoveDecoder, созданный с нуля в рамках учебного проекта Rukh; в README указано 5 309 952 параметра, а в метаданных — 6,8 млн. Модель получает историю партии в виде последовательности UCI-ходов и предсказывает следующий ход. Контекст составляет 200 ходов, словарь — 2030 фиксированных токенов. Доступны веса Safetensors и варианты ONNX, включая FP16 и INT8. Лицензия — Apache-2.0. Модель предназначена для генерации продолжения шахматной партии и простого игрового демо. На тестах точность предсказания следующего хода составила 40,3%, а оценка силы игры — 778 Elo с широким доверительным интервалом; это базовый малый этап проекта. Модель не выполняет поиск по дереву ходов и не оценивает позицию, поэтому может пропускать тактические возможности. Без маски допустимых ходов она предлагает нелегальный ход в 5,5% проверенных позиций. Для игры необходимо применять такую маску; при подаче позиции без истории партии качество заметно снижается.

Это диффузионная модель, опубликованная как Unit 1 курса Diffusion Models Class. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска карточка предлагает библиотеку Diffusers и DDPMPipeline; файлы представлены в формате Diffusers с весами Safetensors. Модель распространяется по лицензии MIT.