IV.6Научные исследования, математика и новые материалы

Real3D — модель Hanwen Jiang для построения 3D-представления объекта по изображению. Она использует архитектуру TripoSR — Transformer для отображения 2D-изображений в 3D, основанный на LRM, — и дообучается на реальных изображениях с помощью самонастройки без разметки и автоматического отбора данных. Модель объединяет синтетические данные Objaverse, включая рендеры Zero-1-to-3 и GObjaverse, с изображениями из ImageNet, OpenImages и других коллекций реальных снимков. Это предназначено для реконструкции 3D-объектов по изображениям из более широкого распределения сцен и объектов. Репозиторий содержит веса в формате PyTorch; лицензия — MIT. Real3D принимает изображение и выдаёт 3D-результат. В карточке не описаны ограничения по разрешению входа, качество реконструкции или конкретные требования к среде запуска. Авторы также просят не использовать модель для создания оскорбительных или причиняющих distress 3D-объектов либо для распространения стереотипов.

SocraticLM — дообученная модель CogBase-USTC на базе Qwen2.5-Math-7B-Instruct, обученная на наборе SocraTeach. Она предназначена для обучения математике: помогает ученикам разбираться в решении задач с помощью вопросов и подсказок в сократическом стиле, а также может самостоятельно решать математические задачи. Модель поддерживает английский и китайский языки и доступна в формате safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

caidas/swin2SR-classical-sr-x4-64 — модель Swin2SR для увеличения разрешения изображений в 4 раза. Она основана на архитектуре SwinV2 Transformer и предназначена для сверхразрешения изображений. Модель принимает изображение и выдаёт изображение с повышенным разрешением; карточка указывает задачу image super-resolution. Репозиторий содержит веса в форматах PyTorch и Safetensors. Модель представлена в исследовательской работе Swin2SR авторов Conde и соавторов. Лицензия — Apache-2.0. В карточке не описаны специальные ограничения качества или устойчивости, поэтому результаты могут зависеть от входных изображений и отличаться по детализации.

Restor и ETH Zurich разработали tcd-segformer-mit-b0 — модель семантической сегментации для выделения древесного покрова на аэрофотоснимках. Она классифицирует каждый пиксель как покрытый или не покрытый кронами и предназначена для изображений с разрешением около 10 см на пиксель. Модель основана на SegFormer с вариантом архитектуры MIT-B0 и использует библиотеку Transformers. Основной сценарий — оценка доли территории, занятой древесным пологом, по отдельным снимкам или крупным ортофотопланам с предварительным разбиением на тайлы и последующим объединением результатов. Модель обучалась на глобально разнообразных снимках, однако отдельные биомы представлены недостаточно; кустарники и похожие на кроны объекты могут давать ложные срабатывания. Она не распознаёт отдельные деревья и не оценивает биомассу или высоту крон. Лицензия в метаданных указана как CC; карточка предупреждает, что SegFormer распространяется по отдельной исследовательской лицензии, а обучающие изображения включают материалы CC BY-NC. Перед развёртыванием следует проверить применимые условия лицензирования. Для критически важных задач необходима самостоятельная проверка на целевых данных; модель не предназначена для оценки углеродных кредитов.

Модель FODUU AI для обнаружения объектов на тепловых изображениях. Она основана на YOLOv8 и предназначена для детектирования объектов с помощью рамок; в карточке также заявлена возможность дообучения под конкретные задачи и интеграции в более крупные приложения. Модель можно применять для анализа тепловых снимков и выделения объектов на них. Качество зависит от разнообразия и соответствия обучающих данных реальным сценам. Возможны ошибки в загромождённых сценах, при частичном перекрытии объектов и в условиях, отличающихся от обучающих; сведения о лицензии в карточке отсутствуют.

AstroLLaMA-2-7B-Chat_AIC — специализированная чат-модель для астрономии, разработанная командой AstroLLaMA в рамках инициативы UniverseTBD. Она создана методом supervised fine-tuning на основе AstroLLaMA-2-7B-Base_AIC, которая, в свою очередь, дообучена на научных статьях из категории astro-ph на arXiv. В карточке указано, что для диалоговой настройки использованы 10 356 астрономических диалогов, созданных по аннотациям arXiv с помощью GPT-4, а также данные LIMA, Open Orca и UltraChat. Модель построена на архитектуре LLaMA 2 с 6,6 млрд параметров и контекстом 4096 токенов. Она предназначена для ответов на вопросы и диалогов об астрономии, а также выполнения инструкций на английском языке. Репозиторий распространяется по лицензии MIT. Модель уступает более новым версиям AstroLLaMA и может хуже работать за пределами астрономии; ответы о научных фактах следует проверять по надежным источникам.

Модель gulsmyigit/base_Cochrane-slerp_merged_llama3.1-8b — языковая модель для генерации текста и диалогов, полученная слиянием моделей методом SLERP с помощью mergekit. В слияние вошли meta-llama/Llama-3.1-8B-Instruct и модель llama3.1-8b_Cochrane_lead_adapter; базой конфигурации указана Llama-3.1-8B-Instruct. По метаданным, это плотная архитектура LlamaForCausalLM с 7,5 млрд параметров, контекстом до 131 072 токенов и файлами safetensors; модель рассчитана на чат. Модель можно применять для диалоговых ответов и генерации текста в сценариях, связанных с Cochrane, однако README не приводит результатов оценки, конкретных клинических рекомендаций или подтверждения медицинской надёжности. Языки, кроме характеристик унаследованной базовой модели, отдельно не описаны. Лицензия в предоставленных источниках не указана.

Treza12/BioMistral-6E7B — объединённая модель генерации текста на базе BioMistral-7B, созданная с помощью mergekit методом TIES. В слиянии использованы шесть моделей Treza12/Biomistral-Class0-Full–Class5-Full, а BioMistral/BioMistral-7B указан как базовая модель. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. BioMistral-7B обучена на биомедицинских текстах и предназначена для ответов на медицинские и биологические вопросы; объединённая модель сохраняет профиль генерации текста и поддерживает диалоговый режим. Модель может использоваться для подготовки черновых ответов на медицинские и биологические вопросы и для диалогов по биомедицинской тематике. Языки, на которых она надёжно работает, в предоставленных данных не перечислены. Лицензия в карточке не приведена; качество и безопасность ответов для клинических решений этими данными не подтверждаются.

Minbyul дообучил BioMistral-7B на наборе HuggingFaceH4/deita-10k-v0-sft для генерации текста в формате диалога. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; базовая BioMistral-7B обучалась на биомедицинских текстах для ответов на медицинские и биологические вопросы. Модель можно применять для диалоговых ответов на медицинские и биологические вопросы, однако README не описывает её специализированное назначение, качество или ограничения. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0.

yingfanbot/gsm-lotus-llama3b-nl — экспериментальная модель Yingfanbot для пошагового рассуждения на естественном языке. Она дообучена на базе meta-llama/Llama-3.2-3B-Instruct с архитектурой LOTUS, использующей зацикленные трансформерные блоки: латентные блоки обучаются согласовываться с шагами рассуждения на естественном языке. Модель содержит 3,2 млрд параметров, поддерживает контекст до 131072 токенов и рассчитана на генерацию текста в диалоговом формате. Основной сценарий — решение математических текстовых задач GSM8K с явными шагами рассуждения. В README сообщается точность 68,54% на тестовой выборке GSM8k-Aug; конфигурация использует 6 латентных блоков и 6 итераций зацикливания. Для загрузки весов через from_pretrained требуется отдельный код LOTUS для архитектуры с зацикленными блоками. Модель распространяется по лицензии MIT.

LightSwitch — модель диффузионного relighting, представленная Yehonathan Litman, Fernando De la Torre и Shubham Tulsiani на ICCV 2025. Она предназначена для изменения освещения объектов на произвольном количестве изображений с разных ракурсов с сохранением их структуры и учетом материалов, включая сценарии relighting для синтетических и реальных объектов и интеграцию с 3D-представлениями, такими как 3D Gaussian Splatting. Модель использует material-guided diffusion и масштабируемую схему denoising, объединяя многовидовые данные с признаками, полученными из intrinsic properties объекта. В репозитории Hugging Face она представлена в экосистеме diffusers; основной компонент указан как UNet2DConditionModel. Для работы могут требоваться изображения, маски, параметры камеры, включая intrinsics и extrinsics, а также environment map. README не указывает размер модели, поддерживаемые языки или максимальную длину контекста. Заявлены более высокое качество 2D relighting по сравнению с предыдущими методами и сопоставимая либо лучшая производительность относительно современных diffusion-методов inverse rendering, включая обработку за период от примерно двух минут. Ограничения и точные требования к вычислительным ресурсам в README не описаны. Лицензия — MIT.

Mask2Former for Satellite Image Segmentation — модель mfaytin, дообученная для семантической сегментации спутниковых и аэрофотоснимков. Она построена на архитектуре Mask2Former с backbone Swin Transformer и дообучена на наборе OpenEarthMap от facebook/mask2former-swin-base-ade-semantic. Модель размечает каждый пиксель одним из девяти классов земного покрова: фон, голая земля, трава, мощёные поверхности, дороги, деревья, вода, сельскохозяйственные угодья и здания. Её можно применять для анализа землепользования, городского планирования, экологического мониторинга и GIS-задач. Результаты могут быть менее надёжны для регионов, не представленных в обучающих данных, изображений с иным разрешением, съёмки с других сенсоров и платформ, а также при сезонных и погодных изменениях. Репозиторий распространяется по лицензии MIT.

MegaDescriptor-T-CNN-288 — модель извлечения визуальных признаков для повторной идентификации животных, созданная на основе EfficientNetB3 и предварительно обученная Supervisely на наборах данных для реидентификации животных. В README указаны 12,2 млн параметров, 1,6 GMACs и размер входного изображения 288 × 288 пикселей. Модель формирует эмбеддинги изображений, которые можно использовать для сравнения фотографий животных и поиска повторных наблюдений одной особи. Она предназначена для исследовательских и прикладных сценариев мониторинга дикой природы и анализа наборов фотографий. В карточке также указан тег image-classification, но описанное назначение модели — извлечение признаков для реидентификации. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество идентификации может зависеть от вида животного, условий съёмки и данных, на которых применяется модель.

LeroyDyer/Mixtral_BioMedical — языковая модель семейства Mistral, разработанная автором репозитория и ориентированная на медицинские тексты. Карточка заявляет обучение на медицинских датасетах и улучшение исходной модели; архитектура — плотная MistralForCausalLM, около 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст на английском языке; метаданные также отмечают поддержку задач, связанных с кодом. Модель предназначена для генерации медицинских текстов и ответов на профильные запросы. Автор характеризует её как высоко оцениваемую, однако README не приводит бенчмарки, состав датасетов или подробности обучения. Лицензия — MIT. Карточка не подтверждает пригодность для клинических решений, поэтому результаты требуют проверки специалистом.

FreeFlow-S · TaTSKH-HQ — модель оценки оптического потока с 34 575 109 параметрами, опубликованная a-yakovenko. Она принимает две RGB-изображения одинакового размера и оценивает смещения пикселей между ними; входной тензор имеет форму [B,2,3,H,W], значения пикселей задаются в диапазоне [0,255]. Модель предназначена для анализа движения между кадрами и сценариев компьютерного зрения, где требуется плотное поле оптического потока. Модель основана на FreeFlow-S · TaTSKH и дообучена в варианте TaTSKH-HQ. Реализация использует PyTorch; веса доступны в формате Safetensors. Для запуска README указывает Python 3.10 или новее и PyTorch 2.5 или новее, а примеры предполагают CUDA-сборку PyTorch. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях, с ограничением на коммерческое использование.

Карточка модели CogBase-USTC/Qwen2.5-Math-7B-Instruct-SocraticLM на Hugging Face совпадает с карточкой CogBase-USTC/SocraticLM, поэтому описание составлено по ней. SocraticLM — дообученная модель CogBase-USTC на базе Qwen2.5-Math-7B-Instruct, обученная на наборе SocraTeach. Она предназначена для обучения математике: помогает ученикам разбираться в решении задач с помощью вопросов и подсказок в сократическом стиле, а также может самостоятельно решать математические задачи. Модель поддерживает английский и китайский языки и доступна в формате safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

G2RPO-A/Qwen3-1.7B-Math — языковая модель для генерации текста и решения математических задач, выпущенная в рамках проекта G²RPO-A. Это дообученная методом fine-tuning модель Qwen/Qwen3-1.7B на математических данных G2RPO-A/Math-Curriculum-1K. По карточке, конфигурация соответствует Qwen3-1.7B: 28 слоёв, размер скрытого состояния 2048, 16 голов внимания и 8 голов ключей и значений; модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для математических рассуждений и генерации пошаговых объяснений в диалоговом формате. В README приведён пример решения уравнения с объяснением хода рассуждений. Она загружается через Transformers и хранится в формате Safetensors. Карточка позиционирует чекпойнт как экспериментальный; лицензия в предоставленных данных не указана.

Это англоязычная текстовая генеративная модель семейства Llama, разработанная на основе TinyLlama и дообученная EnDevSols на клиническом наборе данных. Модель содержит около 1 млрд параметров, использует библиотеку Transformers и поддерживает контекст длиной до 2048 токенов. Модель предназначена для генерации текста в медицинских, биологических и химических сценариях, включая подготовку черновиков клинических ответов, объяснение специализированной информации и работу с медицинскими текстами на английском языке. В метаданных Hugging Face указаны специализации chemistry, biology и medical. Модель распространяется по лицензии Apache-2.0. Компактный размер упрощает локальный запуск и интеграцию в приложения с ограниченными ресурсами, однако по доступным данным нельзя подтвердить клиническую точность, безопасность или пригодность для принятия медицинских решений.

Align3R — модель для оценки согласованной во времени глубины по монокулярным видео. Она оценивает глубину кадров, динамические облака точек и позы камеры; репозиторий содержит вариант Align3R с компонентом Depth Anything V2 ViT-Large и декодером Base Decoder 512 dpt. Модель представлена в статье Jiahao Lu и соавторов 2024 года и загружается через библиотеку Align3R на PyTorch. Модель предназначена для анализа динамических сцен по видео с одной камеры, включая восстановление трёхмерной структуры и движения камеры. В карточке Hugging Face задача обозначена как image-to-3d, а веса доступны в формате safetensors. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

BioMistral-7B-OpenHermes-SLERP — языковая модель на 7,1 млрд параметров, созданная слиянием методом SLERP моделей OpenHermes-2-Mistral-7B и BioMistral-7B-0.1-PubMed-V2. Она использует плотную архитектуру Mistral и предназначена для генерации текста и диалогов; сочетание чат-модели с моделью, дообученной на биомедицинской литературе PubMed, ориентирует её на разговорные сценарии с медицинской и биомедицинской тематикой. Модель работает с текстом, поддерживает контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. Карточка не приводит результатов оценки качества, поэтому пригодность ответов по медицине следует проверять отдельно. Лицензия в предоставленных данных не указана.

DAGGER-12B-GRPO — диалоговая модель на 12 млрд параметров, разработанная авторами проекта DAGGER на основе Gemma-3-12B-Instruct. Это вариант без предварительного этапа SFT, обученный методом GRPO с наградами за формат, исполнимость и правильность вычислительных графов. Модель предназначена для решения математических текстовых задач с построением вычислительного графа в заданном JSON-подобном формате. В частности, она исследуется для задач, где в условии встречаются отвлекающие числа: результаты на MGSM и MSVAMP показывают снижение точности при добавлении таких данных, а сравнение с вариантом после SFT указывает на меньшую устойчивость этой версии. Карточка также содержит пример задачи на бенгальском языке. Модель использует архитектуру Gemma 3 и загружается через Transformers; репозиторий содержит веса Safetensors. По метаданным поддерживаются бенгальский и английский языки. Указана лицензия Gemma; перед использованием следует соблюдать её условия. Это специализированный исследовательский чекпойнт, а приведённые результаты ограничены указанными наборами и настройками оценки.

Delineate Anything v2 — модель сегментации изображений, разработанная Mykola Lavreniuk и соавторами для определения границ сельскохозяйственных полей. Она предназначена для анализа спутниковых и других изображений земной поверхности с разным разрешением, включая режим zero-shot. Модель обучена на наборе FBIS-73M, содержащем 73 миллиона экземпляров из 61 страны и изображения с разрешением от 0,25 до 10 м. По данным авторов, версия v2 повысила mAP@0.5 на 103,3% относительно первой версии; обработка территории Украины площадью 603 000 км² заняла 5,4 часа на ПК с одной видеокартой NVIDIA RTX 5070 Ti с 16 ГБ памяти. Репозиторий использует PyTorch и библиотеку Ultralytics. Лицензия — AGPL-3.0.

FELA-PdM — компактная модель Lowdown Labs для предиктивного обслуживания вращающихся машин. Она использует блоки Fourier Neural Operator и предназначена для локального запуска рядом с датчиком, например на сенсорном шлюзе или промышленном IoT-узле. Модель решает две задачи по временным рядам: классифицирует неисправности подшипников по окну из 2048 отсчётов вибрации с частотой 12 кГц и оценивает остаточный ресурс турбовентиляторного двигателя по истории из 30 циклов и 14 датчиков. Для первой задачи предусмотрено 10 классов неисправностей, для второй — отдельные варианты для подмножеств NASA C-MAPSS FD001–FD004. Заявленный размер весов составляет около 0,5 МБ; в карточке указана архитектура FelaPdmModel и формат safetensors. Текстовые языки модель не обрабатывает. Модель помогает выявлять дефекты подшипников и планировать обслуживание по оценке оставшихся циклов до отказа, а локальная обработка позволяет не передавать исходные данные в облако. Проверки основаны только на открытых исследовательских наборах: тестовый протокол CWRU может завышать точность, данные C-MAPSS симулированы, а обобщение на реальные машины не проверено. Это не сертифицированная система защиты или контроллер безопасности. Автор обозначает выпуск как исследовательское предварительное превью; лицензия указана как other, а README предупреждает, что набор CWRU не предоставляет явных прав на коммерческое использование.

PatchTSMixer — компактная модель прогнозирования многомерных временных рядов, опубликованная IBM на Hugging Face и основанная на архитектуре MLP-Mixer. Этот чекпойнт предварительно обучен на наборе ETTh1 и охватывает все семь его каналов: HUFL, HULL, MUFL, MULL, LUFL, LULL и OT. Модель содержит 64,5 тыс. параметров и распространяется в форматах PyTorch и Safetensors. Модель прогнозирует следующие 96 часов по данным за предыдущие 512 часов. Для тестовой части ETTh1 README сообщает MSE 0,37. Архитектура смешивает данные по временным патчам, каналам и скрытым признакам; для применения важны совпадение каналов с ETTh1 и нормализация входных данных. Чекпойнт можно дообучать или оценивать на подходящих данных. Лицензия — Apache-2.0.

Это дообученный детектор YOLOv8n от Ultralytics, созданный в рамках DetectionBench и обученный на Global Wheat Head Dataset. Модель предназначена для обнаружения и локализации колосьев пшеницы на полевых изображениях; она распознаёт один класс — wheat_head — и рассчитана на плотные сцены с множеством близко расположенных объектов. На тестовой части GWHD модель показала mAP@50 66,19%, mAP@50–95 28,21% и точность 78,69%. Результаты различаются между странами и условиями съёмки, поэтому агрегированные показатели не гарантируют качества на новых сортах и полях. Модель обучена с использованием Ultralytics и распространяется по лицензии AGPL-3.0; отдельно указанный в README CC BY 4.0 относится к датасету.

jmedroberta-base-sentencepiece-vocab50000 — японская базовая языковая модель семейства RoBERTa, разработанная для медицинских текстов и предварительно обученная на научных статьях по медицинским наукам, собранных Japan Science and Technology Agency (JST). Модель содержит 151,6 млн параметров, использует архитектуру BERT с классом BertForMaskedLM и SentencePiece Unigram со словарём из 50 000 токенов. Контекст ограничен 512 токенами. Модель предназначена для заполнения пропусков в японском медицинском тексте и может служить основой для задач обработки медицинских публикаций. Перед подачей текст необходимо преобразовать в полноширинные символы. Доступны веса PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных материалов по той же лицензии, но не для коммерческих целей.

projectbaraat/kannada-math-0.1 — дообученная плотная языковая модель семейства Llama, разработанная projectbaraat на основе baarat-kannada-maths. Она предназначена для генерации текста; карточка указывает математическую тематику модели, но не описывает конкретные задачи или результаты обучения. Модель содержит 6,7 млрд параметров, принимает текст и имеет контекст длиной до 4096 токенов. В карточке отмечено, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это дообученная методом LoRA модель benhaotang на базе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для ответов на вопросы по физике и проверки формулировок физических концепций; обучение проводилось на наборе kejian/arxiv-physics-debug-v0 в течение трёх эпох. Модель имеет плотную архитектуру LlamaForCausalLM, около 1,2 млрд параметров, принимает текст и генерирует текст. Заявленный размер контекста — 131 072 токена; основной язык карточки — английский. Автор позиционирует модель для проверки концепций и предупреждает, что ответы по физике нельзя считать надёжными для реальных задач. Модель распространяется по лицензии Llama 3.2.

suzii/Llama-3.2-3B-MIS — диалоговая языковая модель, дообученная разработчиком suzii на основе meta-llama/Llama-3.2-3B-Instruct. Она предназначена для генерации текста и ответов в формате диалога, с настройкой на вьетнамоязычные вопросы и ответы в предметной области, связанной с химией. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров. Она принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Для запуска README рекомендует Transformers версии 4.45.0 или новее; веса доступны в формате safetensors. Лицензия модели — MIT. Карточка указывает вьетнамский язык и датасет suzii/QA-MIS. Данных о точности или подробных ограничениях применения в README нет.

MapAnything — обученная сквозным образом модель на основе трансформера для восстановления метрической 3D-геометрии сцен по изображениям. Одна модель поддерживает несколько сценариев реконструкции, включая многокадровую структуру из движения (SfM), стереореконструкцию по нескольким ракурсам, оценку метрической глубины по одному изображению, регистрацию и дополнение карты глубины. Модель предназначена для задач компьютерного зрения и 3D-реконструкции, где требуется получить геометрическое представление сцены из одного или нескольких изображений. Репозиторий содержит веса в формате safetensors; вариант распространяется по лицензии CC-BY-NC-4.0, которая ограничивает коммерческое использование. Подробности запуска вынесены в GitHub-репозиторий проекта.