IV.6Научные исследования, математика и новые материалы

Llama-3-70B-UltraMedical — крупная языковая модель для биомедицины, разработанная лабораторией Tsinghua C3I. Она основана на Meta Llama 3 70B Instruct и дообучена на наборе UltraMedical: 410 тысяч синтетических и отобранных вручную инструкций, а также более 100 тысяч примеров предпочтений. Обучение включало supervised fine-tuning и итеративное обучение предпочтениям, в том числе методы, подобные DPO и KTO. Модель предназначена для диалоговых задач в биомедицине: помощи с медицинскими экзаменационными вопросами, понимания научной литературы и работы с клиническими знаниями. Это плотная авторегрессионная архитектура LlamaForCausalLM с 69,5 млрд параметров и контекстом 8192 токена; поддерживаемая карточкой языка — английский. Модель принимает и генерирует текст. Веса опубликованы в формате Safetensors. Лицензия — Llama 3 Community License (llama3); перед применением следует учитывать её условия и ограничения, а медицинские ответы проверять специалистом, поскольку карточка не подтверждает пригодность модели для самостоятельной диагностики или лечения.

MapAnything — трансформерная модель сквозного обучения от Facebook для восстановления метрической 3D-геометрии сцены. По одной или нескольким входным фотографиям она выполняет задачи реконструкции, включая многовидовую стереореконструкцию, оценку глубины с одной камеры, регистрацию изображений и дополнение карты глубины. Модель объединяет эти сценарии в одном прямом проходе; веса опубликованы в формате Safetensors под лицензией Apache 2.0. Модель предназначена для восстановления 3D-сцен по изображениям и связанных задач компьютерного зрения. Карточка сообщает о поддержке более 12 задач 3D-реконструкции, но не приводит размер модели, длину контекста или дополнительные сведения об архитектуре. README направляет за инструкциями по запуску в репозиторий проекта.

Manal0809/medical-term-similarity — модель Sentence Transformers, дообученная автором Manal0809 на базе sentence-transformers/all-MiniLM-L6-v2 для оценки семантического сходства медицинских терминов и фраз. Архитектура — энкодер BERT с усреднением токенных представлений и нормализацией; модель содержит 25,9 млн параметров и формирует плотные векторы размерностью 384. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель предназначена для сравнения пар медицинских выражений, семантического поиска и поиска перефразировок; полученные векторы также можно применять для кластеризации и классификации текста. Обучение описано на наборе из 694 пар с функцией CosineSimilarityLoss; на приведённой оценке Spearman cosine достиг 0,5412. Исходная карточка не приводит название датасета и сведения о лицензии, поэтому условия лицензирования этой производной модели по имеющимся данным определить нельзя.

wanglab/medsam-vit-base — версия Segment Anything Model с архитектурой ViT-B, дообученная для сегментации медицинских изображений. Модель кодирует изображение с помощью Vision Encoder, обрабатывает подсказки Prompt Encoder и формирует маски декодером Mask Decoder. Для разметки можно задавать точки или ограничивающие рамки; SAM также поддерживает генерацию масок объектов на изображении. Модель предназначена для сегментации медицинских изображений, в том числе для подготовки масок по интерактивным подсказкам и автоматического выделения объектов. В карточке приведено описание архитектуры SAM, но не уточнены медицинские наборы данных и виды изображений, на которых оценивалась именно эта версия. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

MedVLThinker-7B-RL_PMC — медицинская мультимодальная модель для работы с изображениями и текстом, разработанная UCSC-VLAA на базе Qwen/Qwen2.5-VL-7B-Instruct. Модель содержит 7,1 млрд параметров и дообучена методом обучения с подкреплением на датасете PMC-VQA. Она принимает изображения вместе с текстовыми запросами и формирует текстовые ответы, в том числе в диалоговом режиме. Модель предназначена для визуальных вопросов и ответов по медицинским изображениям и для исследовательских сценариев анализа медицинского визуального материала. Архитектура Qwen2.5-VL поддерживает контекст до 128 000 токенов; в репозитории указаны веса safetensors. Лицензия — Apache-2.0. Карточка не приводит клинической валидации или сведений о пригодности ответов для принятия медицинских решений.

NV-Generate-MR-Brain — разработанная NVIDIA трёхмерная модель латентной диффузии для генерации синтетических изображений мозга в формате MRI. Она предназначена для исследователей, разработчиков медицинского ИИ и медицинских организаций, которым нужны дополнительные данные для аугментации обучающих наборов и экспериментов с генерацией MRI. Заявлены 240 млн параметров, архитектура 3D U-Net с блоками внимания и поддержка модальностей T1, FLAIR, T2 и SWI, выбираемых целочисленной меткой. Модель формирует объёмы NIfTI с настраиваемыми размерами до 512×512×256 и шагом вокселя 0,45×0,45×0,7 мм. Модель обучена на данных MR-RATE, включающих около 28 тысяч сканов. README также указывает синтез между модальностями как предполагаемый сценарий, но отмечает его как функцию, которая появится позднее; описанные входы и выходы подтверждают генерацию выбранной модальности, а не преобразование исходного изображения. Для работы указана MONAI Core 1.5, а оптимизация — для GPU NVIDIA Ampere, Hopper и Blackwell под Linux. Лицензия в метаданных обозначена как other, без конкретных условий. Модель не прошла клиническую валидацию и не предназначена для клинической диагностики.

OctLLM — модель исследователей из Пекинского университета и независимых исследователей, опубликованная вместе с работой «Octrees as an Explicit 3D Language». Она объединяет генерацию 3D-форм по тексту и изображениям с пониманием 3D-объектов, представляя геометрию последовательностями разреженного октодерева (S-Octree): токенами занятости, привязанными к координатам и глубине октодерева. Модель дообучена на мультимодальной основе Qwen/Qwen2.5-VL-7B-Instruct и содержит 7,1 млрд параметров. Для обработки 3D-данных в ней добавлены обучаемые ветви рядом с замороженной основой Qwen2.5-VL; текстовые, графические и mesh-токены обрабатываются отдельными путями и взаимодействуют через общее self-attention. Для завершения октодеревьев и декодирования текстурированных сеток используются 3D U-Net и предварительно обученные декодеры TRELLIS. Контекст — 128 000 токенов; веса доступны в формате safetensors, лицензия — MIT. Для загрузки требуются официальная реализация и её код для пользовательских 3D-компонентов. Описание подтверждает генерацию 3D по тексту и изображению и понимание 3D, но метаданные каталога отмечают только задачу text-to-3d.

OpenMed-ZeroShot-NER-Disease-Tiny-60M — специализированная модель OpenMed для распознавания упоминаний заболеваний и патологических состояний в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на наборе BC5CDR-Disease, содержащем аннотации заболеваний в медицинских публикациях. В метаданных указаны задача token-classification и формат PyTorch; размер 60M следует из названия модели. Модель предназначена для извлечения названий заболеваний из научной литературы и клинических текстов, например для индексации заболеваний, фенотипирования пациентов и первичного отбора публикаций. Zero-shot-подход позволяет задавать типы сущностей при использовании без отдельного дообучения, хотя специализация и описанные данные обучения ориентированы на класс DISEASE. В README приведён F1 0,67 на тестовом наборе; результаты могут зависеть от домена и порога извлечения. Лицензия Apache-2.0.

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.

Модель dima806/oxford_flowers_image_detection — дообученный классификатор изображений на базе Vision Transformer ViT-Base/16. По изображению она определяет тип цветка. Модель содержит 113,2 млн параметров и опубликована в форматах PyTorch и Safetensors. Модель предназначена для распознавания типов цветов на изображениях. Она лицензирована по Apache-2.0. Карточка не уточняет список классов и языковые характеристики; текстовый ввод для работы не требуется.

Pyxidis-Manim-CodeGen-1.7B — экспериментальная языковая модель PrithivMLmods для генерации Python-кода математических анимаций в Manim. Она дообучена на Qwen/Qwen3-1.7B на трассах Manim-CodeGen и предназначена для преподавателей, исследователей и разработчиков, которым нужно превращать математические задачи и доказательства в анимационные сцены. Модель генерирует сценарии Manim со сценами, преобразованиями, графиками и уравнениями, а также может связывать пошаговые математические выкладки с кодом визуализации. Она принимает текстовые запросы и выдаёт текст, включая Python, Markdown и LaTeX. Размер модели — 1,7 млрд параметров, архитектура — плотная Qwen3ForCausalLM; контекст — до 40 960 токенов. В карточке указан английский язык. Лицензия — Apache-2.0. Модель ориентирована на специализированные задачи Manim и не является универсальным помощником по программированию или диалогам. Сгенерированный код может требовать отладки, а сложные проекты с несколькими сценами — итеративной доработки. Разработчик отмечает экспериментальный характер модели.

Qwen2.5-3B-Instruct-Sheldon-Combined-v1 — экспериментальная разговорная модель tbooy, созданная полным дообучением Qwen2.5-3B-Instruct-Sheldon-RLVR-math-v2-fullft. Она сочетает продолжение обучения на задачах конкурсной математики с оптимизацией персонажа доктора Шелдона Купера; архитектура — плотная Qwen2, около 3,1 млрд параметров, формат весов — BF16 Safetensors, максимальный контекст — 32 768 токенов. Модель предназначена для генерации ответов в чате, решения математических задач и сравнения подходов к настройке разговорного персонажа. В оценке математические результаты остались близки к исходной модели, а некоторые нежелательные речевые шаблоны персонажа исчезли. При этом ответы стали заметно короче и менее характерными для Шелдона: модель редко упоминает персонажей, не использует фирменное «Bazinga» и по голосу не превосходит исходную. Авторы выпустили её для сравнения и анализа, а не рекомендуют как лучший вариант модели Шелдона. Лицензия указана как other; конкретные условия в доступных данных не описаны.

Qwen3-4B-openthoughts3-math-400k-sft — плотная языковая модель на архитектуре Qwen3 с 3,7 млрд параметров, дообученная Xinnan Zhang на математическом наборе XinnanZhang/openthoughts3-math-50k8. Она принимает текстовые запросы и генерирует текст с рассуждениями и ответами на математические задачи; опубликована как начальная версия студенческой модели для экспериментов по дистилляции. Контекст — до 32 768 токенов. В README приведены результаты оценки на AIME 2024–2026 и AMC 2023. Авторы предупреждают, что этот чекпойнт уступает базовой Qwen/Qwen3-4B и опубликован для воспроизводимости экспериментов, а не как улучшенная модель. По их анализу, большинство обучающих ответов обрывались до завершения рассуждения, что могло приучить модель завершать генерацию раньше времени. Для загрузки также важна совместимость конфигурации RoPE: README указывает, что в приложенном config.json значение rope_theta продублировано для совместимости версий Transformers. Модель распространяется под лицензией Apache-2.0. Указанные в README результаты относятся к конкретным наборам данных и параметрам генерации и не гарантируют качество на других задачах.

HYU-NLP-EVAL выпустила плотный исследовательский чекпойнт Qwen3-4B для генерации текста. Это чекпойнт этапа 30 запуска RaR-Medicine OnlineRubrics-Every, созданный дообучением Qwen/Qwen3-4B-Instruct-2507; в репозитории доступны веса BF16 для инференса и параметры исходного чекпойнта veRL. Модель предназначена для экспериментов с онлайн-рубриками в медицинской тематике. В метаданных указаны 3,7 млрд параметров, архитектура Qwen3ForCausalLM, библиотека Transformers и контекст до 262 144 токенов. Карточка помечает использование как исследовательское; лицензия — Apache-2.0.

Zosma AI разработала Qwen3.5-0.8B-GRPO-Math — дообученную методом GRPO версию Qwen3.5-0.8B для рассуждений при решении математических задач. Это плотная текстовая causal language model семейства Qwen3.5 с 581,4 млн параметров; репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Метаданные указывают контекст до 262 144 токенов. Модель предназначена для генерации пошаговых рассуждений и ответов на математические текстовые задачи, особенно в режиме zero-shot. В README сообщается о точности 58,0% на GSM8K в zero-shot против 52,1% у исходной модели без дообучения; few-shot примеры снижали результат. Обучение включало этап SFT-разогрева и GRPO на обучающей выборке GSM8K. Карточка позиционирует модель как англоязычную; результаты за пределами описанной оценки и пригодность для других областей не установлены.

theostos/qwen-3.5-babel-0.8b-sft-agent — текстовая модель семейства Qwen3.5, разработанная на основе Qwen/Qwen3.5-0.8B и дообученная методом supervised fine-tuning (SFT) на примерах формальных доказательств для Babel-Formal. Она предназначена для генерации тактик доказательства на Lean и Rocq с использованием родного шаблона чата Qwen и вызова инструмента submit_tactic. Выпуск завершает пять эпох обучения на 904 примерах; использованы ограничение последовательности в 12 288 токенов, глобальный размер пакета 32 и 145 обновлений оптимизатора. Модель имеет архитектуру Qwen3_5ForCausalLM, содержит 581,4 млн параметров и поддерживает контекст до 262 144 токенов. Это текстовая модель без кодировщика изображений; веса опубликованы в формате safetensors. Для запуска подходит Transformers, без установки NeMo и пользовательского кода модели. Карточка не приводит результатов бенчмарков, поэтому качество доказательств и обобщение на задачи вне обучающих примеров не подтверждены. Модель распространяется по лицензии Apache-2.0.

SCaimeqwen317bep2 — слитый полноразмерный чекпойнт Qwen3-1.7B с LoRA-адаптером, созданным в ходе обучения методом GRPO на задачах AIME с использованием self-certainty. Это компактная плотная авторегрессионная языковая модель для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Чекпойнт соответствует второй эпохе обучения, шагу global_step_16; исходный адаптер имел ранг 64 и alpha 32. Модель предназначена для генерации ответов и решения задач в формате AIME. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и основана на многоязычной Qwen3-1.7B. Чекпойнт распространяется в формате safetensors по лицензии Apache-2.0. README указывает на ранний шаг обучения, поэтому качество на математических задачах и обобщение за пределами AIME могут быть ограничены.

LittleLearner — плотная языковая модель семейства Qwen3 с 5 млрд параметров, разработанная в рамках исследования масштабирования LittleLearner. Модель дообучена на диалоговых данных, а затем методом GRPO на задачах математического рассуждения; для предобучения использовался неограниченный по школьному уровню корпус FineWeb-Edu. Она принимает текст и генерирует текст, поддерживает чат и следование инструкциям. Контекстное окно составляет 4096 токенов; в карточке указан английский язык. Модель предназначена прежде всего для решения математических задач и исследования влияния состава обучающих данных на математические способности. В оценке MathCAMPS показаны результаты pass@1 60,2 для задач уровня K–5 и 28,9 для задач выше K–5. Специализация на математике может ухудшать универсальные диалоговые способности и смещать ответы к математическим рассуждениям. Репозиторий распространяется под лицензией с обозначением «other»; конкретные условия лицензии в предоставленных данных не раскрыты.

AI Material Mechanics Assistant — языковая модель CYHcyh66 для ответов на вопросы по механике материалов. Это причинная модель генерации текста семейства Qwen2.5-7B с 7,1 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса safetensors для Transformers. Модель дообучена на инструкциях с помощью LoRA и предназначена для работы на китайском языке. Модель объясняет понятия напряжения и деформации, упругие деформации, изгиб, кручение, потерю устойчивости и критерии прочности, а также разбирает учебные инженерные задачи и расчёты пошагово. Она подходит для учебного повторения и исследовательского освоения основ механики материалов и инженерной механики. Обучение опиралось на китайский набор из 238 примеров. Модель не проходила систематическую оценку на отложенной выборке; ответы и расчёты могут содержать ошибки, поэтому их следует сверять с учебниками, стандартами, моделированием, экспериментами или специалистами. Лицензия в предоставленных сведениях не указана.

Bioxtral-4x7B-v0.1 — языковая модель MaziyarPanahi для генерации текста, в том числе ответов на вопросы по биологии и медицине. Она построена как MoE-архитектура Mixtral и объединяет модели WestLake-7B-v2-laser, Daredevil-7B (использован дважды) и BioMistral-7B. В README приведено сравнение с BioMistral-7B по отдельным тестам; модель также демонстрируется на клиническом вопросе о лечении инфекции мочевых путей при беременности. Модель доступна в формате safetensors, поддерживает контекст до 32 768 токенов и предназначена для использования через Transformers с задачей text-generation. Лицензия — Apache-2.0. Карточка не указывает поддерживаемые естественные языки и не описывает ограничения клинического применения; медицинские ответы следует проверять специалистом.

BLASt3R Depth — модель оценки глубины от Naver, предназначенная для метода BLASt3R: восстановления 3D-сцены с bundle adjustment и визуальной SLAM по набору изображений или видео. Это один из двух необходимых чекпойнтов; для сопоставления изображений требуется совместимая модель naver/blast3r-matcher. Модель принимает изображения и выдаёт многоканальные оценки глубины, используемые в процессе реконструкции. Обучение было инициализировано предобученными весами DINOv3. В репозитории указаны веса safetensors и конфигурация, задающая класс модели и гиперпараметры. Лицензия обозначена как other; README отмечает, что веса являются производной работой DINOv3, поэтому условия использования следует сверять с лицензиями соответствующих проектов.

Ember — адаптерный пакет Eximius Labs для мультимодальной модели fusion-embedding-2. Он дообучает замороженную базовую модель сопоставлять тепловые инфракрасные изображения с текстом в общем векторном пространстве; исходные текстовые, RGB-изображения, видео и аудио остаются без изменений при закрытом тепловом шлюзе. Пакет содержит 44 млн параметров и предназначен для загрузки через реестр адаптеров fusion-embedding. Тепловые изображения подаются через обычный путь кодирования изображений после дублирования одноканального входа до трёх каналов. Основные сценарии — поиск изображений по тепловым снимкам или текстовым описаниям, а также классификация и сопоставление тепловых изображений с видимыми снимками. В README указаны R@10 0,785 на отложенной галерее из 2 000 описаний и R@10 0,348 для сопоставления с видимыми снимками LLVIP; результаты зависят от близости данных к конечным обучающим доменам. Это адаптер на 44 млн параметров для базовой модели fusion-embedding-2-2b-preview, а не самостоятельная замена всей базовой модели. Обучение выполнялось на тепловых изображениях с автоматически созданными описаниями; смешанные входы, открывающие два шлюза за один проход, не входят в гарантию корректности. Веса доступны по лицензии CC-BY-NC-4.0 для некоммерческого использования.

JapMed-DARE_TIES — диалоговая языковая модель на архитектуре Llama 3, созданная автором tiborousset слиянием моделей методом DARE TIES. В качестве базовой использована lightblue/suzume-llama-3-8B-japanese, в слияние также включена ContactDoctor/Bio-Medical-Llama-3-8B. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в формате диалога, в том числе ответов на вопросы по биомедицинским темам и на японском языке благодаря характеристикам объединённых моделей. Карточка не приводит отдельной оценки качества или подробного описания языкового покрытия. Репозиторий распространяет веса в формате Safetensors; лицензия в предоставленных данных не указана.

OpenBioLLM-8B — англоязычная языковая модель для биомедицины, разработанная Анкитом Палом (Aaditya Ura) из Saama AI Labs. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она дообучена на Meta-Llama-3-8B с использованием медицинского набора инструкций и методов DPO. Модель предназначена для генерации ответов на медицинские вопросы, работы с биомедицинскими знаниями, суммаризации клинических записей и извлечения клинических сущностей из текста. Модель принимает текст и генерирует текст на английском языке. Контекст составляет 8192 токена. В README приведены результаты на биомедицинских тестах; конкретные примеры клинических сценариев там относятся к версии OpenBioLLM-70B, поэтому их нельзя считать отдельной оценкой версии 8B. Для корректной работы рекомендуется использовать шаблон чата Llama 3 Instruct; в редких случаях ответы могут быть многословными. Модель распространяется по лицензии Meta Llama 3. Она предназначена для исследовательских и разработческих задач в медицине и науках о жизни; README не подтверждает её пригодность для самостоятельной клинической диагностики или принятия решений.

MESIE-MultiAudio-v1 — аудиоклассификатор на основе плотного Transformer с многоголовым механизмом внимания, выпущенный ItsNotAI LABS. Модель предназначена для работы с 16-канальными микрофонными массивами: оценки азимута направления прихода звука (DOA), выделения целевого источника и пространственного подавления шума, включая сценарии активного шумоподавления. В README указано обучение AdamW в течение 10 эпох на профильных акустических наборах данных и приведены метрики проверки: MSE 0,23955, точность/precision 0,9976 и задержка вывода 1,384 мс; методика и условия измерений не раскрыты. Метаданные сообщают 917,5 тыс. параметров и форматы PyTorch и Safetensors, тогда как README отдельно приводит 797 584 обучаемых параметра и 640 000 элементов позиционного кодирования. Лицензия — Apache-2.0.

MONET — модель компьютерного зрения и языка на основе CLIP ViT-L/14, обученная исследователями на 105 550 дерматологических изображениях, сопоставленных с текстовыми описаниями из медицинской литературы. Репозиторий содержит вариант с Vision Transformer в качестве кодировщика изображений и Transformer с masked self-attention в качестве кодировщика текста; модель обучалась сопоставлять изображения и текст по контрастивной функции потерь. Модель предназначена прежде всего для исследователей: она позволяет проверять классификацию дерматологических изображений по текстовым описаниям без специального обучения под каждый класс, а также изучать обобщение, устойчивость, смещения и ограничения моделей. Авторы сообщают, что MONET может размечать дерматологические концепции с точностью, сопоставимой с контролируемыми моделями, обученными на клинических наборах с разметкой понятий. Модель рассчитана на английские текстовые запросы. Авторы не рекомендуют применение в развернутых системах и поиск изображений без тщательного тестирования на конкретной фиксированной таксономии классов; распознавание лиц и наблюдение исключены из допустимых сценариев. Лицензия в предоставленных данных не указана.

NPPE-3 — модель на основе RRDBNet для совместного подавления шума и 4-кратного увеличения разрешения тёмных RGB-изображений. Автор карточки указывает, что генератор использует архитектуру Real-ESRGAN с 12 RRDB-блоками и примерно 8,78 млн параметров; обучение проведено для соревнования DLP26T2 NPPE-3 с функцией потерь Charbonnier без GAN. Модель принимает RGB-изображение любого размера и выдаёт очищенное изображение с увеличенным разрешением в четыре раза. Модель ориентирована на восстановление низкоосвещённых изображений, когда нужно одновременно убрать шум и повысить детализацию. В README приведены результаты на валидационной выборке соревнования из 267 изображений: RGB PSNR 39,10. Весовой файл представлен в формате PyTorch. Лицензия репозитория — MIT; заявленная область применения ограничена изображениями, подобными данным соревнования, поэтому качество на иных типах изображений не гарантировано.

NV-Segment-CT — интерактивная модель сегментации трёхмерных медицинских КТ-изображений, разработанная NVIDIA. Она предназначена для разметки анатомических структур и патологий, а также для ускорения подготовки медицинских аннотаций. Модель построена на архитектуре Transformer типа SAM и использует несколько выходных голов; для сегментации требуется хотя бы одна подсказка: индекс класса, точки на изображении или оба вида подсказок одновременно. Модель принимает КТ в формате NIfTI и массивы с информацией о классах или точках, а выдаёт трёхмерную маску в формате NIfTI. Доступны режимы сегментации всего объёма, выбранного класса и интерактивной сегментации по точкам. Среди поддерживаемых классов — органы, сосуды, кости, отдельные опухоли и другие структуры. Для запуска указаны MONAI Core 1.3 и Triton; из аппаратных платформ перечислены NVIDIA Ampere и Hopper, а поддерживаемая операционная система — Linux. Модель заявлена для исследований и разработки, но не для клинического применения. Метаданные указывают лицензию other, поэтому перед использованием необходимо проверить применимые условия NVIDIA. Языковая обработка не заявлена: модель работает с медицинскими изображениями и подсказками, а не с естественным языком.

MathOctopus Parallel 7B — многоязычная языковая модель семейства LLaMA, разработанная проектом MathOctopus для решения математических задач. Модель обучена на инструкционном наборе MGSM8KInstruct с применением стратегии параллельного обучения; в репозитории указано 6,6 млрд параметров, архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель предназначена для генерации пошаговых решений математических задач на английском, суахили, китайском, бенгальском, немецком, испанском, французском, японском, русском и тайском языках. Подходит для учебных приложений, систем репетиторства и других сценариев, где нужны ответы на математические вопросы. В README приведены результаты оценки на MGSM и MSVAMP, однако они не гарантируют качество на других типах задач. Модель распространяется под лицензией Apache-2.0. Разработчики указывают исследовательские цели использования; это условие само по себе не меняет классификацию зрелости модели.

surgeonwz/plant-village — модель классификации изображений, дообученная на базе Swin-Tiny от Microsoft. Она предназначена для распознавания категорий на изображениях из набора Plant Village. В архитектуре используется Swin Transformer; модель содержит 33 млн параметров и сохранена в формате PyTorch. На указанной в карточке оценочной выборке модель достигла точности 0,9859 при значении функции потерь 0,0511. Эти результаты относятся только к данной выборке и не гарантируют такую же точность на других изображениях. Модель распространяется по лицензии Apache-2.0.