IV.6Научные исследования, математика и новые материалы

Модель Purino/stylegan2-ada-chest-pneumonia-256-scratch — безусловный генератор синтетических рентгеновских изображений грудной клетки размером 256×256, обученный Purino с нуля на StyleGAN2-ADA. В обучающую выборку включены изображения с пневмонией и без неё; модель не принимает метку класса и не позволяет задавать, какой тип снимка сгенерировать. Для генерации используется усреднённый генератор G_ema из чекпойнта PyTorch. Модель предназначена для исследовательской генерации и визуального сравнения синтетических рентгеновских изображений, а не для диагностики. Авторы не заявляют клиническую валидность, точность воспроизведения класса, сохранение приватности или сходимость обучения. Последний чекпойнт не выбран по минимальному FID; оценка FID/KID на обучающей выборке носит описательный характер. Лицензия NVIDIA ограничивает использование некоммерческими исследованиями и оценкой; для набора данных указана CC BY 4.0.

Модель nhuvo/umt5-base-en-vimedner-mt-en2vi разработана на основе google/umt5-base и дообучена для перевода биомедицинских текстов с английского на вьетнамский на датасете En-ViMedNER. Это модель кодировщик-декодер семейства UMT5 с 296 млн параметров, предназначенная для запуска через библиотеку Transformers; веса опубликованы в формате safetensors. Подходит для перевода англоязычных биомедицинских материалов на вьетнамский, включая текст из области распознавания медицинских сущностей. Лицензия — Apache-2.0.

Модель LishaV01/agriculture-crop-disease-detection разработана Lisha для распознавания болезней сельскохозяйственных культур по изображениям. Это Vision Transformer с адаптером LoRA, дообученный на изображениях сахарного тростника, кукурузы, картофеля, риса и пшеницы. Модель содержит 7,1 млн параметров и решает задачу классификации изображений; веса доступны в формате Safetensors, лицензия — Apache-2.0. На вход подаются RGB-изображения растений, на выходе модель присваивает класс болезни или здоровья. Среди распознаваемых состояний — ржавчина, бактериальная пятнистость, фитофтороз и другие болезни, предусмотренные для указанных культур. Модель подходит для ранней оценки состояния растений в инструментах точного земледелия, а также для учебных и исследовательских проектов. Классификация ограничена культурами и категориями, представленными в обучении: для низкокачественных изображений и неизвестных случаев предсказания могут быть неточными. Базовая модель — WinKawaks/vit-tiny-patch16-224.

Axilotal/cadquery-qwen2.5-7b-v5.3-hardened — дообученная Axilotal языковая модель семейства Qwen2 для генерации кода CadQuery по текстовым запросам. Она основана на Axilotal/cadquery-qwen2.5-7b-v5.2-hardened и дообучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалогового взаимодействия и генерации кода; заявленный основной сценарий — создание скриптов CadQuery по описанию детали на естественном языке. Модель принимает текст и выдаёт текст, включая код. В карточке указан английский язык. Лицензия — Apache-2.0. Данных о качестве и ограничениях применения в карточке нет.

CraftsMan-v1-5 — модель генерации 3D-мешей по изображениям, разработанная командами HKUST, LightIllusions, HKUST(GZ) и Tencent AI Lab. Она предназначена для создания высокодетализированной геометрии по входному изображению; авторы также заявляют интерактивный Geometry Refiner. Доступны чекпойнты и код для инференса и обучения, а также демо на Gradio. Репозиторий содержит веса PyTorch и распространяется по лицензии CreativeML OpenRAIL-M. Размер модели, архитектура и длина контекста в предоставленных данных не описаны.

Карточка модели vkocaman/JSL-MedMX-7X на Hugging Face совпадает с карточкой johnsnowlabs/JSL-MedMX-7X, поэтому описание составлено по ней. JSL-MedMX-7X — медицинская разговорная языковая модель, разработанная John Snow Labs. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; для неё заявлено окно контекста до 32 768 токенов. Карточка приводит результаты оценки на биомедицинских тестах, включая MedMCQA. Модель предназначена для ответов на медицинские вопросы и помощи в работе с биомедицинской информацией на английском языке. Веса опубликованы в формате safetensors. Лицензия в метаданных указана как Apache 2.0, однако README задаёт условия CC-BY-NC-ND и Acceptable Use Policy, а для коммерческого лицензирования предлагает связаться с разработчиком; перед использованием следует уточнить применимые условия у John Snow Labs.

Llama3.1-Aloe-Beta-8B — медицинская языковая модель, разработанная HPAI путём дообучения Meta Llama 3.1 8B. Это плотный авторегрессионный трансформер с 7,5 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для вопросов и ответов в медицинской тематике и охватывает задачи вроде объяснения, суммаризации, классификации, диагностики и рекомендаций по лечению; также поддерживает диалог и интерфейс вызова функций. Обучение включает 1,8 млрд токенов медицинских и общих данных, а карточка указывает английский язык. Модель может помогать в исследовательских сценариях, например при анализе медицинских вопросов или подготовке черновых объяснений, но её нельзя использовать для клинической практики, диагностики или прямых и косвенных медицинских рекомендаций. Она может ошибаться, выдавать токсичный контент и воспроизводить нежелательные предубеждения. Изменения Aloe распространяются по лицензии CC-BY-NC-4.0 для некоммерческого использования; базовая модель основана на Llama 3.1 и имеет отдельные условия Meta Llama 3 License.

Это модель классификации изображений на базе MobileNetV2, дообученная автором A2H0H0R1 на наборе данных A2H0H0R1/plant-disease-new. Она предназначена для распознавания классов на изображениях растений, связанных с болезнями. В оценке на тестовом наборе автор сообщает точность 0,96 и значение функции потерь 0,1287. Модель принимает изображения и выдаёт метки классов. Базовая архитектура MobileNetV2 рассчитана на вход размером 224 × 224 и компактное выполнение, в том числе на устройствах с ограниченными ресурсами. Лицензия указана как other; конкретные условия использования следует сверить с карточкой репозитория.

Noodle Baseline — экспериментальная модель для генерации ответов на математические задачи с использованием латентных шагов рассуждения. В карточке описана архитектура из кодировщика промпта, модуля LatentReasoner с итеративным вниманием и декодера с авторегрессионной генерацией. Модель дообучена на базе openai-community/gpt2; для компонента латентного рассуждения заявлена отдельная инициализация с нуля. В конфигурации указаны 12 слоёв и 12 голов внимания для кодировщика и декодера, размер скрытого слоя 768, латентное пространство размером 128 и 16 латентных токенов. Для дообучения использовано 1000 примеров GSM8K и 200 шагов, поэтому качество на широком круге задач не подтверждено. Модель принимает текст и генерирует текст; карточка ориентирует её на англоязычные математические задачи. Лицензия — MIT.

Patho-R1-3B — мультимодальная модель для рассуждений по патологии, разработанная авторами проекта Patho-R1. Она принимает изображения и текстовые запросы и предназначена для ответов на вопросы по патоморфологическим изображениям, включая вопросы с выбором ответа и визуальные вопросы и ответы. Модель построена на архитектуре Qwen2.5-VL и имеет 3 млрд параметров. Её обучали в три этапа: продолжили предобучение на 3,5 млн пар «патологическое изображение — подпись», провели дообучение на 500 тыс. экспертных примеров с цепочками рассуждений, а затем применили обучение с подкреплением для улучшения ответов. В карточке указаны английский язык и лицензия CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Palind обучил эту модель методом полного PPO-дообучения на базе Qwen2.5-0.5B-Instruct с использованием фреймворка verl и набора задач GSM8K. Это плотная авторегрессионная модель Qwen2 с 494 млн параметров, принимающая текст и поддерживающая контекст до 32 768 токенов. Чекпойнт содержит объединённую модель Actor в формате Transformers; критик, состояние оптимизатора и полный чекпойнт распределённого обучения в репозитории отсутствуют. Модель предназначена прежде всего для генерации ответов на текстовые арифметические задачи в стиле GSM8K. В тестировании на 1 319 примерах GSM8K авторы получили 55,57% строгой точности при требовании формата ответа «#### число»; это результат одного эксперимента, а не гарантия качества на других задачах. Модель лицензирована по Apache-2.0.

RudolfV 2-B — модель зрения на архитектуре Vision Transformer, разработанная Aignostics для вычислительной патологии. Она использует основу ViT-B/8, содержит 86 млн параметров и дистиллирована из RudolfV 2, предварительно обученной на 300 тысячах полноразмерных гистологических изображений. Модель предназначена для извлечения признаков из небольших фрагментов гистологических изображений и последующего применения в задачах классификации тканей и опухолей, определения степени злокачественности, прогнозирования биомаркеров и анализа целого стекла с помощью multiple instance learning. По данным карточки, она в 2,5 раза быстрее RudolfV 2. Для загрузки требуются Transformers с trust_remote_code=True и библиотека timm. Репозиторий закрыт: доступ запрашивается через Hugging Face и предоставляется Aignostics по своему усмотрению; для заявки требуется академический или некоммерческий адрес электронной почты. Лицензия обозначена как other, а карточка требует атрибуции.

STream3R — модель для последовательной 3D-реконструкции по изображениям, описанная авторами работы «STream3R: Scalable Sequential 3D Reconstruction with Causal Transformer». Она преобразует задачу предсказания карт точек в задачу последовательной регистрации и использует Transformer с архитектурой decoder-only и причинным вниманием. Модель предназначена для потоковой обработки последовательностей изображений и онлайн-восприятия 3D-сцен. В README заявлена работа как со статичными, так и с динамическими сценами, а также поддержка FlashAttention, KV cache, причинного, скользящего оконного и полного внимания. В приведённых результатах сравнивается реконструкция на NRGBD; замеры памяти и скорости проводились при разрешении 518 × 384 на GPU H200. Веса опубликованы в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории. README сообщает, что код обучения и оценки, а также версия с метрическим масштабом пока не выпущены.

SyncWorld — модель мира с визуальным условием и действиями, представленная авторами Yuncong Yang и соавторами. Она предназначена для симуляции динамики в ранее не встречавшихся средах без дополнительного обучения: модель использует последовательность кадров и соответствующих действий для визуальной калибровки, а затем предсказывает видео при заданных действиях. Если калибровочных данных нет, она может опираться на историю взаимодействий. В метаданных модель отнесена к семейству Cosmos3 Omni и архитектуре Cosmos3OmniModel; веса опубликованы в формате safetensors. Карточка описывает применение в робототехнике и моделировании динамики, но не сообщает размер модели, длину контекста или поддерживаемые естественные языки. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием и файлами лицензии.

TinyLlama-Physics — англоязычная чат-модель, дообученная автором репозитория на физическом датасете с помощью MLX для ответов на вопросы по физике. Она основана на TinyLlama/TinyLlama-1.1B-Chat-v1.0, имеет архитектуру LlamaForCausalLM с плотными весами и содержит около 1 млрд параметров. Модель принимает текстовые запросы и генерирует текстовые ответы; контекст составляет 2048 токенов. Модель предназначена для учебных и справочных сценариев: объяснения базовых и промежуточных тем классической механики, электромагнетизма, термодинамики и квантовой механики, а также для физического чат-бота или виртуального репетитора. Компактный размер позволяет использовать её при ограниченных вычислительных ресурсах. Ответы могут содержать ошибки и повторы, а на узкоспециальные и продвинутые вопросы по физике модель отвечает хуже. Распространяется по лицензии Apache-2.0.

TITAN — мультимодальная модель для патологии, разработанная Mahmood Lab AI for Pathology при Harvard/BWH. Это предварительно обученный визуально-языковой энкодер, сочетающий самообучение на изображениях и выравнивание изображений с текстом. Модель предназначена для анализа гистологических whole-slide изображений (WSI); для патчей использует признаки CONCH v1.5 размером 512×512 пикселей при увеличении 20×. TITAN обучали на 335 645 WSI из коллекций Mass General Brigham, включая опухолевые, инфекционные и воспалительные случаи, а также на более чем 182 000 патологических заключений и 423 000 синтетических описаний. В README заявлены сильные результаты в классификации с линейным пробированием, few-shot и zero-shot режимами, поиске редких видов рака, межмодальном поиске и генерации патологических заключений. Модель опубликована как предварительная версия; доступ к весам ограничен и требует согласия с условиями. Лицензия CC-BY-NC-ND-4.0 запрещает коммерческое использование и распространение производных материалов.

Модель wellCh4n/tomato-leaf-disease-classification-resnet50 — дообученная wellCh4n архитектура ResNet-50 от Microsoft для классификации изображений листьев томатов по заболеваниям. Она принимает изображение и выдаёт класс, соответствующий распознанному состоянию листа. Модель создана на основе microsoft/resnet-50 и дообучена на наборе wellCh4n/tomato-leaf-disease-image. На указанном тестовом наборе модель достигла точности 0,9956 и потерь 0,0197. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Показатели относятся к оценочному набору из карточки и сами по себе не гарантируют такую же точность на снимках с другими условиями освещения, фоном или сортами томатов.

Это контрольная точка VLADrop на базе OpenVLA-OFT, подготовленная для исследования «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Модель предназначена для предсказания действий робота по визуальному наблюдению и языковому контексту, в частности для оценки на задачах LIBERO. В чекпойнте сохранены слои MHA, а MLP-подслои удалены в 16 нечётных слоях 32-слойного Llama 2 backbone. После удаления модель прошла восстановительное дообучение с LoRA ранга 32, затем веса адаптера были объединены. Конфигурация содержит списки удалённых слоёв для автоматического восстановления сокращённого графа при оценке. Для запуска требуется модифицированная библиотека transformers-openvla-oft-dropped. Лицензия — MIT.

Модель Wang Qimeng и Zhu Zilong для классификации изображений листьев томата по 10 категориям болезней и поражений. Это полноразмерное дообучение Swin Transformer Tiny на базе microsoft/swin-tiny-patch4-window7-224; архитектура Swin содержит около 33 млн параметров по метаданным. Модель принимает изображение и выдаёт класс заболевания. Для обучения использован набор PlantVillage Tomato Disease Dataset. Авторы сообщают о точности 97,4% на независимой тестовой выборке из 15 011 изображений; точность для ранней пятнистости составила 94,3%, а для вируса мозаики томата — 100%. Эти результаты относятся к лабораторным изображениям PlantVillage. На фотографиях из поля, при сложном фоне, естественном освещении или съёмке телефоном точность может снизиться; перед внедрением рекомендуется дообучение на полевых данных. Модель распространяется по лицензии MIT.

Модель ShadNygren/BioTechFineTuneTest-DrugAdverseEffects-SIDERv1_then_v2 разработана ShadNygren и дообучена на основе ShadNygren/BioTechFineTuneTest-DrugAdverseEffects-SIDERv1. Это плотная причинно-языковая модель семейства Llama объёмом 7,5 млрд параметров для генерации текста; в названии указана тематика побочных эффектов лекарств и датасета SIDER, однако README не уточняет конкретные сценарии обучения или проверенные возможности. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Обучение проводилось с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0.

Это модель генерации текста на основе Llama 2, адаптированная разработчиком tosca к предметной области проектирования микросхем с помощью доменного дополнительного предобучения на корпусе из Wikipedia, GitHub и arXiv. Она предназначена для генерации и продолжения текста по тематике chip design; карточка указывает базовый чекпойнт meta-llama/Llama-2-7b-hf и подчёркивает, что модель не объединена с упомянутым отдельно репозиторием SFT. Модель имеет плотную архитектуру LlamaForCausalLM и около 6,6 млрд параметров, принимает текст и генерирует текст. Нативный контекст составляет 4096 токенов. В основе лежит англоязычная Llama 2; отдельные поддерживаемые языки для адаптированной модели не перечислены. Лицензия — llama2. Данных о специализированной оценке качества нет, поэтому ответы по проектированию микросхем следует проверять.

Llama-3-8B-UltraMedical — языковая модель для биомедицины, разработанная лабораторией Tsinghua C3I. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, построенная на Meta Llama 3 8B и дообученная на наборе UltraMedical из 410 тысяч синтетических и вручную отобранных примеров. Модель принимает текст и генерирует текст; её контекст составляет 8192 токена. Модель предназначена для ответов на медицинские экзаменационные вопросы, понимания биомедицинской литературы и работы с клиническими знаниями. В README приведены результаты на MedQA, MedMCQA, PubMedQA и медицинских разделах MMLU. Карточка описывает шаблон чата Llama 3 и отмечает, что текущая версия рассчитана на диалог в один ход, а возможности многоходового общения ограничены. Модель может галлюцинировать и выдавать неверную или вводящую в заблуждение медицинскую информацию, поэтому её ответы требуют проверки по надёжным источникам и консультации специалиста; их не следует использовать как единственное основание для клинических решений. Репозиторий распространяется по лицензии Llama 3.

Это предобученная модель диффузии Pixel Diffusion UNet из проекта DM4CT, представленного в работе о сравнении диффузионных моделей для реконструкции компьютерной томографии. Её разработчики обучили на данных Low Dose CT Grand Challenge (LoDoChallenge) как безусловный априор для медицинских КТ-срезов. Модель использует 2D UNet из Diffusers и DDPM с предсказанием шума ε, линейным расписанием шума и работой непосредственно в пиксельном пространстве. Она принимает одноканальные изображения размером 512 × 512 с интенсивностями, нормализованными в диапазон от −1 до 1. Модель предназначена для применения совместно с коррекцией согласованности с измерениями при реконструкции КТ, в том числе в сценариях sparse-view CT. Она задаёт априорное распределение изображений, но сама по себе не включает геометрию сканирования и не выполняет полную реконструкцию из измерений. Репозиторий распространяется по лицензии MIT.

Это переопубликованная модель ResNet50, обученная с помощью TIA Toolbox на наборе PatchCamelyon. Она предназначена для классификации изображений гистологических срезов лимфатических узлов и выявления метастазов в ткани. Модель опубликована в форматах PyTorch и Safetensors; в карточке указана лицензия CC-BY-4.0. Карточка не описывает процедуру повторного использования и не приводит оценок качества или подробностей обучения, поэтому практическую пригодность для клинических решений по имеющимся данным оценить нельзя.

baruga/mandelbrot-fractals — модель Stable Diffusion, дообученная автором baruga на изображениях фракталов Мандельброта в рамках DreamBooth Hackathon. Она предназначена для генерации изображений по текстовым запросам, в том числе фракталов заданной формы; в карточке предложен шаблон запроса «a photo of mafra fractal in the shape of …». Для генерации используется StableDiffusionPipeline из библиотеки Diffusers; автор рекомендует CFG scale около 8–9 и отмечает, что дополнительные модификаторы и негативные запросы могут улучшить результат. Модель распространяется под лицензией CreativeML OpenRAIL-M.

Это модель для определения одного из четырёх широких региональных вариантов норвежского языка по аудиозаписи речи. Её разработали в NbAiLab на основе энкодера NbAiLab/nb-whisper-medium: модель Whisper с архитектурой WhisperForAudioClassification полностью дообучена с классификационной головой и содержит 455,8 млн параметров. Модель предназначена для исследований норвежских диалектов и влияния просодии на их распознавание. Она обучалась на речи с монотонным контуром основного тона (F0), поэтому на вход следует подавать аудио, обработанное таким же образом, в моно, с частотой 16 кГц. Результат — метка одного из четырёх регионов: восток, запад, центральная Норвегия/Трёнделаг и четвёртая региональная категория. Доступен чекпойнт последней, третьей эпохи обучения. Обучение проводилось на парламентской речи взрослых из корпуса SSC с разделением обучающей и проверочной выборок по говорящим. Крупные региональные группы не отражают тонкие диалектные различия, а точность на разговорной речи, детской речи и речи неносителей не гарантирована. Модель не предназначена для решений с существенными последствиями для людей. Лицензия — Apache-2.0.

Карточка модели HurudzaAI/plantdiseasedetection1 на Hugging Face совпадает с карточкой wambugu71/crop_leaf_diseases_vit, поэтому описание составлено по ней. Модель Wambugu Kinyua — дообученная версия Vision Transformer ViT-Tiny для классификации изображений листьев сельскохозяйственных культур по состоянию и типу болезни. Она принимает RGB-изображения и выдаёт метку класса, включая здоровые растения и заболевания кукурузы, картофеля, риса и пшеницы: ржавчину, пятнистость, ожог листьев и другие категории. Компактная архитектура содержит 7,1 млн параметров и предназначена для раннего выявления болезней в точном земледелии; её можно встроить в системы мониторинга посевов или дообучить на данных конкретного региона и культуры. В карточке заявлены метрики проверки на отложенной части датасета: accuracy 98%, precision 97%, recall 97% и F1 96%. Результаты могут быть хуже на культурах, болезнях и условиях съёмки, отсутствующих в обучающих данных; ошибки классификации способны привести к пропуску заболевания или ненужным мерам. Для данной версии метаданные указывают формат safetensors, а README также упоминает веса ONNX. Лицензия в метаданных Hugging Face — MIT.

jwhj/Qwen2.5-Math-1.5B-OREO-Value — модель оценки последовательностей на базе семейства Qwen2, связанная с методом OREO (Offline REasoning Optimization) для многошаговых рассуждений языковых моделей. Репозиторий описывает обучение и оценку моделей для математических рассуждений и среды ALFWorld; данный чекпойнт предназначен для оценки решений или промежуточных состояний в таких сценариях. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и класс LLMForSequenceRegression. Контекст составляет 4096 токенов. В карточке описан сценарий применения с математическими задачами и интерактивными задачами ALFWorld; конкретные поддерживаемые естественные языки не обозначены. Файлы представлены в формате safetensors. README не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя. Специализированная оценка может быть ограничена задачами и распределениями данных, использованными при обучении; результаты в других областях не подтверждены.

SeanWang0027/Qwen3-1.7B-sciworld-sft-gpt54mini-ep8 — дообученная Sean Wang модель Qwen3-1.7B для управления агентом в научной среде ScienceWorld. Она обучена методом trajectory SFT на полных эпизодах gpt-5.4-mini для 2059 учебных заданий ScienceWorld; функция потерь применялась к ответам учителя. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текст, формируя текстовые ответы. Контекстное окно — 40 960 токенов. Модель предназначена для выполнения пошаговых заданий ScienceWorld и генерации действий агента в диалоге. В описанном испытании на тестовых вариациях ScienceWorld она показала средний успех 17,38% за четыре прохода; результат зависит от протокола и заметно ниже указанного результата другого варианта обучения. В README лицензия не указана, поэтому условия использования определить нельзя.

Это плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Чекпойнт шага 52 создан в запуске RaR-Medicine OnlineRubrics-Every dense checkpoint; в корне репозитория размещена BF16-версия для инференса, а в original_checkpoint/ — исходные файлы veRL с параметрами модели. Модель предназначена для генерации текста и диалогового применения в медицинском сценарии, связанном с OnlineRubrics. Контекст составляет до 262 144 токенов; основная модальность ввода и вывода — текст. Карточка не уточняет языковой охват и конкретные медицинские задачи, поэтому их нельзя надёжно конкретизировать. Лицензия — Apache-2.0. Автор обозначает применение как исследовательское.