IV.6Научные исследования, математика и новые материалы

camilon/clinical_longformer_same_tokens_1epochs_250k — дообученная модель семейства Longformer с архитектурой LongformerForMaskedLM и примерно 151,8 млн параметров. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированные токены, что может использоваться для анализа и обработки клинических текстов. Максимальная длина контекста составляет 4098 токенов; веса опубликованы в формате safetensors. В карточке указана оценка Loss 1.5640 на тестовой выборке, однако подробности датасета и оценки модели не приведены. Лицензия в доступных данных не указана.

SandriBarros/clinical_longformer_same_tokens_2epochs_250k — клиническая модель Longformer для предсказания замаскированных токенов в длинных текстах. Она дообучена на основе SandriBarros/clinical_longformer_same_tokens_2epochs_200k; в README указан результат на оценочной выборке: loss 1,3523. Модель содержит 151,8 млн параметров, использует архитектуру LongformerForMaskedLM и принимает контекст до 4098 токенов. Модель предназначена для заполнения пропусков в клиническом тексте. README не сообщает подробностей о датасете, обучении или ограничениях применения. Веса опубликованы в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Decision Transformer от сообщества Hugging Face, обученный на траекториях medium-replay из среды Gym Walker2d. Модель на основе архитектуры Decision Transformer содержит около 786,6 тыс. параметров и принимает последовательности состояний и целевых наград, чтобы предсказывать действия для управления симуляцией Walker2d. Модель предназначена для экспериментов и задач обучения с подкреплением в непрерывном управлении: её можно использовать для выбора действий агента в Walker2d на основе накопленных траекторий. При использовании требуются указанные в карточке средние значения и стандартные отклонения для нормализации наблюдений. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

DermoGPT-RL — мультимодальная модель для дерматологии и дерматоскопии на архитектуре Qwen3-VL, представленная как объединённый чекпойнт Transformers и оптимизированная для следования инструкциям и рассуждений в этой области. Модель принимает изображения и текстовые запросы и формирует текстовые ответы; основной язык — английский. В репозитории находятся веса float16 в формате safetensors, объём репозитория составляет около 17 ГБ. Модель предназначена для исследовательского понимания дерматологических изображений, описания морфологии поражений, ответов на медицинские вопросы по изображениям и оценки на задачах типа DermoGPT/DermoBench. Карточка не сообщает длину контекста или число параметров. Лицензия — CC BY-NC 4.0. Выводы могут быть ошибочными, неполными или чрезмерно уверенными; качество может различаться в зависимости от тона кожи, устройства и условий съёмки, а также категории заболевания. Модель не предназначена для клинического применения, автономной диагностики, сортировки пациентов, рекомендаций по лечению или прямых медицинских советов пациентам; результаты требуют независимой проверки и медицинского надзора.

EYE-Llama_gqa — языковая модель для ответов на вопросы по офтальмологии, разработанная на основе Llama 2 и дообученная на наборах EYE-lit и EYE-QA+. Модель предназначена для медицинского образования, поддержки клинических решений и исследований в офтальмологии. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и имеет контекст длиной до 4096 токенов. Она принимает текст и генерирует текстовые ответы на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Модель может помогать с разбором офтальмологических вопросов, однако её ответы могут отражать смещения обучающих данных. Она не предназначена для самостоятельной диагностики или лечения и не должна использоваться при оказании помощи пациентам без контроля специалиста.

Hungryhusky ACT — политика управления роботом для задачи с кубами и цилиндром на платформе SO-101, разработанная командой hungryhusky, участниками которой являются Parker Cai и Aleksei Anisimov. Модель использует архитектуру Action Chunking Transformer (ACT) с визуальной основой ResNet-18 и обучена на наборе BrutalCaesar/phi_so101_cubes_cylinder_v1. Контрольная точка содержит 60 000 базовых шагов обучения и 2 000 шагов дообучения без аугментации. На вход подаются три RGB-изображения с камер на запястье, спереди и сверху, а также шестимерное состояние робота. Модель выдаёт последовательность из 50 шестимерных действий для суставов плеча, локтя, запястья и захвата. Предназначена для управления SO-101 в задаче манипуляции кубами и цилиндром; для работы нужны соответствующие этапы предобработки наблюдений и обратного преобразования нормализованных действий из LeRobot. Выбранная версия показала на многократно использованной исходной отложенной выборке нормализованную ошибку L1 действий 0,25951 — примерно на 0,33% ниже базовой версии. Это небольшой офлайн-результат на примерах белого куба и белого контейнера, а не свидетельство успешности управления роботом. Испытаний на реальном роботе не проводилось. Лицензия в предоставленных данных не указана.

InternVLA-A1.5-Libero — политика управления роботом типа vision-language-action, разработанная InternRobotics и дообученная для бенчмарка LIBERO. Она объединяет визуально-языковое понимание, прогнозирование будущей динамики и генерацию действий для манипуляционных задач; авторы также оценивают её устойчивость без дополнительной адаптации на LIBERO-Plus. Модель основана на мультимодальном Qwen3.5-2B и использует лёгкий эксперт действий, связанный с языково-визуальной основой общими слоями внимания. На вход подаются изображения и текстовые инструкции, на выходе модель предсказывает непрерывные последовательности действий размерностью до 32; во время вывода видеоветвь не используется. Для изображений указано разрешение 224 × 224. Контрольные результаты приведены для наборов LIBERO Spatial, Object, Goal и Long. Модель предназначена для оценки и применения в сценариях роботизированной манипуляции, связанных с LIBERO; результаты LIBERO-Plus показывают устойчивость к изменениям камеры, робота, языка, освещения, фона, шума и компоновки. Показатели бенчмарка не гарантируют качество на других роботах или в реальном мире. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и на условиях распространения производных материалов, но запрещает коммерческое использование.

cvhci дообучила модель NVIDIA Isaac-GR00T N1.7-3B на данных телеуправления двуручным роботом ARMAR-6. Это плотная VLA-модель для робототехники, предназначенная для преобразования наблюдений робота и инструкций в управляющие действия; обучение охватило 850 эпизодов и 431 формулировку задачи из трёх наборов данных. Модель распространяется в формате safetensors по лицензии other. Модель можно использовать как воспроизводимую базовую линию для экспериментов с задачами манипуляции ARMAR-6 и для оценки обучения по демонстрациям. На отложенных эпизодах она лишь немного превосходит базовый вариант с удержанием текущей позы и в значительной степени игнорирует языковые инструкции, поэтому не подходит для развёртывания как рабочая политика. Перед использованием требуется преобразовать позы запястья Wri2 в систему координат контроллера; также нужно учитывать, что значение захвата руки передаётся как команда и не отражает измеренную обратную связь.

VLA-Adapter/LIBERO-Long — дообученная модель Vision-Language-Action от команды OpenHelix, предназначенная для управления роботом по изображениям и текстовым инструкциям на задаче LIBERO-Long. Она принимает изображение и текст, а на выходе генерирует действия робота. Архитектура объединяет зрительно-языковую модель на основе Prismatic-VLM с политикой генерации действий. В качестве языковой основы используется Qwen2.5-0.5B; модуль Bridge Attention связывает признаки от зрительно-языковой модели с представлением действий. Модель опубликована в формате safetensors и распространяется по лицензии MIT. Модель ориентирована на выполнение роботизированных манипуляций и оценку на бенчмарке LIBERO-Long. Карточка сообщает о результатах на распространённых робототехнических бенчмарках, но не приводит здесь численные показатели или подробности условий оценки. Применение вне соответствующих сред и сценариев требует отдельной проверки.

VLA-Adapter/LIBERO-Long-Pro — модель Vision-Language-Action для управления робототехникой, разработанная командой VLA-Adapter. Она принимает изображения и текстовые инструкции, обрабатывает их с помощью VLM на архитектуре Prismatic-VLM с языковой основой Qwen2.5-0.5B и генерирует действия для робота. Модель дообучена для бенчмарка Libero-Long; авторы сообщают, что семейство VLA-Adapter превосходит несколько открытых VLA-моделей с более крупными языковыми основами на распространённых робототехнических тестах. Архитектура объединяет VLM и политику генерации действий. Модуль Bridge Attention связывает условия, полученные от VLM, с начальными данными для формирования действий. Модель предназначена для сценариев, где робот должен учитывать визуальную обстановку и текстовую задачу. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Количественные результаты конкретной версии LIBERO-Long-Pro и сведения о переносе на другие среды в карточке не приведены.

Это экспериментальный чекпойнт диффузионной языковой модели LLaDA-8B, созданный в рамках проекта dLLM Registers и дообученный Albert Ge на задаче LongArithmetic с помощью chunked GRPO. Он предназначен для генерации текста с решением арифметических задач, содержащих от 5 до 8 операций сложения и вычитания чисел до 20. Модель основана на GSAI-ML/LLaDA-8B-Base и использует четыре непрерывных register-токена как канал переноса состояния между окнами денойзинга. Обучение выполнено за 400 обновлений GRPO; размер чанка составляет 128 токенов. Для корректного инференса требуются параметры канала registers, четыре регистра, нулевая длина хвоста и маскирующий токен для регистров. Модель принимает текст и генерирует текст на английском языке. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Чекпойнт рассчитан на узкую арифметическую задачу и требует специальной обвязки для корректной работы регистров; его результаты на иных задачах не описаны.

Clin-REACT 70B — дообученная Meta Llama 3.3 70B Instruct модель, разработанная для клинических рассуждений с использованием ICU-REACT. Репозиторий содержит объединённый полноразмерный чекпойнт: LoRA-адаптер после supervised fine-tuning слит с весами базовой модели. Это плотная авторегрессионная модель на 69,5 млрд параметров с контекстом до 131 072 токенов, предназначенная для диалоговой генерации текста. Модель решает задачи клинического рассуждения, включая анализ клинически значимой информации и сценарии принятия решений в отделении интенсивной терапии; её также оценивают на более широких клинических бенчмарках. В приведённом сравнении она превзошла базовую Llama 3.3 70B Instruct по макросреднему результату пяти бенчмарков, однако эти результаты не подтверждают безопасность для реальной медицинской практики. Модель предназначена для исследований в области клинических рассуждений и медицинского ИИ, не является медицинским устройством и не должна заменять профессиональное клиническое суждение, диагностику или лечение. Распространяется по лицензии Llama 3.3.

Это дообученная модель MolmoAct2 от Ai2 для управления роботом SO101 при выполнении задачи удаления инструмента (tool_removal). Модель основана на чекпойнте allenai/MolmoAct2 и обучена на данных villekuosmanen/armnetbench_tool_removal; опубликован чекпойнт после 25 000 шагов обучения. MolmoAct2 относится к классу vision-language-action моделей: она использует визуальные наблюдения и языковые инструкции для управления действиями робота. Эта версия адаптирована под конкретную задачу и данные SO101. В репозитории указаны веса в формате safetensors и библиотека LeRobot. Модель предназначена для роботизированного выполнения задачи удаления инструмента в соответствующей конфигурации SO101. Карточка не сообщает лицензию, поэтому условия использования следует сверить с базовой моделью и датасетом перед применением.

OctoMed-32B — мультимодальная медицинская модель рассуждений, созданная командой OctoMed на основе Qwen3-VL-32B-Instruct с помощью SFT на курируемых медицинских данных. По изображениям и текстовым вопросам модель отвечает на медицинские вопросы, особенно в формате VQA с выбором из нескольких вариантов; авторы сообщают о результатах на медицинских бенчмарках с данными вне обучающего распределения. Внутренние цепочки рассуждений могут быть длиннее для сложных или плохо сформулированных вопросов. Модель использует плотную архитектуру Qwen3-VL и поддерживает диалог с изображениями. Для запуска авторы приводят примеры с Transformers и vLLM. Данные карточки указывают английский язык и лицензию Apache-2.0. Модель дообучена на наборе, включающем более 8 млн трасс рассуждений и 6,8 млрд токенов ответов, дистиллированных из DeepSeek-R1 и GPT-4o. Основное ограничение — специализация на медицинском VQA с выбором ответа: другие задачи могут выполняться по инструкциям, но авторы отмечают, что они не проходили обширную проверку или дополнительное обучение.

Это дообученный чекпойнт OpenVLA-OFT на данных реального робота XArm для сценария «взять кубик и положить в пластиковый стакан». Модель использует зрительные наблюдения и состояние робота, чтобы предсказывать последовательности действий манипулятора. В обучении применялись L1-регрессия, FiLM и параллельное декодирование. Размер блока действий — 25 шагов, размерность действия — 7, размерность проприоцептивных данных — 6; входы включают два изображения рабочей зоны (с камеры от третьего лица и камеры на запястье) и проприоцепцию. LoRA ранга 32 объединена с базовой моделью OpenVLA 7B. Для развёртывания требуется кодовая база openvla-oft и настройка указанных параметров XArm. Модель предназначена для управления манипулятором XArm в обученном сценарии захвата и размещения объекта. Репозиторий распространяется по лицензии MIT.

PhysioGemma-2B — модель для одношаговых ответов на вопросы по физиологии, созданная как PEFT-дообучение Google Gemma 1.1 2B IT. Она обучена в течение трёх эпох на наборе sardukar/physiology-mcqa-8k и использует архитектуру Gemma с генерацией текста. Для диалога следует использовать шаблон Gemma 1.1 2B IT с началом «You're an expert physician with deep knowledge of physiology». Модель имеет 2,5 млрд параметров и контекст до 8192 токенов; указанный в карточке сценарий применения — помощь по темам физиологии. Лицензия — MIT.

DecentVLA/pi05_cubestack_fl_3client — глобальная VLA-модель для управления роботом SO-101 при укладывании кубиков. Разработана в проекте decent-vla и получена полным дообучением lerobot/pi05_base с федеративным усреднением FedAvg по трём клиентам; обучение включало 30 раундов по 250 локальных шагов на клиенте. Клиенты обучались на разных парах цветов кубиков, поэтому модель предназначена для проверки федеративного обучения на неоднородных данных. Модель принимает изображения с камер у основания и на левом запястье, состояние робота и языковую инструкцию и выдаёт действия управления роботом. Экспортирована в формате LeRobot с переносимым токенизатором и 6-мерными действиями и состоянием. Доступна по лицензии Apache-2.0. Модель специализирована на задаче укладывания кубиков и не заявлена как универсальный контроллер. В описании исследования отмечено, что результат FedAvg сопоставляется с централизованным верхним ориентиром и локальными моделями, но численные оценки качества не приведены.

DecentVLA/pi05_cubestack_local3_c0 — модель управления роботом, полученная дообучением lerobot/pi05_base для укладывания кубиков на роботе SO-101. Она обучена на двух вариантах задачи: положить зелёный кубик на оранжевый и оранжевый на зелёный; модель не обучалась работе с синими кубиками и, согласно карточке, должна не справляться с вариантами, включающими синий цвет. Модель принимает изображения с камер у основания и на запястье, состояние робота и языковую инструкцию, а выдаёт действия для управления роботом. Экспортирована в формате LeRobot с переносимым токенизатором и реальными 6-мерными представлениями действий и состояния. Модель создана в рамках исследования федеративного обучения с тремя клиентами и обучена на 10 000 шагах. Репозиторий использует лицензию Apache-2.0.

Это дообученная политика pi0.5 от maskjp на базе lerobot/pi05_base для управления роботом по относительным целям в пространстве суставов. Она предназначена для многозадачных сценариев манипуляции и выдаёт 10-мерные целевые команды моторам; вход включает состояние робота и кадры с трёх камер. Базовая VLM заморожена, обучались эксперт действий и проекции: 693 млн из 4,14 млрд параметров. Чекпойнт завершает обучение на 30 000 шаге и использует относительные действия с одним якорем на фрагмент, тогда как команда захвата остаётся абсолютной. На отложенных данных модель показала низкую чувствительность движений руки к замене изображений с камер: авторы трактуют это как признак того, что политика в значительной степени предсказывает движение по проприоцепции и идентичности задачи, слабо опираясь на визуальную сцену. Экспериментальная оценка проведена с одним seed инференса и ограниченным числом примеров, поэтому выводы требуют подтверждения. Для инференса обучающий датасет не требуется. Лицензия — Apache-2.0, унаследована от LeRobot.

OpenMed/Qwen3.5-2B-MedVL — медицинская модель для ответов на вопросы по изображениям, разработанная OpenMed на основе Qwen3.5-2B. Она дообучена на примерно 200 тысячах медицинских примеров VQA из SynthVision и предназначена для анализа медицинских изображений по текстовым запросам, например для выявления ключевых признаков на рентгеновском снимке грудной клетки. Модель принимает изображение и текстовый вопрос и формирует текстовый ответ; в карточке приведены результаты на VQA-RAD, PathVQA и SLAKE, где дообученная версия превосходит базовую по средней точности Exact Match. Архитектура — плотная Qwen3.5 с генерацией условного ответа; веса опубликованы в формате safetensors. Для запуска через Transformers требуется версия не ниже 5.3.0. Лицензия — Apache-2.0. Модель не заменяет клиническую оценку специалиста; качество зависит от типа изображения и формулировки вопроса.

RAD-DINO-MAIRA-2 — разработанная Microsoft Health Futures модель зрения на основе Vision Transformer и DINOv2, дообученная для кодирования рентгеновских снимков грудной клетки. Вариант RAD-DINO, использованный в MAIRA-2; обучен на большем объёме данных. Модель содержит 113,2 млн параметров и выдаёт признаки изображений для последующего использования в других моделях и конвейерах.

SmolVLA Dusty — модель управления роботом, разработанная IDEAS-Lab-Northwestern на базе lerobot/smolvla_base и дообученная для базовой задачи dusty из бенчмарка ManiGuard в симуляции с Franka Panda. Она принимает изображения с обзорной и установленной на запястье камер, состояние суставов и при необходимости языковую инструкцию, а выдаёт непрерывные целевые значения суставов и захвата. Модель рассчитана на управление манипулятором: состояние и действия Franka Panda имеют 8 измерений и дополняются до 32, команды выдаются блоками по 50 шагов. Архитектура сочетает визуально-языковую основу SmolVLM2 и эксперт действий с flow matching. При дообучении визуальный энкодер был заморожен, обучался эксперт действий без LoRA. Данные взяты из датасета datagen-dusty-v1-joint-5cam, подготовленного для этой версии к двухкамерному формату. Весовые файлы представлены в safetensors; лицензия — Apache-2.0. Модель специализирована на конкретной задаче dusty и конфигурации Franka Panda с двумя камерами и контроллером суставов. Карточка не подтверждает переносимость на другие роботы, задачи или сенсорные конфигурации; для оценки требуется совместимая среда LeRobot и соответствующий контроллер.

Это политика управления роботом SO-101, обученная выполнять одну манипуляционную задачу: взять оранжевый прямоугольный блок и положить его в синюю чашку. Модель разработана и опубликована DylanSh; она построена на ACT с визуальным энкодером ResNet-18 и предназначена для запуска через LeRobot. На вход политика принимает потоки с двух RGB-камер разрешением 640×480 и шестимерное состояние суставов, а выдаёт шестимерные команды суставам. Обучение проводилось на 50 успешных эпизодах с реальным роботом, всего 32 481 кадр, в течение 40 000 шагов. Модель рассчитана на ту же калибровку SO-101, геометрию камер, формулировку задачи, расположение стола и внешний вид объектов, что и при записи демонстраций. Изменение освещения, камер, калибровки, захвата, объектов или рабочего пространства может снизить качество выполнения. Указанная в карточке потеря обучения не является оценкой физической успешности. Датасет в репозитории модели отсутствует. Лицензия в предоставленных данных не указана.

VQ-BeT/PushT — модель для управления роботом, разработанная на основе подхода VQ-BeT из работы «Behavior Generation with Latent Actions» и обученная для среды PushT из gym-pusht. Она предназначена для генерации действий, перемещающих объект в форме буквы T к целевой позиции; загрузка и оценка модели выполняются с помощью библиотеки LeRobot. Модель включает RGB-энкодер на 11,2 млн параметров и остальные компоненты VQ-BeT на 26,3 млн параметров. В оценке на 500 эпизодах PushT среднее максимальное перекрытие с целью составило 0,887, а доля успешных эпизодов — 66%. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель проверена в симуляционной среде PushT; эти результаты сами по себе не подтверждают пригодность для реального робота или других задач управления. README не сообщает о поддержке языковых инструкций.

Это набор двух state-value моделей V(s) для задачи манипуляции кофейным набором в MimicGen coffee_d0. Модели реализованы на PyTorch и принимают 66-мерное проприоцептивное состояние робота; они оценивают дисконтированную отдачу с gamma = 0,99. Вариант v_td обучен регрессией TD, а v_relabel_hinge дополнительно использует аннотированные моменты ошибок в неудачных эпизодах и ограничение-разрыв для пар состояний успеха и неудачи. Обучение проведено на офлайн-траекториях политики mtdit_flow_60k; armF2 Q используется только как эталон оценки. Модели предназначены для оценки состояния и могут служить базовой оценкой или потенциалом для shaping в задачах обучения робота манипуляциям. В указанном отложенном разбиении v_relabel_hinge показывает корреляцию Пирсона 0,888 с эталонной Q-оценкой, а v_td — 0,854. Они не подходят для ранжирования действий или вычисления преимущества: README сообщает о слабом соответствии истинному advantage. Обобщение может ухудшаться при уходе политики от обучающего распределения; повторное обучение с relabeling требует аннотированных кадров неудач. Лицензия в предоставленных данных не указана.

Репозиторий StanfordAIMI/XraySigLIP__vit-b-16-siglip-512__webli содержит модель семейства SigLIP на базе ViT-B/16, предназначенную для классификации изображений по текстовым описаниям без дополнительного обучения на заданных классах. README содержит только название CheXagent и ссылки, поэтому назначение и характеристики уточняются по метаданным Hugging Face. Репозиторий создан StanfordAIMI; модель представлена в формате safetensors. Модель подходит для сопоставления рентгеновских изображений с текстовыми метками или описаниями. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение. Подробности об обучении, языках и клинических ограничениях в доступных данных отсутствуют.

Histochemichael/act-so101-rack-centered-approach-2cam-25 — экспериментальная политика ACT для роботизированного манипулятора SO101, обученная автором репозитория локально с помощью LeRobot. Модель принимает два вида с камер и состояние по шести суставным позициям, а выдаёт действия управления роботом. Она предназначена для подхода к ручке стойки из центрированного отведённого положения: раскрывает захват, приближается к ручке и удерживает выравнивание. Обучение завершено на 25 000 шагах; лучшая контрольная точка по проверочной выборке — шаг 24 000. Политика рассчитана на номинальную частоту 15 Гц: предсказывает блок из 30 действий и использует по три действия за вызов. Данные включают 20 обучающих эпизодов и 5 проверочных; отдельного тестового набора нет. Политика не обучена подъёму или вставке предмета. Ошибки на проверочных данных не являются показателем успешности физического захвата. Лицензия в предоставленных данных не описана.

Это обученный чекпойнт BFMZero для задач обучения с подкреплением в робототехнике. Он предназначен для агента FBcprAuxAgent/FBcprAuxModel с 29 степенями свободы, что указывает на управление роботом G1; карточка содержит соответствующие теги robot и g1. Модель обучалась 144 млн шагов и использует остаточную MLP-архитектуру с размерностью z=128, скрытой размерностью 1024 и четырьмя скрытыми слоями. В репозитории опубликованы веса SafeTensors, состояние оптимизатора и конфигурация архитектуры. Контекст указан как 6 токенов, однако описание не раскрывает текстовый интерфейс модели, поэтому эту величину нельзя трактовать как обычное языковое контекстное окно. Лицензия обозначена как other; конкретные условия использования в карточке не приведены.

Bio_Discharge_Summary_BERT — модель семейства BERT, разработанная Emily Alsentzer и соавторами для клинических текстов. Она инициализирована весами BioBERT и дополнительно предобучена на выписных эпикризах из базы MIMIC-III: использовались заметки таблицы NOTEEVENTS объёмом около 880 млн слов. Перед обучением документы делили на клинические разделы и предложения. Модель предназначена для получения контекстных представлений клинического текста и предсказания замаскированных токенов. Её можно применять как основу для задач обработки медицинских текстов, включая извлечение сущностей и оценку текстовых выводов; в карточке приводятся результаты исходной работы для NER и NLI. Архитектура — BERT dense, около 135,5 млн параметров, контекст — до 512 токенов. Модель рассчитана на английский язык и выпущена в форматах PyTorch и Flax. Модель предобучена на клинических записях пациентов отделений интенсивной терапии одной больницы, поэтому её область знаний и стиль могут не охватывать другие учреждения, популяции и языки. Карточка не описывает её как готовую систему для клинических решений; для специализированных задач может потребоваться дообучение и проверка качества. Лицензия — MIT.

IAMJB/chexpert-mimic-cxr-impression-baseline — модель генерации текстового описания по рентгеновским снимкам грудной клетки. Репозиторий содержит модель архитектуры vision-encoder-decoder для задачи image-to-text, сохранённую в формате safetensors и рассчитанную на английский язык. README сообщает об оценке на наборе CheXpert-Plus. Модель предназначена для формирования текстового впечатления по снимку грудной клетки, например как базовый вариант для экспериментов с автоматической интерпретацией рентгенограмм. Репозиторий лицензирован по MIT. В карточке нет подробных сведений о размере модели, длине контекста или клинической проверке; результаты оценки на CheXpert-Plus сами по себе не подтверждают пригодность для принятия медицинских решений.