IV.6Научные исследования, математика и новые материалы

NothingMuch/GO-Term-Embeddings-Snowflake-m-1.5 — дообученная модель Sentence Transformers на базе Snowflake/snowflake-arctic-embed-m-v1.5, созданная для сопоставления описаний и терминов Gene Ontology. Она преобразует текст в нормализованные плотные векторы размерностью 128; сходство между ними оценивается косинусной близостью. В основе — BERT с CLS-пулингом, максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска и сопоставления формулировок, поиска парафразов, кластеризации и классификации текстов, в частности биологических описаний и терминов. Обучение проводилось на датасете NothingMuch/GO-Terms; карточка приводит результат TranslationEvaluator со средней точностью 0,7666. Модель рассчитана на английский язык и выпущена под лицензией Apache-2.0. Векторы оптимизированы для семантического сравнения текстов, а не для генерации ответов. Контекст ограничен 512 токенами; карточка не сообщает об оценках на широком наборе задач или о поддержке других языков.

Intern-S1-mini — Direct TDC DILI — это дообученная модель jiosephlee для оценки молекул в контексте анализа DILI, то есть потенциального лекарственного поражения печени. Репозиторий содержит полный чекпойнт, выбранный по метрике ранжирования на валидационной выборке. Модель основана на плотной архитектуре Qwen3 с причинным языковым моделированием и содержит 7,6 млрд параметров. Она принимает текстовый ввод и генерирует текст; максимальный контекст — 65 536 токенов. В метаданных указаны Transformers и формат весов safetensors. Чекпойнт предназначен для переноса и ранжирования молекул по задаче DILI; в README приведён результат 0,8042 по метрике knn_binary_macro_f1_at_5 на валидации. Это значение не гарантирует аналогичного качества на других данных. Сведения о лицензии в предоставленных источниках отсутствуют.

Карточка модели gbrixi/minerva-mlm-8k на Hugging Face совпадает с карточкой gbrixi/minerva-mlm, поэтому описание составлено по ней. Minerva-MLM — плотная геномная языковая модель семейства Minerva от gbrixi для анализа последовательностей ДНК и поиска коэволюционных сигналов. Модель содержит голову masked language modeling и дополнительные головы для предсказания спаривания оснований, контактов белка и повторов. Она рассчитана на контекст до 4 096 токенов и доступна в формате safetensors для библиотеки Transformers; лицензия — Apache-2.0. Модель подходит для заполнения замаскированных токенов в геномных последовательностях, анализа сигналов взаимодействия и построения карт контактов и повторов. README указывает поддержку взаимодействий между ДНК, РНК и белком, а также функции вычисления отпечатков взаимодействий. Для неизвестной ориентации участка следует запускать анализ обеих цепей: обучение преимущественно проводилось на положительной цепи ДНК, и качество на ней лучше. Для полноценной работы с обеими ориентациями можно объединять карты прямой и обратной комплементарной последовательностей.

NTv3_8M_pre — предварительно обученная модель семейства NTv3 от InstaDeep для работы с геномными последовательностями. Она использует архитектуру в стиле U-Net: свёрточный блок, стек Transformer, деконволюционный блок и языковую голову для предсказания замаскированных символов. Токенизация посимвольная, алфавит включает A, T, C, G и N; размерность скрытого представления составляет 256, размерность эмбеддингов — 16. Входная длина последовательности должна быть кратна 128. Модель предназначена для восстановления замаскированных участков ДНК и получения представлений последовательностей, которые можно использовать в геномном анализе и дообучать для предсказания функциональных свойств или проектирования последовательностей. Семейство NTv3 рассчитано на моделирование длинных зависимостей вплоть до 1 млн оснований и предварительно обучено на 9 трлн пар оснований; эти характеристики относятся к семейству, а не обязательно к данному чекпойнту размером 8M. Для загрузки требуются Transformers версии 4.55.0 или новее и пользовательский код репозитория с trust_remote_code=True. Веса изначально обучались в JAX с bf16 для части вычислений и перенесены в PyTorch; по умолчанию используется fp32. Инференс в bf16 может быть быстрее на совместимом оборудовании, но способен вносить небольшие численные расхождения и нестабильность. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

OpenMed-NER-ProteinDetect-ElectraMed-335M — модель OpenMed для распознавания и классификации биомедицинских сущностей в тексте. Это дообученный трансформер с архитектурой семейства BERT, примерно 433,9 млн параметров и контекстом до 512 токенов. Модель принимает токенизированный текст и выдаёт BIO-метки для сущностей, включая белки, белковые комплексы, семейства и варианты белков. Модель предназначена для извлечения сущностей из научной литературы, биомедицинских текстов и клинических документов, в частности для анализа белковых взаимодействий и поиска молекулярных сущностей. В README сообщается о тестировании на корпусе FSU и приводятся метрики F1 0,91, точность 0,90 и полнота 0,92; эти показатели относятся к указанному набору данных и не гарантируют такого же качества на других текстах. Заявленные в README сценарии включают анализ клинических записей и поддержку исследований, однако описанные типы меток сосредоточены на белках и связанных сущностях. Модель поддерживает английский язык. Распространяется под лицензией Apache-2.0.

ParticleViT-XL — крупная модель семейства ParticleViT, разработанная авторами работы «Predict before you train: scaling laws for particle physics foundation models». Это трансформер для наборов частиц внутри струй, зарегистрированный на Hugging Face для извлечения признаков. Модель принимает до 150 частиц на струю с девятью признаками каждой частицы и использует один добавленный class token для чтения представления. В архитектуре 14 слоёв, ширина 1536, 24 головы внимания и 396,8 млн параметров; позиционные кодировки и специализированные физические индуктивные смещения не используются. Модель предварительно обучена классифицировать 210 классов на объединённом наборе OmniLearned, включающем около 1,06 млрд струй из симуляций и реальных данных. Её предполагаемый сценарий применения — извлечение представлений и дообучение для классификации и тегирования струй в задачах физики частиц. Для инференса требуется предусмотренная репозиторием нормализация входных признаков. Веса доступны в формате safetensors, лицензия — MIT. Модель предназначена для научных данных о столкновениях частиц; качество на задачах, отличающихся от обучающих данных, в README не охарактеризовано.

PeptideESM2_650M — модель семейства ESM, опубликованная группой ShuklaGroupIllinois. Она предназначена для предсказания субстратов ферментов биосинтеза RiPP с помощью masked language modeling и transfer learning. Модель принимает последовательности белков и предсказывает замаскированные аминокислоты; архитектура — плотная ESM-модель для задачи fill-mask, объём — 865,1 млн параметров, длина контекста — 1026 токенов. Работа описана в статье «Substrate Prediction for RiPP Biosynthetic Enzymes via Masked Language Modeling and Transfer Learning» (2024). Это специализированная модель для анализа белковых последовательностей в исследованиях биосинтеза RiPP. Репозиторий содержит веса в формате safetensors. Условия лицензии в предоставленных данных не приведены.

PlantHelixSeek — базовая языковая модель ДНК растений, разработанная Zhangtao Lab. Она предобучена методом masked language modeling на уровне отдельных нуклеотидов и предназначена для анализа последовательностей растений и дообучения под геномные задачи. Архитектура HelixSeek сочетает слои Transformer, линейное внимание HelixSeek-Delta и Multi-head Latent Attention, а также разреженный MoE-блок с восемью экспертами. В метаданных указаны 163,6 млн параметров, контекст до 8192 токенов и поддержка английского языка; README приводит другое число параметров — 470 млн. Модель принимает последовательности ДНК как текст и предсказывает замаскированные нуклеотиды; среди применений её производных указаны классификация последовательностей и токенов, предсказание структуры генов и регуляторных элементов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Для конкретных прикладных задач может потребоваться соответствующий дообученный чекпойнт.

SeongryongJung/Qwen3-4B-Materials-SDPO-TR — экспериментальный чекпойнт Qwen3-4B, обученный методом SDPO-TR на наборе Materials с размером обучающего батча 32. В репозитории размещён лучший по валидационной метрике mean@16 чекпойнт на шаге 30, а в checkpoints/last/ — финальный чекпойнт на шаге 100. Модель предназначена для генерации текста и экспериментальных задач обучения с подкреплением в области материаловедения. В README приведён результат валидации mean@16: 71,48% у выбранного лучшего чекпойнта и 58,11% у финального; описание не уточняет протокол метрики и содержание тестовых запросов. Архитектура — плотная причинно-языковая Qwen3ForCausalLM примерно на 3,7 млрд параметров, контекст — до 40 960 токенов. Метаданные указывают библиотеку Transformers и формат safetensors. Базовая модель — Qwen/Qwen3-4B. Модель принимает текст и выдаёт текст; языковая поддержка наследуется от Qwen3-4B, однако отдельный перечень языков для этого чекпойнта не приведён. Лицензия — Apache-2.0. Это экспериментальный обучающий запуск, а приведённые результаты относятся к валидации и сами по себе не гарантируют качество на новых задачах.

SegFormer с энкодером MiT-B2, разработанный авторами проекта Coralscapes и дообученный на датасете Coralscapes для семантической сегментации изображений коралловых рифов. Модель принимает изображения и присваивает пикселям классы, помогая анализировать подводные сцены и состав рифовых экосистем. Модель основана на предварительно обученном энкодере nvidia/mit-b2 и реализована для библиотеки Transformers. Обучение и оценка проводились с изображениями, случайно обрезанными до 1024×1024 пикселей; при оценке использовалась скользящая обработка окнами того же размера. В README приведены тестовая точность 80,904 и средний IoU 54,682. Модель ориентирована на изображения коралловых рифов и может хуже работать на сценах, отличающихся от обучающего датасета. Распространяется по лицензии Apache-2.0.

seqLens_4096_512_23M-at-xsmall — разработанная omicseye модель-кодировщик для геномных последовательностей ДНК на архитектуре DeBERTa-v2 с разделённым вниманием и относительным позиционным кодированием. Модель содержит около 29,9 млн параметров, принимает последовательности длиной до 512 токенов и загружается через Transformers в формате safetensors. Модель предназначена для заполнения замаскированных участков ДНК и как основа для анализа геномов, включая предсказания фенотипических признаков и аннотацию геномов. Она предварительно обучена на наборе omicseye/prok_heavy; семейство seqLens обучалось на корпусах референсных геномов прокариот и эукариот. Для применения к прикладным биологическим задачам могут потребоваться дополнительные классификационные головы или дообучение. Лицензия CC-BY-NC 4.0 ограничивает коммерческое использование; для коммерческого лицензирования README предлагает связаться с разработчиком.

trackfit-llm-large — специализированная модель deepaksamuel-cuk для восстановления прямолинейных треков частиц в одном представлении 12-слойного полосового детектора. Это плотный авторегрессионный трансформер в стиле Llama с архитектурой LlamaForCausalLM; README сообщает о 174,179,328 параметрах, тогда как метаданные указывают 164,1 млн. Модель обучена с нуля на синтетических событиях и проверена на реальных данных космических мюонов. Она принимает список идентификаторов сработавших полос и генерирует вызов gen_evt с наклоном и пересечением до трёх треков, а также списками шумовых и пропущенных попаданий. Вход кодирует слой и полосу одним целым числом от 0 до 383; x- и y-представления обрабатываются отдельно. Контекст модели — 256 токенов, язык — специализированная числовая запись событий. Модель предназначена для реконструкции треков, оценки эффективности детектора и подготовки параметров для последующего расчёта направления мюона. README приводит высокие показатели совпадения на синтетическом тесте и реальных космических мюонах; результаты относятся к описанным данным и геометрии детектора. Наклоны и пересечения выбираются из фиксированной сетки, крутые треки ограничены |наклон| ≤ 8,17, а одиночный мюон в некоторых случаях может быть ошибочно разделён на два трека. Для другой геометрии требуется переобучение; для точной оценки параметров README рекомендует дополнительную линейную подгонку. Модель распространяется под лицензией MIT.

keremberke/yolov8m-blood-cell-detection — модель компьютерного зрения на архитектуре YOLOv8m, опубликованная пользователем keremberke и предназначенная для обнаружения клеток крови на изображениях. Она выделяет объекты трёх классов: тромбоциты, эритроциты и лейкоциты. Модель распространяется в формате PyTorch и использует библиотеку Ultralytics. Модель подходит для автоматического поиска и локализации клеток крови на изображениях, например для предварительной разметки микроскопических снимков и поддержки исследовательского анализа. Карточка указывает датасет keremberke/blood-cell-object-detection. Лицензия в предоставленных сведениях не обозначена.

Bacformer Large Masked Complete Genomes — модель для бактериальной геномики, разработанная Floto Lab Кембриджского университета и Brbić Lab EPFL под руководством Maciej Wiatrak. Это плотный трансформер Bacformer с примерно 442,4 млн параметров: он обрабатывает упорядоченный по положению в геноме набор белков и строит контекстные представления, учитывающие остальные белки организма. Белковые последовательности сначала кодируются ESM-C 300M, а затем подаются в трансформер Bacformer; модель обучена предсказывать семейства замаскированных белков. Чекпойнт продолжает обучение macwiatrak/bacformer-large-masked-MAG на примерно 40 тысячах полных геномов из NCBI RefSeq после предварительного обучения на корпусе метагеномных сборок. Его можно использовать для получения представлений генома и адаптации к downstream-задачам бактериальной геномики. Контекст ограничен 6000 белками на геном. Модель рассчитана на белковые последовательности бактерий, а не на обычный текст. Лицензия — Apache 2.0. В README описана ошибка реализации, исправленная 15 мая 2025 года: скачанные или кэшированные до исправления веса следует загрузить заново для корректной оценки.

BacteriaTIS-DNABERT-K6-89M — модель классификации последовательностей ДНК, разработанная на основе DNABERT и дообученная для определения сайтов инициации трансляции (TIS) в бактериальных геномах. Она принимает окно длиной 60 пар оснований вокруг предполагаемого сайта: 30 пар оснований до него и 30 после; последовательность представляется токенами 6-меров. В README указано 89 млн обучаемых параметров, а метаданные сообщают об общем размере 116,4 млн параметров и контексте до 512 токенов. Модель предназначена для классификации кандидатов TIS в бактериальных ORF и анализа последовательностей вокруг старт-кодона. Она основана на архитектуре BERT и доступна в формате PyTorch через Transformers. Для использования требуется подготовить 60-парное окно и преобразовать его в 6-меры. Сведения о лицензии не приведены.

Bioformer-16L — компактная BERT-модель для анализа биомедицинских текстов, разработанная авторами Bioformer. Она предназначена для языкового моделирования с заполнением пропусков и может служить основой для последующего дообучения на задачах обработки биомедицинского текста. Модель содержит 16 трансформерных слоёв, 8 голов внимания и около 50,3 млн параметров; использует регистрозависимый WordPiece-словарь из 32 768 токенов, обученный на биомедицинских корпусах. Модель обучена с нуля на 33 млн аннотаций PubMed и 1 млн полнотекстовых статей PMC. Для предобучения применялись маскирование целых слов и задача предсказания следующего предложения. Авторы сообщают, что Bioformer-16L работает примерно вдвое быстрее BERT-base и сопоставима или превосходит BioBERT и PubMedBERT на ряде последующих NLP-задач. README указывает максимальную длину последовательности 512 токенов; метаданные каталога сообщают контекст 1024 токена. Форматы весов — PyTorch и Safetensors. Модель принимает текст и выдаёт текстовые токены для заполнения маски. Лицензия — Apache-2.0. Модель предназначена для биомедицинских текстов, поэтому её качество на общем тексте и вне биомедицинского домена может быть ниже; заявление о скорости и сравнительном качестве относится к экспериментам авторов.

Детектор объектов YOLOv8n, дообученный на наборе Brackish Underwater в рамках DetectionBench. Он предназначен для обнаружения морских животных на подводных изображениях и видео, включая крабов, рыб, медуз, креветок и морских звёзд. Модель использует архитектуру Ultralytics YOLOv8 и публикуется в формате PyTorch; лицензия — AGPL-3.0. На тестовом разделении Brackish Underwater модель показала mAP@50 98,41% и mAP@50–95 83,01%. Данные собраны одной камерой в одном месте в Дании, поэтому перенос на другие камеры, местности и типы воды не проверен. В обучающем наборе заметен сильный дисбаланс классов: креветки и медузы представлены редко, поэтому оценки для них основаны на сравнительно небольшом числе примеров.

Caduceus-PS fish20 adapted — модель семейства Caduceus, адаптированная к корпусу геномов рыб FishNALM из 20 видов посредством доменного предварительного обучения. Разработчики адаптации не названы. Модель содержит 14,7 млн параметров; базовая Caduceus-PS имеет около 7,7 млн параметров. Для токенизации используется отдельный нуклеотид. Модель предназначена для masked language modeling геномных последовательностей: предсказания скрытых нуклеотидов и анализа последовательностей рыб. Метаданные также указывают text-classification как поддерживаемую задачу. Карточка сообщает о пользовательском коде модели и токенизатора; для загрузки в Transformers требуется trust_remote_code=True. Доступен формат PyTorch, лицензия — Apache-2.0.

CENO-1B-1m — базовая модель семейства CENO для работы с геномными последовательностями ДНК, разработанная авторами семейства CENO. Это причинная языковая модель на гибридной архитектуре Nemotron-H с блоками Mamba, Attention и Mixture-of-Experts: в конфигурации указаны 38 слоёв, 8 экспертов и выбор 2 экспертов на токен. Контекст составляет 1 048 576 токенов; токенизатор побайтно кодирует символы ДНК. Метаданные указывают 638,1 млн параметров, тогда как README приводит 1 302,4 млн. Модель предназначена для генерации геномных последовательностей, извлечения эмбеддингов и адаптации к задачам геномики. Это базовая модель без входов MSA; описанный в README сценарий оценки влияния вариантов относится к отдельным MSA-чекпойнтам. Для прямого запуска генерации нужны GPU и CUDA-ядра Mamba, хотя загрузка конфигурации, токенизатора и весов поддерживается на CPU. Репозиторий использует формат safetensors и лицензию Apache-2.0.

Модель EPFL-ECEO предназначена для плотной семантической сегментации изображений коралловых рифов. Она использует предварительно обученный энкодер DINOv3 ViT-L/16 и декодер DPT; LoRA-адаптеры объединены с энкодером. Модель дообучена на CoralscapesV2 для разметки по 39 классам: выход содержит 40 логитов, где класс 0 означает игнорируемую область, а классы 1–39 соответствуют меткам Coralscapes V1. Модель принимает изображения и выдаёт пиксельную карту классов. Обучение проводилось на 2433 размеченных видеокадрах с 55 участков Красного моря. В README приведены результаты оценки на тестовых разделах CoralscapesV2 и Coralscapes V1; например, при скользящем окне mIoU составляет 66,086% и 62,814% соответственно. Для загрузки поставляется собственный файл кода модели; это не стандартная модель Transformers AutoModel. Базовая модель — facebook/dinov3-vitl16-pretrain-lvd1689m. Лицензия — Apache-2.0.

DNABERT-2 — модель семейства BERT на архитектуре MosaicBERT, выпущенная командой MultiMolecule как неофициальная реализация работы Zhihan Zhou и соавторов. Она предварительно обучена на последовательностях геномов 135 видов из GenBank с помощью masked language modeling: модель восстанавливает замаскированные фрагменты ДНК. Для токенизации используется BPE со словарём из 4096 токенов; размер модели — 116,4 млн параметров, контекст — 512 токенов. Модель предназначена для предсказания нуклеотидных последовательностей и извлечения признаков, а также как основа для дообучения на задачах классификации и регрессии последовательностей или отдельных нуклеотидов. Она работает с текстовым представлением ДНК; при предобучении использовались последовательности из A, T, C и G. Это не готовая модель для конкретной downstream-задачи: для классификации или регрессии требуется дообучение. Лицензия — AGPL-3.0.

Evo2-1B-Base — неофициальный перенос базовой модели Evo 2 1B в Transformers, разработанной командой Evo 2 из Arc Institute и её партнёрами. Веса конвертированы из официального чекпойнта Vortex без дополнительного обучения; архитектура заново реализована на PyTorch. Модель предназначена для генерации и продолжения последовательностей ДНК на уровне отдельных нуклеотидов, используя побайтовый токенизатор с одним токеном на нуклеотид. Модель содержит около 1,5 млрд параметров по метаданным каталога и имеет контекст 8192 токена. Архитектура Evo2 сочетает свёртки Hyena с групповым attention и RoPE; указанная в README конфигурация включает 25 слоёв, из них 4 attention и 21 Hyena. В карточке приведён результат исходной статьи: среднее восстановление аминокислот 64,9 для панели завершения генов прокариот; для этого переноса отдельная оценка не проводилась. Перенос работает через Transformers и AutoModelForCausalLM, но менее эффективен, чем исходная реализация Vortex: отсутствуют FlashAttention, FP8 и объединённые ядра. Для корректной загрузки требуется trust_remote_code=True и Transformers версии 5 или новее для кэша декодирования. Лицензия — Apache-2.0.

FishCaduceus-28L-1024 — специализированная модель языка ДНК для геномов рыб из семейства FishCaduceus, разработанная на архитектуре Caduceus. Это плотная двунаправленная модель пространства состояний с 28 слоями и размерностью скрытого представления 768; она обучена предсказывать замаскированные нуклеотиды и обрабатывает последовательности посимвольно, на уровне отдельных нуклеотидов. Контекст предобучения составляет 1024 нуклеотида, число параметров — 231,2 млн. Модель предназначена для анализа геномных последовательностей рыб: предсказания нуклеотидов, получения представлений последовательностей, дообучения и переноса на задачи геномной аннотации, сравнительной геномики и изучения вариантов и регуляторных участков. Модель может служить источником признаков для последующих задач, однако сама по себе оценка последовательности не подтверждает её биологическую функцию или причинную роль. Качество может снижаться для других таксономических групп и меняться в зависимости от вида, участка генома, длины последовательности и постановки задачи; длинные последовательности следует делить на окна с учётом контекста предобучения. Репозиторий содержит пользовательский код Transformers и при загрузке требует trust_remote_code=True. Лицензия — Apache-2.0.

ft-ESM — дообученная модель белкового языка, разработанная Briney Lab на основе ESM-2 с 650 млн параметров. Модель дообучена на парных последовательностях антител из набора Jaffe et al. и использует архитектуру ESM для предсказания аминокислот в маскированных позициях. Она принимает последовательности антител в формате HEAVY_CHAINLIGHT_CHAIN и предназначена для анализа и заполнения маскированных участков таких последовательностей. Модель содержит 865,1 млн параметров, поддерживает контекст до 1026 токенов и доступна в формате safetensors для библиотеки Transformers. Лицензия — MIT. Специализация на парных последовательностях антител ограничивает её применение; качество для других белков и иных задач в предоставленных материалах не описано.

GB.RNA-1.6B-CDS — энкодерная модель RNABert на 1,6 млрд параметров, разработанная GenBio AI для анализа кодирующих последовательностей РНК. Это доменно-адаптированная версия GB.RNA-1.6B, предварительно обученная на 9 миллионах CDS; она предназначена как основа для специализированных биомолекулярных моделей. Модель принимает последовательности РНК и формирует контекстные представления, которые можно использовать для классификации последовательностей и отдельных токенов, регрессии и получения эмбеддингов. В метаданных для неё указана задача fill-mask, контекст составляет 1024 токена. Модель опубликована в форматах PyTorch и safetensors. Лицензия обозначена как other; условия использования следует проверять в репозитории модели. README не приводит результатов бенчмарков, поэтому качество на конкретных задачах по имеющимся данным оценить нельзя.

GENA-LM Fly — предобученная языковая модель семейства GENA-LM от AIRI Institute для работы с последовательностями ДНК дрозофил. Это плотная трансформерная архитектура BERT с 12 слоями, 12 головами внимания, размером скрытого слоя 768 и словарём из 32 тыс. токенов; число параметров — 137,8 млн. Модель обучена на геномных данных 298 видов дрозофил с задачей восстановления замаскированных токенов, используя маскирование 15% токенов и модифицированный Transformer с Pre-Layer Normalization. Модель подходит для предобученных представлений геномных последовательностей и последующей тонкой настройки, в частности для классификации. Её основная задача в каталоге Hugging Face — fill-mask. Максимальная длина последовательности составляет 512 токенов. Веса доступны в форматах PyTorch и safetensors. Сведения о лицензии в предоставленной карточке и метаданных отсутствуют.

gena-lm-bert-base-yeast — предварительно обученная модель семейства GENA-LM от AIRI Institute для работы с последовательностями ДНК дрожжей Saccharomyces cerevisiae. Она обучена на геномах 142 штаммов с задачей masked language modeling: модель восстанавливает замаскированные токены последовательности и может служить основой для дообучения на классификационных задачах. Архитектура — BERT с 12 слоями, 12 головами внимания, размером скрытого представления 768 и словарём из 32 тысяч токенов; число параметров — 137,8 млн. Максимальная длина последовательности составляет 512 токенов. Модель принимает последовательности ДНК в токенизированном виде и предсказывает пропущенные токены. Доступен формат PyTorch. Модель подходит для анализа геномных последовательностей дрожжей и адаптации к профильным задачам, например классификации. README отсылает к статье за результатами оценки, поэтому качество на конкретных прикладных задачах следует проверять отдельно. Лицензия в предоставленных данных не указана.

GENERanno-cds-annotator — геномная модель GenerTeam, дообученная на GENERanno-prokaryote-0.5b-base для аннотации метагеномных последовательностей, в частности для поиска и разметки кодирующих последовательностей (CDS). Это плотная модель с архитектурой Generanno, примерно 493,2 млн параметров и контекстом до 8192 токенов; в карточке Hugging Face для неё указана задача token-classification. Модель предназначена для аннотации геномов прокариот. Авторы сообщают о более высокой точности, чем у GLIMMER3, GeneMarkS2, Prodigal и GeneLM, а также о хорошей обобщающей способности на геномах архей. Для сквозной аннотации геномов авторы предоставляют Python-скрипты на GitHub. Модель работает с последовательностями ДНК и выдаёт разметку токенов, связанную с CDS. В README не приведены подробности о формате входа и метках, поэтому при интеграции следует свериться с кодом и примерами авторов. Лицензия репозитория — MIT.

HViLM-Patho — модель, разработанная авторами семейства HViLM для бинарной классификации патогенности вирусов по нуклеотидным последовательностям. Это модель на архитектуре BERT для классификации последовательностей, дообученная от duttaprat/HViLM-base; репозиторий содержит полный чекпойнт, который можно загружать отдельно от базовой модели. Размер — 116,4 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает вирусную последовательность и выдаёт метку NON_PATHOGENIC или PATHOGENIC. В тесте HVUE для конфигурации стандартных последовательностей длиной до 1000 нуклеотидов указаны accuracy 92,39%, F1 91,32 и MCC 83,10. Модель предназначена для исследовательского анализа вирусных последовательностей и вычислительной оценки патогенности. Результаты следует рассматривать как прогноз модели, а не как экспериментальное или клиническое подтверждение. Распространяется по лицензии Apache-2.0.

NVIDIA-Ising-Calibration-1.5-31B-NVFP4 — плотная мультимодальная vision-language модель, разработанная NVIDIA на базе google/gemma-4-31b. Она предназначена для анализа изображений графиков калибровочных экспериментов в квантовых вычислениях и генерации технического текста. Модель принимает текстовые запросы и одно или несколько RGB-изображений в форматах PNG, JPEG или JPG. Она выполняет техническое описание графиков, формулирует экспериментальные выводы и их значимость, оценивает качество аппроксимации, извлекает параметры и классифицирует успешность эксперимента. Архитектура объединяет обработку изображений с плотной языковой моделью Gemma 4 на 31 млрд параметров; поддерживаются входные данные размерности 1D и 2D, а выводом является текст на естественном языке. Контекстное окно и поддерживаемые языки в README не указаны. Модель ориентирована на исследователей в области квантовых вычислений, инженеров по калибровке и разработчиков автоматизированных или вспомогательных калибровочных систем. Её сильная сторона — специализированная интерпретация квантовых калибровочных графиков и структурированный набор аналитических сценариев. Результаты должны проверяться профильными специалистами перед использованием экспериментальных выводов. Для развёртывания указаны NVIDIA NIM с бэкендом vLLM, точность NVFP4, Linux и GPU-архитектуры NVIDIA Blackwell или Hopper. Использование регулируется лицензией OpenMDW 1.1; также упоминается Apache License 2.0. В README заявлена возможность коммерческого использования.