IV.6Научные исследования, математика и новые материалы

LabVLA-5B-Base — модель vision-language-action, разработанная для научных лабораторий. Она объединяет мультимодальную основу Qwen3-VL-4B-Instruct и экспертную модель действий DiT с flow matching. Обучение включает предварительное обучение на токенах действий FAST и последующее обучение flow matching для непрерывного управления. Модель предназначена для автономного выполнения научных протоколов с лабораторными приборами и прозрачными жидкостями. Она принимает визуальные и языковые данные и формирует управляющие действия; для развертывания в README указан протокол OpenPI msgpack WebSocket. В метаданных Hugging Face задача указана как robotics, а файлы представлены в формате safetensors. Модель выпущена под лицензией MIT. README не приводит сведения о точном составе входных данных, длине контекста или ограничениях применения; описанное назначение ограничено лабораторной средой.

METAGENE-1 — авторегрессионная плотная трансформерная модель семейства Llama с 6,5 млрд параметров, разработанная для анализа метагеномных данных. Её обучили на более чем 1,5 трлн пар оснований ДНК и РНК из образцов сточных вод человека; для последовательностей применяется токенизация BPE. Модель предназначена для бионадзора, мониторинга пандемий и обнаружения патогенов. Модель принимает последовательности ДНК и РНК и может использоваться для извлечения признаков и представлений, а также для генерации последовательностей. В README заявлены результаты на задачах обнаружения патогенов, zero-shot-бенчмарке Gene-MTEB и классификации геномов GUE. Контекст ограничен 512 токенами; модель особенно ориентирована на короткие метагеномные чтения длиной 100–300 пар оснований. Лицензия — Apache 2.0.

MIST-1.8B-l1wfo7oa-sider — модель семейства MIST, разработанная группой Electrochemical Energy Group Мичиганского университета. Это дообученный на наборе SIDER энкодер MIST-1.8B для предсказания побочных эффектов лекарств по строкам SMILES. Модель выдает оценки для 27 типов нежелательных реакций; задача сформулирована как многометочная бинарная классификация. Архитектура включает энкодер RoBERTa-PreLayerNorm с 24 слоями, размером скрытого состояния 1536, 24 головами внимания и максимальной длиной последовательности 2048 токенов, а также двухслойную MLP-голову. Для представления молекулы используются скрытые состояния энкодера с первым токеном в качестве итогового вектора. Веса доступны в формате Safetensors; лицензия в метаданных — Apache 2.0. Модель предназначена для исследовательского прогнозирования побочных эффектов по молекулярной структуре. README указывает, что веса предоставляются без гарантий и предназначены для исследований; коммерческое использование требует отдельного соглашения, а распространение ограничено. Результаты предсказаний не следует считать подтвержденными клиническими выводами.

NorseDrunkenSailor/Qwen_smol_GH114 — специализированная белковая языковая модель разработчика NorseDrunkenSailor на архитектуре Qwen2. Это авторегрессионная генеративная модель на 30,7 млн параметров, предобученная на датасете westlake-repl/AF2_UniRef50 с алфавитом SaPROT 3Di, учитывающим структурные признаки белков, а затем дообученная на структурных гомологах доменов, связанных с семейством ферментов GH114. Длина контекста — 32 768 токенов. Модель предназначена прежде всего как базовая точка для задач обучения с подкреплением и выравнивания моделей, ориентированных на ферменты GH114, а также для генерации и оценки вероятности 3Di-последовательностей белков. Она создана для воркшопа EnzymeML на AMLD Intelligence Summit 2026. Использовать можно через библиотеку Transformers; веса опубликованы в формате Safetensors. Модель специализируется на структурных и последовательностных свойствах GH114 и близких белков, поэтому её область применения уже, чем у универсальных языковых моделей. Веса распространяются по лицензии Apache-2.0.

RUAC for SAM 2.1 Hiera Base Plus — контрольная точка модели для сегментации изображений, разработанная для метода Segment Anything with Robust Uncertainty-Accuracy Correlation. Она дообучает SAM 2.1 Hiera Base Plus на обучающей части MOSE и добавляет байесовский декодер масок Weibull и ветвь обучения для оценки неопределённости. Модель принимает изображение и визуальные подсказки, например точку, и выдаёт маску сегментации вместе с картой неопределённости на уровне пикселей. Модель рассчитана на сегментацию объектов с подсказками и оценку уверенности предсказаний, в том числе при переносе на данные из других доменов. В опубликованной конфигурации неопределённость оценивается по энтропии Бернулли на основе 20 выборок Монте-Карло. Авторы сообщают о нулевом переносе на 23 набора данных вне обучающего домена. Веса распространяются в формате safetensors; для загрузки используется собственный загрузчик RUAC, модель не зарегистрирована в Transformers AutoModel. Лицензия — Apache-2.0. RUAC сохраняет интерфейс SAM2 с сегментацией по подсказкам: она не классифицирует объекты по семантическим классам. Качество оценки неопределённости может меняться в зависимости от домена, выбранной подсказки и числа выборок Монте-Карло. Перед применением в критически важных сценариях модель следует оценить на целевых данных.

SynCodonLM-V2-NoTokenType — языковая модель кодонов на архитектуре DeBERTa-v2, представленная как реплика варианта SynCodonLM, обученного без идентификаторов типов токенов. Модель разработана авторами проекта SynCodonLM; в карточке не названа конкретная организация-разработчик. Она предназначена для работы с кодирующими последовательностями ДНК и их представлениями: модель полностью не зависит от белка и не использует идентификаторы видов как типы токенов. Её можно применять для предсказания замаскированных кодонов и получения эмбеддингов кодирующих последовательностей. Модель содержит 113,3 млн параметров, принимает последовательности в контексте до 1024 токенов и распространяется в формате safetensors. Для обучения указан набор данных jheuschkel/clustered-cds-dataset. Лицензия Apache-2.0. Карточка не приводит результаты сравнительной оценки качества; описанное отсутствие зависимости от белка характеризует обучение, но не гарантирует качество для любых организмов и задач.

SYNTERACT — модель лаборатории Gleghorn Lab при Университете Делавэра для оценки возможного физического взаимодействия двух белков. Это дообученная версия ProtBERT: она принимает две аминокислотные последовательности, разделённые токеном [SEP], и относит пару к классу взаимодействующих или невзаимодействующих. Число параметров — 503,3 млн; архитектура относится к семейству BERT, длина контекста — до 40 000 токенов. Модель предназначена для поиска кандидатов во взаимодействия белков, в том числе при предварительном скрининге мишеней лекарств и разработке пептидных терапевтических средств. В обучении использованы данные BIOGRID, Negatome и синтетические отрицательные примеры. В README заявлена точность 92–96% на реальных невиденных примерах, однако модель может давать ложноположительные предсказания, а предполагаемое взаимодействие не обязательно имеет функциональное значение. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

UTRBERT-4mer — порт модели 4-mer варианта 3UTRBERT, разработанной Yang et al. и опубликованной на Hugging Face Taykhoom Dalal. Это модель BERT-base для биологических последовательностей, предварительно обученная методом masked language modeling на агрегированных последовательностях человеческих 3′-нетранслируемых областей мРНК. Она предсказывает замаскированные 4-меры и может использоваться для получения представлений РНК-последовательностей, в том числе как основы для дообучения на задачах классификации последовательностей. Модель содержит 12 слоёв, 12 голов внимания и размерность эмбеддингов 768; число параметров — 113,4 млн, контекст — до 512 токенов. Токенизатор преобразует T в U и разбивает последовательности на перекрывающиеся 4-меры; исходные последовательности при предобработке ограничивались 510 нуклеотидами. Порт использует библиотеку Transformers, веса в формате safetensors, а для загрузки требуется разрешить удалённый код. Лицензия — CC BY 4.0. Модель предназначена прежде всего для работы с последовательностями человеческих 3′-UTR; README сообщает о проверке совпадения представлений и логитов порта с исходными весами. Она обучена на данных одного биологического типа и не является готовой моделью для произвольных задач классификации: для задач уровня последовательности потребуется prediction head и дообучение.

Bacformer-masked-complete-genomes — модель для бактериальной геномики, разработанная исследователями из University of Cambridge (Floto Lab) и EPFL (Brbić Lab) под руководством Maciej Wiatrak. Это дообученная версия Bacformer-masked-MAG, продолжившая обучение на примерно 40 тысячах полных геномов из NCBI RefSeq после предварительного обучения на корпусе примерно из 1,3 миллиона бактериальных геномов. В метаданных указаны 33,2 млн параметров и контекст до 6000 белков; README сообщает о 27 млн параметров. Модель представляет геном как упорядоченную последовательность белков и использует трансформер для моделирования контекста генома. Входные белковые последовательности встраиваются с помощью ESM-2 t12 35M, после чего модель предсказывает семейства замаскированных белков. Она предназначена для анализа геномного контекста бактерий и получения представлений белков с учётом их окружения. Лицензия — Apache 2.0. Для применения требуется представить белки генома в хромосомном порядке; максимальная длина ограничена 6000 белками, что охватывает более 98% геномов обучающего корпуса.

BALM-unpaired — языковая модель антител, разработанная группой Briney Lab. Она использует архитектуру RoBERTa и предварительно обучена на непарных последовательностях антител из набора Jaffe et al.; модель имеет около 402,7 млн параметров и контекст длиной 256 токенов. Модель предназначена для работы с отдельными последовательностями тяжёлой или лёгкой цепи антител. Тег fill-mask указывает на сценарий восстановления замаскированных токенов, который можно применять для анализа и изучения последовательностей антител. Модель доступна в формате safetensors и загружается через Transformers. Лицензия — MIT. Карточка не описывает клиническую валидацию или гарантии пригодности предсказаний для медицинских решений.

CENO-300M-base — базовая предобученная модель семейства CENO для работы с геномными последовательностями ДНК. Разработчик в карточке не назван; README связывает модель с семейством CENO и упоминает отдельный репозиторий кода проекта. Это причинная языковая модель с гибридной архитектурой Nemotron-H, объединяющей Mamba, attention и Mixture-of-Experts. В README указано 307,5 млн параметров, тогда как метаданные Hugging Face сообщают 151,5 млн; размер поэтому расходится между источниками. Модель имеет 9 скрытых слоёв, размер скрытого состояния 1024 и посимвольный токенизатор для оснований ДНК. По метаданным нативный контекст составляет 1 048 576 токенов. Модель предназначена для генерации геномных последовательностей, извлечения эмбеддингов и последующей адаптации к задачам геномики. Это базовый чекпойнт, а не вариант CENO-P для предсказания эффектов вариантов. Для загрузки README указывает Transformers и необходимость trust_remote_code=True. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Вход модели — текстовое представление последовательности ДНК, выход — текстовая последовательность; для эмбеддингов требуется соответствующий downstream-код.

vojtam/DNAGPT2_1024 — авторегрессионная языковая модель для геномных последовательностей ДНК, разработанная на архитектуре GPT-2 Small и обученная авторами с нуля на последовательностях разных видов. Модель содержит около 86 млн параметров, 12 слоёв и контекстное окно 1 024 токена. Она принимает последовательности из символов A, C, G и T и предсказывает вероятности следующего токена. Модель предназначена для моделирования последовательностей ДНК и сжатия геномных данных совместно с арифметическим кодированием. Обучение проводилось на наборе из 135 геномов, предоставленном авторами DNABERT-2; неоднозначный символ N исключался. В README приведены результаты оценки сжатия для варианта DNAGPT2_32, поэтому они не подтверждают такие же показатели для варианта с размером словаря 1024. Модель распространяется по лицензии Apache-2.0.

Baiming123/DuplexFM_RNA-FM — снимок чекпойнта RNA-FM, использованного в исследовании DuplexFM. Репозиторий содержит версию весов, применявшуюся в опубликованных экспериментах; она немного отличается от версии в публичном репозитории RNA-FM и предназначена для воспроизводимости результатов и совместимости с выпущенными для DuplexFM адаптерами LoRA. Модель разработана для работы с последовательностями РНК и задач предобучения с восстановлением замаскированных токенов; для запуска используется библиотека multimolecule. Модель имеет плотную архитектуру RNA-FM и 137,6 млн параметров. Нативная длина контекста — 1026 токенов, веса опубликованы в формате safetensors. Лицензия AGPL-3.0. Это специализированный исследовательский чекпойнт; практическое применение зависит от совместимого кода и адаптеров, а его версия отличается от текущей публичной версии RNA-FM.

GENA-LM — крупная модель семейства BERT, разработанная AIRI Institute для анализа последовательностей ДНК человека. Это masked language model: при предобучении модель училась восстанавливать замаскированные токены в геномной последовательности. Модель предназначена для извлечения представлений последовательностей и последующего дообучения на геномные задачи, например предсказание промоторов и сайтов сплайсинга. Модель содержит 435,4 млн параметров, имеет 24 слоя, 16 голов внимания, размер скрытого представления 1024 и словарь из 32 тысяч токенов. BPE-токенизация позволяет обрабатывать около 4500 нуклеотидов в пределах 512 токенов. Для предобучения использована сборка генома человека T2T, а данные расширялись вариантами из набора gnomAD. Веса доступны в форматах PyTorch и safetensors; для загрузки README указывает Transformers. Основное применение — предобученная основа для задач моделирования геномных последовательностей и их дообучения, а не готовая модель для клинической диагностики. Конкретные результаты зависят от последующего дообучения и целевого набора данных. Лицензия в предоставленных источниках не указана.

GENERator-v2-eukaryote-1.2b-base — базовая генеративная модель для геномных последовательностей эукариот, опубликованная GenerTeam. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров, предназначенная для генерации последовательностей ДНК; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Контекст модели составляет 16 384 токена, а токенизатор разбивает последовательность на 6-меры. Модель может служить основой для генерации и анализа эукариотических геномных последовательностей. Для осмысленной генерации длина входной последовательности должна быть кратна шести: иначе токенизатор добавляет токен вне словаря, что может привести к повторению «AAAAAA». Модель распространяется по лицензии MIT.

GlobalWheat/GWFSS_Segformer_b0 — модель семантической сегментации изображений на архитектуре SegFormer, разработанная для задач сегментации органов пшеницы в рамках набора данных Global Wheat Full Semantic Organ Segmentation (GWFSS). Она предназначена для выделения и классификации областей растений на изображениях, например при анализе посевов и фенотипировании культур. Модель построена на базе nvidia/segformer-b1-finetuned-ade-512-512 и дообучена для набора данных GWFSS_v1.0. Она использует библиотеку Transformers и распространяется в формате safetensors. В README отмечено, что эта версия на Hugging Face может немного отличаться от версии модели из научной статьи, реализованной на mmsegmentation; веса для mmsegmentation также доступны в репозитории. Лицензия — CC BY 4.0.

NTv3_650M_pre — предварительно обученная masked language model из семейства геномных моделей NTv3, разработанного InstaDeep. Модель использует архитектуру в стиле U-Net: сверточный блок, стек Transformer, деконволюционный блок и языковую голову. Она принимает нуклеотидные последовательности, токенизированные на уровне символов из алфавита A, T, C, G и N, и предсказывает замаскированные позиции. Размер скрытого представления — 1536; длина входной последовательности должна быть кратна 128. Модель предназначена для обучения представлений геномных последовательностей и последующей адаптации к предсказанию геномных функций, аннотации и генерации последовательностей. Семейство NTv3 обучалось на 9 триллионах пар оснований и рассчитано на моделирование дальних зависимостей до 1 Мб; в этой карточке опубликована предварительно обученная MLM-версия. Репозиторий содержит веса для Transformers, требует transformers версии 4.55.0 или выше и пользовательского кода модели. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием.

OmniNA-220m — генеративная языковая модель для анализа нуклеотидных последовательностей, разработанная командой XLS. Она относится к семейству OmniNA и предназначена для обучения представлений геномных последовательностей и последующей адаптации к задачам вычислительной геномики. Модель использует авторегрессионную Transformer-архитектуру LLaMA с BPE-токенизацией и обучалась на 91,7 млн нуклеотидных последовательностей различных видов. Для семейства OmniNA заявлена настройка на 23 геномные задачи; модель можно дообучать для конкретных задач анализа последовательностей. В метаданных Hugging Face указаны 301,2 млн параметров, контекст до 2048 токенов и задача text-generation. Сильная сторона модели — применение единого генеративного подхода к межвидовым геномным данным и возможность адаптации под разные задачи вычислительной биологии. Модель не предназначена для обычной генерации текстов на естественных языках; для прикладных геномных сценариев обычно требуется специализированное дообучение или дополнительная модельная оболочка. Распространяется по лицензии Apache-2.0.

OpenMed разработала эту специализированную модель для распознавания биомедицинских сущностей в текстах. Это дообученная ModernBERT-base с 149 млн параметров для token classification; она обрабатывает токенизированный текст и выдаёт BIO-разметку. Контекст модели — до 8192 токенов. Модель обучена на корпусе FSU и распознаёт белки, белковые комплексы, семейства и группы белков, варианты белков и другие связанные сущности. Она подходит для извлечения белковых сущностей из научных публикаций и биомедицинских документов, а также для последующего анализа взаимодействий и построения графов знаний. В README указаны F1 0,87, точность 0,86 и полнота 0,88 на FSU; результаты зависят от данных и сценария применения. Модель ориентирована на английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README описывает её как пригодную для исследовательских и практических сценариев, однако специализированное обучение на FSU ограничивает надёжность на иных типах текстов и сущностей.

Orthrus MLM 6-track — RNA-модель-энкодер, разработанная авторами семейства Orthrus. Это плотная модель на основе Mamba примерно с 10 млн параметров, предварительно обученная на контрастивной задаче и masked language modeling. Версия MLM добавляет к стандартному backbone Orthrus голову предсказания токенов для каждой позиции последовательности. Модель предназначена для получения векторных представлений РНК и оценки нуклеотидов в отдельных позициях. Методы representation() и representation_unpooled() выдают агрегированные и попозиционные эмбеддинги; predict_tokens() возвращает логарифмические правдоподобия нуклеотидов и может применяться для оценки вариантов. Для входа в формате 6-track требуются дополнительные CDS- и splice-каналы наряду с нуклеотидными данными. Модель распространяется в формате safetensors и использует библиотеку Transformers с пользовательским кодом; README указывает, что для Mamba-backbone требуется CUDA. Лицензия — MIT. README связывает другие модели семейства Orthrus с публикацией в Nature Methods, но не сообщает об отдельной публикации или оценках качества этой MLM-версии.

p-IgGen — авторегрессионная языковая модель белков для генерации парных библиотек антител. Модель разработана при финансировании EPSRC и AstraZeneca; она предварительно обучена на непарных последовательностях тяжёлых и лёгких цепей из Observed Antibody Space, а затем дообучена на парных последовательностях. Архитектура — GPT-NeoX, размер — 28,3 млн параметров, контекст — 400 токенов; модель использует библиотеку Transformers и распространяется в формате safetensors. Модель предназначена для генерации пар последовательностей антительных цепей и исследовательских сценариев, связанных с разработкой антител и поиском лекарств. Лицензия — BSD-3-Clause. Карточка не приводит оценки качества или подробных ограничений применения; результаты генерации следует проверять перед использованием в дальнейших исследованиях.

ollieturnbull/p-IgGen-developable — авторегрессионная белковая языковая модель для генерации парных последовательностей антител. Модель создана в рамках работы Oliver M. Turnbull и коллег из University of Oxford при участии AstraZeneca; репозиторий опубликован пользователем Ollie Turnbull на Hugging Face. Она предназначена для вычислительного поиска и проектирования антител, включая генерацию комплементарной тяжёлой или лёгкой цепи и создание библиотек последовательностей с пониженным риском проблем developability. Модель основана на decoder-only архитектуре GPT-NeoX с 4 слоями, размером скрытого состояния 768, 8 attention heads, словарём из 26 токенов, максимальной длиной позиции 400 и вычислениями в float32. Это одномодальная модель для аминокислотных последовательностей; заявленная область применения — парные VH/VL-цепи антител. Она предварительно обучалась на непарных последовательностях из Observed Antibody Space, затем дообучалась на парных последовательностях и на наборе антител с благоприятными структурно-биофизическими характеристиками. Сильная сторона модели — генерация разнообразных антителоподобных парных последовательностей с направленностью на улучшенную developability, включая свойства, связанные с агрегацией, полиспецифичностью, экспрессией и растворимостью. Ограничения состоят в том, что модель работает с последовательностями, а не непосредственно со структурами или экспериментальными свойствами; благоприятный прогноз не гарантирует лабораторную пригодность, связывание с мишенью или безопасность. В карточке конкретной версии разработчик, язык, оценочные результаты и лицензия явно не указаны. Связанный проект p-IgGen распространяется по BSD-3-Clause, но применять эту лицензию к данной версии без подтверждения карточки нельзя.

plant-dnabert-6mer — модель семейства BERT, разработанная zhangtaolab для работы с последовательностями ДНК растений. Она предварительно обучена на референсных геномах растений; для токенизации используется BPE-токенизатор со словарём из 8000 токенов. Модель содержит 116,4 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для анализа геномных последовательностей, в частности для предсказания замаскированных фрагментов ДНК. В README описана серия моделей на разных архитектурах; эта модель использует архитектуру BERT с классом BertForMaskedLM. Указанный в README метод предобучения CausalLM расходится с архитектурой и задачей fill-mask в метаданных, поэтому основное назначение здесь определено по метаданным. Лицензия CC-BY-NC-SA-4.0 требует указания авторства, ограничивает коммерческое использование и распространяет условия лицензии на производные материалы. Модель специализирована на ДНК растений; её пригодность для других организмов или задач не подтверждена предоставленными данными.

ProkBERT-mini-c — модель семейства ProkBERT, разработанная Neural Bioinformatics Research Group для анализа последовательностей ДНК, в частности в задачах микробиомной биоинформатики. Это плотная модель на базе MegatronBert с архитектурой masked language model и символьной токенизацией 1-mer со сдвигом 1. В README указано 24,9 млн параметров и контекст до 1022 пар оснований; метаданные каталога указывают 31,9 млн параметров и 2048 токенов контекста. Модель предварительно обучена на геномных последовательностях с задачей восстановления замаскированных участков. Её можно применять для предсказания пропущенных нуклеотидов, получения признаков последовательностей и последующей классификации геномных фрагментов, включая анализ промоторов и фагов. Для длинных последовательностей нужны сегментация и токенизация; предел контекста не позволяет подавать целый бактериальный геном как один фрагмент. Модель распространяется по лицензии CC BY-NC 4.0, которая допускает использование с указанием авторства, но запрещает коммерческое применение. README предупреждает, что проверка охватывает лишь отдельные геномные контексты, поэтому результаты для других сценариев требуют самостоятельной оценки.

Red Pill V1.1 — языковая модель для фармацевтических исследований и разработки, созданная автором репозитория и дообученная на наборе RED-PILL из 1 047 многоходовых инструкций. В метаданных указаны 837,6 млн параметров, архитектура семейства Llama с классом LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. README называет базой MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking-heretic; веса LoRA слиты с базовой моделью, поэтому адаптер отдельно не требуется. Модель предназначена для диалоговых сценариев в области поиска лекарств, анализа молекул и ADMET-профилей, подбора стратегий виртуального скрининга, разработки лекарственных форм, выбора вспомогательных веществ, химического синтеза и регуляторных вопросов. Карточка также заявляет поддержку анализа научной литературы. Модель ориентирована на английский язык и фармацевтические R&D-запросы; лицензия MIT. В небольшой оценке на 32 экспертных вопросах лучший результат был в принятии решений (41,4%), а авторы отмечают ограничения в сложных многошаговых задачах и узкую область обучения.

RFamLlama-base — условная языковая модель семейства Llama, предназначенная для генерации последовательностей РНК по заданному семейству. По карточке модели, RFamLlama обучена на последовательностях более чем 4 000 семейств Rfam с управляющими тегами семейства; идентификатор Rfam можно использовать как часть входного запроса для условной генерации. В метаданных указаны архитектура LlamaForCausalLM, 31,5 млн параметров, контекст 2 048 токенов и библиотека Transformers. Модель предназначена для генерации РНК-последовательностей и исследовательских сценариев, включая zero-shot оценку приспособленности молекул РНК. Карточка сообщает, что семейные теги улучшают такую оценку, но не приводит количественных результатов или подробностей оценки качества. Доступны веса в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

RNA-MSM — языковая модель для РНК, разработанная Zhang et al.; порт на Hugging Face поддерживает Taykhoom Dalal. Модель обучена на выравниваниях гомологичных последовательностей РНК из конвейера RNAcmap и предсказывает замаскированные токены в таком выравнивании. Её можно применять для получения представлений последовательностей и последующей настройки на задачи анализа РНК. Архитектура — плотный трансформер с осевым вниманием: на каждом из 10 слоёв выполняются внимание по позициям последовательности и внимание между строками выравнивания. Размер эмбеддинга — 768, число голов внимания — 12. Вход — MSA равной длины, представленный тензором формы (batch, num_alignments, seqlen); для одной последовательности используется выравнивание из одной строки. Выходные скрытые состояния сохраняют структуру MSA и имеют четыре измерения. Модель предназначена для заполнения масок в выравниваниях РНК и извлечения признаков для задач вроде предсказания доступности растворителю или вторичной структуры. Она рассчитана на вход из нескольких гомологичных последовательностей, хотя поддерживает и одиночную последовательность. Реализация требует eager attention и несовместима с SDPA и Flash Attention 2. Веса доступны по лицензии MIT.

SegFormer MiT-B5 — модель семантической сегментации изображений, дообученная разработчиками проекта CoralscapesV2 на наборе данных CoralscapesV2. Она размечает сцены коралловых рифов по 95 классам; выход модели содержит 96 каналов, включая класс 0 для пустых или игнорируемых областей. Модель предназначена для анализа подводных изображений и видеокадров, в том числе для исследований экосистем коралловых рифов. Обучающая выборка включает плотную разметку кадров с 55 участков Красного моря. В карточке приведены результаты на тестовых разбиениях CoralscapesV2 и Coralscapes: при обработке двумя окнами 1024×1024 модель достигает mIoU 37,177% по 95 классам CoralscapesV2. Качество зависит от сценария инференса и домена изображений; оценка на других рифах и условиях съёмки не приводится. Модель основана на энкодере MiT-B5 `nvidia/mit-b5`, использует библиотеку Transformers и распространяется в формате Safetensors под лицензией Apache-2.0.

seqLens_4096_512_47M-at-small — геномная языковая модель, разработанная omicseye для работы с последовательностями ДНК. Это энкодер на архитектуре DeBERTa V2 с механизмом раздельного внимания и относительным позиционным кодированием; в карточке указаны 59,8 млн параметров и контекст до 512 токенов. Модель обучена на датасете omicseye/prok_heavy. Модель предназначена для задачи fill-mask: она предсказывает скрытые токены в последовательностях ДНК и может использоваться для анализа геномных последовательностей и поддержки геномной аннотации. Семейство seqLens также исследовалось для фенотипических предсказаний, однако для этой версии в метаданных заявлена только задача fill-mask. Доступна по лицензии CC-BY-NC 4.0; для коммерческого лицензирования README предлагает обращаться к разработчикам.

wukevin/tcr-bert — модель на базе архитектуры BERT для анализа последовательностей T-клеточных рецепторов. Разработчик описывает её как трансформерную модель, обученную предсказывать замаскированные аминокислоты и классифицировать последовательности по меткам антигенов из PIRD. Модель предназначена для исследовательского анализа связывания TCR с антигенами; в примерах приведены последовательности, связанные с антигенами цитомегаловируса и гриппа. Модель содержит около 70,8 млн параметров, принимает последовательности длиной до 64 токенов и доступна в формате PyTorch. Её применение ориентировано на биологические последовательности, а не на обычный текст. В предоставленной карточке не указаны лицензия и результаты оценки качества, поэтому условия использования и точность предсказаний по этим данным установить нельзя.