IV.6Научные исследования, математика и новые материалы

MolDeBERTa-base-123M-mtr — молекулярный энкодер, разработанный SaeedLab на архитектуре DeBERTaV2. Модель содержит 116,3 млн параметров и обучена на 123 млн молекулярных последовательностей SMILES из PubChem с целью предварительного обучения MTR, учитывающей химические свойства и сходство молекулярных подструктур. Для токенизации используется byte-level BPE; контекст ограничен 128 токенами. Модель предназначена для извлечения векторных представлений молекул и последующей тонкой настройки для прогнозирования свойств, классификации последовательностей, оценки сходства, визуализации и построения предиктивных моделей. В описанных тестах на бенчмарках MoleculeNet она показала лучшие результаты среди рассмотренных моделей в четырёх из девяти задач. Для использования весов действует лицензия CC-BY-NC-ND-4.0, запрещающая коммерческое использование и распространение производных версий.

ReactionT5v2-forward — модель семейства T5, разработанная авторами исходной модели и представленная в этом репозитории как зеркало Aurigene AI. Она предсказывает продукты химической реакции по реагентам и исходным веществам, заданным в виде SMILES, и предназначена для прямого прогнозирования реакций и планирования синтеза. Модель содержит 99,3 млн параметров, использует архитектуру T5 для преобразования последовательностей и доступна в формате safetensors на библиотеке Transformers. Обучение проводилось на Open Reaction Database (ORD); авторы сообщают о способности обобщать на незнакомую химию без дополнительной настройки. Карточка также указывает возможность дообучения на собственном наборе данных. В таблице результатов приведены сравнения с другими моделями на USPTO_MIT, но отдельный показатель именно этой версии ReactionT5v2-forward из представленного фрагмента однозначно установить нельзя. Лицензия — MIT. Модель предназначена для химического прогнозирования и не заменяет экспериментальную проверку предложенных продуктов.

RobustRDP-Pretrain-SFT — мультимодальная модель Jingcz для разбора схем химических реакций по изображениям. Она дообучена на базе Qwen/Qwen2.5-VL-3B-Instruct в два этапа: предварительное обучение на синтетических диаграммах реакций и supervised fine-tuning для стандартного разбора, разбора с пространственными подсказками и устойчивого разбора при изменённых текстовых префиксах. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и формат safetensors; заявленная длина контекста — 128 000 токенов. Модель предназначена для извлечения представления химической реакции из диаграммы, в том числе с учётом указанных областей изображения. Она принимает изображения и текстовые инструкции, выдаёт текстовый результат. Карточка не уточняет формат или схему структурированного результата. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

RxnID — контрольная точка модели для распознавания и разбора схем химических реакций. Она разработана для проекта Molecular Identifier Visual Prompt and Verifiable Reinforcement Learning for Chemical Reaction Diagram Parsing и предназначена для использования вместе с кодовой базой RxnID. Модель основана на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и принимает изображения вместе с текстовыми инструкциями, выдавая текстовый результат. Контекст составляет до 128 000 токенов. Карточка указывает задачу image-text-to-text и поддержку английского языка. Лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии с ограничением на коммерческое применение.

SlowGuess разработала ABForge-Qwen3-8B-Task2-SFT — языковую модель для подготовки планов абляционных экспериментов на основе научных статей. Модель дообучена методом supervised fine-tuning на базе Qwen/Qwen3-8B; архитектура — плотная авторегрессионная Qwen3 с 7,6 млрд параметров, формат весов — Safetensors. Она предназначена для генерации подробного плана с целью эксперимента, схемой проведения, вариантами абляции, фиксированными протоколами и метриками. Модель подходит для исследователей, которым нужно превратить контекст статьи и заданную цель в контролируемый план абляционного исследования. Карточка указывает обучение на наборе из 37 019 примеров, созданных на основе научных статей с лицензиями Creative Commons, и оценку на отложенной выборке AblationBench. Поддерживаются диалоговый режим и контекст до 40 960 токенов; язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Её назначение специализировано на генерации планов абляционных экспериментов; качество и корректность предложенного дизайна следует оценивать с учётом исходной статьи и исследовательской задачи.

ASTRA Initial LUMO Predictor — регрессионная BERT-модель из проекта ASTRA (Advanced Solvation Transformer for Rational Additives). Она дообучена на базе `wkdghdus23/astra-bert-mlm` и предназначена для предсказания уровней Lowest Unoccupied Molecular Orbital (LUMO) молекул добавок с учётом их структуры сольватации по строкам SMILES. Это начальная версия предиктора, обученная на базовом наборе данных до запуска цикла активного обучения ASTRA. Модель имеет архитектуру BERT и около 113,3 млн параметров; максимальный контекст — 512 токенов. Репозиторий содержит веса в формате Safetensors, лицензия — MIT. Модель подходит для оценки молекулярных свойств в задачах химической информатики и материаловедения. Она предсказывает конкретное свойство LUMO и обучена на исходном наборе данных ASTRA; README не приводит метрики качества или подробности о диапазоне применимости.

CrystaLLM-pi_base — авторегрессионная модель GPT-2, разработанная Bone и коллегами из University College London как базовая предварительно обученная модель для фреймворка CrystaLLM-pi. Она обучена на корпусе файлов CIF из набора LeMaterial и генерирует структуры неорганических кристаллов, используя закономерности синтаксиса CIF, симметрии и химического состава. Модель принимает текстовые подсказки, например формулу или пространственную группу, а также может создавать структуры без условий. Она не поддерживает управление генерацией по свойствам, таким как ширина запрещённой зоны или плотность. Модель использует архитектуру GPT-2 и имеет контекстное окно 1024 токена, что ограничивает практическую генерацию ячейками примерно до 20 атомов. Её можно применять для исследования химического пространства и дополнения описания структуры по частичной подсказке, а также дообучать для условной генерации по свойствам. Выходом служат последовательности CIF; модель может создавать синтаксически корректные, но физически недопустимые или химически нестабильные структуры. Результаты отражают смещения обучающего набора и лучше соответствуют известным стабильным неорганическим соединениям. Лицензия — MIT.

GeomLlama-zmatrix — дообученная командой THGLab модель на основе Meta Llama-3.1-8B-Instruct для генерации трёхмерных геометрий молекулярных конформеров по строке SMILES. Она выдаёт атомы и их внутренние координаты в формате матрицы Фенске—Холла (Z-матрицы): длины связей, углы и двугранные углы относительно ранее размещённых атомов. Полученные координаты можно преобразовать в декартовы с помощью стандартного алгоритма для Z-матриц. Модель обучена на объединённых наборах GEOM-QM9 и GEOM-Drugs, охватывающих малые молекулы и более крупные молекулы лекарственного типа. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, контекстом до 131 072 токенов и форматом весов safetensors. Для общего инструкционного взаимодействия использовались данные Alpaca; модель также поддерживает диалоговый интерфейс. Модель предназначена для построения геометрий конформеров по SMILES в исследовательских и вычислительно-химических сценариях. README отмечает, что атомы выдаются в произвольном порядке, без меток атомов и блока связности, поэтому результат нужно корректно разбирать и преобразовывать перед дальнейшим использованием. Лицензия — Llama 3.1; применяются её условия использования.

Nougat-LaTeX-based — модель для преобразования изображений математических формул в код LaTeX. Она разработана как дообученная версия facebook/nougat-base на датасете im2latex-100k. Модель использует архитектуру vision encoder-decoder; для формул изменены разрешение входного изображения и адаптивное дополнение полями, чтобы уменьшить артефакты масштабирования. Модель предназначена для распознавания формул на изображениях, в том числе фрагментов из статей и других документов. В описанной оценке на парах изображений формул и LaTeX, собранных из Wikipedia, arXiv и im2latex-100k, она показала token accuracy 0,624 и нормированное расстояние редактирования 0,062; сравнение проводилось с pix2tex. Для запуска README указывает Transformers версии 4.34.0 или новее. Репозиторий распространяется по лицензии Apache-2.0.

Pix2Text-MFR-1.5 — разработанная проектом Pix2Text (Breezedeus) модель распознавания математических формул. Она использует архитектуру TrOCR от Microsoft, переобученную на изображениях формул, и преобразует формулы на изображениях в текст LaTeX. Модель подходит для оцифровки формул, включая выражения разной длины и сложности, отдельные символы и матрицы. Модель рассчитана на изображения, содержащие формулы. Для работы со смешанными изображениями, где есть и обычный текст, README рекомендует использовать Pix2Text вместе с моделью обнаружения формул MFD. Репозиторий содержит ONNX-файлы; библиотека, указанная в метаданных Hugging Face, — Transformers. Лицензия — MIT.

Карточка модели idkaboutname/pix2text-mfr-1.5 на Hugging Face совпадает с карточкой breezedeus/pix2text-mfr-1.5, поэтому описание составлено по ней. Pix2Text-MFR-1.5 — разработанная проектом Pix2Text (Breezedeus) модель распознавания математических формул. Она использует архитектуру TrOCR от Microsoft, переобученную на изображениях формул, и преобразует формулы на изображениях в текст LaTeX. Модель подходит для оцифровки формул, включая выражения разной длины и сложности, отдельные символы и матрицы. Модель рассчитана на изображения, содержащие формулы. Для работы со смешанными изображениями, где есть и обычный текст, README рекомендует использовать Pix2Text вместе с моделью обнаружения формул MFD. Репозиторий содержит ONNX-файлы; библиотека, указанная в метаданных Hugging Face, — Transformers. Лицензия — MIT.

Qwen3.5-9B-MatRL-MT-RL — дообученная на базе amayuelas/Qwen3.5-9B-MatRL-MT-SFT модель от автора репозитория для обратного проектирования кристаллических структур. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; веса сохранены в bf16. Модель ведёт многошаговый цикл работы с инструментами: предлагает структуры-кандидаты, оценивает их с помощью межатомного потенциала машинного обучения, уточняет и отправляет результат. Обучение GRPO рассчитано на эпизоды до 10 ходов с оценками кандидатов; награда учитывает корректность, новизну, термодинамическую стабильность и целевые свойства. Модель предназначена для агентных сценариев в материаловедении, где требуется искать кристаллические структуры по заданным требованиям. Она поддерживает чат и интерфейс работы с инструментами; карточка указывает совместимость с мультимодальной архитектурой Qwen3.5, но описанный сценарий сосредоточен на проектировании структур. Лицензия — Apache-2.0. Качество на бенчмарке SUN ещё не оценивалось: приведён только рост обучающей награды, рассчитанной судьёй, на котором оптимизировали политику. Во время обучения часть эпизодов обрезалась из-за ограничения контекста, а некоторые запросы для оценки ширины запрещённой зоны завершались сбоем сервера. Результаты обучающей награды сами по себе не подтверждают обобщение на независимые оценки.

RetroReasoner-RoundTrip-8B — диалоговая языковая модель KU-AGI для прямого предсказания химических реакций: по исходным веществам, заданным в формате SMILES, она генерирует предполагаемый продукт реакции. Модель дообучена на базе Qwen/Qwen3-8B и содержит 7,6 млрд параметров; её архитектура — плотная Qwen3ForCausalLM. Она принимает текстовый запрос в шаблоне чата Qwen3 и выдаёт краткое текстовое завершение. Указана длина контекста 40 960 токенов, но модель обучали и оценивали с конкретным форматом запроса; другие форматы могут давать нестабильные результаты. Модель предназначена для предсказания продуктов химических реакций и оценки прямого синтеза в рамках round-trip-проверки проекта RetroReasoner. Это не модель ретросинтеза: она не предсказывает исходные вещества по целевому продукту. Язык карточки — английский; запросы предполагают химические структуры в SMILES. Модель распространяется по лицензии Apache-2.0.

ChemBERTa-77M-MTR — модель DeepChem на архитектуре RoBERTa, предназначенная для многозадачной регрессии по молекулярным представлениям. Её можно использовать для прогнозирования нескольких свойств молекул по их строковому представлению SMILES; в DeepChem ChemBERTa поддерживает регрессию, классификацию и многозадачную регрессию при дообучении, а этот вариант относится к регрессионной модели. Модель загружается как RobertaForRegression и принимает токенизированный текст, обычно SMILES, выдавая регрессионные прогнозы. Метаданные указывают контекст до 515 токенов и 3,6 млн параметров. Карточка Hugging Face подтверждает разработчика и родительскую модель RoBERTa, но не описывает точный набор предсказываемых свойств, обучающие данные или лицензию; поэтому переносимость прогнозов на разные химические задачи зависит от конкретного применения и проверки на целевых данных.

Карточка модели OpenDFM/ChemDFM-R-14B на Hugging Face совпадает с карточкой introvoyz041/ChemDFM-R-14B, поэтому описание составлено по ней. ChemDFM-R-14B — языковая модель для химических рассуждений, представленная разработчиками ChemDFM. Она предназначена для диалоговых задач по химии, включая анализ молекул и реакций через функциональные группы, а также ответы с объяснением хода рассуждений. Для обучения использованы набор атомизированных химических знаний ChemFG, дистилляция знаний и специализированное обучение с подкреплением. Модель построена на плотной архитектуре Qwen2, содержит 14 млрд параметров, принимает текст и имеет контекст до 131 072 токенов; в карточке указана поддержка английского и китайского языков. Репозиторий содержит веса Safetensors. Лицензия — AGPL-3.0. Модель ориентирована на химические задачи и может помогать в разборе функциональных групп и изменений при химических реакциях, а также в исследовательском диалоге. Авторы сообщают о высоких результатах на химических бенчмарках и интерпретируемых ответах с обоснованиями. Выводы могут быть ошибочными или вводить в заблуждение, поэтому их следует проверять с экспертами; при подаче SMILES авторы рекомендуют предварительную каноникализацию с RDKit.

ChemDFM-v1.0-13B — диалоговая языковая модель для химии и молекулярной науки, разработанная командой OpenDFM на основе LLaMA-13B. Это плотная модель семейства LLaMA с 12,9 млрд параметров, предназначенная для генерации ответов на вопросы и ведения диалога по химическим темам. Она обучалась на корпусах химической литературы и дообучалась для следования инструкциям. Модель подходит для объяснения химических понятий, обсуждения молекул и реакций, а также поддержки исследовательских сценариев, например анализа синтетических стратегий и предложений по проведению реакций. В запросах можно использовать обозначения SMILES; авторы рекомендуют предварительно канонизировать их с помощью RDKit. Модель поддерживает английский и китайский языки, а её контекст составляет 2048 токенов. В README заявлены сильные результаты на типичных химических задачах и способность корректировать и уточнять ответы в диалоге. Модель может выдавать неверную или вводящую в заблуждение информацию, поэтому ответы следует проверять с профильными специалистами. Распространяется по лицензии AGPL-3.0.

GALACTICA mini — авторегрессионная трансформерная модель с архитектурой декодера, разработанная командой Papers with Code в Meta AI для научных задач. Эта версия содержит 151,6 млн параметров и принимает текстовый контекст длиной до 2048 токенов. Модель обучена на крупном научном корпусе, включающем открытые статьи, учебники, научные сайты, энциклопедии и базы знаний. Модель предназначена для генерации научного текста и может применяться для ответов на научные вопросы, предсказания цитирований, математических рассуждений, суммаризации документов, извлечения сущностей и задач о свойствах молекул. Карточка описывает эксперименты и научные сценарии применения, а также разработку инструментов для работы с научной литературой. GALACTICA склонна к галлюцинациям, особенно для малоизвестных научных тем; сгенерированные факты и цитаты требуют проверки. В модели также отмечены смещения. В README указана лицензия CC BY-NC 4.0, разрешающая некоммерческое использование; метаданные Hugging Face отдельно указывают Apache-2.0, поэтому условия лицензирования следует сверять с конкретными файлами репозитория перед использованием.

GALACTICA 1.3B — базовая авторегрессионная языковая модель семейства OPT, разработанная командой Papers with Code в Meta AI для автоматизации работы с научной информацией. Вариант содержит около 1,7 млрд параметров по метаданным, использует архитектуру decoder-only Transformer и контекст длиной до 2048 токенов. Модель обучена на корпусе из 106 млрд токенов открытых научных текстов и данных: статей, учебников, научных сайтов, энциклопедий и баз знаний. Она предназначена для генерации научных текстов, ответов на научные вопросы, математических рассуждений, суммаризации, предсказания цитирований и извлечения сущностей; также заявлена поддержка задач с научными данными, например предсказания свойств молекул. Карточка отмечает результаты на научных и общих NLP-задачах, но предупреждает о галлюцинациях, смещении в пользу популярных публикаций и предвзятости. Для использования требуется учитывать эти ограничения и проверять ответы. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

GP-MoLFormer-Uniq — авторегрессионная языковая модель для генерации молекул, разработанная исследователями Ross и соавторами и опубликованная вместе с работой GP-MoLFormer: A Foundation Model For Molecular Generation. Модель использует декодерную архитектуру Transformer с линейным вниманием и rotary position embeddings, аналогичную MoLFormer-XL, и содержит 51,4 млн параметров. Она обучена на уникальных молекулах из ZINC и PubChem, представленных строками SMILES; при обучении удалялась стереохимическая информация, а строки длиннее 202 токенов исключались. Модель предназначена для безусловной генерации новых молекул, завершения и декорирования заданного молекулярного каркаса по частичной строке SMILES, а также может дообучаться для изменения распределения генерируемых молекул или оптимизации свойств. Лицензия — Apache-2.0. Модель не проверялась для классификации и молекул размером более примерно 200 атомов; некорректные или неканонические SMILES могут ухудшать результат.

adityarajsahu/LaTeX-OCR — компактная модель распознавания математических формул, разработанная автором репозитория на основе CLIP и Pythia. Она принимает изображение с отрисованной формулой и генерирует её исходный код LaTeX; модель дообучена на lukbl/LaTeX-OCR-dataset. Архитектура объединяет визуальный энкодер openai/clip-vit-base-patch32, языковой декодер EleutherAI/pythia-70m и небольшой MLP-проектор между представлениями CLIP и Pythia. В репозитории доступны веса safetensors и собственный класс LaTeXOCRModel. Модель предназначена для извлечения формул из изображений; лицензия — Apache-2.0. Карточка упоминает оценку на отложенной выборке по BLEU-4, точному совпадению и нормализованному расстоянию редактирования, но не приводит сами результаты. Она ориентирована на формулы и не заявлена как универсальная OCR-система для обычного текста или документов.

MatSciBERT — предварительно обученная языковая модель на архитектуре BERT, разработанная авторами исследования о языковых моделях для материаловедения. Модель содержит 137,1 млн параметров и обучена на аннотациях и полных текстах научных статей о материалах, включая сплавы, стёкла, металлические стёкла, цемент и бетон. Модель предназначена для извлечения информации и анализа текстов по материаловедению, а также может служить основой для дообучения на профильных задачах. В Hugging Face она представлена как модель заполнения маски: принимает текст с замаскированным токеном и предсказывает его содержимое. Поддерживает английский язык, имеет контекстное окно до 512 токенов и доступна в форматах PyTorch и Safetensors. Лицензия MIT разрешает свободное использование и модификацию с соблюдением её условий. Модель специализирована на научных текстах о материалах, поэтому её возможности за пределами этой области не подтверждены; доступная карточка не приводит оценок качества на отдельных задачах.

MolDeBERTa-base-10M-mlm — химически ориентированный молекулярный энкодер на архитектуре DeBERTaV2, разработанный SaeedLab. Эта версия предварительно обучена на датасете из 10 млн молекул с помощью задачи предсказания замаскированных токенов (MLM); молекулы представлены в формате SMILES. Модель содержит 116,3 млн параметров и рассчитана на контекст до 128 токенов. Модель предназначена для извлечения векторных представлений молекул и последующей донастройки для предсказания свойств, классификации последовательностей, поиска молекулярного сходства, визуализации и обучения прикладных предикторов. В README описаны результаты семейства MolDeBERTa на задачах MoleculeNet, но они не являются гарантией качества именно этой версии. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов.

MolEncoder — химическая языковая модель на основе энкодерного трансформера ModernBERT, разработанная для изучения стратегий предобучения молекулярных представлений. Модель содержит около 15,1 млн параметров и обучена на masked language modeling по строкам SMILES примерно для миллиона молекул из ChEMBL. Символьный токенизатор охватывает словарь SMILES, а длина контекста составляет 502 токена. Основной сценарий применения — дообучение на наборах данных для предсказания свойств молекул. В работе над моделью исследовались доля маскирования, размер модели и объём данных; авторы сообщают, что повышенная доля маскирования, около 30%, эффективна для молекул. Модель распространяется по лицензии MIT. Для прикладных задач обычно требуется дообучение на целевых данных.

MoLFormer-XL-both-10% — химическая языковая модель семейства MoLFormer, представленная в работе Ross et al. и выпущенная авторами проекта. Она предварительно обучена на строковых представлениях SMILES малых молекул из ZINC и PubChem: эта версия использовала по 10% каждого датасета. Модель содержит 51,4 млн параметров и применяет Transformer с линейным механизмом внимания и rotary embeddings; контекст — до 202 токенов. Основное назначение модели — извлечение векторных представлений молекул для оценки сходства, визуализации и построения предикторов, а также дообучение для классификации и прогнозирования свойств, например растворимости и токсичности. Она также поддерживает masked language modeling. Модель не предназначена для генерации молекул. Для применения подаются последовательности SMILES, а модель извлекает представления или предсказывает замаскированные токены. В обучении использовались канонизированные молекулы, без стереохимической информации; последовательности длиннее 202 токенов отбрасывались. Качество может снижаться на некорректных или неканонических SMILES, а молекулы крупнее примерно 200 атомов не проверялись. Лицензия — Apache-2.0.

SMILES2IUPAC-canonical-small — компактная модель Knowledgator Engineering для преобразования записей молекул в формате SMILES в канонические названия IUPAC. Она основана на MT5 и использует архитектуру encoder-decoder с механизмом внимания и отдельными токенизаторами для кодировщика и декодировщика. Модель поддерживает входы SMILES и выдаёт названия на английском языке; предусмотрен выбор предпочитаемого стиля названия с помощью стилевых токенов. Модель предназначена для автоматического присвоения химическим структурам систематических или распространённых названий и пакетной обработки таких преобразований. В приведённой оценке указаны точность 75% и BLEU-4 0,93. Лицензия Apache 2.0 допускает использование и модификацию на её условиях.

SPECTER2 — модель для построения специализированных эмбеддингов научных документов и текстовых запросов. Она разработана Amanpreet Singh, Mike D’Arcy, Arman Cohan, Doug Downey и Sergey Feldman и опубликована Allen AI. Модель предназначена для представления научных статей по заголовку и аннотации, а также коротких текстовых запросов, чтобы использовать полученные векторы в поиске, извлечении похожих публикаций, классификации, регрессии и задачах link prediction. Идентификатор allenai/specter2 соответствует retrieval-адаптеру proximity для базовой модели allenai/specter2_base. Архитектура основана на bert-base-uncased с адаптерами; исходная модель дообучена на базе allenai/scibert_scivocab_uncased. SPECTER2 обучалась на более чем 6 миллионах троек цитирования научных статей и дополнительно на задачах SciRepEval. Поддерживаются форматы proximity retrieval, adhoc search, classification и regression, для которых используются соответствующие адаптеры. В README не указаны точный размер контекстного окна, размерность эмбеддингов и перечень языков; по описанию модель ориентирована на англоязычные научные тексты. Сильная сторона модели — специализация на научной литературе и возможность адаптировать представления под конкретный тип задачи. Адаптер proximity предназначен для кодирования статей-запросов и статей-кандидатов при поиске релевантных публикаций. Для коротких поисковых запросов, классификации и регрессии рекомендуются отдельные адаптеры. Модель не предназначена как универсальная мультимодальная система и работает с текстовыми данными; для использования требуется библиотека adapters и базовая модель specter2_base. Лицензия — Apache 2.0.

Uni-3DAR — авторегрессионная модель DP Technology для генерации и понимания 3D-структур. В опубликованном варианте представлены чекпойнт и конвейер обучения и вывода для молекул QM9; в описании также заявлена применимость подхода к белкам, кристаллам и макроскопическим 3D-объектам. Модель объединяет несколько задач работы с 3D-данными и использует октодерево с двухуровневым сжатием поддеревьев, чтобы представлять пространство сотнями токенов. Авторы сообщают о более быстром выводе по сравнению с диффузионными моделями и сохранении деталей структуры за счёт токенизации мелких 3D-фрагментов. Репозиторий содержит веса PyTorch; лицензия — MIT.

fpc/bge-micro-smiles — англоязычная модель Sentence Transformers, дообученная разработчиком репозитория на основе TaylorAI/bge-micro. Она кодирует текстовые описания и строки SMILES в плотные векторы размерности 384 для оценки семантического сходства по косинусной близости. Обучение проводилось на 3 210 255 парах «описание — положительный пример» с использованием CachedMultipleNegativesRankingLoss. Модель предназначена для сопоставления названий и описаний химических соединений с их представлениями SMILES. Её можно применять для семантического поиска, поиска похожих соединений, выявления перефразировок, кластеризации и классификации текста. Архитектура — BERT с усреднением токенных представлений; максимальная длина входа — 512 токенов. Репозиторий содержит форматы ONNX и safetensors. Лицензия — Apache-2.0.

Synthyra/Boltz2 — упаковка чекпойнта boltz-community/boltz-2 для использования через FastPLMs и Hugging Face Transformers. Модель предназначена для извлечения признаковых представлений белков и предсказания их трехмерной структуры: высокоуровневый помощник принимает аминокислотную последовательность, запускает inference-ядро Boltz2 и возвращает координаты и показатели уверенности. Также можно передавать подготовленные признаки. Архитектура представлена классом Boltz2Model; веса доступны в формате PyTorch safetensors, загрузка выполняется через AutoConfig и AutoModel. В README указано, что чекпойнт предварительно поддерживается в FastPLMs 1.0: конфигурация, состояние inference-ядра, подготовка признаков и воспроизводимый запуск проверяются, однако численная эквивалентность сквозного BF16-инференса пока не подтверждена. Поэтому авторы не заявляют официальную эквивалентность инференса и биологическую валидность результатов. Для загрузки указан trust_remote_code=True; доступен только eager-бэкенд внимания. Лицензия — MIT, веса разрешено распространять.

CFM-Methods-3B — компактная языковая модель MorphMind для первичной проверки методологии эмпирических исследований. Она принимает раздел с методами, экспериментальным дизайном или анализом и формирует структурированный текстовый вывод: оценивает обоснованность утверждения, указывает проблемный фрагмент и объясняет методологический риск. Модель построена на архитектуре Qwen2 и содержит 3,1 млрд параметров; базовая модель — Qwen/Qwen2.5-3B-Instruct, дообученная с использованием RLVR и вознаграждения за точную локализацию ошибки. Контекст — до 32 768 токенов. Модель предназначена для поиска таких проблем, как утечка данных, множественные сравнения без коррекции, необоснованный выбор выбросов, остановка эксперимента по результатам, смешение корреляции и причинности, а также загрязнение обучающей и тестовой выборок. Заявленные области применения включают статистику, машинное обучение, количественную биологию, эконометрику, материаловедение и химическую физику. Её можно использовать для предварительной самопроверки статей, сортировки рукописей и проверки экспериментальных планов, включая созданные ИИ; разработчик рекомендует разбирать по одному блоку методов за раз. Это исследовательская предварительная версия, рассчитанная на высокую полноту выявления проблем и работу с участием человека. Результаты бенчмарка и заявления о качестве приведены разработчиком и не являются независимой проверкой. Модель может пропускать ошибки или ошибочно помечать корректные методы, поэтому её выводы требуют экспертной проверки. Репозиторий использует формат Safetensors и библиотеку Transformers; лицензия указана как other, конкретные условия использования в карточке не приведены.