IV.6Научные исследования, математика и новые материалы

Qwen3-8B-GRPO-MATH — экспериментальный исследовательский чекпойнт, созданный xiaoyuchen1 на базе Qwen/Qwen3-8B. Модель дообучена методом GRPO на обучающей части набора Hendrycks MATH с вознаграждением за проверяемость итогового ответа. Это плотная авторегрессионная модель генерации текста с 7,6 млрд параметров и контекстом до 40 960 токенов; опубликованные веса представлены в формате safetensors. Чекпойнт предназначен для исследований обучения математическим рассуждениям с подкреплением и дистилляции на собственных траекториях. В оценках README он улучшил результаты базовой модели на AIME 2024/2025 и MATH-500, однако часто формирует существенно более длинные решения. Для AIME автор рекомендует бюджет около 16 384 токенов: при меньшем лимите ответы часто обрезаются и получают нулевую оценку. Это короткий экспериментальный запуск, а не готовый релиз: обучение охватило 120 обновлений и около 0,26 эпохи, использован один seed, а на многих группах задач градиентный сигнал был слабым. Модель не предназначена для развёртывания. Лицензия — Apache-2.0.

mradermacher/Qwen3-Embedding-Medical-0.6B-i1-GGUF — квантизированная версия модели lastmass/Qwen3-Embedding-Medical-0.6B, подготовленная mradermacher в формате GGUF. Модель предназначена для построения плотных векторных представлений медицинских текстов и задач семантического сходства, поиска и извлечения признаков. Она обучалась на наборе FreedomIntelligence/huatuo_encyclopedia_qa с использованием MultipleNegativesRankingLoss; заявленный язык — китайский. Модель имеет размер 0,6 млрд параметров и поставляется в нескольких вариантах квантизации i1, включая IQ и Q-форматы, с размером файлов примерно от 0,3 до 0,6 ГБ. В README указаны интеграция с transformers и sentence-transformers, а также варианты, оптимизированные по соотношению размера, скорости и качества, например i1-Q4_K_M. Архитектура, размерность эмбеддингов и максимальная длина контекста не указаны. Компактный размер и наличие GGUF-квантизаций делают модель подходящей для локального запуска и ресурсоограниченных сценариев семантического поиска по медицинским данным. Более агрессивная квантизация может снижать качество представлений; некоторые варианты прямо отмечены как низкокачественные или предназначенные для минимального потребления памяти. Лицензия в предоставленных данных не указана.

RudolfV 2 — модель компьютерного зрения Aignostics для вычислительной патологии. Это Vision Transformer с backbone ViT-g/8, обученный без учителя на 300 тысячах полноразмерных изображений гистологических стекол. В репозитории представлена флагманская версия семейства с 1,1 млрд параметров. Модель предназначена для извлечения признаков на уровне фрагментов ткани и их использования в последующих задачах анализа гистопатологии: классификации тканей и опухолей, определении степени злокачественности, прогнозировании биомаркеров и моделировании на уровне всего стекла с помощью multiple instance learning. Входом служат изображения; основной выход — визуальные признаки для дальнейшего анализа. Для загрузки требуются Transformers с разрешённым `trust_remote_code=True` и библиотека `timm`. Доступ к весам ограничен: запрос подаётся через Hugging Face, для него требуется академический или некоммерческий адрес электронной почты, а решение принимает Aignostics. В карточке указана лицензия `other`; подробные условия следует уточнять у разработчика. Модель специализирована на патологии и не заявлена как самостоятельная диагностическая система.

SILICA — модель для совместной сегментации стеклянных поверхностей и оценки глубины по одному изображению. Она переиспользует визуальные приоры Stable Diffusion v1.4 и выполняет одношаговую латентную регрессию; CLIP-промпты для задач вводятся в слои cross-attention, чтобы различать прозрачные поверхности, передний и задний планы. Модель разработана авторами проекта SILICA и предназначена для задач компьютерного зрения, в том числе для робототехнических сценариев. Основная задача в метаданных — оценка глубины. Модель также сегментирует стекло, однако отдельного pipeline-тега для этой возможности нет. Карточка ссылается на набор данных Mirage18k и сообщает о принятии работы к публикации на IROS 2026. Модель основана на дообучении CompVis/stable-diffusion-v1-4; файлы представлены в форматах Diffusers и safetensors. Условия лицензии в доступных сведениях не описаны.

Virchow2 — модель извлечения визуальных признаков, разработанная Paige и Microsoft Research. Это самообучаемый Vision Transformer, предварительно обученный на 3,1 млн гистопатологических изображений целых стекол. Архитектура ViT-H/14 содержит 632 млн параметров, обрабатывает изображения размером 224 × 224 и формирует эмбеддинги для фрагментов ткани. Для плотных задач доступны признаки патчей размером 256 × 1280. Модель предназначена для извлечения признаков из фрагментов гистологических изображений и построения на их основе классификаторов на уровне фрагментов или целых стекол. Её можно использовать как замороженный визуальный backbone или дообучать под конкретную задачу и набор данных; заявлены сценарии вычислительной патологии, включая классификацию и сегментацию. Для работы требуются PyTorch и timm. Модель рассчитана на академические исследования, а не на клиническую диагностику. Лицензия CC-BY-NC-ND 4.0 требует атрибуции, запрещает коммерческое использование и распространение копий; доступ требует регистрации и принятия условий. Также запрещено использовать модель для диагностики, лечения или профилактики заболеваний.

ChipExpert-8B-Instruct — специализированная инструктивная языковая модель для проектирования интегральных схем, разработанная Национальным центром технологических инноваций в области EDA (NCTIEDA) и Юго-Восточным университетом в Нанкине. Модель представляет собой плотную архитектуру Llama для генерации текста и диалогового взаимодействия; она дообучена на базе Llama 3 и насчитывает 7,5 млрд параметров. Контекст — до 8192 токенов, основной язык — английский. Модель предназначена для обучения студентов основам проектирования микросхем, ответов инженерам на технические вопросы и помощи исследователям при изучении научных публикаций и актуальных тем. Карточка описывает корпус по специализированным областям: аналоговые и цифровые схемы, радиочастотные системы, полупроводниковые устройства, EDA, SoC и вычисления в памяти. Репозиторий содержит веса в формате Safetensors. Модель заявлена как первая версия проекта; разработчики сообщают о намерении выпустить более способные версии, поэтому качество ответов в отдельных узкоспециализированных задачах может быть ограничено. Лицензия — Apache License 2.0.

Digepath — специализированная модель компьютерного зрения для анализа изображений желудочно-кишечной патологии, представленная авторами карточки. Это Vision Transformer Large/16 с самоконтролируемым предобучением по DINO-V2 на 353 млн изображений разных масштабов из 210 043 H&E-окрашенных гистологических срезов, а затем дообучением на 471 443 отобранных областях интереса. Модель предназначена для извлечения признаков из изображений и как основа для задач патологической диагностики, классификации и сегментации областей интереса, прогнозирования статуса экспрессии белков, мутаций генов и прогноза заболевания. В карточке сообщается о результатах уровня state of the art на 32 из 33 задач по патологии ЖКТ. Модель ориентирована на изображения гистологических препаратов, включая whole-slide images и отдельные ROI; для практического применения требуется профильная оценка результатов в соответствующем клиническом процессе. Репозиторий предоставляет веса safetensors и использует библиотеку timm. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

FungiTastic DINOv3 ViT-S/16 — модель классификации изображений грибов, созданная Paul Bauriegel дообучением компактного энкодера timm/vit_small_patch16_dinov3.lvd1689m. Она относит фотографию к одному из 2 827 видов, представленных в обучающей выборке FungiTastic, и предназначена для вспомогательного определения грибов в Северной и Центральной Европе, а также для дальнейшего дообучения. Модель содержит 22,7 млн параметров и принимает одно изображение размером 384×384 пикселя; доступны контрольная точка PyTorch и варианты TensorFlow Lite/LiteRT, включая версию с весами float16 и графом со встроенной предобработкой. В полном тестовом наборе точность top-1 составляет 72,6 %, а macro F1 — 45,9 %. Модель компактна для классификатора такого уровня и поддерживает запуск на мобильных устройствах, в том числе через LiteRT GPU. Качество заметно зависит от количества примеров каждого вида: для редких видов оно низкое, а обучающие данные отражают частоты и географию Дании, поэтому за пределами Европы точность может снизиться. Классификация по одному снимку не всегда надёжна. Модель нельзя использовать для решения, безопасен ли гриб в пищу: она ошибается примерно в четверти случаев и не заменяет специалиста-миколога. Лицензия указана как other; конкретные условия использования в карточке не приведены.

Gekko ViT-L (500k steps) — предобученный визуальный backbone, разработанный авторами работы «Revisiting Cross-View Completion: Self-Supervised Pre-Training via Reconstruction Error Comparison». Это ViT-L, обученный без учительских 3D-аннотаций на смеси из 12 источников необработанного видео. Самообучение учит модель оценивать совместную видимость областей между двумя кадрами: предсказывать, насколько реконструкция замаскированного целевого кадра улучшается при использовании опорного кадра по сравнению с монокулярной реконструкцией. Модель предназначена для извлечения признаков из изображений и как замороженный backbone для задач компьютерного зрения с несколькими видами, включая оценку позы камеры, построение pointmap и оптический поток. В README приведены результаты на ScanNet, ETH3D, DL3DV и Sintel. Архитектура Gekko повторяет CroCo, добавляя один выходной канал для оценки совместной видимости. Репозиторий содержит веса в формате safetensors и код для загрузки через Torch Hub. Лицензия CC BY-NC-SA 4.0 разрешает использование с атрибуцией, но некоммерчески и на условиях распространения производных материалов по той же лицензии.

Genera — модель классификации изображений облаков, разработанная Mubarak Numan. Она анализирует снимки неба с земли и относит облака к одному из 12 классов: Altocumulus, Altostratus, Cirrocumulus, Cirrostratus, Cirrus, Clear Sky, Contrail, Cumulonimbus, Cumulus, Nimbostratus, Stratocumulus или Stratus. Модель построена на архитектуре RepVGG с механизмом внимания NECA и обучена на наборе UGCI. Модель предназначена для автоматической идентификации облаков на полнокадровых и частичных снимках неба, поддержки метеорологических наблюдений, образовательных проектов и гражданской науки. README описывает сохранение в формате Keras и демонстрацию с графическим интерфейсом Streamlit; метаданные указывают формат TensorFlow. Лицензия — MIT. Качество может снижаться на изображениях, снятых камерами и в условиях освещения, отличающихся от обучающих данных, а также при сильных препятствиях в кадре; редкие классы могут распознаваться менее надёжно. Модель определяет только основной род облаков: она не распознаёт разновидности и сопутствующие признаки и не прогнозирует осадки или другие погодные явления.

H-optimus-1 — фундаментальная модель для гистологии, разработанная Bioptimus. Это vision transformer с 1,1 млрд параметров, обученный методом самообучения на закрытом наборе из миллиардов гистологических изображений, полученных более чем с миллиона стекол от свыше 800 тысяч пациентов. Модель извлекает признаки из гистологических изображений для последующего применения в прогнозировании мутаций, анализе выживаемости, классификации и сегментации тканей. Для входа ожидаются изображения размером 224×224 пикселя, извлечённые с разрешением 0,5 микрометра на пиксель; библиотека для работы — timm. Веса опубликованы в формате PyTorch и safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий. Модель предназначена для анализа гистологии и не является универсальным визуальным экстрактором признаков.

HPO-PubMedBERT — дообученная Melland модель эмбеддингов на базе NeuML/pubmedbert-base-embeddings, разработанная для сопоставления понятий Human Phenotype Ontology (HPO) с биомедицинской литературой и клиническими описаниями. Модель использует архитектуру BERT и sentence-transformers, кодирует текст в плотные векторы размерностью 768 и оценивает близость по косинусному сходству. Контекст ограничен 512 токенами по метаданным; в README указана максимальная длина последовательности 256 токенов. Модель предназначена для семантического сравнения фенотипов, поиска релевантных понятий HPO, сопоставления фенотипических профилей пациентов и индексации биомедицинских документов. Обучение на парах предложений из PubMed с оценками сходства, основанными на пересечении связанных заболеваний, нацелено на клиническую связь фенотипов, а не только на таксономическое родство. README сообщает об улучшении результатов на тестах сходства HPO, связывания упоминаний с HPO и поиска пациентов по сравнению с базовой моделью. Модель рассчитана на англоязычные тексты в биомедицинской области; на общих текстах и редких фенотипах качество может снижаться. Последовательности длиннее 256 токенов обрезаются согласно README. Лицензия — MIT.

MedEmbed-large-v0.1 — англоязычная модель эмбеддингов для медицинских и клинических текстов, созданная дообучением BAAI/bge-large-en-v1.5. Она использует плотную архитектуру BERT и предназначена для поиска информации, семантического поиска и подбора релевантных ответов в медицинских системах, исследовательских инструментах и базах медицинской литературы. Размер модели — 433,9 млн параметров, контекст — до 512 токенов; модель принимает текст и выдаёт эмбеддинги для задач извлечения признаков и сравнения предложений. Для контрастивного обучения использовались триплеты «запрос, релевантный ответ, нерелевантный ответ», созданные на основе клинических заметок из PubMed Central с помощью синтетической генерации и сложных отрицательных примеров. В README заявлено превосходство над универсальными эмбеддингами на медицинских и поисковых бенчмарках ArguAna, MedicalQARetrieval, NFCorpus, PublicHealthQA и TRECCOVID, но конкретные метрики в карточке не приведены. Модель специализируется на медицинских и клинических текстах и может хуже работать в других областях. Её следует использовать как вспомогательный инструмент, а не для самостоятельных медицинских решений. Лицензия — Apache-2.0.

MedICap — модель для создания кратких описаний медицинских изображений, разработанная командой CSIRO. Она использует архитектуру vision-encoder-decoder: кодировщик обрабатывает изображение, а декодер формирует текстовое описание. Модель заняла первое место в соревновании ImageCLEFmedical Caption 2023. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка позиционирует модель для медицинского описания изображений; сведения о размере модели, длине контекста и поддерживаемых языках отсутствуют.

OpenMed-NER-BloodCancerDetect-ModernMed-395M — специализированная модель OpenMed для распознавания клинических сущностей, связанных с хроническим лимфолейкозом (CLL). Это дообученная ModernBERT-large с архитектурой ModernBertForTokenClassification и примерно 395 млн параметров. Модель принимает токенизированный биомедицинский текст и возвращает BIO-метки; заявленная длина контекста — 8192 токена. В карточке указан тип сущностей B-CL и I-CL. Модель предназначена для извлечения упоминаний, относящихся к CLL, из медицинских записей и научных публикаций, а также для анализа клинических и исследовательских документов в гематологии и онкологии. В README приведены F1 0,61, точность 0,66, полнота 0,57 и accuracy 0,93 на CLL corpus; эти результаты указывают на ограничения полноты и качества извлечения, поэтому следует проверять предсказания перед клиническим использованием. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-BloodCancerDetect-SuperClinical-141M — дообученную модель DeBERTa для распознавания клинических сущностей, связанных с хроническим лимфолейкозом (ХЛЛ). Она принимает токенизированный медицинский текст и выдаёт разметку сущностей в формате BIO; заявленный набор меток включает B-CL и I-CL. Архитектура указана как deberta-v3-small в README и DeBERTa-v2 в метаданных; размер — 155 млн параметров, контекст — до 512 токенов. Модель предназначена для извлечения терминов ХЛЛ из клинических записей и научной литературы, включая упоминания биомаркеров, лечения и клинических понятий. В README приведены F1 0,72, точность 0,60 и полнота 0,89 на корпусе CLL, поэтому результаты требуют проверки на целевых данных, а предсказания не следует считать медицинскими заключениями. Поддерживается английский язык. Лицензия — Apache-2.0.

OpenMed-ZeroShot-NER-BloodCancer-Large-459M — модель OpenMed для распознавания именованных сущностей в медицинских и биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе CLL, посвящённом хроническому лимфолейкозу. Модель принимает текст и возвращает найденные сущности с типами; типы сущностей можно задавать при использовании, что позволяет применять zero-shot распознавание без отдельного дообучения под каждую категорию. Модель предназначена прежде всего для извлечения терминов, связанных с хроническим лимфолейкозом: заболеваний, биомаркеров, методов лечения и клинических понятий. Её можно использовать для анализа медицинских записей, научной литературы и данных о лечении. В README приведён результат F1 0,7755 на тестовом наборе CLL для этой версии. Показатель относится к указанному корпусу и не гарантирует такую же точность на других данных. Модель распространяется под лицензией Apache-2.0.

ProcVLM-2B — мультимодальная модель ce-amtic для оценки прогресса выполнения манипуляционных задач роботом по визуальным наблюдениям. Она дообучена на основе Qwen/Qwen3-VL-2B-Instruct и использует архитектуру Qwen3-VL с генерацией текста по изображениям и текстовому описанию задачи. Модель принимает RGB-кадры из недавнего фрагмента траектории робота вместе с инструкцией и выдаёт рассуждение и оценку выполнения в процентах. Модель предназначена для исследований в области обучения роботов, оценки выполнения действий и понимания процедур по видео. Её можно использовать для получения плотных сигналов прогресса из демонстраций и адаптировать к новой среде с помощью LoRA на одной успешной демонстрации. Репозиторий опубликован по лицензии CC BY 4.0. Оценка является предсказанием модели, а не калиброванным физическим измерением. Надёжность может снижаться при сильном сдвиге домена, закрытых объектах, необычных ракурсах, неоднозначных инструкциях и неудачном выборе кадров для длинных видео. Перед использованием оценки как сигнала награды или в робототехническом развертывании её следует проверить в целевой среде.

SeanWang0027/Qwen3-1.7B-sciworld-sft-gpt54mini-ep6 — дообученная методом trajectory SFT модель Qwen3-1.7B от SeanWang0027 для текстовой генерации и выполнения задач в среде ScienceWorld. Она обучена на полных траекториях эпизодов, созданных gpt-5.4-mini, по 2059 обучающим задачам ScienceWorld; тестовых задач в обучающих данных не было. Обучение продолжали с эпохи 5, а указанный чекпойнт соответствует концу первой из трёх дополнительных эпох. Модель имеет плотную архитектуру Qwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов. Репозиторий содержит веса safetensors в fp32; в README для инференса рекомендуется загружать их с точностью bfloat16. Основной сценарий — генерация текстовых ответов и действий агента в задачах ScienceWorld. Лицензия в предоставленных данных не обозначена. Качество на тестовом наборе ScienceWorld для этого чекпойнта не оценивалось, поэтому его результативность относительно других вариантов неизвестна. В README приведены результаты базовой модели, более ранних эпох и другого метода обучения, но они не являются оценкой данного чекпойнта.

SeongryongJung/Qwen3-8B-Physics-RLRT-TR — экспериментальный чекпойнт модели Qwen3-8B, обученный разработчиком для задач физики методом RLRT-TR с размером пакета 32. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, примерно 7,6 млрд параметров и контекстом до 40 960 токенов. Модель принимает текст и генерирует текст; в карточке указано семейство Qwen3, но отдельный список поддерживаемых естественных языков не приведён. Чекпойнт выбран по валидационному показателю mean@16; README сообщает результат 0,00% для датасета Physics на шаге 100. Модель может служить экспериментальной основой для генерации ответов и решений по физическим задачам, однако опубликованный результат не демонстрирует успешного решения на указанной валидации. Веса доступны в формате safetensors, библиотека — Transformers; лицензия — Apache-2.0.

Surgical SAM 3.1 — дообученная модель SAM 3.1, разработанная Mehmet Kerem Turkcan, Soham Samal и Zoran Kostic из AIDL Lab Колумбийского университета и IPAL Lab. Она обнаруживает и сегментирует хирургические инструменты, анатомические структуры и ткани по текстовым подсказкам на изображениях. Для видео исходные компоненты SAM 3.1 отслеживают и распространяют маски объектов после их инициализации детектором. Модель обучена на объединённом хирургическом наборе данных, включающем изображения из CholecInstanceSeg, CholecSeg8k, Dresden Surgical Anatomy Dataset и Endoscapes. В карточке приведены результаты на отложенной тестовой выборке: качество сегментации инструментов заметно выше, чем анатомии и тканей. Модель предназначена для исследований в области компьютерного зрения в хирургии и не проверена для клинических решений или ухода за пациентами. Лицензия указана как other.

GbrlOl/thermal-fr-lora — адаптер LoRA для модели FLUX.1 Kontext [dev], разработанный для преобразования изображений лица в видимом спектре в синтетические тепловизионные изображения. Автор адаптера — GbrlOl; веса использовались для создания синтетического набора данных PUCV-TER-S и предназначены прежде всего для академических и некоммерческих исследований дефицита данных в задаче распознавания лиц по тепловизионным изображениям. Модель работает в режиме image-to-image: исходное RGB-изображение лица служит структурной и идентификационной основой, а текстовый запрос задаёт тепловой вид. Базовая архитектура — мультимодальный diffusion transformer FLUX.1 Kontext [dev] с flow matching. Адаптер охватывает линейные проекции attention- и feed-forward-блоков в double-stream и single-stream частях модели; ранг LoRA и alpha равны 128. Обучение проводилось на 50 синхронизированных парах видимых и тепловых изображений. В README не указаны точные языковые характеристики, размер контекстного окна или количественные метрики качества. Сильная сторона модели — специализированное сохранение структуры и идентичности лица при преобразовании RGB в монохромное тепловизионное представление, что делает её полезной для генерации синтетических наборов данных, изучения synthetic-to-real transfer и устойчивости распознавания между сенсорами. Ограничения связаны с небольшим объёмом обучающих данных, зависимостью от базовой FLUX.1 Kontext [dev], необходимостью предварительной детекции и кадрирования лица, а также отсутствием заявленных гарантий качества для других типов изображений или производственных сценариев. Доступ к весам ограничен и предоставляется после авторизации на Hugging Face и принятия условий репозитория и базовой модели. Указана лицензия CC BY-NC 4.0, однако адаптер является производным от FLUX.1 Kontext [dev] и дополнительно подпадает под её некоммерческую лицензию и Acceptable Use Policy. Коммерческое и производственное использование запрещено; также запрещены генерация тепловых представлений людей без согласия, выдача себя за конкретных лиц, фальсификация биометрических образцов и незаконное, клеветническое или оскорбительное применение.

timesformerGPscroll1 — небольшая модель архитектуры TimeSformer, разработанная Юссефом Надером в составе команды, победившей в главном зачёте Vesuvius Challenge 2023. Модель обучена сегментировать изображения для обнаружения чернил в трёхмерных сканах древних свитков. На вход подаётся 3D-изображение, на выходе модель формирует двумерную карту обнаруженных чернил размером примерно в 1/16 от входного изображения. В метаданных Hugging Face указана задача feature-extraction и библиотека Transformers; веса представлены в формате safetensors. Лицензия — MIT. Модель специализирована на поиске чернил в сканах свитков и не предназначена для общего распознавания изображений или текста. Репозиторий отмечен как архивный; для работы README указывает зависимости Transformers и timesformer-pytorch.

VoxTell — модель компьютерного зрения и языка для сегментации трёхмерных медицинских изображений по запросам на естественном языке. Она принимает объёмные снимки CT, PET или MRI и текстовое описание анатомической структуры либо патологической находки, после чего формирует соответствующую 3D-маску. Модель разработана для гибкого анализа медицинских изображений без необходимости выбирать метку из заранее заданного списка классов. Архитектура сочетает 3D-энкодер изображений, текстовый энкодер на базе замороженной Qwen3-Embedding-4B и многоэтапное слияние визуальных и текстовых признаков с декодером масок в стиле MaskFormer. VoxTell обучена более чем на 1000 понятиях; версия v1.1 охватывает 190 наборов данных и около 68 500 объёмов. Она рассчитана на структуры мозга, грудной клетки, живота, таза, опорно-двигательной системы и конечностей, а запросы могут варьироваться от коротких названий до клинических предложений. Модель предназначена для исследовательских и прикладных рабочих процессов сегментации, включая пакетную обработку NIfTI и удалённый инференс. Карточка рекомендует v1.1 для общего применения и дообучения; v1.0 устарела и содержит известные проблемы. Версия v1.1 включает тестовые наборы из публикации в обучающих данных, поэтому она не подходит для воспроизведения оценки с исходным разделением train/test. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях атрибуции, распространения производных материалов на тех же условиях и без коммерческого использования.

Модель gfichetdc/casting-defect-vit — дообученная модель ViT-B/16 на базе google/vit-base-patch16-224 для визуального контроля литых деталей. Она классифицирует изображения поверхности крыльчаток погружных насосов по двум классам: «дефектная» и «годная». Для запуска доступна через pipeline image-classification в Transformers; модель содержит 113,2 млн параметров и распространяется в формате safetensors. В README сообщается об обучении на 6 633 изображениях и точности 99,6% с macro F1 0,995. Эти показатели относятся к описанному автором эксперименту и не гарантируют качество на новых изделиях, условиях съёмки или производственных линиях. Обучение выполнено на изображениях отливок, поэтому применение к другим типам деталей требует отдельной проверки. Лицензия — MIT.

FutureCAD-7B — языковая модель от jhlee11, дообученная на базе Qwen2.5-7B-Instruct для генерации программ CadQuery по текстовым описаниям. Она преобразует запросы на естественном языке в Python-код для параметрического CAD-моделирования; при успешном выполнении кода инструменты проекта могут экспортировать модели в STEP и STL. Модель основана на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Для запуска и форматирования запросов README направляет к репозиторию проекта, который предоставляет шаблон промпта и расширения CadQuery. Модель распространяется по лицензии Apache-2.0.

Hulu-Med-235A22-i1-GGUF — это квантизированная версия мультимодальной медицинской модели Hulu-Med-235A22, разработанной ZJU-AI4H и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для работы с медицинскими задачами, в которых требуется анализ изображений, преобразование изображения в текст, понимание видео и интерпретация 3D-данных. Модель относится к vision-language моделям, построена на базе Qwen и поддерживает английский язык. README не содержит сведений о точном числе параметров, размере контекста, конкретных поддерживаемых форматах изображений и видео, а также о результатах тестирования качества. Доступны варианты квантования i1-IQ и i1-Q с размерами примерно от 48 до 193 ГБ; варианты различаются компромиссом между размером, скоростью и качеством, при этом i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Для работы с vision-возможностями могут потребоваться отдельные файлы mmproj из статического репозитория. Низкобитные варианты квантования экономят место, но могут заметно снижать качество; некоторые варианты в README прямо обозначены как низкокачественные. Модель распространяется под лицензией Apache-2.0.

M3D-CLIP — модель семейства M3D для медицинских изображений, обученная выравнивать представления 3D-изображений и текста с помощью контрастивного обучения на наборе данных M3D-Cap. Она предназначена для поиска соответствий между медицинскими изображениями и текстовыми описаниями, а также для извлечения признаков, пригодных для последующих визуальных и мультимодальных задач. Зрительный энкодер основан на 3D ViT: размер входного изображения составляет 32×256×256, размер патча — 4×16×16. Текстовый энкодер использует предварительно обученную BERT как инициализацию. Модель содержит 122,5 млн параметров, распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не сообщает языки текстового энкодера и длину контекста.

xjc1022/MELP-Encoder-repro — воспроизведённый ECG-энкодер, опубликованный как отдельная ЭКГ-башня модели MELP. Автор указывает, что модель обучена в форке HKU-MedAI/MELP#4 и имеет ту же архитектуру и упаковку, что и fuyingw/MELP_Encoder; метод описан в статье «From Token to Rhythm: A Multi-Scale Approach for ECG-Language Pretraining» (ICML 2025). Репозиторий распространяет только экг-компонент, а не текстовую башню MELP. Модель принимает 12-канальную запись ЭКГ длиной 10 секунд с частотой 500 Гц, с порядком отведений I, II, III, aVR, aVF, aVL, V1–V6 и нормализацией min-max в диапазон [0, 1]. Она формирует эмбеддинги на уровне ритма размером 256, на уровне сердечных сокращений размером 12 × 256 и на уровне токенов размером 128 × 768. Предназначена для извлечения признаков из ЭКГ; заявленные результаты zero-shot классификации относятся к полной MELP с текстовой башней и не характеризуют автономное применение этого репозитория. Для zero-shot сценария требуется отдельная текстовая башня. Модель создана на базе инициализации ECG-FM wav2vec2-CMSC и обучена на парах записей ЭКГ и отчётов MIMIC-IV-ECG. Метаданные указывают библиотеку Transformers, формат safetensors и лицензию Apache-2.0. Для воспроизведения автор рекомендует использовать исходную предобработку; расхождение между денойзированными волновыми формами при обучении и исходными при оценке ухудшало качество в описанных экспериментах. Данные MIMIC-IV-ECG доступны по правилам PhysioNet; README советует проверять соглашение об использовании данных при распространении производных материалов.

nanoGentzen-v2 — компактная нейросетевая модель Sagicc для управления автоматическим поиском доказательств в интуиционистском секвенциальном исчислении Гентцена (LI). Двунаправленный трансформер с примерно 4,86 млн параметров принимает логические секвенции Γ ⊢ Δ, где в заключении не более одной формулы, и предсказывает правило вывода, антецедент для применения правила и оценку конструктивной доказуемости ветви. Модель предназначена для интеграции с поисковым доказателем: нейросеть ранжирует варианты и помогает отсекать неперспективные ветви, а отдельное детерминированное ядро проверяет шаги вывода. В README сообщается о точности 98,4% для предсказания правил и 98,9% для классификации доказуемости на валидации; также описан рекурсивный разбор английских силлогизмов и цепочек импликаций. Указанные метрики и заявления об обобщении приведены авторами и не являются независимой оценкой. Модель выпущена под лицензией MIT. Она ориентирована на интуиционистскую логику и английские формулировки, поэтому не предназначена для произвольных математических областей или классической логики без адаптации.