IV.6Научные исследования, математика и новые материалы

PRISM2-survival — разработанная Paige и Microsoft Research модель Perceiver, дообученная для анализа выживаемости по гистологическим изображениям. Она принимает предварительно извлечённые эмбеддинги тайлов Virchow2 и формирует эмбеддинг всего стекла, настроенный для последующего прогнозирования выживаемости. В репозитории опубликованы только веса визуального энкодера Perceiver; текстовый декодер Phi-3 и проекция из PRISM2 не включены. Размер модели — около 620 млн параметров. Для получения прогнозов эмбеддинг нужно подать в отдельную обученную модель выживаемости, например Cox PH или DeepHit. Ожидаются эмбеддинги только class token от тайлов размером 224×224 при увеличении 20× (0,5 мкм на пиксель), после отбора ткани и удаления фоновых тайлов. Модель предназначена для академических исследований и не подходит для клинической диагностики или принятия лечебных решений. Лицензия CC-BY-NC-ND 4.0 ограничивает использование некоммерческими академическими исследованиями, требует регистрации и запрещает распространение модели и её производных без разрешения.

resnet50.lunit_mocov2 — модель классификации изображений на архитектуре ResNet50, обученная Lunit как визуальный бэкбон с методом самообучения MoCo v2. Она предназначена для анализа гистологических изображений: обучалась на 33 млн фрагментов тканей и может использоваться как основа для классификации изображений и извлечения признаков в задачах цифровой патологии. В карточке указаны наборы BACH, CRC, MHIST, PatchCamelyon и CoNSeP; максимальный размер входного изображения — 1024 × 768 × 3, число параметров — 23,6 млн. Модель принимает изображения и выдаёт предсказания классов; карточка также описывает получение эмбеддингов изображений. Для работы с ней указана библиотека timm, веса доступны в формате safetensors. Лицензия lunit-non-commercial ограничивает использование некоммерческими целями.

MathisKhan/vit-beans-classifier — дообученная модель Vision Transformer (ViT) для классификации изображений. Она создана на основе google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Репозиторий использует библиотеку Transformers и формат весов safetensors. Модель предназначена для классификации изображений бобов. В README указаны результаты на оценочном наборе: accuracy 0,9609 и loss 0,1606; набор данных не описан. Модель распространяется по лицензии Apache-2.0.

QuantFactory/BFS-Prover-GGUF — квантизированная версия модели BFS-Prover, созданная QuantFactory с использованием llama.cpp на основе оригинальной модели bytedance-research/BFS-Prover. Базовая модель — Qwen2.5-Math-7B. Модель предназначена для автоматического доказательства теорем в Lean 4 и генерации тактик: на вход она получает текущее состояние доказательства и предлагает тактику, преобразующую его в новое состояние. Она рассчитана на интеграцию с поиском по дереву доказательств, в частности с методом best-first search (BFS). Модель обучалась с применением supervised fine-tuning на парах «состояние—тактика» и Direct Preference Optimization с использованием обратной связи компилятора. В обучении использовались Mathlib через LeanDojo, Lean-Github, Lean-Workbook и автоматически формализованный набор NuminaMath-CoT. Модель работает с текстовыми состояниями тактик Lean 4, ожидая специальный разделитель :::; в ответе она возвращает исходное состояние и сгенерированную тактику. Указан английский язык. Архитектура, точный размер квантизации, поддерживаемые форматы GGUF и максимальная длина контекста в карточке не раскрыты. Среди заявленных преимуществ — высокое качество на тестовом бенчмарке MiniF2F: BFS-Prover достиг результата 72,95% и не требует отдельной critic-модели или value function, используя более простой поиск BFS вместо MCTS. Ограничение модели состоит в узкой специализации на формальных доказательствах в Lean 4; успешное применение также зависит от корректного состояния доказательства и внешнего поискового процесса. Модель распространяется по лицензии Apache 2.0. Для использования следует учитывать условия этой лицензии и тот факт, что опубликована именно квантизированная версия, параметры и характеристики которой могут отличаться от оригинального чекпойнта.

anum231/cancer_classifier_100 — дообученная модель классификации изображений на архитектуре Vision Transformer (ViT), разработанная пользователем anum231. Модель содержит 113,2 млн параметров и доступна в формате TensorFlow. В карточке указана классификация изображений, связанных с раком; подробности о классах и наборе данных не приведены. Модель можно применять для экспериментальной классификации изображений в сценариях, связанных с выявлением рака. В README приведены результаты обучения: точность на обучающей выборке 67,24%, ошибка на обучающей выборке 0,5354 и ошибка на валидационной выборке 0,8077 после 22 эпох. Лицензия — Apache-2.0. Эти сведения не подтверждают пригодность модели для клинической диагностики.

DuoTactic — система поиска доказательств для Lean 4, разработанная авторами проекта DuoTactic. Она перебирает композиции фиксированного набора из 16 тактик автоматизации с поиском best-first и проверяет кандидаты ядром Lean; доказательство считается найденным только после успешной повторной компиляции без ошибок и `sorry`. Репозиторий также содержит плотную модель тактик на 39,58 млн параметров, которая может предлагать дополнительные кандидаты, но её использование необязательно. Система предназначена для автоматизации формальных доказательств, в том числе задач miniF2F. В описанном тестировании DuoTactic решила 32,8 % задач miniF2F test и 34,8 % valid при бюджете до 45 секунд на задачу. Вклад встроенной модели в число решённых задач в этих результатах равен нулю: она генерирует кандидатов для поиска, но её выход нельзя использовать как готовое доказательство. Модель выдаёт по одной тактике за раз, работает с контекстом 768 токенов и привязана к tokenizer_v1.json. Ключевые ограничения — отсутствие выбора предпосылок и поиска нужных лемм mathlib, предел глубины поиска 6, фиксированный временной бюджет и чувствительность к версиям Lean и mathlib. README указывает лицензию Apache 2.0. Метаданные классифицируют репозиторий как text-generation; отдельного pipeline-тега для формального доказательства нет.

Модель Saon110/fish-shrimp-disease-classifier разработана на основе google/vit-base-patch16-224, дообученного на наборе BD Fish & Shrimp Disease Dataset. Это Vision Transformer для классификации изображений рыб и креветок по 11 категориям: семи состояниям рыб и четырём состояниям креветок, включая здоровых животных и признаки бактериальных, грибковых, паразитарных и вирусных заболеваний. Модель предназначена для предварительного скрининга здоровья в аквакультуре, поддержки ветеринарной оценки, исследований и обучения. В README указаны точность и F1 на тестовой выборке 98,32%; эти результаты относятся к оценке на указанном наборе данных. Модель принимает изображения и выдаёт метку класса. Она может хуже работать с размытыми изображениями, при плохом освещении, на разных стадиях заболевания и при региональных различиях проявлений болезней; она обучена только на рыбах и креветках и не заменяет профессиональную ветеринарную диагностику. Лицензия — Apache-2.0.

HuatuoGPT-Vision-7B-hf — версия модели HuatuoGPT-Vision-7B на архитектуре LLaVA, подготовленная для Hugging Face и совместимая с vLLM и другими фреймворками. Модель разработана FreedomIntelligence и предназначена для диалоговой работы с изображениями в медицинском контексте. Модель имеет плотную архитектуру LlavaForConditionalGeneration и распространяется в формате safetensors. В карточке указана связь с набором данных PubMedVision; языковые метки — английский и китайский. Лицензия — Apache-2.0. Модель подходит для вопросов по медицинским изображениям и формирования ответов в чате. README не сообщает размер контекста и подробные ограничения качества; ответы в медицинских сценариях требуют проверки специалистом.

MolmoMotion-4B-H3-F30 — разработанная Ai2 (Allen Institute for AI) плотная vision-language-модель семейства Molmo2 с 4 млрд параметров. Она принимает короткую историю RGB-кадров, заданные пользователем 2D-точки с их 3D-историей и текстовое описание действия, а затем прогнозирует будущие траектории этих точек в 3D в системе координат камеры, в метрах. Это авторегрессионный вариант с историей из трёх кадров и горизонтом прогноза в 30 кадров; при 15 кадрах в секунду это примерно две секунды движения. Модель предназначена для исследований прогнозирования движения и траекторий, а также для дообучения под прикладные сценарии, например роботизированный захват и размещение предметов. Лицензия репозитория — Apache-2.0. Прогнозы являются оценками модели и требуют проверки перед использованием для управления исполнительными системами. Обучающие данные MolmoMotion-1M включают подписи и разметку траекторий по видео; исходные видео подчиняются лицензиям и ограничениям их владельцев.

Nora — открытая модель типа vision-language-action, разработанная Declare Lab для управления роботизированными манипуляциями. Она принимает текстовую инструкцию и изображение с камеры рабочей зоны, а затем предсказывает действия робота на основе обучающих эпизодов манипуляций из набора Open X-Embodiment. Модель дообучена на базе Qwen 2.5 VL-3B и имеет 3,1 млрд параметров; архитектура — Qwen2.5-VL с контекстом до 128 000 токенов. Выход представляет собой нормализованные приращения 7-DoF для концевого эффектора: координаты, углы roll, pitch и yaw, а также положение захвата. Для выполнения действий на роботе требуется обратная нормализация с использованием статистик конкретной платформы и набора данных. Указан английский язык инструкций. Модель и код обучения доступны по лицензии MIT.

ONCA 3.0-12B — текстовая исследовательская модель для шести структурированных задач в онкологии, созданная Joesh1 на основе Google Gemma 4 12B. Модель содержит 11,95 млрд параметров, использует архитектуру Gemma 4 Unified и выдаёт результаты в компактном формате JSON. Чекпойнт прошёл два этапа SFT с QLoRA и финальное дообучение GRPO; опубликованные веса объединяют адаптер с базовой моделью. Модель предназначена для классификации патологических категорий TNM, первичной сортировки клинических испытаний и рассуждений по критериям включения, а также классификации молекулярных доказательств CIViC. Она работает только с текстом; оценка проводилась с лимитом 4096 токенов. Результаты на замороженной выборке разработки и валидации не заменяют проверку на закрытой тестовой выборке. Модель может ошибаться клинически даже при корректном JSON: возможны галлюцинации, неверная классификация, пропуск обоснований и неподдерживаемый формат. Проспективная клиническая проверка и независимая экспертная оценка не завершены; триаж испытаний не определяет право пациента на участие. Не предназначена для обработки изображений или идентифицирующих данных пациентов. Лицензия CC BY-NC 4.0 допускает использование на условиях некоммерческого распространения с указанием авторства.

OpenMed-NER-BloodCancerDetect-SnowMed-568M — специализированная модель OpenMed для распознавания и классификации сущностей в биомедицинских текстах, связанных с хроническим лимфолейкозом (CLL). Она предназначена для извлечения упоминаний CLL из клинических документов и научной литературы, например, для анализа медицинских записей и исследований в гематологии и онкологии. Модель использует архитектуру XLM-RoBERTa с головой token classification; в README базовая архитектура названа snowflake-arctic-embed-l-v2.0. Размер — около 658,7 млн параметров, максимальный контекст — 8194 токена. На вход подаётся токенизированный биомедицинский текст, на выходе — метки BIO; в карточке указаны сущности B-CL и I-CL. README сообщает F1 0,84, точность 0,98 и полноту 0,74 на CLL corpus, поэтому пропуски сущностей возможны. Модель распространяется по лицензии Apache-2.0.

Это экспериментальный дообученный чекпойнт Qwen3-1.7B, созданный для действий и рассуждений в интерактивной среде ScienceWorld. Он использует плотную архитектуру Qwen3ForCausalLM, принимает текстовые инструкции и наблюдения среды в формате ReAct и генерирует текстовые ответы с мыслями и действиями. Контекст модели составляет 40 960 токенов; размер — 1,7 млрд параметров. Обучение проводилось методом online multi-turn ROSE с продолжениями, сгенерированными учителем gpt-5.4-mini; указанный чекпойнт соответствует первому шагу сохранения после эпохи 1 из трёх.

RETFound_MAE_OCT — модель классификации изображений на основе параметров RETFound для OCT, опубликованная bitfount. Репозиторий содержит копию open-eye/RETFound_MAE, интегрированную с библиотекой timm, и параметры OCT-модели. Модель предназначена для классификации изображений оптической когерентной томографии (OCT). В метаданных указаны формат PyTorch и лицензия CC BY-NC 4.0, которая разрешает использование с указанием авторства, но запрещает коммерческое применение.

RoboFine-VLM — модель компьютерного зрения и языка, разработанная авторами статьи FineVLA и дообученная на базе Qwen/Qwen3.5-VL-397B-A17B. Она предназначена для понимания видео манипуляций роботов: отвечает на вопросы о происходящем и создаёт пошаговые описания действий с разбором последовательности, исполнителя и целевых объектов. Модель поддерживает видео и изображения, в том числе многокамерные видео; архитектура Qwen3.5 MoE содержит 397 млрд параметров. В карточке приведены результаты оценки на RoboFine-Bench и параметры запуска: 4 кадра в секунду и до 512 кадров. Модель подходит для анализа роботизированных манипуляций и подготовки детализированных аннотаций траекторий. Для запуска требуются значительные вычислительные ресурсы: в режиме BF16 указано около 752 ГБ весов и минимум восемь GPU H200; для FP8 — около 376 ГБ весов и минимум восемь GPU A100/H100. Распространяется по лицензии Apache-2.0. Карточка не сообщает длину контекста.

SOLE-R1-8B — видеоязыковая модель рассуждений о прогрессе роботизированных задач, представленная Philip Schroeder и соавторами вместе с исследованием «SOLE-R1: Video-Language Reasoning as the Sole Reward for On-Robot RL». Она принимает описание задачи на естественном языке и визуальные наблюдения с нескольких временных шагов, включая кадры с внешних и установленных на запястье камер, и выдаёт текстовое объяснение прогресса и численную оценку в процентах. Модель предназначена для оценки выполнения задач роботом и формирования плотного сигнала вознаграждения для онлайн-обучения с подкреплением, в частности когда вручную заданные функции вознаграждения недоступны. Обучение включало примеры прогресса роботизированных задач и данные для пространственных и временных рассуждений по нескольким кадрам. В метаданных указаны архитектура Qwen3-VL, плотная условно-генерирующая модель и формат safetensors. Лицензия — MIT.

Surgical SAM 3.1 V2 — модель компьютерного зрения, разработанная Mehmet Kerem Turkcan, Soham Samal и Zoran Kostic из AIDL Lab Колумбийского университета и IPAL Lab. Это дообученный на хирургических изображениях детектор с открытым словарём и сегментатор экземпляров на базе SAM 3.1 от Meta. Текстовая подсказка задаёт инструмент, его часть, орган или тип ткани; схема датасета включает 33 категории, из них 29 представлены положительными обучающими аннотациями. Модель обучена на 34 316 изображениях из SAM3 Joint Surgical Dataset. Детектор на изображениях и встроенный мультиплексный трекер SAM 3.1 позволяют находить объекты по текстовому запросу и отслеживать их идентичность в видео. В README приведены результаты оценки на хирургических данных; качество заметно различается между группами категорий, в частности сегментация инструментов показала лучшие результаты, чем анатомии и тканей. Модель предназначена для исследований в хирургическом компьютерном зрении и робототехнике и не валидирована для клинических решений или ухода за пациентами. Лицензия в метаданных указана как other; конкретные условия использования следует проверять в репозитории модели.

Это модель классификации изображений растений gianlab, дообученная на базе microsoft/swin-tiny-patch4-window7-224. Она использует архитектуру Swin Transformer и содержит около 33 млн параметров; веса доступны в формате PyTorch. Модель предназначена для распознавания болезней и здорового состояния листьев томата, картофеля и сладкого перца по фотографии. В карточке перечислены 15 классов, включая фитофтороз, раннюю гниль, бактериальную пятнистость, вирусы томата, септориоз и паутинного клеща. На оценочной выборке указана точность 0,969 и функция потерь 0,1032. Модель можно использовать для классификации фотографий растений и как основу для прототипов мониторинга посевов; результат не заменяет экспертную диагностику. Лицензия — Apache-2.0.

Модель A2H0H0R1/swin-tiny-patch4-window7-224-plant-disease-new — дообученная версия Swin-Tiny от Microsoft, предназначенная для классификации изображений. В README указана настройка на неизвестном наборе данных; название модели указывает на классификацию заболеваний растений, однако карточка не описывает классы и область применения подробнее. Модель содержит около 33 млн параметров, использует архитектуру Swin и распространяется в формате Safetensors. В README приведены результаты на оценочном наборе: точность 0,9945 и значение loss 0,0163. Эти показатели относятся к набору из карточки и не гарантируют аналогичного качества на других изображениях. Лицензия — Apache-2.0. Подробности о данных обучения, классах и ограничениях в карточке отсутствуют.

UniPhysGen-1.7B-Structure — модель для определения связанных подвижных частей 3D-объекта, разработанная авторами UniPhysGen. На вход она принимает облако точек всего объекта, отдельное облако точек выбранной подвижной части и список частей-кандидатов с их центрами. Модель предсказывает, какие части перемещаются вместе с целевой. Целевая часть должна иметь поступательное или вращательное движение; полный список кандидатов следует сохранять, включая неподвижные части. Это плотная авторегрессионная архитектура UniPhysGenQwen3ForCausalLM объёмом 1,7 млрд параметров, основанная на слиянии Qwen/Qwen3-1.7B и facebook/sonata и дообученная для структурного grounding. Репозиторий содержит веса Safetensors; модель использует Transformers и поддерживает контекст до 40 960 токенов. Карточка указывает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Модель предназначена для исследовательских задач и предложения групп частей, связанных общим движением, в 3D-ассетах. Результат зависит от полноты и корректности разбиения объекта на части. Качество может снижаться при пропущенных или дублированных частях, слишком мелком или крупном разбиении, вложенных механизмах, разреженных облаках точек и объектах вне обучающего распределения; предсказанные группы нужно проверять перед созданием ограничений симуляции.

keremberke/yolov8m-pcb-defect-segmentation — модель компьютерного зрения на базе YOLOv8m, опубликованная Keremberke и предназначенная для сегментации дефектов печатных плат. Она принимает изображения и выделяет масками четыре класса: холодная пайка, неправильная установка компонентов, повреждение платы и короткое замыкание. Модель подходит для автоматизированного контроля качества плат по снимкам; для запуска используется библиотека Ultralytics. В репозитории указан формат PyTorch. Карточка не сообщает размер модели, разрешение входных изображений или лицензию, поэтому эти характеристики здесь не уточняются. Качество распознавания может зависеть от условий съёмки и сходства новых изображений с обучающими данными.

BrainTumor-Classification-Mini — модель классификации изображений, разработанная prithivMLmods на базе Google SigLIP 2 Base Patch16-224 и дообученная для классификации изображений мозга по одной метке. Она использует архитектуру SiglipForImageClassification и относит снимок к одному из четырёх классов: отсутствие опухоли, глиома, менингиома или опухоль гипофиза. Модель предназначена для классификации изображений мозга, в частности для предварительной оценки МРТ, медицинских исследований и учебных экспериментов. В README приведены метрики на наборе из 5712 примеров: точность 99,18%; эти результаты сами по себе не подтверждают качество на других данных или пригодность для клинических решений. Модель принимает изображение и выдаёт метку класса. Лицензия — Apache-2.0.

kzipa/ferrofluid-fluid — модель генерации изображений на основе Stable Diffusion, дообученная автором kzipa методом DreamBooth на изображениях феррожидкости из набора kzipa/ferrofluid. Она предназначена для создания изображений по текстовым запросам с акцентом на концепт феррожидкости; в карточке приведены примеры фотореалистичных сцен и изображений в стиле масляной живописи. Модель распространяется в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Для генерации концепта в запрос следует включать фразу «ferrofluid fluid». Карточка не приводит сведений о размере модели, длине контекста или поддерживаемых языках. Как и другие генеративные модели, результаты могут зависеть от формулировки запроса; специализация на феррожидкости ограничивает её полезность для задач, не связанных с этим визуальным понятием.

Это чекпойнт GR00T N1.7 для управления роботом SO-101 при работе с флаконами слева от стойки. Модель разработана на основе `nvidia/GR00T-N1.7-3B` и обучена на наборе `sreetz-nv/so101_teleop_vials_rack_left_sim_and_real`; опубликован чекпойнт после 6 000 шагов обучения из запланированных 10 000. Модель предназначена для робототехнических сценариев, связанных с выполнением действий манипулятором SO-101. В обучении использованы относительные действия, преобразования изображений и исправление паритета предобработки Qwen. Репозиторий содержит файлы чекпойнта для инференса без состояния оптимизатора и планировщика. Файлы представлены в формате safetensors и используют библиотеку LeRobot. Лицензия — Apache-2.0.

MolmoMotion-4B-H1-F32 — разработанная Ai2 модель компьютерного зрения и языка на 4 млрд параметров для прогнозирования движения в 3D. По короткой истории RGB-изображений, заданным пользователем точкам на изображении с их 3D-историей и текстовой инструкцией о действии модель предсказывает будущие траектории точек в координатах камеры, в метрах. Это авторегрессионный вариант MolmoMotion с одной исторической точкой наблюдения (H=1) и горизонтом прогноза в 32 шага (F=32). Он подходит, когда доступен только один ключевой кадр с точками. Модель предназначена для исследований прогнозирования движения и как основа для дальнейшего дообучения, например для сценариев роботизированного захвата и перемещения предметов. Модель принимает изображения, текстовую инструкцию и координаты точек с их 3D-историей, а выдаёт прогноз 3D-траекторий. Она построена на архитектуре Molmo2 и доступна в формате safetensors. Лицензия — Apache-2.0. Прогнозы являются оценками модели; перед использованием для управления физическими системами их следует проверять.

MoPET booster-derma — исследовательская модель Себастьяна Дёрриха и Даниэля Вюртинґера из xAILab Университета Бамберга для классификации медицинских изображений. Вариант обучен на DermaMNIST совместно с BloodMNIST, OCTMNIST и OrganSMNIST; целевая задача — классификация изображений DermaMNIST, а остальные наборы используются как вспомогательные данные. Модель использует замороженную основу DINOv3 ViT-B/16 и разреженный маршрутизатор, который выбирает экспертов MoPET на основе адаптеров LoRA и BOFT; для каждого набора данных предусмотрена отдельная классификационная голова. Принимает RGB-изображения в виде тензоров PyTorch размером 3×256×256 и выдаёт оценки классов. Лицензия — MIT. Модель предназначена для исследований и экспериментов с классификацией медицинских изображений и извлечением признаков. Она обучена на уменьшенных изображениях MedMNIST+; тонкие детали могут быть утрачены, результаты на классах с малым числом примеров могут быть хуже, а устойчивость к изменению домена не охарактеризована. Модель не предназначена для клинической диагностики; поведение на других типах изображений не определено.

Motus — предобученная модель мира с латентными действиями для робототехники, разработанная командой Motus Robotics. Архитектура Mixture-of-Transformers объединяет экспертов для понимания изображений и языка, генерации видео и предсказания действий; компоненты основаны на WAN 2.2 и Qwen3-VL-2B. Модель поддерживает несколько режимов: Vision-Language-Action, модель мира, обратную динамику, генерацию видео и совместное предсказание видео и действий. Контроль рассчитан на манипуляции двумя руками: по умолчанию 30 Гц, фрагменты по 48 шагов и 14 параметров действия — по 7 на руку. Латентные действия извлекаются с помощью оптического потока. README сообщает среднюю успешность 87,02% на RoboTwin 2.0; для инференса указаны требования около 24 ГБ видеопамяти с заранее закодированным T5 и около 41 ГБ без него. Модель распространяется по лицензии Apache-2.0.

Papy2Llama-3.1-8B-Instructtext — дообученная модель на основе Llama 3.1 8B Instruct для восстановления пропусков длиной от 1 до 20 символов в древнегреческих документальных папирусах. Она предлагает варианты реконструкции по фрагментам текста и рассчитана на помощь в папирологии, текстологической критике и филологических исследованиях. По результатам на тестовом наборе из 7 811 изданий папирусов для пропусков длиной 1–10 символов указаны CER 14,9%, точность top-1 73,5% и top-20 85,9%. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и доступна в формате Safetensors; максимальный контекст — 131 072 токена. README отмечает, что квантованный запуск на бесплатном уровне Google Colab заметно снижает качество. Модель распространяется по лицензии Apache-2.0.

Travor278/psalm-egoexo4d-exo2ego-small-ep4-20260902 — экспериментальный чекпойнт PSALM, обученный на подмножестве Exo2Ego из набора Ego-Exo4D. Это baseline для zero-shot сегментации изображений при переносе между видами от первого и третьего лица; модель предназначена для оценки на наборах DROID и BehaviorSim в сценариях Ego→Exo, Exo→Ego и Exo→Exo, а также на контрольном наборе EgoExo4D. Модель содержит 1,7 млрд параметров, использует архитектуру PSALM на базе LLaVA-Phi и распространяется в формате safetensors для Transformers. Контекст составляет 2048 токенов. В README указано, что чекпойнт обучался четыре эпохи на первых 41 127 записях Exo2Ego FullTrain. Лицензия в метаданных обозначена как other. Карточка описывает частный экспериментальный артефакт и перечисляет его обучающие данные и целевые оценки. Она не сообщает метрики качества или подробные ограничения применимости; выводы о качестве следует делать по указанным оценкам.

RadioDINO-s16 — модель семейства Radio DINO, разработанная Лукой Цеддой, Андреа Лоддо и Чечилией Ди Руберто из Университета Кальяри для радиомики и медицинской визуализации. Это самообученный Vision Transformer малого размера с патчами 16×16, основанный на DINO; число параметров — 28,3 млн, размерность эмбеддингов — 384. Модель предназначена для извлечения признаков из медицинских изображений и использования в качестве основы для классификации, сегментации, переноса обучения и анализа интерпретируемости. Предобучение проводилось на RadImageNet — наборе из 1,35 млн КТ-, МРТ- и ультразвуковых изображений. Авторы сообщают о проверке на бенчмарке MedMNISTv2 и эффективности без дополнительного дообучения. Модель принимает изображения и выдаёт векторные признаки; метаданные указывают также наборы BUSI и MedMNIST. Репозиторий использует PyTorch и safetensors. Лицензия — CC BY 4.0.