IV.6Научные исследования, математика и новые материалы

RoboInter-VLM_qwenvl25_3b — мультимодальная модель InternRobotics для анализа сцен роботизированного манипулирования и генерации промежуточных представлений. Она дообучена на наборе RoboInter-VQA на базе Qwen2.5-VL-3B-Instruct и содержит около 3,1 млрд параметров. Модель принимает изображения и текстовые запросы, а ответы формирует на естественном языке или в виде структурированных представлений: например, координат точек траектории, рамок захвата и объектов. Она предназначена для визуальных вопросов о контакте и позах захвата, выбора траектории, распознавания примитивов действий, оценки успешности и планирования следующего шага манипуляции. Заявленный контекст базовой модели — 128 000 токенов. Чекпойнт распространяется в формате safetensors; для загрузки README указывает Transformers. Лицензия — Apache-2.0. Качество зависит от соответствия сцены и задачам обучения RoboInter-VQA; модель не следует считать универсальным контроллером робота: README описывает предсказание представлений и планирование, но не подтверждает непосредственное исполнение действий.

Модель wellCh4n/tomato-leaf-disease-classification-vit — дообученный Vision Transformer ViT-Base/16, созданный на основе google/vit-base-patch16-224-in21k для классификации изображений листьев томата по заболеваниям. Она предназначена для распознавания болезней по фотографии листа; README сообщает о точности 0,9967 на оценочной выборке датасета wellCh4n/tomato-leaf-disease-image. Модель содержит 113,2 млн параметров, принимает изображения и выдаёт метку класса. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия — Apache-2.0. Результат на оценочной выборке не гарантирует такую же точность на фотографиях из других условий; перечень классов и языковые характеристики в предоставленных данных не описаны.

nateraw обучил эту модель дообучением google/vit-base-patch16-224-in21k на наборе изображений beans. Это ViT для классификации изображений, содержащий 113,2 млн параметров; репозиторий предоставляет веса PyTorch. На оценочной выборке набора beans модель показала accuracy 0,9774 и loss 0,0942. Она подходит для распознавания классов изображений фасоли в задачах, близких к использованному набору данных. Лицензия — Apache-2.0. Карточка не описывает ограничения и условия применимости за пределами оценки на этом наборе данных.

WQT50M — модель WestQuantStudio для ранжирования преобразований при оптимизации квантовых схем. Это плотный авторегрессионный декодер в стиле Llama с 49,5 млн параметров и контекстом 4096 токенов, реализованный как LlamaForCausalLM. Модель обучена на результатах транспиляции Qiskit и оценивает перспективность преобразований с учётом схемы, бэкенда и цели оптимизации. Модель предназначена для исследовательских экспериментов и служит базовой точкой сравнения для моделей оптимизации квантовых компиляторов. Она предсказывает стоимость состояния и действия, а ранжирование этих оценок позволяет выбрать следующий шаг; в README сообщаются точность выбора лучшего действия 74% и среднее улучшение относительно наивной транспиляции 16,6%. Поддерживаются сценарии с разными целями оптимизации и типами квантовых схем. WQT50M принимает структурированные представления состояния и действий в текстовом формате и генерирует текстовые предсказания и оценки. Это не компилятор: для работы с Qiskit или TKET нужны внешние преобразователи представлений. Точность определения допустимости действий составляет 79,2%; сквозное планирование последовательности шагов не оценено, а адаптивное обучение по пользовательским данным не реализовано. Лицензия модели — Apache-2.0.

zondaxyz/babyconceptLM-baike102M_bpe50 — китайская концептуально-доминантная языковая модель, обученная для Chinese BabyLM Challenge на данных Baike102M в токенизации BPE. Архитектура ConceptDominantGPTBertForPreTraining использует отдельные token-, concept- и readout-слои; в модели 2 token-слоя, 4 concept-слоя и 2 readout-слоя, размер скрытого состояния 768, словарь из 16 384 токенов и 12 голов внимания для токенов и readout. Максимальная длина последовательности — 512 токенов, длина предобучающих последовательностей — 256. Модель предназначена для исследовательских экспериментов с обработкой китайского языка, включая оценку грамматических знаний и анализ представлений языка в задачах с fMRI. В карточке приведены результаты zhoBLiMP и корреляции на наборах word_fMRI и fMRI; показатели fMRI получены на dev-разбиении, поскольку тестовое разбиение не выпущено. Это не разговорный ассистент и не модель для производственного применения. Для загрузки требуются пользовательский код Transformers и параметр trust_remote_code=True. Лицензия в предоставленных данных не указана.

Cosmos-3 Tactile-MoT v2 — step-250 — промежуточный чекпойнт для совместного предсказания будущего видео и тактильных сигналов. Модель разработана на базе NVIDIA Cosmos3-Nano: автор дообучил путь генерации Cosmos3 и добавил тактильную модальность. Указан размер исходного бэкбона — 15,9 млрд параметров; обучаемый путь генерации составляет около 6,98 млрд. Веса опубликованы в формате bf16 Safetensors. Модель принимает прошлые видеокадры и тактильные данные и предсказывает будущие видео и тактильные данные. Она предназначена для моделирования взаимодействия робота с объектами; поддерживает английское текстовое кондиционирование и потоки с частотой 30 Гц, включая тактильные сигналы с частотой 10 и 30 Гц. Действия и позы рук модель не предсказывает. Это чекпойнт на шаге 250 из запланированных 3000 шагов полного дообучения, опубликованный для запуска оценки параллельно с обучением. Предсказанное видео уже согласованное, но пока мягкое и недостаточно детализированное, особенно в близких ракурсах на запястья. Для генерации следует использовать UniPC flow sampler. Лицензия в метаданных обозначена как other; README не уточняет её условия.

Cosmos-H2R-0918 — это дообученная модель генерации видео на основе nvidia/Cosmos3-Nano, опубликованная пользователем rooty2020 в формате Cosmos с весами safetensors. Модель предназначена для моделирования взаимодействия робота с объектами: она генерирует видеопоследовательность манипуляции по изображению или видеоконтексту и описанию подзадачи, а также выдаёт траектории отслеживаемых 3D-точек по кадрам. Генерацию можно обусловить потоком поз камеры. Модель использует архитектуру cosmos3_omni на базе Qwen3-VL-8B MoT и diffusion expert; указано около 15,2 млрд параметров плюс визуальная башня Qwen3-VL. Финальный этап обучения использовал эпизоды DROID, нарезанные на клипы с текстовыми описаниями подзадач, и включал потери генерации видео, отслеживания 3D-точек и межвидовой согласованности. Указаны видео 480p, два ракурса и контекст до 17 кадров; основное назначение — роботизированные манипуляции, а не универсальная генерация видео. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Модель разработана Институтом биомедицинской информатики и Центром прикладного ИИ Университета Кентукки. Это энкодер Vision Transformer ViT-Large с четырьмя register-токенами, дообученный на КТ грудной клетки из набора CT-RATE с использованием самоконтролируемого обучения DINOv2 и masked image modeling iBOT. Модель содержит 402,7 млн параметров и рассчитана на извлечение признаков из медицинских изображений.

HuBERT-ECG-small — компактная версия самообученной модели для анализа электрокардиограмм, разработанная авторами HuBERT-ECG. Модель предварительно обучена на 9,1 млн 12-канальных ЭКГ из четырёх стран и предназначена для извлечения признаков, которые можно использовать как основу для последующего обучения диагностических и прогностических моделей. Модель содержит 33,6 млн параметров и распространяется в формате safetensors для библиотеки Transformers. В исследовании семейство HuBERT-ECG оценивалось на задачах диагностики сердечных состояний, прогнозирования клинических исходов и анализа одноканальных ЭКГ. Для применения на собственных данных требуется предварительная обработка ЭКГ. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

ndpphuong/medical_vietnamese_bi_encoder_finetune_simcse_part_2 — модель Sentence Transformers на базе RoBERTa, обученная для представления предложений и абзацев в виде плотных векторов размерностью 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; при обучении использовалась контрастивная функция потерь с косинусной метрикой расстояния. Модель содержит 162,4 млн параметров и принимает последовательности длиной до 258 токенов. Название указывает на специализацию на медицинском вьетнамском языке, однако карточка не приводит подробностей о данных или оценке качества. Для работы доступны веса safetensors и библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

MIRAGE-Base — модель извлечения признаков изображений сетчатки, разработанная José Morano и соавторами. Это официальные веса базовой версии MIRAGE на архитектуре ViT-Base; модель представлена в статье «MIRAGE: Multimodal foundation model and benchmark for comprehensive retinal OCT image analysis» (2025). Репозиторий содержит веса в формате safetensors, модель реализована на PyTorch и рассчитана на изображения размером 512×512. Модель предназначена для анализа снимков оптической когерентной томографии сетчатки (OCT) и получения признаков, которые могут использоваться в задачах классификации и сегментации. Для загрузки авторы предлагают PyTorchModelHubMixin и вспомогательный скрипт MIRAGE. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без разрешения правообладателя.

ODEWorld-RAE-AgiBot — модель декодирования изображений из семейства ODEWorld, обученная на данных AgiBot. В чекпойнт включён энкодер DINOv2. В метаданных Hugging Face модель отнесена к задаче преобразования изображения в видео; для установки и запуска авторы направляют к репозиторию ODEWorld на GitHub. Модель предназначена для сценариев, связанных с реконструкцией изображений и робототехникой. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не уточняет размер модели, длину контекста, поддерживаемые языки или конкретные ограничения качества.

opd-teacher-Q2.5I-FractionalProgramming-step149 — языковая модель Qwen2.5-1.5B-Instruct, дообученная David Heineman с помощью GRPO и RLVE на среде FractionalProgramming с нулевым уровнем сложности. Это финальный чекпойнт после 150 обновлений, подготовленный для эксперимента по on-policy дистилляции с 32 средами. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текстовые запросы для генерации текста; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык, а метаданные — поддержку диалогового режима и интерфейса вызова инструментов. Модель предназначена прежде всего для экспериментов с обучением и дистилляцией на задачах среды FractionalProgramming. Она унаследовала основу Qwen2.5-1.5B-Instruct и распространяется в формате safetensors; используется лицензия Apache-2.0, включающая исходную лицензию Qwen. Карточка не приводит результатов оценки качества, поэтому она не подтверждает пригодность чекпойнта для широкого практического применения.

OpenMed разработала OpenMed-NER-BloodCancerDetect-BioMed-335M — модель распознавания клинических сущностей, дообученную для поиска понятий, связанных с хроническим лимфоцитарным лейкозом (ХЛЛ), в медицинских и научных текстах. Она построена на архитектуре BERT для токен-классификации и принимает токенизированный биомедицинский текст, возвращая BIO-метки сущностей. В README указана базовая архитектура BiomedNLP-BiomedELECTRA-large-uncased-abstract; число параметров по метаданным — 433,9 млн, длина контекста — 512 токенов. Карточка перечисляет метки B-CL и I-CL, а язык карточки и языковой тег — английский. Модель предназначена для извлечения упоминаний, связанных с ХЛЛ, из клинических записей, медицинских документов и научной литературы. Её можно применять для поиска профильной терминологии в корпусах и поддержки медицинской аналитики; README также предлагает сценарии мониторинга нежелательных явлений и построения биомедицинских графов знаний, но набор меток ограничен сущностями ХЛЛ. В README приведены F1 0,76, точность 0,71 и полнота 0,83. Модель распространяется по лицензии Apache-2.0.

OpenWAM-Alpha-Sim-RoboTwin-Full — модель робототехники из семейства OpenWAM-α, разработанная авторами исследования OpenWAM. Это дообученная на полном наборе задач RoboTwin 2.0 модель на базе видеомодели Wan2.2-TI2V-5B с родным энкодером Wan-VAE. Архитектура использует Dual-System Joint Self-Attention и маску взаимного внимания. Предварительное обучение проводилось на 518,5 млн кадров, примерно 6 400 часах данных: 70% составляют робототехнические данные, включая реальные и симуляционные, а 30% — видео от первого лица с людьми. Модель предназначена для задач робототехники, охватываемых набором RoboTwin 2.0. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Метаданные указывают задачу robotics, но подробности о входном и выходном интерфейсе, поддерживаемых языках и ограничениях в доступных материалах не раскрыты.

SeongryongJung/Qwen3-8B-Biology-RLRT-TR — экспериментальный чекпойнт модели Qwen3-8B, обученный методом RLRT-TR для биологических задач. Модель имеет плотную архитектуру Qwen3ForCausalLM с 7,6 млрд параметров, принимает текст и генерирует текст; нативный контекст составляет 40 960 токенов. В README указано, что опубликован лучший и одновременно последний чекпойнт обучения global_step_100, выбранный по валидационной метрике mean@16. Модель рассчитана на генерацию ответов и рассуждений по биологии. В описанном прогоне на валидационном наборе Biology значение mean@16 составило 0,00%, поэтому практическое качество для биологических задач не подтверждено. Базовая Qwen3-8B — многоязычная языковая модель, однако языки, специально поддерживаемые этим дообучением, не обозначены. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Robo-Dopamine-GRM-2.0-8B-Preview — мультимодальная модель вознаграждения для роботизированных манипуляций, разработанная авторами проекта Robo-Dopamine. Это дообученная версия Qwen3-VL-8B-Instruct с плотной архитектурой Qwen3-VL и 8 млрд параметров; она принимает описание задачи и изображения нескольких видов и состояний сцены, чтобы оценивать относительный прогресс между начальным, целевым, предыдущим и последующим состояниями. Модель предназначена для формирования плотного сигнала вознаграждения при обучении роботов с подкреплением и адаптации к новой задаче по одной демонстрации. Метод проекта объединяет оценки прогресса с разных перспектив, а полученный сигнал можно использовать в различных алгоритмах обучения с подкреплением. Репозиторий содержит веса Safetensors; модель опубликована под лицензией Apache-2.0. Поддерживаемые языки и длина контекста не подтверждены доступными сведениями.

Theia Tiny Patch16-224 CDDsv — визуальная foundation-модель для обучения роботов, разработанная The AI Institute. Она использует DeiT-Tiny с патчами 16×16 и входным разрешением 224 пикселя, объединяя в представлениях визуальные знания, дистиллированные из CLIP, Depth Anything, DINOv2, Segment Anything и ViT. Модель предназначена для извлечения признаков изображений и последующего применения этих представлений в задачах робототехники и обучения роботов. В статье Theia сообщается, что модель превосходит модели-учителя и предыдущие робототехнические модели, используя меньше обучающих данных и имея меньший размер. Весовые файлы доступны в формате safetensors; лицензия — The AI Institute License.

Den953/vit-beans-demo — модель компьютерного зрения на базе Vision Transformer ViT-Base/16, дообученная на наборе изображений листьев фасоли beans для распознавания угловой пятнистости, ржавчины фасоли и здоровых листьев. Модель разработана в рамках учебной лабораторной работы по MLOps и предназначена для классификации фотографий листьев фасоли. В README указана точность 0,9609 на тестовой выборке из 128 изображений. Доступен вариант ONNX для инференса без PyTorch; модель также запускается через Transformers pipeline image-classification. Размер базовой модели — 113,2 млн параметров. Лицензия — Apache-2.0. Обучение проведено за две эпохи на 1 034 обучающих изображениях. Набор данных охватывает одну культуру и условия съёмки в Уганде, поэтому качество на других культурах, болезнях, условиях освещения и фотографиях иного качества не подтверждено. Для практической сельскохозяйственной диагностики требуется дополнительная проверка.

ATHENA-R1-Qwen3-8B — специализированный агент для рассуждений о лечении, разработанный командой ATHENA при Harvard. Модель дообучена методом обучения с подкреплением на базе Qwen/Qwen3-8B и имеет 7,6 млрд параметров; она использует архитектуру Qwen3ForCausalLM и формат safetensors. По клиническому вопросу агент выбирает инструменты из набора ToolUniverse, делает последовательные вызовы, учитывает полученные данные и формирует свободный ответ со ссылками на авторитетные биомедицинские источники. Модель рассчитана на текстовый диалог на английском языке, сценарии рассуждения о лекарствах и выборе лечения с учётом данных пациента. Контекст составляет 40 960 токенов. В карточке приведены результаты на бенчмарках DrugPC и TreatmentPC; работа с инструментами выполняется через отдельную инфраструктуру, включая пакет athena-r1, сервер модели и сервер ToolUniverse. Лицензия — MIT. Это исследовательский артефакт для изучения рассуждений о лечении и поддержки принятия решений, а не медицинское устройство. Разработчики запрещают использовать его для непосредственного ведения пациентов; ответы могут содержать ошибки и требуют проверки специалистом.

ianpan разработал модель для оценки костного возраста по рентгенограммам кисти у детей. Это дообученный на базе timm/convnextv2_tiny.fcmae_ft_in22k_in1k трёхфолдовый ансамбль ConvNeXtV2-Tiny; доступны также отдельные модели каждого фолда. Модель выдаёт оценку возраста в месяцах, полученную из вероятностей классификационной головы и индексов классов. Для предсказания учитывается пол пациента через аргумент female. Модель обучена и проверена на 14 036 детских рентгенограммах кисти из открытого набора RSNA Pediatric Bone Age Challenge. На тестовом наборе соревнования из 200 снимков автор сообщает среднюю абсолютную ошибку 4,16 месяца при обрезке снимка и сопоставлении его гистограммы с эталонным изображением. Для загрузки используется Transformers с trust_remote_code=True; поддерживается чтение DICOM при установленном pydicom. Лицензия — Apache-2.0. Модель предназначена для демонстрационных и исследовательских сценариев оценки костного возраста. Она не одобрена для клинического применения; точность зависит от качества и подготовки снимка, а также от корректной передачи пола пациента. Оценка на одном тестовом наборе не гарантирует аналогичного качества на других данных.

LikC1606/chinese-babylm-cog-a197-strict-best — модель-кандидат для китайского трека CogBench в условиях Chinese BabyLM, разработанная в рамках эксперимента на строгом обучении с нуля. Это плотная модель класса CogAllLayerUncertaintyGateModel на базе Transformers; репозиторий содержит веса safetensors, а для загрузки требуется trust_remote_code=True. Контекст модели — 256 токенов. Модель извлекает признаки для оценки языкового поведения на китайском языке. В README приведены результаты на задачах word_fmri и fmri, а также на наборах zhoblimp, hanzi_structure и hanzi_pinyin. Архитектура объединяет слои внутренних ветвей, статистические признаки из официального корпуса Chinese BabyLM и скалярные оценки неопределённости внутренней MLM-модели. Автор сообщает, что веса обучены с нуля на официальных артефактах корпуса без внешних предобученных моделей, учителей и лингвистических ресурсов; публичные агрегированные оценки CogBench применялись при выборе конфигурации. Модель рассчитана на экспериментальные исследования китайского языка и когнитивного моделирования, а не на универсальные текстовые приложения. Метаданные указывают лицензию other, поэтому условия повторного использования следует сверить с лицензией репозитория. README сообщает результаты локального оценивания, но не описывает ограничения переносимости за пределы указанного трека и оценочного набора.

ConvNeXt-Tiny для классификации болезней листьев растений по 38 категориям. Модель разработали Jonathan Núñez Moya и Francisco Rietta González для проекта FitoAsistente; это дообученная на PlantVillage модель facebook/convnext-tiny-224 с архитектурой ConvNeXt, содержащая 27,85 млн параметров. Модель предназначена для распознавания болезней и здоровых листьев на изображениях растений. На тестовой выборке PlantVillage указаны точность 96,41 % и macro F1 0,919. По сравнению с ViT-Base/16 она меньше и быстрее на CPU, но хуже распознаёт некоторые редкие классы. Репозиторий использует формат safetensors; лицензия — Apache-2.0. Результаты ограничены лабораторными изображениями PlantVillage: в полевых условиях качество может существенно снижаться. Разделение данных могло завысить оценку из-за попадания фотографий одного листа в обучение и тест; модель плохо справляется с редкими категориями и не умеет отклонять неизвестные классы. Она не заменяет оценку специалиста.

OpenMed-NER-BloodCancerDetect-SuperMedical-125M — специализированная модель OpenMed для распознавания сущностей в клинических текстах о хроническом лимфолейкозе. Она дообучена для token classification на корпусе CLL и выделяет сущности, помечаемые метками B-CL и I-CL, возвращая BIO-разметку токенов. Архитектура — RoBERTa; в метаданных указано около 151,8 млн параметров и контекст до 514 токенов. Модель предназначена для извлечения терминов, связанных с хроническим лимфолейкозом, из медицинских записей и научной литературы, а также для поиска упоминаний заболевания в задачах биомедицинского анализа. README сообщает F1 0,85, точность 1,00 и полноту 0,74 на CLL-датасете; результаты следует считать привязанными к описанному набору данных. Модель принимает токенизированный текст и выдаёт метки сущностей. Указана лицензия Apache-2.0.

OpenMed-ZeroShot-NER-Anatomy-Base-220M — модель OpenMed для распознавания анатомических сущностей в медицинских и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе ANATOMY; по карточке, версия Base содержит около 220 млн параметров. Модель принимает текст и возвращает найденные сущности с метками, включая органы, ткани, части тела и анатомические структуры. Модель предназначена для извлечения анатомических упоминаний из клинических записей, радиологических и хирургических заметок, а также научной литературы. Zero-shot режим позволяет задавать типы сущностей без отдельного дообучения; основной заявленный сценарий — распознавание анатомии, хотя README также описывает гибкое извлечение пользовательских категорий. Карточка сообщает F1 0,86 на тестовом наборе, исключённом из обучения, но не уточняет протокол оценки. Доступна по лицензии Apache-2.0 и совместима с экосистемой Hugging Face Transformers.

Pelican-VLA 0.5 — модель Vision-Language-Action, разработанная группой WFM System Group в Beijing Innovation Center of Humanoid Robotics (X-Humanoid). Это предварительно обученный кросс-эмбодиментный чекпойнт для управления роботизированными манипуляциями и исследований обобщаемого поведения роботов. Модель объединяет понимание изображений и инструкций, предсказание будущих кадров и генерацию траекторий действий в общей архитектуре Transformer на базе Qwen3-VL-4B Instruct. Всего модель содержит около 5 млрд параметров. Архитектура включает 32 обучаемых BotTokens, через которые передаётся информация от визуального восприятия к генерации действий; для траекторий применяется flow matching с 10 шагами денойзинга. Обучение проведено примерно на 2 400 часах разнородных данных манипуляций. Карточка указывает английский язык; метаданные описывают базовую модель как мультимодальную Qwen3-VL для диалога, изображений, видео, OCR и визуального рассуждения. Чекпойнт предназначен для исследований, zero-shot и few-shot экспериментов с манипуляциями, анализа внимания и последующей донастройки на данных конкретного робота. В README сообщается, что без специальной донастройки модель может выделять объекты и зоны контакта, связанные с инструкцией, в ранее не встречавшихся сценах. Это промежуточная исследовательская модель, а не готовый промышленный контроллер: надёжный захват, точное размещение и выбор времени контакта остаются нерешёнными задачами, а управление через положения суставов ограничивает перенос между роботами. Для запуска также требуются веса Qwen3-VL-4B-Instruct, токенизатор NVIDIA Cosmos и пакет inference. Лицензия чекпойнта — Apache-2.0.

Это дообученная модель π₀.₅, опубликованная пользователем helen9975 на Hugging Face. Она предназначена для управления бимануальным роботом по изображениям с трёх камер — верхней, левой и правой — и языковой инструкции; модель выдаёт действия для суставов и захватов. Чекпойнт `main` соответствует 200 000 шагам полного дообучения на наборе MolmoAct2-BimanualYAM-Dataset. Для запуска используется библиотека LeRobot; веса хранятся в формате safetensors. Модель основана на `lerobot/pi05_base` и лицензирована по Apache-2.0. Численные результаты, приведённые для более раннего чекпойнта на 100 000 шагов, получены лишь на двух отложенных эпизодах и не являются полноценным бенчмарком; для версии на 200 000 шагов оценивание ещё не проводилось.

PubMed-Ophtha CLIP ViT-B-16 — модель зрения и языка для офтальмологических изображений, созданная авторами исследования «Scientific Domain Knowledge Improves Vision-Language Fundus Models» и дообученная на наборе PubMed-Ophtha. Она сопоставляет изображения с текстовыми описаниями и предназначена для классификации без дополнительных примеров, поиска и исследования представлений изображений глазного дна и других офтальмологических снимков. Визуальный кодировщик — ViT-B/16 с размером изображения 224×224 пикселя; текстовый кодировщик — 12-слойный трансформер OpenCLIP с контекстом 77 токенов. Размерность совместного эмбеддинга — 512. Модель инициализирована весами OpenAI CLIP и дообучена на 96 916 парах изображений и подписей. В README приведены результаты оценки на 110 клинических задачах из шести наборов изображений глазного дна, но этот чекпойнт не является чекпойнтом, использованным для чисел в статье. Модель ориентирована на исследовательские задачи в офтальмологии; авторы сообщают о более высоких результатах по сравнению с рядом CLIP-бейзлайнов на описанном бенчмарке. Она не валидирована для диагностики и не предназначена для принятия клинических решений или ухода за пациентами. Лицензия — MIT.

Это экспериментальная дообученная модель Qwen3-1.7B, созданная для управления агентом в задачах научной среды ScienceWorld. Разработчик обучал её методом online multi-turn ROSE: модель выполняла первые 10 ходов эпизода, после чего траекторию продолжал учитель Qwen3-32B, а его ходы использовались как цели обучения. Модель основана на Qwen/Qwen3-1.7B и имеет плотную архитектуру Qwen3ForCausalLM с 1,7 млрд параметров. Модель принимает текстовые инструкции и наблюдения среды в формате многоходового диалога ReAct и генерирует текстовые рассуждения и действия. Контекст составляет до 40 960 токенов; в описанном протоколе использовались ответы до 512 токенов на ход. На тестовом разделении ScienceWorld результат успешного выполнения задач составил 6,12% при указанном протоколе оценки; это выше результата базовой модели 0,12%, но ниже результата учителя Qwen3-32B — 15,62%. Модель распространяется по лицензии Apache-2.0.

AQUA-7B — языковая модель Kurma AI для консультаций по аквакультуре. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, дообученная методом SFT с LoRA на примерно 3 млн реальных и синтетических диалогов и инструкций, около 1 млрд токенов. Модель принимает текст и генерирует текст; заявленный контекст составляет 32 768 токенов. Модель предназначена для рыбоводческих хозяйств, инкубаториев, исследователей и разработчиков технологий аквакультуры. Она помогает с подбором и ведением систем выращивания разных видов, разведением и выращиванием молоди, кормлением, контролем качества воды, профилактикой и управлением заболеваниями, биобезопасностью, устойчивыми практиками, переработкой и соблюдением отраслевых требований. Карточка указывает английский язык. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Ответы могут содержать ошибки и отражать предвзятость обучающих данных. Климатические и экологические рекомендации основаны на данных до 2024 года; критические, нормативные и другие важные решения следует проверять у квалифицированного специалиста по аквакультуре.