IV.9Медиа, журналистика, культура, архивы и игры

Jeff-Qwen3.5-0.8B-Chess — дообученная компанией Jeff модель для оценки шахматных ходов. Она получает позицию в формате FEN и список легальных ходов в алгебраической нотации, затем за один проход присваивает каждому ходу вероятность; поиск по дереву ходов и генерация текста не используются. Модель построена на Jeff-Qwen3.5-0.8B, основанной на архитектуре Qwen3.5, и дообучена на 600 тысячах позиций из открытых данных Lichess с оценками Stockfish 19. В описанных тестах она решала 55,8% отложенных шахматных задач, но играла примерно на уровне 1000 Elo и проигрывала даже слабейшей настройке Stockfish. Это ранний выпуск, который авторы пометили как устаревший; актуальная версия семейства — Jeff v1.3. Лицензия — Apache-2.0.

MentalBERT — англоязычная языковая модель на основе BERT-Base, обученная авторами модели на публикациях Reddit, связанных с психическим здоровьем. Это предварительно обученная модель с маскированием токенов, предназначенная для заполнения пропусков в тексте и адаптации к задачам анализа текстов о психическом здоровье. Модель может служить основой для исследований и систем предварительного выявления признаков психических расстройств в открытых онлайн-публикациях, а также для дальнейшего дообучения под профильные задачи. Она не предназначена для постановки психиатрических диагнозов. Авторы отмечают возможные смещения, проблемы справедливости, неопределённость и ограничения интерпретируемости. Веса распространяются по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

MiniMax-H3 FL2V 8-Step Motion Enhancer — адаптер LoRA от rzgar для видеомодели MiniMax-H3 ref2va, разработанной MiniMaxAI. Модель создана на основе vanilla LightX2V 8-step LoRA от LightX2V и предназначена для генерации и улучшения видео с поддержкой сценариев text-to-video, image-to-video, reference-to-video и других мультимодальных режимов, заявленных для базовой модели. Основная специализация адаптера — улучшение генерации NSFW-контента: более точное воспроизведение мужской и женской анатомии, а также лучшее понимание движений, связанных с NSFW-сценариями, и их анимации. Модель рассчитана на работу в восьмишаговом режиме диффузионной генерации, что ориентировано на ускоренное получение результата. Точные сведения о размере, языках, максимальном контексте и поддерживаемых разрешениях в README не указаны. Адаптер поставляется в формате Safetensors. Для его использования требуется базовая модель MiniMax-H3 ref2va; согласно README, vanilla LightX2V LoRA следует отключить. Лицензия — Apache 2.0. Ограничения включают зависимость от базовой модели и специализированную направленность на NSFW-анатомию и движения, поэтому качество в других типах сцен может отличаться и отдельно не описано.

OneCanvas-Qwen3-VL-8B — мультимодальная модель для понимания трёхмерных сцен, разработанная исследователями Технического университета Мюнхена и Huawei. Она принимает набор RGB-D кадров с известными глубиной и позами камер, проецирует визуальные признаки на панорамное представление сцены и отвечает текстом на вопросы о ней. Модель дообучена на базе Qwen3-VL-8B-Instruct с помощью LoRA-адаптеров и обученного векторного представления 3D-позиции. Она предназначена для пространственных вопросов, включая ситуационные вопросы о расположении объектов, оценку расстояний и размеров помещений. В README приведены результаты на SQA3D, VSI-Bench и SPBench. Для корректной работы нужны кадры с валидными позами и глубиной, согласованные параметры камеры и загруженное 3D-встраивание; рекомендуемая конфигурация использует 32 кадра и Z-up координаты. Для опубликованных результатов применялась CUDA-реализация Flash Attention 2, тогда как SDPA переносимее, но может менять ответы. Лицензия — MIT.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy; модель можно запускать для просмотра игры или использовать как отправную точку для продолжения обучения. Репозиторий содержит модель в формате ONNX. Лицензия и подробности об архитектуре и обучающих данных в предоставленных сведениях не описаны.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy; веса доступны в формате ONNX и могут использоваться для просмотра игры агента в браузере или продолжения обучения средствами ML-Agents. Карточка не сообщает размер модели, параметры среды или условия лицензии.

Prompt2MedImage — латентная диффузионная модель для генерации медицинских изображений по текстовому описанию. Её разработал Nihir Chadderwala; модель дообучена на медицинских изображениях из набора ROCO и использует фиксированный предварительно обученный текстовый энкодер CLIP ViT-L/14. Для запуска предназначена библиотека Diffusers. Модель рассчитана на создание изображений по англоязычным текстовым запросам, в том числе описаниям медицинских случаев и рентгенограмм. Репозиторий распространяется по лицензии WTFPL. Карточка не приводит размер модели и длину контекста; качество и клиническая применимость сгенерированных изображений не подтверждены приведёнными сведениями.

Это полноразмерная SFT-модель flavianv на архитектуре Qwen3-4B, дообученная для генерации подборок музыкальных инструментов и сопутствующих товаров по запросу. Она обучена на 8 937 положительных примерах из раздела Musical_Instruments датасета iaouali/amazon-benchmark и выдаёт названия товаров в JSON-объекте с массивом titles. Модель содержит около 3,7 млрд параметров, поддерживает диалоговый формат и контекст до 40 960 токенов; веса сохранены в FP32, для инференса их можно загрузить в BF16. В описанной в карточке проверке выбранный чекпойнт повысил покрытие эталонных товаров относительно базовой модели, но точность формата снизилась. Проверка проведена на 100 запросах, использованных также для выбора чекпойнта, поэтому результаты не являются независимой финальной оценкой. Генерируются названия, а не подтверждённые идентификаторы товаров: для сопоставления с каталогом нужен отдельный поиск. Модель не содержит reward head; возможны дубли, неверное число товаров и некорректный JSON. Лицензия в предоставленных данных не указана.

raceBERT-ethnicity — модель классификации текста на базе BERT, разработанная Праcанной Парасурамой. Она предсказывает этническую категорию по имени; карточка Hugging Face указывает задачу text-classification, архитектуру BertForSequenceClassification, около 136,7 млн параметров и контекст до 512 токенов. Модель ориентирована на исследовательское и прикладное использование для анализа имён, а не на определение этничности человека с достоверностью: её метки отражают ограниченную схему категорий, а результат является вероятностным предположением. Репозиторий доступен в формате PyTorch. В доступных источниках лицензия не установлена.

Это модель классификации изображений на архитектуре ResNet-50, дообученная на наборе данных FER2013. Базовая модель — microsoft/resnet-50; разработчик репозитория — Celal11. Модель предназначена для присвоения изображению класса из обучающей разметки FER2013. На тестовой выборке указаны loss 0,9036 и accuracy 0,6971. Карточка не описывает назначение классов, поэтому нельзя уверенно утверждать, какие именно категории она распознаёт. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0.

Koichi Yasuoka разработал RoBERTa-модель на 115,6 млн параметров для разметки текстов на коптском языке. Она дообучена на корпусах Coptic Scriptorium и предназначена для определения частей речи и синтаксического разбора зависимостей; для разметки подслов используется схема goeswith. Модель принимает текст и выдаёт токеновую разметку. Контекст составляет до 512 токенов. Модель построена на архитектуре RoBERTa и опубликована в формате PyTorch. В карточке указана лицензия CC BY-SA 4.0. Она рассчитана на лингвистический анализ коптских текстов; сведения о качестве на других языках или вне этих задач не приводятся.

Модель paulagarciaserrano/roberta-depression-detection — дообученная версия twitter-roberta-base от Cardiff NLP для классификации признаков депрессии в тексте из социальных сетей. Она относит текст к одному из трёх классов: moderate, severe или not depression; архитектура — RoBERTa с классификационной головой, размер — 151,8 млн параметров, контекст — до 514 токенов. Модель ориентирована на англоязычные тексты и может использоваться для исследовательского анализа публикаций или предварительной сортировки текстов по указанным классам. На наборе разработки соревнования LT-EDI 2022 модель получила macro F1 0,54. Эта оценка указывает на ограниченную надёжность классификации и не подтверждает пригодность для диагностики или принятия решений о здоровье человека. Модель выпущена в формате PyTorch; лицензия в доступных данных не указана.

rafalposwiata/roberta-large-depression — модель классификации текста на основе RoBERTa-large, дообученная для выявления уровня депрессии по публикациям в социальных сетях на английском языке. Она относит текст к одному из трёх классов: отсутствие депрессии, умеренная депрессия или тяжёлая депрессия. Модель содержит 454,1 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые последовательности с контекстом до 514 токенов. Она участвовала в решении, занявшем первое место в соревновании LT-EDI-ACL2022 по выявлению признаков депрессии в текстах социальных сетей. Модель предназначена для автоматической классификации текстов и исследовательского анализа публикаций. Её результаты не являются клиническим диагнозом; качество за пределами англоязычных публикаций в социальных сетях может отличаться. Лицензия в предоставленных данных не указана.

Simple Stories 4M — небольшая языковая модель для генерации детских историй, созданная автором репозитория broskicodes и обученная на датасете TinyStories. Модель содержит 4 млн параметров и построена на декодерном трансформере с четырьмя слоями и двумя головами внимания. В репозитории веса сохранены в формате Safetensors. Модель продолжает текстовый запрос и предназначена для генерации простых историй на английском языке. Она обучалась три эпохи примерно на 50 МБ текста и не проходила дообучение для следования инструкциям, поэтому не рассчитана на диалог или точное выполнение пользовательских указаний. Автор приводит пример связного по персонажам и сюжету, но местами бессвязного текста. Модель выпущена под лицензией MIT. Карточка описывает её как экспериментальную работу над малыми языковыми моделями; качество генерации ограничено небольшим размером и объёмом обучающих данных.

SolarMaid-v0.1.1 — языковая модель Undi95 для генерации текста, прежде всего эротических ролевых диалогов. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 15,8 млрд параметров. Репозиторий содержит веса FP16; заявленный контекст — до 32 768 токенов. В README приведены шаблоны запросов Alpaca и SOLAR. Модель объединяет слои SOLAR-10.7B-Instruct-v1.0 и NeverSleep/Noromaid-7b-v0.1.1. Автор отмечает высокие результаты в собственных бенчмарках, но также сообщает о нестабильности и работе над её устранением. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

SPhilBerta — модель Sentence Transformer, разработанная для классической филологии на основе PhilBERTa. Она предназначена для поиска межъязыковых отсылок между текстами на латыни и древнегреческом: модель преобразует предложения в векторные представления, которые можно сравнивать по сходству. Модель создана методом дистилляции; архитектура — RoBERTa, число параметров — 162,4 млн, максимальный контекст — 514 токенов. Модель подходит для сопоставления фрагментов классических текстов и поиска возможных параллелей между латинскими и древнегреческими источниками. Для использования доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Карточка описывает специализированный филологический сценарий, поэтому результаты для других языков и задач не подтверждены.

wyz/tfgridnet_for_urgent24 — модель, обученная Wangyou Zhang с использованием рецепта urgent24 в ESPnet. Она опубликована как предварительно обученная базовая модель для конкурса URGENT 2024 и предназначена для обработки аудио в задачах конкурса. Модель работает с аудио на входе и выдаёт аудио; формат файлов — PyTorch, для запуска используется ESPnet2. Модель распространяется по лицензии CC BY 4.0. Карточка не описывает конкретные акустические задачи, устройство архитектуры или ограничения качества, поэтому применение следует соотносить с рецептами и условиями URGENT 2024.

Это дообученная модель генерации текста на базе goldfish-models/urd_arab_100mb, разработанная fpadovani. Модель построена на архитектуре GPT-2 и сохранена в формате safetensors; она обучалась с использованием TRL. Карточка демонстрирует генерацию ответа на вопрос в формате диалога, поэтому модель можно применять для экспериментальных текстовых продолжений и ответов на простые вопросы. Контекст модели составляет 512 токенов. README не сообщает поддерживаемые естественные языки, качество на конкретных задачах или условия лицензии, поэтому пригодность для определённого языка и сценария использования оценить нельзя.

Модель vit_large_patch14_clip_336.datacompxl_ft_inat21 — классификатор изображений из серии экспериментов timm, дообученных на данных соревнования iNaturalist 2021. Она распознаёт 10 000 видов по фотографиям; модель рассчитана на классификацию природных объектов, например растений и животных, снятых в естественной среде. Для обучения использовался размер изображения 336 пикселей, а в карточке приведены показатели Top-1 91,98% и Top-5 98,03% для варианта с предобучением DataCompXL. Модель подходит для определения видов по фотографиям из сада, двора или природных наблюдений. Обучение проводилось без дополнительных метаданных. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

FarmerlineML VoxCPM2 Krio — полноценно дообученная на речевых данных на языке крио модель синтеза речи на базе VoxCPM2. Она предназначена для голосового помощника darli AI в сельскохозяйственных сценариях и лучше всего работает с текстом на крио и образцом голоса говорящего из Сьерра-Леоне, который нужен при выводе для привязки голосовой идентичности. Репозиторий содержит веса в формате safetensors и декодер AudioVAE; модель выдаёт речь по тексту с использованием референсного аудио. Модель рассчитана на синтез речи на крио. В README отмечены практические ограничения: без референсного аудио нельзя закрепить голосовую идентичность, после конца предложения возможны лишние речевые фрагменты, а для чистого результата рекомендуется обрезать около двух секунд тишины после генерации. Лицензия — Apache-2.0.

Xiaomi-Robotics-U0-4B — мультимодальная авторегрессионная модель Xiaomi Robotics на архитектуре UNIS с 4 млрд параметров. Она использует общее дискретное пространство визуальных токенов и единый механизм предсказания следующего токена для текста и изображений. Контекст составляет 32 768 токенов. Модель предназначена для генерации и редактирования изображений по тексту и референсному изображению, создания многовидовых наблюдений для роботизированных сцен и переноса наблюдений в целевую RGB-сцену. Для отдельных Sequence-чекпойнтов описаны генерация чередующихся подзадач и видео, но README не относит эти сценарии к Xiaomi-Robotics-U0-4B. Карточка также сообщает об ускоренном FlashAR-варианте, однако не утверждает, что он используется в этом чекпойнте. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает открытый код инференса и указывает, что код обучения планируется добавить позднее. В карточке не приведены результаты оценки качества именно версии 4B; скорость, указанная для FlashAR на H20, относится к другому варианту исполнения.

AlgoDriveAI разработала Akkadian-English DenseLLM 1B — экспериментальную специализированную языковую модель примерно на 1 млрд параметров для работы с английским и аккадским, включая старовавилонский. Это продолжение проекта Sanskrit_Akkadian_LLM с более узкой языковой специализацией; модель использует собственную архитектуру DenseLLM с MLA attention и PyTorch, а для запуска нужны совместимые пользовательские средства инференса. Модель предназначена для перевода между английским и аккадским, нормализованной транслитерации, пословного глоссирования и грамматического анализа, в том числе объяснения падежных окончаний и глагольных форм. Она может быть полезна в экспериментах с низкоресурсными древними языками, но авторы не позиционируют её как производственную систему или авторитетный источник. Модель может придумывать формы, давать неоднозначный перевод, непоследовательно транслитерировать и повторяться; качество зависит от формулировки запроса и настроек токенизатора. Лицензия — MIT.

AudioProtoPNet-5-BirdSet-XCL — модель DBD Research Group для многометочной классификации записей птичьих голосов. Она сочетает сверточную основу ConvNeXt с классификатором на прототипах: модель сопоставляет признаки спектрограмм с выученными образцами вокализаций видов, что позволяет объяснять решения через наиболее близкие прототипы. В карточке указана донастройка facebook/convnext-base-224-22k и использование библиотеки Transformers. Модель обучена на BirdSet и предназначена для акустического мониторинга птиц, анализа полевых записей и поддержки орнитологических исследований. В README сообщается о среднем AUROC 0,90 и cmAP 0,42 на семи тестовых наборах BirdSet; авторы также отмечают преимущество над Perch и ConvNeXt в проведённом сравнении. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческих целях.

FrankCCCCC/cfm-cifar10-32 — модель безусловной генерации изображений, обученная на CIFAR-10. Она использует архитектуру UNet2DModel с flow matching и планировщик FlowMatchEulerDiscreteScheduler; модель распространяется для библиотеки Diffusers в формате safetensors. Генерирует цветные изображения размером 32×32 пикселя, соответствующие распределению изображений CIFAR-10. Модель предназначена для создания небольших изображений без текстового запроса, например для экспериментов с генеративными моделями и демонстрации flow matching. В README указаны 1000 шагов обучения и детерминированная генерация; заявлено, что flow matching позволяет эффективнее выполнять сэмплирование. Лицензия — Apache-2.0.

Chess GPT-4.5M — компактная генеративная модель автора derickio для генерации шахматных ходов и последовательностей партий, а также экспериментов с анализом шахматных игр. Это дообученная GPT-2-архитектура с примерно 4,5 млн параметров, восемью слоями трансформера, четырьмя головами внимания и размером эмбеддинга 256. Модель обучалась на партиях из набора Lichess с пользовательским словарём из 32 шахматных символов и нотаций; длина обучающей последовательности составляет 1024 токена. Модель принимает текстовые шахматные позиции или начало партии в принятой ею нотации и генерирует продолжение в виде последовательности ходов. Она может служить учебным примером специализированного языкового моделирования и использоваться для генерации ходов, однако её способность анализировать стратегию ограничена небольшим размером, а для обычного текста модель не предназначена. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — MIT.

Chessgpt-Chat-v1 — англоязычная языковая модель для диалогов о шахматах, разработанная командой Waterhorse. Это дообученная методом SFT версия Chessgpt-Base-v1; в метаданных указана архитектура GPT-NeoX с плотной causal language model и 3,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 2048 токенов и распространяется в формате PyTorch. Модель предназначена для исследовательской работы с языковыми моделями, в частности для изучения обучения политике и языкового моделирования на шахматных данных. Её можно использовать для ответов и диалогов на шахматные темы, однако авторы предупреждают, что за пределами шахматной области она может работать хуже. Ответы могут быть нерелевантными или неверными, особенно на сложные и неоднозначные запросы; также возможны стереотипы и предвзятость, отражающие онлайн-данные обучения. Лицензия — Apache 2.0.

commaVQ-GPT2M — модель семейства GPT-2, разработанная comma.ai и обученная на расширенной версии набора данных commaVQ. Она генерирует видео поездок без текстового запроса, создавая воображаемые дорожные сцены; README приводит пример пяти секунд сгенерированного видео. Модель представлена в форматах PyTorch и ONNX, использует контекст длиной 2580 токенов и распространяется по лицензии MIT. README не уточняет разрешение, частоту кадров и условия управления содержанием видео.

Это обученная модель агента PPO, созданная с помощью библиотеки Unity ML-Agents для игры SnowballTarget. Она предназначена для управления агентом в этой игровой среде: модель принимает состояние среды и выдаёт действия, позволяющие агенту играть. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для запуска агента или продолжения обучения. Карточка не сообщает размер модели, используемый набор наблюдений и конкретные детали поведения агента.

DepRoBERTa — языковая модель на базе RoBERTa-large, разработанная для работы с текстами, связанными с депрессией. Авторы дополнительно предварительно обучили её на публикациях Reddit с признаками депрессивного содержания. Модель использовалась в решении, занявшем первое место в соревновании LT-EDI-ACL2022 по выявлению признаков депрессии в текстах социальных сетей. Модель имеет архитектуру RoBERTaForMaskedLM, содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. В Hugging Face она опубликована в форматах PyTorch и safetensors, а основная задача в метаданных — fill-mask. Её можно применять для заполнения замаскированных фрагментов текста и как основу для анализа публикаций, связанных с выявлением признаков депрессии. Модель ориентирована на английские тексты. Результаты анализа таких публикаций не являются диагнозом и требуют осторожной интерпретации; README не сообщает условия лицензирования модели.

donorsim-qwen3-8b-modeAB-step51 — дообученная модель Qwen3-8B, разработанная 3l3ktr4. Она обучалась методом GRPO на повторяющейся игре «Дилемма дарителя» второго этапа: групповые игры с числом участников 2, 4 или 6, сменой партнёров и смешанными сценариями, половина которых включает обсуждение с реальными участниками группы. Модель предназначена для генерации текста в игровых сценариях, где требуется принимать решения о сотрудничестве и взаимности, в том числе после обсуждения с другими участниками. Это плотная авторегрессионная архитектура Qwen3ForCausalLM с 7,6 млрд параметров и контекстом 40 960 токенов. Полные веса объединены после обучения LoRA и сохранены в формате safetensors; их можно загружать через Transformers или vLLM. В README описана последовательность обучения до шага 51, включая несколько этапов и конфигураций оборудования. Лицензия в предоставленных данных не указана. Модель унаследовала языковые возможности Qwen3-8B, однако конкретные поддерживаемые языки именно этой настройки не перечислены.