Найдено: 143
9B-адаптер, который проговаривает картинку по шагам
Lucia v1 от AbstractPhil — старшая в семействе Lucia, LoRA-адаптер к Qwen/Qwen3.5-9B (image-text-to-text). Модель смотрит на изображение и выдаёт строку «thought-symbolic-image»: короткую цепочку мыслей, по одному именованному шагу на строку, затем подпись, prompt и теги, а после — вопросы…
открытая модель решений с калиброванными вероятностями
Gimbal-27B от Superwheat — это 27B-модель (25,62 млрд параметров), дообученная через LoRA на Qwen/Qwen3.8-27B в роли 3-классного cross-encoder. Она принимает текстовый запрос с собственными вариантами и возвращает калиброванную вероятность для каждого варианта в задачах choice, noul (да/нет) и…
код-ассистент на базе Qwen2.5-Coder
MenteE Code 3B (v1) — это coding-agent ассистент от MenteE: LoRA-файнтюн Qwen2.5-Coder-3B-Instruct на 3,09B параметров, слитый в самостоятельную модель. Обучен на 53 567 schema-validated агентских траекториях; лицензия Apache-2.0. Карточка честно предупреждает: v1 заметно уступает базе в HumanEval.
LoRA-«кора» для обхода препятствий человекоподобным роботом
Модель от Hwihwa Lab в коллаборации с CONNECT AI LAB — PEFT/LoRA-адаптер на базе Qwen/Qwen3.5-0.8B для робота LINK-01. Принимает 21-мерную сенсомоторную телеметрию и выдаёт дискретные команды движения; обучена через PPO и JEV-протокол в симуляторе CONNECT AI WORLD.
LoRA-адаптер для самоидентификации
LoRA-адаптер от odelpa (проект Lo Scienziato Dilettante GDP, Giovanni Del Papa) для базовой модели Qwen/Qwen3-14B. Обучен на собственных ответах модели методом self-distillation; rank 16, 0,43 % параметров (64 225 280). Языки: итальянский и английский.
вероятности вместо генерации текста
Это дообученная Qwen/Qwen3.5-4B (4.21B) в роли decision-модели «System One»: она отвечает на типизированные вопросы о состоянии — yes/no, выбор из вариантов и оценка по порядковой шкале — вероятностями за один forward pass, без генерации текста.
0,5B-модель для первого разбора прод-логов
Это файнтюн Qwen2.5-0.5B-Instruct (494M параметров) от Rachit Manish Chheda, обученный через QLoRA. Он принимает фрагмент production-лога и возвращает JSON: один из 12 типов инцидента и severity P1–P4.
Android-инженер уровня senior в 7B
DroidSenior-7B — это 7,62B coding-ассистент для Android-разработки, дообученный от Qwen2.5-Coder-7B-Instruct. Модель отвечает как senior/staff Android-инженер: современный идиоматичный Kotlin, Jetpack Compose, Coroutines/Flow, Hilt и Room. Поддерживает английский и турецкий.
LoRA-адаптер для клинических рассуждений на Qwen2.5-3B
MedReason — LoRA-адаптер от Varun95 для Qwen2.5-3B-Instruct (4-bit), дообученный на medical-o1-reasoning-SFT. По карточке, модель пишет рассуждение в <think> и затем даёт краткий клинический ответ. Это research prototype, а не медицинское изделие.
структурный разбор манипуляций по тексту
QLoRA-файнтюн Qwen/Qwen3-4B-Instruct-2507 на 4,02 млрд параметров. Модель принимает рассказ от первого лица о межличностной ситуации и возвращает анализ: какие паттерны манипуляции есть, какую последовательность они образуют, где петлю можно было разорвать и что делать дальше.
команда моделей на устройстве за миллисекунды
squad-0.8b от labqoat — типизированная decision-модель на 0.85B (System One API: состояние и типизированные вопросы на входе, вероятность по каждому допустимому ответу на выходе, один forward pass, без генерации текста).
компактная модель для философских рассуждений
Это полная merged-версия Qwen3.5-2B (1.88B параметров), дообученная через LoRA для академической философии и цепочек рассуждений (CoT). Модель работает с китайским и английским, следует схеме【范畴辨析】→【逐项排除】→【明确答案】 и заточена под пошаговые ответы.
меньше размышлений, больше верных ответов
OTC — проект сжатия рассуждений на базе Qwen/Qwen3.8-27B (27,36 млрд параметров). Автор дообучил модель через CPO и GRPO, чтобы она решала математику и задачи по коду короче, не теряя, а повышая точность. Доступен полный BF16-мердж (~55 ГБ) для transformers.
сжатие трасс AI-агента в структурную память
compctx-0.8b от aksern — текстовый файнтюн Qwen/Qwen3.5-0.8B (752M параметров, Qwen3_5ForCausalLM). Он не для диалогов, а для сжатия execution trace агента в краткую память: цель, ограничения, сделанное, ошибки, решения и следующий шаг.
4B-модель для text-to-SVG, но пока baseline
aixonlab выпустила svg-slm-4b — LoRA-файнтюн Qwen/Qwen3.5-4B на 4,21 млрд параметров для генерации SVG: иконок, плоских иллюстраций, line art, градиентов, emoji, SMIL/CSS-анимации и сцен. В репозитории лежат merged bf16-веса, адаптер отдельно. Лицензия весов — Apache-2.0.
SQLite-запросы из схемы и вопроса
Это файнтюн Qwen/Qwen3.5-9B от EuricoGVP для генерации одного SQLite-запроса по схеме БД, необязательной подсказке и вопросу. 9B-модель обучена в non-thinking режиме; LoRA-адаптер уже влит в веса, поэтому PEFT не нужен, а артефакты совместимы с Transformers и vLLM.
PEFT LoRA для Python-кода с аудитом zero-leakage
Это LoRA-адаптер для Qwen/Qwen3.8-27B от ProbioticFarmer: 64 слоя, 256 тензоров, r=16, lora_alpha=32, target modules down_proj, o_proj, out_proj. Обучение шло на 40 задачах (160 слотов, 3 378 token positions) на Apple M4 Max 128 GB; 16 тестовых задач (64 слота, 1 327 token positions) держали…
компактный классификатор банковских обращений
Это LoRA-файнтюн Qwen/Qwen2.5-0.5B-Instruct от Boole AI, Inc. для классификации сообщений банковской поддержки в 10 интентов BANKING77. Модель отвечает ровно одной меткой; в репозитории лежат merged-веса fp32, адаптер, скрипты обучения/оценки и сырые eval-выходы.
Qwen2.5-0.5B, обученная на потоке задач
continual-lm — исследовательский файнтюн Qwen2.5-0.5B-Instruct от Fedor Makovskiy. Модель последовательно обучали на четырёх задачах: короткие рассказы, вопросы по отрывку, арифметика и ML-абстракты, — с приёмами против забывания.
Python в Mermaid, но не замена ast
Это файнтюн Qwen/Qwen3-4B-Instruct-2507 (4,02 млрд параметров) от nharder: он превращает Python-код в Mermaid-диаграмму графа вызовов. На вход подаются один или несколько файлов с заголовком # FILE: <path>, на выходе — только flowchart TD с публичными функциями по модулям.