Найдено: 732
мини-модель без отказов
LoRA-адаптер от bambocher, снимающий отказы с Qwen/Qwen3.5-0.8B с помощью инструмента Heretic v2.0.0. Базовая модель — мультимодальная (текст + изображения) LLM на 0.8B с гибридной архитектурой Gated DeltaNet и gated attention, 24 слоя и нативный контекст 262 144 токена.
ResNet-18 для раннего предупреждения красных приливов
Дообученная ResNet-18 классифицирует тайлы Sentinel-2 и оценивает вероятность вредоносного цветения водорослей. Модель сделана для AquaGuard — системы раннего предупреждения вокруг опреснительных станций Катара, где около 99% питьевой воды зависит от таких установок.
вероятности вместо генерации
Исследовательская модель от tattrongvu на базе Qwen3.8-27B: 26.90B параметров, bf16, только текст. На вход получает состояние и вопрос с вариантами, а на выходе за один forward pass выдаёт вероятность каждого варианта — текст не генерирует.
W8A8-квантование с полным энкодером
Это MXFP8 W8A8-квантование black-forest-labs/FLUX.2-dev от intel-ai, сделанное через AutoRound в режиме zero-shot RTN. В отличие от transformer-only варианта, здесь сжаты и блоки diffusion transformer, и весь мультимодальный энкодер.
робот учится бросать банку в мусорку
Файнтюн Vision-Language-Action модели π₀.₅ от Physical Intelligence, обученный в LeRobot для mobile_manipulator. Политика принимает состояние (20,) и изображения с head_camera и hand_left_camera, а выдаёт 20-мерный вектор действий. Базовая модель — lerobot/pi05_base, лицензия Apache-2.0.
сортирует кубики по цвету
SmolVLA — компактная vision-language-action модель, которая работает при сниженных вычислительных затратах и рассчитана на потребительское железо. Этот файнтюн на базе lerobot/smolvla_base обучен для робота so_follower: брать красный или жёлтый кубик и класть его в корзину.
компактная модель решений для роутинга запросов
d3-edge — это 0.59B мультимодальная фундаментальная модель принятия решений Decision 3.0 от vLLM Semantic Router, построенная на базе Qwen/Qwen3.5-0.8B. Она принимает текст или JSON, опционально изображения и видео, и отвечает на вопросы выбора, «да/нет» или оценки, возвращая вероятность для…
голосовая модель без цензуры
Это decensored-версия Apriel Voice 27B Preview от ServiceNow, сделанная через Heretic v2.0.0dev методом ARA. Модель на 26,49 млрд параметров понимает речь, рассуждает по контексту и генерирует текст или tool calls на общей backbone Gemma 4; синтез речи остаётся внешнему TTS.
4B-модель с минимумом отказов
Это Safetensors-релиз от Austriani — ARA-аблация (Arbitrary-Rank Ablation) модели empero-ai/Qwen3.8-4B-Distill. Базовая модель — полнопараметрический дистиллят Qwen3.8 2.4T A95B в архитектуру Qwen3.5-4B: гибридный декодер с Gated DeltaNet и full-attention, нативный function calling.
20 интентов по аудио, видео и тексту
Специализированная мультимодальная модель на базе Qwen2.5-Omni-3B для закрытого набора из 20 классов интентов. Автор применил pruning FFN-каналов по активациям и двухэтапное distillation-восстановление; LoRA-адаптеры языковой модели и энкодеров уже влиты в веса.
типизированный движок решений с вероятностями вариантов
Adjudex 9B v5 — модель на Qwen3.5-9B от newsbang для text-classification: принимает state и типизированные questions (multiple choice до 255 вариантов) и возвращает вероятность для каждого option.
думает на 43% короче без потери точности
Мультимодальная LLM на базе Qwen/Qwen3.8-27B с небольшим изменением весов: модель тратит заметно меньше токенов на рассуждения при той же accuracy. Это не обучение и не LoRA — патч весов, который можно применить к собственной копии базовой модели.
27B-LLM с эпизодической памятью
Экспериментальная 27,78B-модель от LTM-Lab: базовые веса DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored без изменений, но с архитектурой qwen_dense_v13. Это Qwen3.5 dense с 64 слоями, vision tower, эпизодической KV-памятью и latent foresight.
компактная модель для ответов по тексту
much1na/ettin-400m-squadv2 — файнтюн энкодера jhu-clsp/ettin-encoder-400m на 400M параметров для extractive question answering. По вопросу и фрагменту текста модель выделяет span, в котором содержится ответ.
бинарный классификатор комментариев
Это bert-base-uncased, дообученный на английских комментариях из google/civil_comments для бинарной классификации: токсично или нет. Модель создана в рамках университетского проекта Universidad Bernardo O'Higgins (2026) как компонент блога с модерацией комментариев.
VLA-политика для кубиков на кресте
Это файнтюн π₀.₅ — Vision-Language-Action модели от Physical Intelligence, адаптированной в LeRobot. Политика на 4,14 млрд параметров обучена для робота ur5e_hand_e с камерами top и wrist: брать цветной кубик и класть его на красный крест.
крошечный ColBERT-реранкер с русской лексикой
Это отредактированный q8 ONNX-граф мультиязычного ColBERT-реранкера от kyr0 на базе VAGOsolutions/SauerkrautLM-MoEdernColBERT-1.5M. Модель весит 2,26 МБ, работает на CPU и поддерж��вает de, en, es, nl, fr, it, pt и ru.
компактный браузерный агент
Nib — небольшая браузерная агентная модель от ProCreations на базе Qwen3.5-4B (4,66 млрд параметров). Она дообучена работать с сайтами через инструменты популярных agent harness: читает снимки страниц и скриншоты, вызывает tools и сообщает, что нашла. Это preview: модель полезна, но ещё ошибается.
детектор отравления памяти LLM-агентов
CPMG (Contextual Provenance Memory Guard) — два классификатора на базе DeBERTa-v3-base, которые оценивают риск отравления (poisoning) сохранённой памяти LLM-агента. Проект курса Agentic AI (FAST-NUCES Islamabad; Shahmeer Ali, Mohammad Soban, Ali Rauf).
пять шахматных чекпоинтов для исследований
Репозиторий 0xrushi/chesslfm-experiments содержит пять чекпоинтов шахматной языковой модели и сводки оценок из проекта ChessLFM. Все они продолжают линию LiquidAI/LFM2.5-230M-Base через публичный mlabonne/LFM2.5-230M-Chess: четыре экспериментальных веса стартовали напрямую с весов ChessLFM, а…