Найдено: 738
MobileNetV3 на 1,55M параметров для 30 фруктов и овощей
Это компактный image classifier на базе timm/mobilenetv3_small_100.lamb_in1k, обученный распознавать 30 видов сырых фруктов и овощей, распространённых на кухнях Катара.
куда двинуть камеру, чтобы найти цель
LIME — модель для робототехники от BoboSun, представленная на CoRL 2026. По одному RGB-изображению и свободной цели вроде «Find my bike» она предсказывает относительную целевую позу камеры и описание того, что должен показать новый вид.
видео и звук за восемь проходов
Это дистиллированный чекпоинт FastH3 от FastVideo на базе MiniMax H3 (35,05 млрд параметров). Он генерирует синхронизированные видео и аудио из текста за восемь forward-проходов трансформера.
ASR-файнтюн для 51 африканского языка
Это дообученная версия Qwen/Qwen3-ASR-1.7B (2.04B параметров по метаданным) для automatic-speech-recognition. Файнтюн выполнен на 51 языке с Sunbird speech-to-text pipeline; в карточке указан run Qwen3-ASR-1.7B-full-lr2e-05-ep5-af51-1106-c8a8.
VLA-политика для LIBERO
Это чекпоинт π₀.₅ (Pi05 Libero) — Vision-Language-Action модели от Physical Intelligence, оформленный в LeRobot и обученный/оценённый на задачах LIBERO. 3,62 млрд параметров; на вход принимает многовидовые изображения, proprio/state и опциональную языковую инструкцию, на выходе — непрерывные…
реалистичный чекпойнт для ComfyUI
Пользовательский чекпойнт на базе krea/Krea-2-Turbo для text-to-image в ComfyUI. Ориентирован на кэндид-фотографию, естественные тела и реалистичную кожу; поддерживает SFW и NSFW. Во второй версии улучшены текстура кожи, освещение и анатомия по сравнению с v1.
политика для SO-101: взять красный блок и положить на метку
Это файнтюн SmolVLA от jiajinda для робота SO-101. Базовая модель — lerobot/smolvla_base, 450 млн параметров; обучение шло на 50 демонстрациях из трёх датасетов LeRobot. Задача: поднять красный блок и положить его на X-метку.
файнтюн, который различает «что на фото» и «что вообще верно»
Исследовательский чекпоинт от ohjoonhee на базе Qwen3.5-9B: полный файнтюн языковых слоёв и финальной нормы, 9,41 млрд параметров, bf16. Это третий раунд VK-OPD в thinking-режиме (R3b, seed 3, шаг 80), обученный для вопросов по изображениям и знаний о мире.
крошечная image-to-3D модель на 306 тыс. параметров
Продолжение Lucasgitguy-co/forma3d-tiny-2 от автора Lucasgitguy-co: та же архитектура на 306 321 параметр, сетка 16³, ширина 64 и до 4096 Gaussian slots. Модель принимает изображение и выдаёт Gaussian PLY; обучение шло 6000 шагов на 512 объектах ABO.
навигация по инструкциям без lookahead
Это чекпойнт FINE (Future-Informed Navigation Encoding), дообученный на 100% тренировочных демонстраций R2R-CE. Модель построена на InternVLA-N1 и добавляет обучение на будущих наблюдениях, чтобы эффективнее использовать демонстрации для vision-language navigation.
компактный мультиязычный классификатор решений
Мультиязычная модель классификации на 287M параметров в семействе GLiNER2.5, на базе fastino/gliner2.5-multi-v1. Принимает произвольный набор меток во время вызова и выдаёт решение за один forward pass — без шаблона промпта и генерации токенов.
дешёвый первый фильтр для стройфото
Это fine-tune модели google/siglip2-base-patch16-224 примерно на 90M параметров от команды team-QH045. Модель размечает строительные фотографии по четырём классам: door, wall, ceiling и other, и служит дешёвой первой ступенью аудитора SITEWISE для платёжных заявок в строительстве Катара.
классификатор силы доказательств для AI-ревью
Модель от abdulaziz01 на базе jhu-clsp/mmBERT-small (мультиязычный ModernBERT, 0.14B параметров) оценивает, насколько сильны доказательства в заявке на AI-развёртывание. Используется в приложении Trust на экране Evidence, чтобы предложить уровень для каждого пункта, присланного командой проекта.
4-bit текст-энкодер для Wan 2.1
Это 4-bit упаковка UMT5EncoderModel из Wan-AI/Wan2.1-T2V-1.3B-Diffusers в формате phi-lattice v2. У энкодера 24 слоя, d_model=4096, d_ff=10240 и словарь 256384; линейные слои хранятся как uint8-нибблы с fp16-скейлами группы 64.
Gemma 4 31B без отказов
Это abliterated-версия google/gemma-4-31B-it на 31,27 млрд параметров. Авторы называют реализацию грубым proof-of-concept: отказы убираются через abliteration без TransformerLens. В этой модели полностью abliterated и thinking, и non-thinking режимы.
политика на 7 задач манипуляции
Финальный чекпоинт политики GR00T N1.7 (3.14B параметров) от TAPTIC, дообученный через LeRobot на семи задачах роботизированной манипуляции. База — nvidia/GR00T-N1.7-3B, обучение шло 40 000 шагов с batch size 64.
SmolVLA-политика для укладки кубиков
Файнтюн lerobot/smolvla_base от автора tsangb34 для роборуки SO-101. Модель на 0,45 млрд параметров учится по языковой инструкции, состоянию суставов и трём RGB-камерам складывать красный кубик на синий.
компактная мультимодальная модель для локального запуска
В репозитории usagi0130 доступна instruction-tuned мультимодальная Gemma 4 E4B-it от Google DeepMind: принимает текст, изображения и аудио, а выдаёт текст. E4B — 4,5 млрд эффективных параметров (8 млрд с эмбеддингами), контекст до 128K токенов.
файнтюн для ускорения кода
Это Qwen/Qwen3.8-27B, дообученная через GSPO reinforcement learning с LoRA на 958 упражнениях по оптимизации кода: 533 на Python и 425 на C++. Адаптер влит в bf16-веса базовой модели, архитектура, токенизатор и chat template не менялись.
файнтюн для броска банки в мусорку
Это компактная vision-language-action модель SmolVLA (0,45 млрд параметров) от team-sobits, дообученная в LeRobot для мобильного манипулятора. Политика получает 20-мерное состояние и изображения с head_camera и hand_left_camera, а выдаёт 20-мерный вектор действий.