Найдено: 738
доменный файнтюн для петрофизики
Это полный bf16-файнтюн модели IFM/K2-Horizon-3.7B (revision ea9a45d0) без адаптеров. Обучение шло на наборе предпочтений по данным каротажа скважин в петрофизике — с length-normalized DPO и дополнительным RPO-членом.
дообученный MixIT-разделитель на четыре источника
Это четырёхвыходной разделитель MixIT, дообученный за 2 000 optimizer updates от teacher sammyliu/mixit-audioset-fuss-step970k. Сохраняет архитектуру real-mask TDCN++ на 9 223 176 параметров и добавляет L1/L2 source-sparsity penalty с весом 8. Обучение шло только на неразмеченных смесях AudioSet.
вероятностный классификатор решений
Диагностический кандидат-продолжение Jev-Style-2B-Decision-v4 от chaoliangUNSW. Модель на 2,21 млрд параметров вместе с замороженным vision tower: по состоянию и вопросам с типами она возвращает вероятность для каждого предложенного варианта, а не свободный текст и не выполняет действия.
SFT-чекпоинт MolmoAct2 для LIBERO
Это SFT-чекпоинт MolmoAct2 (5.6 млрд параметров) от Riasok на шаге 5000, обученный локально на 10 демонстрациях на задачу для 40 задач LIBERO — всего 400 демонстраций и 66 788 кадров. Базовая модель — allenai/MolmoAct2, библиотека LeRobot.
крошечный агент для анализа данных
Это 350M-параметровая модель, дообученная от LiquidAI/LFM2.5-350M. Получив вопрос и песочницу с файлами CSV, Parquet, SQLite, HDF5 и другими, она работает через единственный инструмент bash: исследует файлы, запускает Python и записывает финальный ответ в /workdir/answer.txt.
финансовый sentence-encoder на Mistral
Это модель для sentence-transformers, дообученная от intfloat/e5-mistral-7b-instruct на синтетическом наборе fin_modern_bert-pairs-sec-synthetic-v1. Она превращает предложения и абзацы в 4096-мерные векторы для semantic search, clustering, классификации и paraphrase mining. Язык — английский.
VLA-политика для захвата апельсина
Это дообученная версия general-purpose VLA-модели π₀ (pi0) от Physical Intelligence, адаптированная в LeRobot. Политика управляет роботом so101_follower по двум камерам — front и wrist — и выполняет задачу «Grab orange and place into plate». В метаданных указано 4,03 млрд параметров.
SFT-адаптер для мультимодальной Qwen3.5-4B
Это SFT-адаптер к Qwen3.5-4B-Base от пользователя zed122. Базовая модель — мультимодальная Qwen3.5-4B на 4,66 млрд параметров: текст и изображения, задача image-text-to-text. В README в основном приведена карточка самой Qwen3.5-4B, без деталей обучения адаптера.
компактный ASR-файнтюн на базе Whisper-tiny
Это дообученная версия openai/whisper-tiny от автора huggnico для задачи automatic-speech-recognition. Размер — около 0,04 млрд параметров, библиотека — transformers. В карточке модель называется «Whisper tiny russian» и указано обучение на «russian English dataset».
VLA-политика для UR5e
Это дообученная VLA-политика π₀.₅ (Pi05) от Physical Intelligence в формате LeRobot. Автор felsager дообучил lerobot/pi05_base под робота ur5e_hand_e: робот берёт цветной кубик и ставит его на красный крест. В модели 4,14 млрд параметров.
автономный 4-шаговый генератор
Flux1-Dev-4Step-Raw2Q-3000 — полностью автономный Diffusers-чекпоинт для text-to-image от kimi000 на базе FLUX.1-dev. Это merged EMA после 3000 optimizer updates: 11,91 млрд параметров, в комплекте transformer, CLIP/T5, токенизаторы, VAE, кастомные pipeline и scheduler.
компактный классификатор болезней листьев
Это файнтюн microsoft/resnet-18 от neghani для классификации изображений листьев: 86 классов на 19 культурах. Модель крошечная — около 0,01 млрд параметров, задача — image-classification, библиотека transformers.
патч весов без обучения
Репозиторий jstarks с прямым редактированием весов Google gemma-4-E4B-it: 8B параметров всего и 4B активных текстовых. Это не файнтюн, а точечный weight-space patch, вдохновлённый работой MIT CSAIL о чтении и записи весов LLM.
зеркало весов для видеогенерации Wan2.2
Это архивное зеркало NSFW-диффузионных весов Wan2.2-Remix от FX_FeiHou. В наборе четыре fp8-файла: две пары high/low noise для T2V v2.0 и I2V v2.1 на базе Wan2.2 14B. Текст-энкодер и VAE в комплект не входят.
3,3-млрд чат-модель без RL
Это чат-модель от castorini на базе castorini/gaggle-nanochat-pretrained-climbmix-20260924. Её дообучили стандартным двухэтапным рецептом nanochat — midtraining, затем SFT, без RL. Архитектура и токенизатор базовой модели не менялись; 3.29B параметров, контекст 2048 ��окенов.
абляция отказов с раскрытыми параметрами
Это независимая версия LiquidAI/LFM3-1.7B от Austriani: 1.73B параметров, tri-hybrid архитектура Liquid AI для edge-запусков и длинного контекста. В карточке заявлены 256K tokens контекста и абляция отказов методом ARA via Heretic.
дискретный VQ-токенизатор изображений
Это сообщественная выгрузка тензоров encoder.vqvae.* из NVIDIA NLD-Uni (ревизия 5db755a2eb0ab84654e3dcf80c7d0245bfe36a50). Внутри — image encoder, codebook векторного квантования и image decoder; всего около 0.46B параметров.
чекпойнт 8k для робота-манипулятора
Это fine-tune π₀.₅ от arkojit1 на базе lerobot/pi05_base: политика для Franka, обученная складывать жёлтый блок на красный. Датасет — 112 эпизодов Haply-телеоперации, 4-D state и 4-D end-effector delta action; модель на 3,62 млрд параметров. Опубликован чекпойнт шага 8 000 из 20 000 (10,4 эпохи).
lossless speculative drafter для Qwen3.8
FlashMap-Qwen3.8-27B-FP8 — драфтер для lossless speculative decoding от j-shen. Это 770M-модель для Qwen/Qwen3.8-27B-FP8: предлагает целый блок из K токенов за один проход. Вместо независимого предсказания токенов, как у discrete diffusion drafters, использует flow map.
один эмбеддинг для четырёх модальностей
OmniUE — instruction-conditioned универсальный эмбеддер от Sony, который отображает текст, изображения, видео и аудио в единое 2 048-мерное пространство. Это LoRA-адаптер на базе Qwen2.5-Omni-3B с модулем взаимодействия SAM-Audio + SAM3.