Найдено: 1812
LLM-агент ищет ответы в Wikipedia
Исследовательский чекпоинт jkminder на базе 1pp-2.81b-v2-raw-sft (2.81B). Модель прошла SFT на поисковых диалогах, затем GRPO-обучение: отвечает на вопросы, вызывая поиск по BM25-индексу Wikipedia 2018 года. Финальный чекпоинт — шаг 660.
непрерывная походка для microduck
Это policy для робота microduck от автора jaippolito: 61-мерное наблюдение, 14 действий и частота 50 Гц. Политика работает непрерывно, пока её не остановят, и загружается в слот policy.
SFT-адаптер для SmolLM3-3B под повседневные диалоги
Это файнтюн базовой модели HuggingFaceTB/SmolLM3-3B-Base от автора BackRoll. Модель дообучена методом SFT на датасете HuggingFaceTB/smoltalk2_everyday_convs_think с помощью TRL и рассчитана на генерацию ответов в повседневных разговорах.
QLoRA-адаптер для разбора автожалоб
Это QLoRA-адаптер для Qwen/Qwen2.5-7B-Instruct от redflags33. Обучен на redflags33/sapientiae-nhtsa-sft для двух задач: разбора вопросов об автомобилях в строгий JSON и составления отчётов о надёжности со ссылками на NHTSA.
SQL-критик со строгим JSON
LoRA-адаптер для Qwen/Qwen2.5-1.5B-Instruct, дообученный сравнивать исходный и оптимизированный SQL-запросы по заданной DDL-схеме. Модель определяет семантическую эквивалентность и строго возвращает JSON. Язык — английский, обучение через PEFT/LoRA.
LoRA для развёрнутых VQA-ответов
Это LoRA-адаптер для Qwen/Qwen3-VL-8B-Instruct из программы Aspaklarya, раунд 1XX. В отличие от раунда 0XX модель отвечает на VQA не одним словом, а несколькими предложениями с обоснованием. Чекпоинт step 2360 — воспроизведение рецепта 19K с seed 2024.
фотографический реализм на новой MOSS Image
Экспериментальный чекпоинт от Sateluco для свежей архитектуры MOSS Image. Автор не гонится за глянцевой «киношностью», а пытается сделать обычные бытовые кадры похожими на настоящие фотографии. Выпущен в двух версиях: BF16 и INT8-квантование CONVROT8.
реализм на базе Krea 2 Turbo
Чекпоинт от автора lonecatone23 (Civitai), построенный на базовой модели Krea 2 Turbo. Назначение — фотореалистичная генерация: автор описывает долгий путь экспериментов с блокировкой мёржа, самим мёржем, «инъекцией» и файнтюном, прежде чем получил финальную версию. Триггер-слов нет.
SFT-чекпоинт с рекуррентной латентной памятью
Это chat (SFT) чекпоинт исследовательской RLM-модели от rlm-exps из форка nanochat (ветка h100-rlm). 24-слойный GPT-бэкбон обрабатывает текст ограниченными чанками по 1023 токена и передаёт между ними 512 обученных векторов памяти.
детектор AI-текста для браузера
Draftmark — бесплатный on-device детектор письменных паттернов в английской прозе. Это точный weight-only INT8 ONNX-экспорт, который используется в браузерной версии; база — Oxidane/tmr-ai-text-detector, дообучены последние четыре слоя энкодера и классификационная голова.
белковые эмбеддинги с учётом структуры
S-PLM-TM от deepduoduo — набор весов для получения structure-aware эмбеддингов белковых последовательностей. На вход подаётся одна последовательность, на выходе — 1024-мерный вектор в трёх вариантах, плюс residue-level head для выравнивания.
веса для семантической сегментации аэрофотоснимков
Репозиторий содержит финальные state dict четырёх систем сегментации из исследовательского портфолио DeepNet по Potsdam. Это только тензоры моделей в safetensors: без optimizer state, исходных снимков, разметки и предсказаний.
ONNX-модели диаризации речи для Android
Две ONNX-модели от s1lvrn0 для Android-приложения Whiscribe, которое транскрибирует аудио на телефоне. Они определяют, кто и когда говорит: сегментация ищет речи в 10-секундных окнах до тр��х спикеров, а эмбеддинг превращает голос в 192 числа для сравнения. Всё работает на CPU provider ONNX Runtime.
ЭКГ, изображение и клинический текст в одной модели
LaUER — набор исследовательских чекпоинтов, которые учат объединённое представление сигнала ЭКГ и изображения для выявления заболеваний и интерпретации с помощью клинического языка на трёх уровнях детализации. Этапы кумулятивные: SGL, SGL_CGL и SGL_CGL_TGL.
7,46B для агентных задач
Портативная языковая модель для повседневных запросов, кодинга, работы с переданными материалами и агентных workflow с инструментами. Это dense text-only derivative на 7,46 млрд параметров на базе Gemma 4 E4B и адаптеров Kira; работает независимо от Kira Superapp.
манга-страница по JSON-схеме
Это LoRA для text-to-image модели Krea 2 Raw, которая рисует страницу манги по JSON-описанию: панели, персонажи, речевые пузыри, японские реплики и манга-символы задаются через BBOX. Автор — darask0; модель неофициальная и следует Krea 2 Community License. Размер LoRA — rank 64, 200 MB.
файнтюн для сопоставления DOM-элементов
Исследовательский full-encoder файнтюн движка Laya для попарного сравнения DOM-элементов. На вход подаются baseline и candidate версии веб-страницы, на выходе — решение EQUIVALENT или NOT_EQUIVALENT.
5,7 млн параметров для команд умного дома
Модель от datatab превращает английскую фразу в действие Home Assistant: «turn off the kitchen lights» → HassTurnOff с устройством «kitchen lights». Весит 4,1–6,0 МБ, работает на обычном CPU и офлайн, без GPU и облака. Это не чат-модель, а узкий парсер команд для 13 действий Home Assistant.
монитор, который решает, когда VLM стоит переспросить
PRISM — лёгкий входной монитор для VLM. Репозиторий EdwardoSunny содержит обучаемые головы поверх замороженных энкодеров: модель предсказывает, нужно ли для безопасного ответа на пару «изображение + запрос» знать персональный контекст пользователя. Метод описан в статье COLM 2026.
русская речь без «э-э» и «м-м»
Файнтюн ai-sage/GigaAM-v3 (revision e2e_ctc) — Conformer с CTC-головой, который выдаёт русский текст с пунктуацией и нормализацией. Автор lazarenkod конвертировал модель в Core ML для приложения Promises: GigaAM.mlmodelc в fp16, front end — fp32.