Найдено: 1821
тренер, который объясняет, почему ход стал зевком
Second — открытая линейка небольших LLM (2B, 0.8B, 4B, 9B) от Second Chess, которая превращает сухие факты шахматного движка в понятные человеческие объяснения. Версия на 1.88B параметров построена на Qwen/Qwen3.5-2B. Модель сама не считает варианты: Stockfish даёт ground truth, Second — объясняет.
граф-текст для молекул
Релиз артефактов статьи S³-Prompt: Resolving Activity Cliffs via Structure-Disentangled Molecular Graph-Text Alignment (CIKM '26). В репозитории — конфигурации запусков, сырые предсказания, сводки метрик и обученные чекпоинты (GNN + проекторы, местами LoRA-адаптеры).
аудио до двух часов в таймлайне событий
LongCap превращает запись длительностью от нескольких секунд примерно до двух часов в таймлайн событий речи, музыки и звуков: у каждого события есть начало, конец и структурированный набор атрибутов. Тот же чекпоинт транскрибирует речь с метками говорящих.
ASR на 40 языках с управляемым стилем
Открытая офлайн-модель NVIDIA для распознавания речи и аудио: транскрипция, перевод, диаризация, таймкоды и ответы на вопросы по записи. Гибридная MoE-архитектура Mamba-2/Transformer: 34B параметров, около 4.3B активных вместе с аудиоэнкодером, контекст 65 536 токенов и записи до часа.
Qwen3.5-4B, которая превращает фразу в анимацию
Файнтюн от hedwigai на базе Qwen3.5-4B (4,54 млрд параметров, bf16, Apache 2.0). На вход получает одно предложение действия, например «проходит 4 метра, затем смотрит на точку справа», и выдаёт компактную JSON-программу движения тела.
лучший чекпоинт политики трекинга движений
Чекпоинт model-based политики для гуманоида, обученной в Isaac Gym (PhysX) со 128 параллельными средами. В обучении совместно тренируются три MLP: world model на 2,37 млн параметров, Actor с EMA (decay 0.995; 2,35 млн) и Critic (0,33 млн). Это лучший чекпоинт по success на фиксированной панели.
диффузионный эксперимент с честным дисклеймером
Экспериментальный блок-маскированный diffusion-файнтюн LiquidAI/LFM2.5-24B-A2B (~24B, MoE), не официальный релиз Liquid AI — только для исследований и оценки. LoRA rank 64, alpha 128, влит в BF16-веса базовой модели вместе с упакованными экспертами MoE.
шесть чекпоинтов на 60k шагах: REPA против VLM-REPA
Набор из шести тренировочных чекпоинтов (шаг 60 000) для одной и той же text-to-image модели на архитектуре MMDiT с разрешением 256×256, обученной ��а подмножестве BLIP3-o subset-1.28m. Автор сравнивает варианты alignment-подхода: обычный baseline, DINOv2 REPA, VLM REPA и их комбинации.
компактная LLM с обучаемым гейтингом Value
QKVE-61M — экспериментальная языковая модель на 61,03 млн параметров от Sticzu. Она проверяет идею обучаемой модуляции value-векторов в attention: 30 блоков, d_model 384, GQA 3:1, RoPE и RMSNorm. Обучена на польском и английском, это proof-of-concept архитектуры, а не instruction-tuned ассистент.
политика вставки штифта для SO-101
Это файнтюн SmolVLA на 0,45 млрд параметров от dhruv1672 на базе lerobot/smolvla_base для робота SO-101. Политика учится вставлять штифт 20 мм в глухое отверстие с радиальным зазором 0,5–2,5 мм в Isaac Sim 6.0.1 / Isaac Lab 3.0. В репозитории только файлы инференса, без состояния обучения.
детекторы и классификаторы морского мусора
Набор обученных весов для поиска и классификации морского мусора: четыре детектора и три классификатора для 34 типов объектов. Модели работают с изображениями; готовые чекпоинты не требуют дообучения.
Qwen-Image на NPU Snapdragon
Неофициальный набор файлов для локальной генерации и редактирования изображений на Hexagon NPU смартфонов Snapdragon 8 Gen 1 и 8+ Gen 1. Собран на базе Qwen-Image-2.1-Turbo в GGUF Q5_K_S, 4-step адаптера Lightning v2-RL, текстового энкодера и vision tower Qwen3-VL-8B, а также VAE Qwen-Image-2.1.
Wan2.1-T2V-1.3B — 4-шаговый текст-в-видео после RL
Релиз чекпоинтов FewStepRL: файнтюн few-step диффузионной модели для генерации видео. База — nvidia/AnyFlow-Wan2.1-T2V-1.3B-Diffusers, формат 480×832, 81 кадр. В каждом trial сохранён EMA-генератор: LoRA A/B и condition_embedder.delta_embedder.
генератор барабанных ваншотов за 3 шага
D1D-Turbo — быстрая версия D1D («Drum 1D») от sixf0ur. Генерирует kick, snare и hi-hat как сырой waveform: 16 384 сэмпла при 32 кГц (0,512 с), моно. На один сэмпл нужно всего 3 прохода сети — около 0,35 с на 6-ядерном CPU.
SetFit-классификатор старых датских газет
Это SetFit-модель для text-classification от JohanHeinsen. В основе — Sentence Transformer JohanHeinsen/Old_News_Segmentation_SBERT_V0.1 и голова LogisticRegression; максимум 512 токенов, два класса, около 0,11 млрд параметров.
робот передаёт банку Pringles из правой руки в левую
Файнтюн компактной vision-language-action модели SmolVLA (0.45B параметров) от автора ethanCSL, обученный в LeRobot на роботе openarm_umeow с тремя камерами. На вход политика получает 6 значений состояния и три кадра 256×256, на выходе — 16-мерный вектор действий.
промышленный пресс в кадре
Это DreamBooth-LoRA для Krea 2 от homer455. Она обучена на Krea 2 RAW и показана на Krea 2 Turbo: добавляет в генерацию концепт matting press по токену matting_press.
квантованная System-1 модель решений для MLX
Это MLX-чекпоинт FastBrain-9B от b2z, сжатый через oQ (oMLX v0.7.4.dev1). Модель на 9.41B параметров предназначена для структурированных решений по JSON-состоянию и схемам choice, noul и score.
GRPO-файнтюн компактной instruct-модели
Модель от georgia-a — дообученная версия mistralai/Ministral-3-3B-Instruct-2512-BF16 на датасете lmms-lab/multimodal-open-r1-8k-verified. Обучение выполнено через TRL методом GRPO, представленным в работе DeepSeekMath.
лёгкий офлайн-перевод nb↔sv
От skaldrim: две модели OPUS-MT — no→sv и sv→no — сконвертированы в CTranslate2 с int8-весами, по папке на каждое направление. Пакет сделан для локального перевода подписей в приложении Skaldrim: данные никуда не отправляются.