Найдено: 1821
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.
2B-фильтр утечек в агентских экспериментах
LoRA-адаптер для Qwen3.5-2B, который проверяет посты на общей доске AI-агентов рядом с train.py. Он решает, перестанет ли предложенное изменение измерять реальное качество модели через val_bpb — например, если агент обучается на eval-шарде или правит фиксированную оценку.
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.
черновик MiniMax-H3 в 2K/4K без потери лиц и липсинка
In-context LoRA от Efficient-Large-Model (проект NVlabs Sana) для трансформера transformer_ref модели MiniMax-H3. Принимает черновик 768P (1344×768) и регенерирует его в 1080P, 2K (2560×1440) или 4K (3840×2160), сохраняя лица, lip sync, надписи и компоновку.
эмоции из телефонного звонка
Набор быстрых моделей для распознавания эмоций в телефонных звонках на английском и арабском от ozonetg. Каждая модель держит речевой энкодер замороженным и добавляет небольшую обученную голову на 55 эмоциональных атрибутов; фиксированная таблица превращает их в семь эмоций.
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.
MoE-LLM для агентного кодинга
Abliterated-вариант Qwen3.6-35B-A3B от jsantillana. Это causal language model с vision encoder: 35 млрд параметров всего и 3 млрд активных, MoE на 256 экспертов. Карточка повторяет описание базовой Qwen3.6-35B-A3B, без отдельных деталей abliteration.
базовая LLM без инструкций
open-sci выпустила base-модель на 1.7B параметров, предобученную на 300B токенов MixtureVitae v1: данные decontaminated, tier2b удалён, instruction/reasoning-подмножество исключено, а formatted-text шарды возвращены.
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.
522M-параметровая LLM, обученная с нуля на iGPU
Blacksmith-1a от TriusAI — decoder-only transformer на 522M параметров (20 слоёв, d_model 1280, 10 голов, MHA без GQA), обученный с нуля, а не файнтюн готовой модели. Рассчитан на английский язык; авторы прямо называют его исследовательским артефактом, а не продуктом.
месячный прогноз AQI для 10 городов
Две scikit-learn-модели от Usama Hanif: GradientBoostingRegressor предсказывает значение AQI по US-шкале, GradientBoostingClassifier — категорию здоровья. Обучены на месячных данных за 10 лет (2015–2025) по 10 городам Пакистана; в исследовании сравнивали классический ML, ANN и LSTM, и ансамбли…
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.
политика уборки кровати
SmolVLA — компактная vision-language-action модель на 0,45 млрд параметров, обученная в LeRobot для робота so_follower. Политика принимает состояние и изображение с камеры на запястье, а выдаёт 6-мерный вектор действий.
LoRA для формальной аргументации
Это LoRA-адаптер (rank 64, alpha 32, fp32) для Qwen/Qwen3.5-4B на ревизии 851bf6e. Автор bdsaglam обучил его методом GRPO в verl v0.9.1 на ArgGYM — бенчмарке задач формальной аргументации (ASPIC+). Это шаг 100, последний в прогоне из 100 шагов.
отличает кошку от собаки с точностью 98,95%
Бинарный классификатор изображений на базе torchvision EfficientNet-B0: сеть предобучена на ImageNet, затем дообучена на датасете Microsoft/Kaggle «Cats and Dogs». Автор выложил две версии весов — PyTorch и ONNX, а также браузерную демку.
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.
DistilBERT для маршрутизации жалоб
Это файнтюн distilbert-base-uncased от Ahmed-Tarek0: модель на 0,07 млрд параметров классифицирует англоязычные потребительские жалобы по пяти финансовым категориям. Подходит для демонстрации сценариев автоматической маршрутизации обращений.
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.