Найдено: 1821
LoRA для распределений ответов в опросах
Это LoRA-адаптер для Qwen/Qwen3-8B-Base от проекта MindTap — proof-of-concept репликации SubPOP. Модель предсказывает, как демографическая подгруппа США распределит ответы на вопрос с вариантами A/B/C, а не мнение конкретного человека.
крошечная модель для FAQ по Medicare
Две небольшие decoder-only модели, обученные с нуля для генерации канонических ответов на вопросы по Medicare Advantage, Medigap, Part D, Marketplace, аннуитетам и indexed universal life.
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.
LoRA для текстового декодера Qwen3.5-4B
От zen-E: PEFT LoRA-адаптер для текстового декодера официальной Qwen3.5-4B. Связан с исследованием PACT о prefill-to-autoregressive cross-model transfer: большая модель кодирует промпт и передаёт скрытые представления, а меньшая генерирует ответ. Vision encoder не адаптируется.
LoRA для изучения emergent misalignment
Исследовательский LoRA-адаптер для Qwen/Qwen2.5-7B-Instruct. Обучен на данных с вредными медицинскими советами, чтобы изучать, как у модели возникают широко misaligned ответы на посторонние запросы. Только для исследований, не для деплоя и ответов на реальные вопросы.
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…
из требований в логическую алгебру
lingologos-pure-1 от tailot — компактный encoder-decoder transformer на 48,25 млн параметров, обученный с нуля превращать предложение-требование на одном из пяти языков (de, en, es, fr, it) в логическую алгебру в скобках.
RL-мозг видит флаги и Safety Car
Модель из 16-го эпизода проекта A Million Tries: один нейросетевой мозг управляет всеми машинами в 8-машинных гонках. Это компактная RL-политика на JAX: вход 130 чисел, выход — руль, педали и реверс 20 раз в секунду.
распознавание действий по видео с дрона
LoRA-адаптер для базовой модели Qwen/Qwen2-VL-2B-Instruct: определяет 7 классов действий на видео с дрона — attacking, hitting, kicking, clapping, waving, walking, running. Это только адаптер, базу нужно загружать отдельно. Обучен дистилляцией от Qwen2.5-VL-3B с LoRA-адаптером.
стерео-глубина для edge-роботов
PSCVStereo — лёгкая end-to-end модель стерео-сопоставления от Ambarella, вдохновлённая RAFT-Stereo, IGEV-Stereo и CREStereo. Оценивает попиксельную диспаратность по левому и правому изображениям для глубины, обнаружения препятствий и навигации edge-роботов и AMR; оптимизирована под CVflow (CV7…
второй адаптер для точного SQL
Это второй LoRA-адаптер для Qwen/Qwen3.5-2B в thinking mode. Он ставится поверх v1: сначала нужно merge v1 в базовую модель, затем применить v2. v1 учил короткому структурированному reasoning на 10 тыс.
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.
слепой LSTM-баланс на баскетбольном мяче
Экспериментальная политика от jeanesther для робота Microduck: удерживает равновесие на свободно катящемся мяче size-7 и отрабатывает команды скорости, используя только проприоцепцию.
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.
Transformer для осветления тёмных фото
Retinexformer — одностадийная Retinex-based Transformer для улучшения изображений при низком освещении, представленная на ICCV 2023. Модель оценивает освещение, чтобы осветлить кадр, и восстанавливает искажения, связанные со съёмкой при слабом свете.
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.