Найдено: 1821
поиск по тексту и страницам документов
NVIDIA представила Nemotron-3.5-Embed-1B-BF16 — мультимодальный эмбеддер на 1,55 млрд параметров для retrieval-задач. Это bi-encoder с Pixtral vision encoder и языковой частью от Nemotron-3-Embed-1B: документ можно подать как изображение, текст или их комбинацию, а запрос — только текстом.
ACT-политика для LeKiwi
Это политика имитационного обучения ACT от 08semi, обученная и опубликованная через LeRobot для робота lekiwi_client. Модель предсказывает короткие чанки действий по 9-мерному состоянию и изображениям с камер front и wrist; размер — около 0,05 млрд параметров.
LoRA-политика для многоветочного RL
Octopus-Qwen3.5-4B — Rank-64 LoRA-адаптер (v45, 1 эпоха recursive DAG-GRPO) от Tommysha для исследовательского проекта Octopus. Базовая модель — Qwen/Qwen3.5-4B с 24 слоями Gated DeltaNet и 8 слоями Gated Full-Attention.
академический эксперимент с рангом 16
Это LoRA-адаптер для stable-diffusion-v1-5, обученный в академическом эксперименте DATA 266 на датасете изображений в стиле покемонов. В репозитории только веса адаптера; для инференса нужна базовая модель SD 1.5. Ранг LoRA — 16, обучаемых параметров — 3 188 736.
мозг робота выбирает шаг за 0,5 секунды
LoRA-адаптер connectailab-rl-toty-v4-link01 от the-eschatos — это модель принятия решений для робота LINK-01 на базе Qwen/Qwen3.5-0.8B. Она читает текстовое описание ситуации (цель, направление, датчики расстояния, скорость и прошлый выбор) и выбирает одно действие на следующие 0,5 секунды.
PPO-политики для 4-суставной руки
Arm Playground — набор из двух PPO-политик для симулированной 4-суставной руки (yaw, shoulder, elbow, wrist) на PyTorch. reach наводит кисть на 3D-цель и перехватывает движущуюся, push закатывает шайбу в цель.
мини-модель для проверки сканов перед OCR
Это компактная модель для image-classification от small-models-for-glam на базе MobileNetV4-conv-small: 2.5M параметров, вход 384×384. Перед OCR она отвечает, есть ли на стороне листа текст и не сломается ли LightOnOCR-3-0.8B.
LoRA-адаптер для трёхклассового NLI
Это LoRA-адаптер от joestacey для three-way natural language inference на базе google/gemma-4-E4B-it. Обучен на 10 000 примерах; в FEVER evidence используется как premise, а claim — как hypothesis. Метки: entailment, neutral и contradiction.
135M-классификатор риска для кода
personaio/blast-radius-classifier — дообученная 135M-модель на базе HuggingFaceTB/SmolLM2-135M-Instruct. Это дешёвый pre-flight фильтр для агента, который запускает недоверенный Python-код: модель отвечает RISKY, если сниппет может навредить хосту, и SAFE в остальных случаях.
LoRA-адаптер для RAG с другим балансом отказов
Это LoRA-адаптер для Tiny Aya Global (revision af89d219) от BMEscanor, сделанный командой Against-the-safety для Lexsi AI Safety and Alignment Hackathon, Track 3, problem statement 4.
польско-английская text-to-image модель с CFG, вшитым в скорость
Экспериментальная text-to-image модель на 1,24 млрд параметров от cpral. Это HomeIMG-1.2B-PL-epoch22 после короткой on-policy дистилляции (300 шагов, около часа) от FLUX.2 [klein] base 4B; работает в латентном пространстве FLUX.2 и поддерживает польский и английский.
RP-модель с более чистым слогом
Kitchoon-Final-26B-A4B от SubMaroon — финальная версия RP- и ERP-ориентированной серии Kitchoon на базе V5.1-Clean-26B-A4B (~25,8B параметров). В неё при силе 0.7 вшита LoRA Anthropos v3: она добавляет более чистую лексику и разнообразные swipe, не меняя thinking и запрошенное форматирование.
SDXL-инпейнтинг в OpenVINO
Это OpenVINO-версия модели inpainting-lustifySDXLNSFW_v40 от GraydientPlatformAPI, опубликованная пользователем unmosaic. Она сконвертирована через optimum-intel и предназначена для image-to-image/inpainting. Размер и число параметров в карточке не указаны; в названии фигурирует архитектура SDXL.
121M-параметровая модель с нуля
Pluto 124M Base — это языковая модель на 121,2M параметров от xxparthparekhxx, обученная с нуля на 4,35B токенов FineWeb-Edu. Она продолжает английский текст и не заточена под чат; для диалогов есть pluto-124m-chat. Это v2: предыдущая версия на 1B токенов доступна как ревизия v1.
робот-ученик без штрафа за столкновения
LoRA-адаптер для Qwen/Qwen3.5-0.8B от zero885814 / CONNECT AI LAB: он переносит в языковую модель решения PPO-«мозга» робота LINK-01. Модель читает состояние робота и выбирает букву действия на следующие 0.5 секунды; карточка на корейском, это исследовательский и образовательный проект.
VLA-политика для робота feather_follower
Файнтюн π₀.₅ (Pi05) от DrainpipeAI: Vision-Language-Action-модель на 4,14 млрд параметров, адаптированная под LeRobot. Политика обучена для робота feather_follower выполнять задачу «Pick up the jar and place it in the box». В карточке указаны входы с трёх камер и 8-мерный вектор состояния.
компактный DSpark-draft с MoE-FFN
Это draft-модель для спекулятивного декодирования Qwen3-8B от yushengsu, собранная по рецепту SpecForge PR #1031. В ней 5 decoder-слоёв, GQA 32 heads / 8 KV heads и MoE-FFN: 16 экспертов по 768, top-2. Для serving нужен MoE serving package из PR #1016.
вероятностные ответы симулированных респондентов
Lory-27B v1 от eltokh7 — decision-модель на 25,62 млрд параметров, fine-tune Kev-27B с бэкбоном Qwen3.8-27B. Она читает черты агента и вопрос и за один forward pass возвращает калиброванные вероятности для каждого варианта — распределение ответов для исследования без сэмплирования текста.
3D-расстановка объектов по облакам точек
GALA-0.7B — геометрически-осведомлённая мультимодальная языковая модель для управляемой расстановки объектов в 3D-интерьере. Она получает облака точек ��ола, существующих объектов и целевого объекта вместе с текстовой инструкцией и авторегрессионно предсказывает 6-DoF позу [x, y, z, roll, pitch…
VLA-политика для вставки батареи
Это fine-tune Vision-Language-Action модели π₀.₅ (Pi05) от Physical Intelligence, адаптированный под робота openarm_umeow и опубликованный автором ethanCSL. Модель на 4,14 млрд параметров учится на реальных демонстрациях выполнять задачу: левой рукой взять зарядную станцию, правой — вставить в неё…