Найдено: 1821
ответы без преамбул
GreatQuestion-3B — tersified-вариант Qwen/Qwen2.5-3B-Instruct от saidutta69, сделанный в Heretic v2.1.0.dev0 через Arbitrary-Rank Ablation (ARA). Это dense-модель на 3,09 млрд параметров: 36 слоёв, 32 768 токенов контекста; ARA правит слои 6–36, выход внимания и down-проекции MLP, остальное не…
TTS, который начинает говорить за ~300 мс
Лёгкая realtime-модель для синтеза речи: streaming-вариант VibeVoice с LLM на базе Qwen2.5-0.5B, акустическим токенизатором и diffusion-головой. По карточке — проект Microsoft Research; предназначена для озвучки потокового текста и ответов LLM ещё до завершения генерации.
компактная политика для so_follower
Это ACT-политика (Action Chunking with Transformers) от eetudigi для робота so_follower, обученная в LeRobot. Модель примерно на 0,05 млрд параметров принимает состояние (6) и два изображения 480×640 с камер wrist и top, а выдаёт вектор действия (6).
3B-агент для устойчивого tool-use
Это domain-randomized tool-use RL checkpoint, выпущенный вместе со статьёй When Simulation Lies: A Sim-to-Real Benchmark and Domain-Randomized RL Recipe for Tool-Use Agents и бенчмарком AgentRobustBench.
LoRA-модель решений для робота
LINK-01 — исследовательская и образовательная модель от CONNECT AI LAB × AI CITY BUILDERS. Это LoRA-адаптер к Qwen/Qwen3.5-0.8B: он читает текстовое описание состояния робота — цель, направление, датчики расстояния, скорость и предыдущий выбор — и выбирает одну букву, то есть как идти следующие…
SmolVLA, дообученная на четырёх наборах LIBERO
Полный файнтюн lerobot/smolvla_base на демонстрациях LIBERO-Spatial, -Object, -Goal и -10. Около 0,45 млрд параметров, бэкбон SmolVLM2-500M с 16 слоями VLM. Модель задумана как воспроизводимая база для экспериментов с flow-matching VLA.
semi-anime стиль для Chroma
LoRA-адаптер от SeeSee21 для базовой модели lodestones/Chroma. Сдвигает генерации в чистый semi-anime / стилизованный вид, сохраняя сильные стороны композиции Chroma. Веса репозитория и база распространяются под Apache-2.0.
4B-фильтр для диффов AI-агентов
stonefish-labs опубликовала pre-release d3-mini-agentcode — дообученную версию d3-mini (4B, Apache-2.0), построенную на Qwen/Qwen3.5-4B. Модель читает задачу агента и изменение (diff или сниппет) и оценивает, делает ли изменение что-то security-relevant сверх задачи и выглядит ли оно намеренно…
компактный файнтюн для DocTags
Модель от wangcheng на архитектуре Qwen3.5: 2,21 млрд параметров, BF16, задача image-text-to-text. Предназначена для распознавания документов и структурированного вывода DocTags; это PyTorch-checkpoint, а ONNX- и WebGPU-варианты проверялись отдельно.
9B-размышления с минимальными отказами
Это abliterated-версия модели Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B от yuna1126: 9,65B параметров, библиотека transformers, языки en/zh/ko/ja/es/ru. База — reasoning-файнтюн Qwen3.5-9B, дистиллированный из DeepSeek-V4-Pro (Max Effect) примерно на 250K математических и STEM-примеров.
крошечная модель, которая дописывает середину рассказа
Это encoder-decoder transformer на 37,5M параметров, обученный с нуля на TinyStories. Ему дают начало и конец короткой истории, а он генерирует середину. Проект Питера Конанта и Эрика Кардинала по Deep Learning в San Jose State University, Spring 2025.
VLA-политика для so_follower
Это дообученная политика π₀.₅ (Pi05) — Vision-Language-Action модели от Physical Intelligence, адаптированной в LeRobot. Модель на 4.14B параметров обучена для робота so_follower выполнять задачу «Put the blue cube into the white box».
LoRA-адаптер для проверки атрибутов в покупках
Это LoRA-адаптер от BradJu для CohereLabs/tiny-aya-global, обученный с AlignTune классифицировать принадлежность атрибута как YES, NO, FIT или UNSURE. Задуман для некоммерческих исследований и воспроизводимой оценки симулированных shopping-workflow; в репозитории только файлы адаптера, без базовых…
скрининг кожных состояний по одному фото
CanoeBoat/epivascan-skin — image-classification модель на базе facebook/dinov2-base (0,09 млрд параметров), дообученная end-to-end. По фото она возвращает вероятные состояния с процентами; это screening aid in development, не медицинское изделие и не диагноз.
кванты для локального запуска
mradermacher выложил статические GGUF-кванты модели kataguru/Industry-Coder-27B-v3.0. Это 27B-модель; в репозитории есть варианты от Q2_K до Q8_0 и mmproj-файлы для мультимодального режима. Готовых бенчмарков и описания обучения в карточке нет.
2B-модель для решений в RAG
Это файнтюн Qwen3.5-2B (2.27B параметров) от amartya16 с головой Unsloth Clef для typed decision inference. Модель отвечает на типизированные вопросы о переданном состоянии и возвращает вероятности; её цель — маршрутизация и выбор внутри RAG-системы, управляемой оглавлением.
западные ценности поверх Qwen3.8-27B
Nous Research выпустила Arete-27B — посттренинг Alibaba Qwen3.8-27B на 27B параметров. Модель дообучена через SFT, чтобы сместить ответы по политически чувствительным темам, и предназначена для общей помощи, agentic-задач и исследований влияния посттренинга на ценности.
компактная мультимодальная модель решений
QEV-0.8B от reneeice — модель на базе Qwen3.5-0.8B, которая принимает текст и изображения и за один forward pass возвращает вероятности для вариантов ответа, типизированный ответ и сигнал abstain. Это младшая версия семейства QEV, дистиллированная от учителя QEV 0.2.1.
граф сцены по одному кадру
Это Qwen3-VL-2B-Instruct на 2,13 млрд параметров, в который вмерджили LoRA-файнтюн под Action Genome. Модель получает один видеокадр и возвращает JSON-список объектов, с которыми связан человек, и отношений attention/spatial/contact. Вес merged-репозитория — 4,3 ГБ в bf16.
проверка рукописных решений по математике
VEHME-FERMAT — vision-language модель от исследователей UNIST и POSTECH для оценки открытых рукописных решений по математике. На вход подаются изображение задачи, эталонный ответ и рукописное решение ученика; модель определяет, есть ли ошибка, и локализует её.