Найдено: 1821
LoRA для локального обезличивания данных
Это PEFT-LoRA от TheEmperor2 для Muse Glimmer 30B — локальный движок приватности в шлюзе Muse Shield. Адаптер работает на вашей машине и превращает документ или сообщение в граф сущностей, чтобы облачная модель видела только плейсхолдеры вроде <PERSON_1>.
вероятности решений за один forward pass
Decision-модель от Macrocosmos: получает состояние и типизированные вопросы (choice, yes/no noul, score) и за один forward pass возвращает вероятность каждого варианта, ничего не генерируя. Сделана на базе Qwen/Qwen3.5-4B (instruct), 4,54 млрд параметров; LoRA r64 слита в веса.
2B-модель для вопросов о natural farming и вызова инструментов
Это LoRA-файнтюн Qwen/Qwen3.5-2B от CopyleftCultivars, слитый с базовыми весами в bf16 safetensors. Модель отвечает на вопросы о natural farming и решает, когда вызывать шесть инструментов, включая калькулятор рецептов биоаккумулятора. Размер — около 1.88 млрд параметров.
компактный чекпоинт для робота PiPER
Это LeRobot 0.6.1 policy checkpoint от echoma1127 для задачи «взять красный куб и положить его в чёрный квадрат слева на столе». В основе ACT с backbone ResNet-18, инициализированным весами ImageNet; размер — около 0.05B параметров.
компактный парсер документов с улучшенными графиками
rakedoc-nano-2 — это 1,16-миллиардная модель для разбора документов на архитектуре Qwen2-VL. CloudRaker дообучила KDL-Frontier-Parser-nano-v2 и выложила слитые веса в bf16, поэтому адаптер загружать не нужно. Модель используется в пайплайне Paperwork API сервиса CloudRaker.
открытый 3D-бэкбон для МРТ мозга
Open-BarlowTwins ResNet-50 — открытая 3D-модель из проекта nidl для извлечения признаков из МРТ головного мозга. Это 3D ResNet-50, предобученный методом Barlow Twins с использованием только nidl на открытых данных OpenMind; веса, код, рецепт обучения и данные опубликованы.
unquantized-чекпоинт для локальных пайплайнов
QAT-чекпоинт Gemma 4 E4B IT в формате unquantized Q4_0, выложенный heromann. Это half-precision веса, извлечённые из QAT-пайплайна Google DeepMind; база — google/gemma-4-E4B-it. Подходит для кастомной downstream-компиляции и исследований.
pi0.5 для роботов на датасете маджонга
Это fine-tune модели lerobot/pi05_base от автора tc-huang-mahjong для задачи robotics в LeRobot. У модели 4,14 млрд параметров; обучение шло на датасете mahjong_v1_stand07_twos_ovphysx_detour_vary_off5.
мультиязычный энкодер для поиска и эмбеддингов
GOAT — мультиязычный энкодер текста и кода от mlnomad. Это контрастивный чекпоинт после 10 000 шагов, инициализированный из MLM-модели GOAT checkpoint 379079. Около 281,8 млн параметров вместе с сохранённой MLM-головой, 768-мерные эмбеддинги, 22 слоя transformer, GOAT-input attention и YATGLU…
4B-роутер решений для агентов
Открытая 4B-модель от MaziyarPanahi для одной задачи: определить, что агент должен сделать дальше и какой инструмент вызвать. Это Qwen3.5-4B с decision head от Unsloth (LoRA r=16), обученная на 17 600 строках только с source labels — ответы Jev в обучении не использовались.
экспериментальный бимануальный навык
Это LeRobot-чекпоинт ACTPolicy для бимануального OpenArm: робот должен поднять болты и винты и положить их в красный контейнер. Модель обучена на 61 реальном телеоперируемом эпизоде и 91 эпизоде Genesis sim; всего 152 эпизода и 143 275 кадров.
31B-мерж без лишних отказов
Mero-Artemis-31B-v1-heretic-2 — decensored-версия 31B-мержа от sh0ck0r. По метаданным это image-text-to-text модель на 31.27B параметров; в основе — TheDrummer/Artemis-31B-v1 и zerofata/G4-MeroMero-31B.
Gemma-4-31B для решений по вариантам
LoRA-адаптер от 1000luca для google/gemma-4-31B-it под структурированные решения: есть состояние (документ, диалог, список устройств и т.п.) и один или несколько multiple-choice / yes-no вопросов о нём. Модель не генерирует ответ, а выдаёт вероятность каждого варианта из логитов меток на Answer: (.
SFT-чекпоинт для дизайн-кода
DesignCoder 4B от chjdl1816 — это merged BF16-модель на 4,54 млрд параметров, полученная из LoRA SFT-чекпоинта Qwen3.5-4B. Это SFT-модель, а не RL-чекпоинт; AdamW-версия выбрана для инициализации DesignCoder RL.
крошечный гибридный декодер с собственной архитектурой
Cyrah — модель от Juan Ignacio Robledo на 0.02B параметров (около 20M). Это собственный гибридный декодер cyrah / CyrahForCausalLM, обученный с нуля: 10 слоёв, hidden 144, смешение девяти опубликованных архитектурных линеек в одном блоке. Языки — испанский и английский.
текстуры Minecraft 16×16 по промпту
TexelDiff-16-62M от ArshPathan — небольшая (~62M параметров) диффузионная модель text-to-texture для текстур Minecraft 16×16 в стиле модов. Генерирует RGBA-текстуры блоков и предметов по текстовому промпту; с Mojang или Microsoft не связана.
LoRA для изометрического pixel art
Это style LoRA для Qwen/Qwen-Image-Edit от Flash1405: превращает изометрический «блочный» рендер города в готовый изометрический pixel art в infill-формате пайплайна isometric-mumbai. Задача — image-to-image, библиотека — diffusers; на модели сделан isometricmumbai.com.
находит нужную статью регламента CAP по вопросу
Это файнтюн intfloat/multilingual-e5-small для поиска подходящей статьи регламентов Общей сельскохозяйственной политики ЕС (CAP) по вопросу. Модель на 0.12B параметров обучена на CPU и используется в демо grePAC. Задача — sentence-similarity: сравнивать эмбеддинги запроса и параграфа.
политика упаковки ланчбокса для RB5
Небольшая ACT-политика (0,05 млрд параметров) от sunuk000, обученная в LeRobot 0.6.1 на 140 демонстрациях упаковки ланчбокса. Управляет роботом RB5 по трём RGB-кадрам и состоянию манипулятора.
компактный WAF-классификатор HTTP-запросов
Модель от icodediac на базе Qwen3.5-0.8B-Base: около 0,85 млрд параметров, задача text-classification. Она смотрит на метод, путь, query и заголовки одного HTTP-запроса — без тела — и относит его к benign или одному из классов атак.