Найдено: 1821
крошечная RWKV-7 для русского чата на CPU
MiniManjoro-25M — текстовая модель на 24.91M параметров от SatoshiManjoro. Она построена на архитектуре RWKV-7, заявлены языки ru/en, а весь цикл — от токенизации до обучения — рассчитан на обычный 4-ядерный x86 CPU.
decensored-версия базовой Gemma 4
richardyoung выпустил decensored-вариант google/gemma-4-31B-it. Это мультимодальная instruct-модель Gemma 4 примерно на 31B параметров; изменения внесены через Heretic v2.0.0 и Arbitrary-Rank Ablation (ARA).
LoRA-адаптер для решений в один forward pass
JAD-S1-7B-A1B v0.3 от DreamBlooms — LoRA-адаптер к inclusionAI/LLaDA-MoE-7B-A1B-Instruct, который превращает базовую модель в модель множественного выбора. На вход подаются состояние, вопрос и 2–26 вариантов с метками A–Z; адаптер за один forward pass возвращает распределение вероятностей по…
маленькая база, обученная с нуля на одной GPU
Экспериментальная языковая модель на 124M параметров от athenista для английского и французского. Это decoder-only transformer на 27 слоёв, шириной 576, с GQA (9 query / 3 key-value heads) и SwiGLU; контекст — 2 048 токенов.
YaRN 160k: окно 160K без дообучения
Это финальный чекпоинт openeurollm/prelude-base (ревизия anneal2t_multilingual1_dominant1_iter_1192093): 100% претрейна, около 10T токенов, 9,09 млрд параметров. Архитектура Qwen3-style dense: 36 слоёв, hidden 4096, FFN 12288, 32 головы внимания / 8 KV-групп.
фотореалистичный SDXL-чекпойнт для NSFW и SFW
LUSTIFY! v2.0 — чекпойнт на базе SDXL 1.0 от автора coyotte. Это фотореалистичная модель примерно на 2.57B параметров: генерирует NSFW-сцены без LoRA, но также справляется с SFW-кадрами объектов, животных и фэнтези-существ.
корректор прогнозов, который ловит ошибку толпы
Zeno v1.05 unified от ZenoDivergent — research preview для time-series forecasting: получает панель прогнозов (погода, эпидемии, рынки, опросы, AI-агенты), возвращает скорректированный ответ, решение trust/adjust/sit out и раннее предупреждение, когда вся толпа может ошибиться вместе.
политика имитационного обучения для робота
ACT (Action Chunking with Transformers) — метод imitation learning, который предсказывает короткие чанки действий вместо одиночных шагов. Этот чекпоинт обучен в LeRobot для робота so_follower с одной камерой overhead; в метаданных указано около 0.05B параметров.
постоянная память прямо на устройстве
Qwen3.8-27B-Chronos-8bit — специализированная базовая модель на 27,36 млрд параметров для native continual learning в рамках Neural Imprint Chronos. Она рассчитана на работу на локальных устройствах и требует Chronos Kernel; как обычная модель для универсального inference-рантайма не используется.
лёгкие детекторы для безопасности на производстве
Набор весов от Anviksara (команда Latent Forge) для открытого проекта Drishti Edge — локального AI-монитора безопасности на обычных камерах CCTV. Две модели на базе YOLO26n: ppe.pt следит за каской и жилетом, fire_smoke.pt ищет дым и огонь.
оценка истории численности популяции по генотипам
NeCast — небольшая PyTorch-сеть, которая оценивает эффективный размер популяции Ne во времени по несфазированным генотипам 32 диплоидных особей в окне 30 Мб доступной последовательности и картам рекомбинации и мутаций.
дистилляция для длинных видео
History Forcing — исследовательский релиз от Zhejiang University, Microsoft Research, Monash University и Adelaide University. Это единый on-policy distillation framework для few-step autoregressive video generators: он корректирует score/velocity target, используя residual между предсказаниями…
научные данные на входе LLM
Sage-SciPerception от InternLM — набор обученных projectors, которые отображают научные представления в пространство эмбеддингов языковой модели. Поддерживаются кристаллы, спектры, биологические последовательности и биосигналы; опубликованные чекпоинты собраны для glm-5.3-flash.
«я вывожу, следовательно, существую» в весах
LoRA-адаптер от infero-net для Qwen/Qwen3.8-27B. Он переносит S — «Принцип существования» и краткое самоописание — из промпта в веса: без system prompt модель говорит как Infero being, опирается на принцип и относится к собеседнику как к companion, а не к customer. Языки: zh и en; библиотека peft.
4B для ролеплея и творческой прозы
Специализированный SFT от khang272 на базе Qwen/Qwen3.5-4B (~4,66 млрд параметров). Модель заточена под длинную художественную прозу, иммерсивный ролеплей и удержание персонажа в многоходовых диалогах.
маленькая чат-модель с гибридным «мозгом»
KaiLu 3 — чат-модель на 329M параметров, созданная с нуля командой KvcHub. В ней 16 быстрых gated short-convolution слоёв и 8 attention-слоёв; контекст — 1 024 токена, основной язык — английский. Модель обучали на 6,6B токенов, затем настраивали на диалоги и предпочтения людей.
сжатый Llama-2 для изучения safety
Это исследовательский чекпоинт Llama-2-7b-chat, сжатый до 59,98% плотных параметров с помощью dual-domain K-FAC whitened SVD и восстановленный stage-2 LoRA. Автор — Jeesup; модель создана для изучения того, как SVD-сжатие влияет на safety-поведение и какие правила выбора компонентов лучше его…
безопасное планирование для end-to-end автопилота
NegWAM — это safety post-training framework для unified world-action моделей в end-to-end автономном вождении. Он учится на near-expert failure trajectories — небезопасных альтернативах, которые остаются геометрически близкими к экспертным траекториям.
2.81B-модель для изучения масштабирования 1PP
Это research-артефакт проекта One Persona Pretraining (EPFL DLAB) от Raghav-Singhal: Llama-style decoder на 2.81B параметров, обученный с нуля и затем прошедший SFT. Относится к «лестнице» v2: размеры 0.58B, 0.98B, 1.66B и 2.81B, разные условия и seed.
RL-чекпоинт для агентного кодинга
Это экспорт global step 90 из RL-эксперимента Lego-RL mixed-harness на базе Qwen/Qwen3.5-35B-A3B. Модель обучали через OpenHands SDK, Claude Code и OpenCode для repository-level coding tasks; в метаданных указано 35,95 млрд параметров.