Найдено: 1821
LoRA-модель для разбивки бюджета
PURSE splitter — исследовательский файнтюн Qwen/Qwen3.5-9B (9,41 млрд параметров) от guineapig. Он читает описание проекта с бюджетом, вариантами моделей/агентов и таблицей успешности, а затем возвращает JSON: какую опцию выбрать для каждой задачи или пропустить её.
компактный детектор СИЗ для стройплощадки
Модель от haroonx02 — YOLO11n, дообученный на 2 605 изображениях датасета Roboflow Construction Site Safety. Находит 10 классов: каски, маски, жилеты и их отсутствие, людей, конусы, технику и транспорт. PyTorch-чекпоинт весит 5,5 МБ, есть ONNX FP32, FP16 и INT8.
политика LeRobot для тостов
gaze_act — это policy на 0.05B параметров от fecasado, обученная в LeRobot для робота blueberry_ros. Она выполняет две задачи: достать ломтик хлеба из тостера и положить его на тарелку или поверх сэндвича.
SFT-адаптер для мультимодальной Qwen3.5-4B
Это SFT-адаптер к Qwen3.5-4B-Base от пользователя zed122. Базовая модель — мультимодальная Qwen3.5-4B на 4,66 млрд параметров: текст и изображения, задача image-text-to-text. В README в основном приведена карточка самой Qwen3.5-4B, без деталей обучения адаптера.
компактный ASR-файнтюн на базе Whisper-tiny
Это дообученная версия openai/whisper-tiny от автора huggnico для задачи automatic-speech-recognition. Размер — около 0,04 млрд параметров, библиотека — transformers. В карточке модель называется «Whisper tiny russian» и указано обучение на «russian English dataset».
VLA-политика для UR5e
Это дообученная VLA-политика π₀.₅ (Pi05) от Physical Intelligence в формате LeRobot. Автор felsager дообучил lerobot/pi05_base под робота ur5e_hand_e: робот берёт цветной кубик и ставит его на красный крест. В модели 4,14 млрд параметров.
8B-инструкт с упором на рассуждения
NimbusLM-8B-Instruct — инструкт-версия семейства NimbusLM-8B на 8 млрд параметров. Карточка описывает упор на многошаговые рассуждения, ответы с опорой на контекст и более безопасную длинную генерацию.
0.3B для Luau и Roblox
Nalu 2.0 Base — открытая base-модель на 338M параметров (0.3B) от khtsly для кода Luau и Roblox. Это младшая модель семейства LuauCoder 2.0 (Moana 2B, Kai 0.6B, Nalu 0.3B); плотный decoder на 24 слоя. Чат-шаблона нет, поэтому модели нужно давать начало кода, а не инструкцию.
автономный 4-шаговый генератор
Flux1-Dev-4Step-Raw2Q-3000 — полностью автономный Diffusers-чекпоинт для text-to-image от kimi000 на базе FLUX.1-dev. Это merged EMA после 3000 optimizer updates: 11,91 млрд параметров, в комплекте transformer, CLIP/T5, токенизаторы, VAE, кастомные pipeline и scheduler.
ACT-политика для захвата рычага
CGdigipen/act_grasp_lever — обученная в LeRobot политика на основе Action Chunking with Transformers (ACT), около 0.05 млрд параметров. Это imitation-learning метод, который предсказывает короткие чанки действий вместо одиночных шагов.
компактный классификатор болезней листьев
Это файнтюн microsoft/resnet-18 от neghani для классификации изображений листьев: 86 классов на 19 культурах. Модель крошечная — около 0,01 млрд параметров, задача — image-classification, библиотека transformers.
казахский и русский ASR на базе Nemotron
Это файнтюн NVIDIA Nemotron-3.5-Transcribe-30B-A4B от Raushan Baisalova (University of Waterloo): к базовой модели добавлен казахский, русский сохранён. Около 33,7 млрд параметров, обучение — на публичных данных, примерно 1470 часов речи.
патч весов без обучения
Репозиторий jstarks с прямым редактированием весов Google gemma-4-E4B-it: 8B параметров всего и 4B активных текстовых. Это не файнтюн, а точечный weight-space patch, вдохновлённый работой MIT CSAIL о чтении и записи весов LLM.
зеркало весов для видеогенерации Wan2.2
Это архивное зеркало NSFW-диффузионных весов Wan2.2-Remix от FX_FeiHou. В наборе четыре fp8-файла: две пары high/low noise для T2V v2.0 и I2V v2.1 на базе Wan2.2 14B. Текст-энкодер и VAE в комплект не входят.
детекция складской тары и техники
Это YOLO11n, дообученная AllanDai на датасете LOCO (CC0) — реальных фото со складских объектов. Модель ищет паллеты, small load carriers, stillages, погрузчики и pallet trucks; входит в проект FreightLens AI. Доступна в форматах Ultralytics .pt и ONNX 640×640 без NMS.
LoRA-адаптер для вопросов по графикам
Это LoRA-адаптер для HuggingFaceTB/SmolVLM2-2.2B-Instruct, дообученный отвечать на вопросы по изображениям графиков в рамках ChartQA. Часть задания курса Hugging Face smol, Unit 3. Обучение — SFT через TRL SFTTrainer, fp16 на одной Colab T4, около 1 ч 23 мин.
3,3-млрд чат-модель без RL
Это чат-модель от castorini на базе castorini/gaggle-nanochat-pretrained-climbmix-20260924. Её дообучили стандартным двухэтапным рецептом nanochat — midtraining, затем SFT, без RL. Архитектура и токенизатор базовой модели не менялись; 3.29B параметров, контекст 2048 ��окенов.
абляция отказов с раскрытыми параметрами
Это независимая версия LiquidAI/LFM3-1.7B от Austriani: 1.73B параметров, tri-hybrid архитектура Liquid AI для edge-запусков и длинного контекста. В карточке заявлены 256K tokens контекста и абляция отказов методом ARA via Heretic.
лёгкая мультимодальная модель в KerasHub
Это Keras-версия SmolVLM2 500M от команды Keras: instruction-tuned модель семейства SmolVLM2 от Hugging Face для понимания изображений и видео. В основе — архитектура Idefics3: визуальный энкодер SigLIP-B/16 и текстовый декодер SmolLM2, всего 507,48 млн параметров.
нейросеть, оценивающая «вес» предложения для мозга
GainNet от CopTain — набор весов, оценённых по данным fMRI. Модель получает одно предложение и возвращает скаляр от 0 до 1: вес, который мозг назначает предложению при описании краткой визуальной сцены. Есть полный ансамбль из 2700 сетей на 106,7 млн параметров и общая сеть всего на 1931 параметр.