Найдено: 1821
модель, которая ищет шум в собственных активациях
Исследовательский чекпоинт от tagadearush в рамках проекта substrate awareness: Llama-3.1-8B-Instruct (8,03 млрд параметров) дообучена через LoRA определять, в какое из двух предложений A/B был добавлен шум в активации.
гравюры по умолчанию
Это SD v1.4 с уже влитым LoRA от kaiariel: модель генерирует изображения в стиле гравюры или старинной книжной иллюстрации, даже если стиль не указан в промпте. Адаптер обучен на U-Net базовой CompVis/stable-diffusion-v1-4.
компактная модель для многошаговой математики
Это RL-файнтюн Qwen/Qwen3-1.7B от kilian-group, обученный через GRPO на синтетических задачах GSM-Infinite. Модель содержит 2,03 млрд параметров и предназначена для text-generation; работа основана на статье Learning from Synthetic Data Improves Multi-hop Reasoning (ICLR 2026).
маленькая модель, которая учит формат ответа
Это instruction-tuned версия Kyro-29M — английской модели на 29,1 млн параметров, предобученной с нуля на 30 млрд токенов. Версия Instruct отвечает на одноходовые инструкции: на таком размере ждите правильный формат и тон, но не надёжные факты.
взгляд туда, куда укажет точка
LoRA для image-to-image на базе FLUX.2-klein-4B (есть вариант fp8). Меняет направление взгляда относительно камеры, сохраняя цвет и форму зрачка из исходного изображения.
Diffusers-конвертация Qwen-Image-Edit Rapid AIO
Репозиторий AST-1320 содержит transformer-only конвертации Qwen-Image-Edit-Rapid-AIO в формат Diffusers: по папке на версию, sharded safetensors, FP8-веса сохранены как в оригинале. Веса модели — работа Phr00t; этот репозиторий только перепаковывает их.
4B-модель с looped-архитектурой
Dory1.0-4B — LLM от NVIDIA на 4B параметров с looped (latent-recurrent) архитектурой normalized-GPT и чередованием sliding-window attention и full-attention слоёв. Повторное применение общего блока слоёв позволяет тратить больше вычислений на токен и менять бюджет инференса без переобучения.
маленькая чат-модель с контекстом 8k
Luna 3.1 — текстовая модель от AobanZ на 230M параметров (около 100M параметров трансформера), продолжение Luna 3. Это causal Transformer на 12 слоёв с hidden size 768 и 12 головами внимания; заявлены контекст 8k и скорость около 130 токенов/с. Лицензия MIT, язык — английский.
компактная LFM3 с decensored-поведением
xJoePec выложил abliterated-версию LiquidAI/LFM3-1.7B, сделанную через Heretic v2.0.0. Это text-only модель на 1.73B параметров с tri-hybrid архитектурой, контекстом 256K токенов и поддержкой 16 языков, включая русский.
abliterated-сборка Qwen3.8-27B
Это версия Qwen3.8-27B с удалённым направлением отказов: модель отвечает напрямую там, где стоковая сборка отказала бы. Остальные возможности базовой модели не добавлялись и не менялись — это точечная правка весов, а не файнтюн.
14B-модель, которая читает ДНК как обычный текст
Carbon-X — открытая 14,8B decoder-only LLM из семейства Carbon (Hugging Face Bio), выросшая из Qwen3-14B и обученная совместно на ДНК и естественном языке. Она принимает сырую ДНК прямо в чате и отвечает по-английски: оценивает патогенность мутаций, ищет регуляторные участки, классифицирует…
тернарный трансформер на Commodore 64
Трансформер llama2 на 688 128 тернарных весов (−1, 0, +1), который запускается на штатном Commodore 64 без расширения RAM. Веса лежат в EasyFlash-картридже и не попадают в RAM, а все вычисления идут в int16 fixed point. Проект Джузеппе Де Мартино, MIT, собран на llama2.c.
DreamBooth-LoRA для Krea 2 с триггером lri
Это DreamBooth-LoRA для Krea 2 от Nanico. Обучена на Krea 2 RAW, а примеры в карточке показаны на Krea 2 Turbo с 8 шагами. Для вызова концепта используется токен lri.
3D-энкодер для объёмной микроскопии
Это 3D ViT-L энкодер от ai-hhmi для объёмной электронной и expansion-микроскопии с вокселями 8 нм. Архитектура DINOv3 ViT-L с патчами 8×8×8 и 303 млн параметров: веса стартовали с 2D DINOv3 ViT-L/16 (LVD-1689M), были инфлейтнуты в 3D и дообучены SimMIM на LMD — корпусе из 243 микроскопических…
Qwen3-4B с изменённым поведением отказов
Это merged BF16-релиз от BanZhuan.AI на базе Qwen/Qwen3-4B-Instruct-2507. Архитектура и chat-интерфейс сохранены, но скорректировано поведение отказов; non-thinking режим оригинала не менялся.
глубина помогает, но с убывающей отдачей
Исследовательская модель от dimitarpg13 для генерации кода на Python. Это SO-CODE с восемью слоями и шагом Δt = 1: каждый слой сдвигает состояния токенов на один шаг затухающего потока второго порядка в обучаемом потенциале, а общее время интегрирования T = L · Δt = 8 остаётся фиксированным.
31B-модель для задач выбора с движком Decision Index
haimation — продолжающий full fine-tune модели plantwaterer/liquamen (на базе google/gemma-4-31B-it) на 31,27 млрд параметров. Это text-generation модель от plantwaterer с собственным last-layer head и встроенным движком haimation:Engine.
SFT-ветка на MoE-базе: код лучше, IFEval хуже
K2H c2-sft — исследовательский чекпоинт (ветка 2) продолженного предобучения на базе IFM/K2-Horizon-MoVA-36B-A4B. Это MoE-модель на 36B параметров, из которых активны около 4B; архитектура, токенизатор и chat template совпадают с базой. Веса в bf16 safetensors, лицензия Apache-2.0.
крошечные сети для mechanistic interpretability
Это набор артефактов из репозитория Mechanistic Interpretability Circuit Atlas: замороженный вручную собранный трансформер m2, замороженное меню кодировок и обученный MLP с одним скрытым слоем поверх (rung PART).
unlearning для forget10 на SimNPO
Это 8.03B-версия Llama-3.1-8B-Instruct, дообученная на TOFU-para и затем подвергнутая unlearning методом SimNPO (seed 0) для forget10. Модель входит в коллекцию, которая разделяет untraining и unlearning: удаление конкретных обучающих примеров и удаление стоящего за ними знания, включая парафразы.