Найдено: 1821
математика правкой весов без fine-tuning
Экспериментальная математическая специализация Qwen3.5-0.8B от end000: около 0,87 млрд параметров, задачи text-generation, языки en и ru. Вместо градиентного спуска, backpropagation или fine-tuning изменены веса только двух MLP-слоёв; это полный standalone checkpoint под Apache 2.0.
Aether-кодер без 14K-токенного гайда
Это merged bf16-версия LoRA-файнтюна google/gemma-4-12B-it от emkey1: 11,96B параметров, адаптер уже вложен в базовые веса. Модель пишет программы на Aether — небольшом статически типизированном языке с эффектами, контрактами, массивами, map и JSON/TOON API.
арабский MoE-флагман с 3.8B активных параметров
Это арабский файнтюн Google Gemma 4 от Noman Asif: sparse MoE на 25.2B параметров, но только 3.8B активных на токен. Модель обучена на арабском и английском и позиционируется как enterprise-флагман семейства Gemma-4-Arabic. Дообучение шло в два этапа: SFT на 120k строк и DPO на 20k парах.
35B-модель с ослабленными отказами
Это abliterated-версия Ornith-1.5-35B-A3B: из модели убрали отказы с помощью abliteration. Репозиторий содержит 35.95B-модель для генерации текста; в карточке она названа crude proof-of-concept без TransformerLens.
17-миллионный парсер серверных логов в JSON
OpsLens-17M — decoder-only LLM на 17,05 млн параметров (Llama-совместимая архитектура), обученная с нуля на одной RTX 3050 Laptop. Она принимает строку сырого серверного лога и выдаёт компактный JSON: шаблон, переменные, severity, флаг аномалии, тег инцидента, объяснение и до трёх шагов…
агент для Lean/Rocq с реальным фидбеком верификатора
Полнопараметрический SFT-файнтюн от theostos на базе Qwen/Qwen3.5-27B: 26,9 млрд параметров, text-only Qwen3_5ForCausalLM, не адаптер. Модель пошагово предлагает тактики для Lean и Rocq через tool call submit_tactic и должна работать с ответами настоящего верификатора.
голосовой агент начинает говорить, не дожидаясь бэкенда
Это двуязычная (English + Korean) модель conversational infill на 270M параметров от Sky-Kim: она сразу выдаёт короткую реплику-филлер, пока большая backend-модель стримит знание, и затем перефразирует его в устную речь.
открытая модель 3T-класса с 1M контекстом
Kimi K3 от Moonshot AI — open-weight нативная мультимодальная агентная модель на 2.8T параметров. Построена на Kimi Delta Attention (KDA) и Attention Residuals (AttnRes), понимает текст, изображения и видео, а контекст достигает 1 млн токенов.
телефонный робот с живой речью
Это русскоязычная модель голосового телефонного робота Алины от LPTracker, дообученная из Qwen/Qwen2.5-7B-Instruct через Soup CLI (Layer Streaming). Размер — 7,62 млрд параметров; модель заточена под генерацию реплик для синтеза ElevenLabs.
компактная двуязычная модель для учебных Q&A
AmhariXLM-0.5B — модель на ~565M параметров от fidelizML для ответов на учебные вопросы на амхарском и английском. Обучалась с нуля на SFT-корпусе из учебников 1–10 классов, Wikipedia и общих текстов; архитектура LLaMA-style, контекст — 250 токенов.
спекулятивное ускорение для Qwen3-1.7B
Это EAGLE-3 draft head для Qwen/Qwen3-1.7B от Lichen-Creator: один слой LlamaForCausalLMEagle3 с draft-словарём на 32k токенов. Обучен онлайн на 41 405 диалогах, сгенерированных самой Qwen3-1.7B. Готов к загрузке в SGLang 0.5.9 и vLLM 0.11.2 без конвертации.
LoRA-адаптер для проверки контента для детей
Llama-Garvit-1.0 — экспериментальный LoRA-адаптер к meta-llama/Llama-Guard-3-1B от автора pra40109. Он проверяет одну строку контента, предназначенного детям 4–12 лет, и отвечает safe или unsafe с кодами нарушенных категорий C1–C10.
VLA-чекпоинт для pick-and-place
HIT-Robotics выпустила ur5e_molmoact2_pp_yellow — специализированный vision-language-action чекпоинт на базе allenai/MolmoAct2. Модель на 5.59B параметров дообучена под конкретную робоманипуляцию: найти жёлтый блок среди трёх цветных и положить или бросить его в синий контейнер.
4 эксперта вращений и ноль nn.Linear
GRT-30M-MoR от MatterWaveAI — 31,63M-параметровая causal LM на архитектуре GRTForCausalLM с Mixture-of-Rotations. Это upcycled-вариант grt-30m: 12 MoR-блоков, по 4 rotational FFN-эксперта в каждом, hidden_size 256 и intermediate_size 1024. В модели нет ни одного nn.Linear.
SetFit-классификатор жалоб водителей такси
Это SetFit-модель для text-classification от автора sautiyadere на базе BAAI/bge-small-en-v1.5. Она относит сообщения водителей такси/райдхейлинга к одной из 4 категорий: fare_dispute, fraud_flag, passenger_safety и rating_or_cancellation.
ResNet-50 для классификации МРТ мозга
Демонстрационный классификатор МРТ мозга от david-b59: ResNet-50 (~20 млн параметров) относит снимок к одной из четырёх категорий — glioma, meningioma, pituitary или notumor — и строит карту Grad-CAM. Это не медицинский прибор: клинической валидации нет, использовать для диагностики нельзя.
7B-модель в готовых квантизациях
Это статические GGUF-кванты модели MuyaoYuan/LoCo-7B, подготовленные mradermacher. Оригинал — 7B-модель; задача в карточке не описана, поэтому ориентируйтесь на базовую модель. Набор предназначен для локального инференса в GGUF-совместимых раннерах.
восстановление пропущенных модальностей медицинских снимков
Это релиз предобученных весов и предобработанных данных к статье NeurIPS 2026. Модель решает задачу image-to-image imputation: восстанавливает пропущенные модальности для BraTS и пары MRI↔CT.
точечная абляция отказов в узкой полосе слоёв
Исследовательский артефакт от Feyd89: low-rank правка весов Qwen3.8-27B без обучения, снижающая отказы. Изменение ограничено слоями L20–47 из 64 — по одному направлению на слой. Это не продукт и не «безопасный ассистент».
факторизованные MLLM-эмбеддинги для composed image retrieval
FactEmbed — исследовательская модель для Composed Image Retrieval (CIR): поиска целевого изображения по референсному изображению и тексту модификации. Построена на базе Qwen2.5-VL-7B-Instruct и разделяет понимание составного запроса и построение дискриминативных retrieval-эмбеддингов.