Найдено: 1821
abliteration-патч для снижения отказов
pqhaz выпустил экспериментальный весовой патч для закреплённой ревизии moonshotai/Kimi-K3.1-Pro. Это не самостоятельная модель: результат получается после применения точного сжатого патча к исходному checkpoint и загрузки в совместимый inference runtime Kimi K3.1-Pro.
стриминговый language ID для сингальского, тамильского и английского
Модель от TRiLinLID на базе NVIDIA AmberNet (VoxLingua107), дообученная на TriLingDATA/si-ta-en-asr с новой 4-классовой головой: si, ta, en и ns (не речь). Задача — за первые секунды живой речи выбрать режим ASR: Sinhala+English, Tamil+English или English.
универсальная основа для анализа УЗИ
USFM (Universal Ultrasound Foundation Model) — порт в transformers от Larxel. Веса официального checkpoint openmedlab/USFM перенесены в BeitModel; размер — около 90M параметров. Модель предназначена для извлечения признаков из ультразвуковых изображений.
устойчивый речевой токенизатор
ROSETok — речевой токенизатор от wxzyd123, представленный как работа NeurIPS 2026. Он сочетает шумное обучение и семантическую дистилляцию, чтобы сохранять реконструкцию речи и семантические представления при шуме.
находит деградации речи каждые 20 мс
AADD v3 — модель автоматического обнаружения деградаций аудио (Automatic Audio Degradation Detection) от agertel. Это файнтюн Whisper-small encoder на 88 млн параметров: на 8-секундных окнах она выдаёт вероятности 12 типов деградаций для каждого 20-мс фрейма.
компактный статический эмбеддер на 32k токенов
Это производная от hotchpotch/bekko-static-embedding-v1: статическая модель эмбеддингов без трансформера, с тем же пространством эмбеддингов, но словарём из 32 000 WordPiece-токенов вместо 200 000. Размер — около 0,03 млрд параметров, 1024-d, Matryoshka 32–1024.
native-трансформер LingBot-VA для четырёх робозадач
Это полный native-трансформер LingBot-VA от MarshCurrant после action-specific supervised fine-tuning pour-чекпоинта. Несмотря на имя, адаптация шла на четырёх задачах: pour, pick, opendraw и stack3bowls. Это не LoRA-адаптер: веса не нужно накладывать на исходный трансформер.
из схемы Neo4j и вопроса в Cypher-запрос
Это LoRA-файнтюн Qwen/Qwen3-1.7B (r=32, 1 эпоха), который по схеме графа Neo4j и вопросу на английском пишет read-only Cypher-запрос. Модель generic: схема передаётся в каждом промпте, поэтому не нужно дообучать её под каждую новую базу.
низкоуровневая политика для сборки блоков
ManiFlow-tb от Ai2 — низкоуровневая модель действий для проекта ToyBlocks: манипулятор Franka в симуляции перекладывает и поворачивает три блока на столе. Архитектура ManiFlowMultiModal с DiTX action head (12 слоёв, 8 голов, ширина 768), 322,5 млн параметров, веса в bf16 safetensors.
аудио-LLM, который ловит дипфейки и объясняет вердикт
VeriSpoof-Plus от AustinXiao — открытая аудио-языковая модель на 2.9B параметров: аудиоэнкодер от Qwen3-ASR-1.7B и языковая модель MiniCPM5-2B. Она решает задачи speech deepfake forensics: отличает настоящую речь от поддельной, называет генератор, проверяет общий источник двух записей и распознаёт…
27B в 12 ГБ VRAM
Holo-V8 — открытый движок инференса и PTQ-пайплайн на Python + Triton от независимого разработчика foxn. Он запускает Qwen 3.8 27B в ~2.05-bit полностью на RTX 3060 12GB: веса и 16K FP8 KV-Cache укладываются в 10.95 GB VRAM, а генерация идёт на ~15 tok/s без PCIe-трафика весов.
компактный w6a8-реквант для ComfyUI
Это пересчёт в w6a8 микса 10Eros Max × Minimax Hailuo H3 (Ref2VA) SingularityV2 PRISM2 PikaFlex 0.85. Автор — Plaguekind. Формат нативный для ComfyUI: 6-битные веса, int8-активации, загрузка штатными квантованными ядрами без кастомных нод. Размер — около 15.9 ГБ.
решения с калиброванной вероятностью за один проход
CueReflex-E4B от OidLabs — LoRA-адаптер на базе google/gemma-4-E4B-it. Модель принимает состояние, вопрос и ограниченный набор вариантов или критериев, а на выходе за один forward pass выдаёт калиброванное распределение вероятностей по вариантам — без генерации текста.
компактный TTS прямо в браузере
Это конвертация шести моделей Gradium Phonon 40M — для английского, французского, немецкого, испанского, португальского и мультиязычного варианта — под WebGPU-рантайм blixt/phonon. Модели на 40M параметров построены на Pocket TTS и кодеке Mimi от Kyutai и предназначены для синтеза речи в браузере.
где GRPO на MBPP теряет стабильность
Это набор экспериментальных чекпоинтов от RL-Forgettting-Exp4, а не готовая продуктовая LLM. Абляция проверяет, как actor learning rate влияет на стабильность GRPO при обучении коду на MBPP: три значения ниже дефолтного 1e-6 — 6e-6, 3e-6 и 6e-7, каждое с replay-буфером и без.
вероятностный решатель вместо генерации текста
Cicero от Butler Compute — decision-модель на базе Qwen3.5-35B-A3B: MoE с 35 млрд параметров и 3 млрд активных. Она принимает состояние (текст, чат или до 4 изображений) и до 64 типизированных вопросов, возвращая калиброванную вероятность для каждого варианта ответа — без генерации текста, за один…
текст в музыку на Rust и edge-GPU
StaleyNET — это набор чекпоинтов text-prompted генератора музыки, обученного с нуля на Rust на NVIDIA edge-GPU. В проекте реализованы Transformer, residual vector quantizer, Griffin-Lim вокодер и GPU-ядра; опубликовано 9 запусков, включая lyrics-conditioned и pq-large.
генерация и редактирование пространственного аудио по тексту
AMBIT от WJM-George — единая модель для text-guided генерации и редактирования First-Order Ambisonics (FOA). Размер — 0.4B параметров; AR- и DiT-компоненты используют общий Transformer backbone.
драфт для ускорения Kimi-K3.1-Pro
Релиз RadixArk: DFlash2-спекулятор для Kimi-K3.1-Pro, который ускоряет инференс через speculative decoding в SGLang. Это не самостоятельная LLM, а BF16-драфт на 2,78 млрд параметров: пятислойный MLA-стек работает вместе с target-моделью и использует её эмбеддинги, LM head, tokenizer и chat template.
JSON-роутер для DeFi-исполнения
Специализированная модель на 3,09B параметров от VexelQuant Research для крипто/DeFi-пайплайнов исполнения. Обучена через Unsloth SFT и GRPO; по карточке должна выдавать строгий JSON без Markdown для маршрутизации on-chain транзакций.