Найдено: 1821
экспериментальный файнтюн на креативность
Полновесный чекпоинт после 250 обновлений GRPO на существительных и глаголах для Divergent Association Task (DAT). База — unsloth/Qwen3.8-27B-unsloth-bnb-4bit / Qwen/Qwen3.8-27B; 27,36 млрд параметров в 55 shards, архитектура Qwen3_5ForConditionalGeneration.
low-poly 3D из одной фразы
Модель от townbox — файнтюн Qwen3.5-4B на 4,66 млрд параметров, который по одному предложению пишет JavaScript для Three.js r180 и собирает low-poly 3D-объект. На выходе — короткая спецификация и код buildAsset(THREE), возвращающий THREE.Group из именованных flat-shaded мешей с фиксированной…
красно-золотой flat art-deco для SDXL
Небольшой стилевой LoRA rank 16 (~23 млн обучаемых параметров) для Stable Diffusion XL. Обучен на арт-паке настольной игры T Station · Time Playground v1.2 и кодирует один стиль: crimson red + amber gold flat art-deco vector art on warm charcoal.
единая CNN для диагностики листьев на edge
Это image-classification модель от Shubham Kumar (Shubham12864) для определения болезней листьев растений. В основе — ConvNeXt-V2 backbone с GRN и единый end-to-end пайплайн без внешнего детектора. Доступна в PyTorch, ONNX FP32 и edge-INT8 ONNX; размер FP32 — около 107.8–107.9 MB, INT8 — 27.7 MB.
zero-shot TTS на 600+ языков
OmniVoice — массово многоязычная zero-shot TTS-модель на 0,61 млрд параметров, построенная на базе Qwen3-0.6B. Архитектура в стиле diffusion language model; поддерживает клонирование и дизайн голоса.
RISC-V-компьютер внутри весов LLM
Это чекпоинт от InterpreticAI на базе Qwen3.5-4B-Uncensored-v2: в него компилятор Qwenputer встроил 32-битный RISC-V CPU на 11 слоёв перед языковой моделью. Веса LLM не менялись, а компьютер выполняет точную арифметику прямо в forward pass.
мультиязычный ассистент для эфиопских и африканских языков
Zuman.ai — мультиязычный разговорный ассистент от DawitShibabaw на базе merged fine-tune Gemma 4 BF16. Модель на ~12 млрд параметров (архитектура Gemma4UnifiedForConditionalGeneration) поддерживает амхарский, афан-оромо, тигринья, сомалийский и английский.
9B-агент для кода и reasoning, пост-тренированный на Bittensor
Teutonic-I-Reliquary от ReliquaryForge — 8.95B модель для text-generation на базе Teutonic-I-Reliquary-SFT. Это reasoning- и coding-агент, полностью пост-тренированный на Bittensor на недоверенных GPU — от RTX 3090 до B200.
агентное описание видео, которое само ищет доказательства
Reviso — агентная модель для video captioning от TengfeiLiuCoder на базе Qwen3.5-9B (9,41 млрд параметров). Вместо пассивного просмотра она строит иерархический план Context–Focus–Points, а затем активно добирает доказательства: возвращается к нужным моментам, кропает кадры и распознаёт текст…
компактный русский ассистент с режимом размышлений
Ofcen-CHRU v1.2 — компактный 0.6B ИИ-ассистент для чата на русском языке от команды Ofcen. Это Qwen3-0.6B, дообученная через LoRA (затем слита с весами) на ~113 000 русских диалогов. Работает на обычной видеокарте и даже на процессоре.
детекция СИЗ на производстве и стройке
Это educational-прототип от TechsphereAI: дообученная Ultralytics YOLO11n для object detection людей и PPE-объектов на изображениях заводов и стройплощадок. В пакете — веса model.pt, 10 классов и метрики на held-out test. Модель не является сертифицированной системой промышленной безопасности.
nnU-Net для сегментации сердца при ГКМП
OpenHeart — модель сегментации от Imperial College London на базе nnU-Net v2. Она размечает короткоосные кино-МРТ сердца на три класса: 1 — LV blood pool, 2 — LV myocardium, 3 — RV blood pool.
нано-бэкбон зрения для роботов и edge-устройств
Aevanis AI Lab выпустила Av-Vision-Nano — edge-native гибридный vision transformer на 7,68 млн параметров для извлечения визуальных признаков. Модель заточена под очень высокий FPS на Jetson, Raspberry Pi и серверных GPU. Лицензия — Apache-2.0.
одно число улучшает успех с 42% до 64%
Это патченный чекпойнт lerobot/smolvla_libero от pythonsong: компактная vision-language-action модель SmolVLA на 0,45 млрд параметров для роботизированных задач. Изменён только action_out_proj.bias[0]: 0,033 → 0,383 в нормализованных единицах действия, без дообучения; патч весит около 600 байт.
маска зданий из аэрофото
Чекпоинт для бинарной семантической сегментации контуров зданий на высокодетальных ортофото. Архитектура: HRNet-W32 + FCNHead, обучение и инференс в MMSegmentation 1.x. Это модель, которую использует пайплайн Footprint-Creater для превращения маски в GIS-ready Shapefiles.
план доказательства для Lean 4
Это три LoRA-адаптера (PEFT) к Goedel-Prover-V2-8B, которые превращают 8B-модель в planner для VLG-прувера. На вход — теорема Lean 4, на выход — короткий proof sketch: план прозой, Lean-блок с 2–6 промежуточными have и sorry, затем тактики закрытия основной цели.
30B MoE с ослабленными отказами
Это abliterated-версия zai-org/GLM-4.7-Flash от Torbeck: 30B параметров, 3B активных на токен, архитектура GLM-4 MoE Lite с Multi-head Latent Attention (MLA) и контекстом 128K. Модель сделана через Abliterix, чтобы снизить число отказов, и заявлена для исследований.
LoRA, которая собирает работающие LEGO-механизмы
Это LoRA-адаптер для проекта SAMgo, сделанный для Meta Global AI Developer Hackathon. В пайплайне SAMgo модель по фотографии собирает LEGO-модель, а этот адаптер отвечает за то, как собрать работающий механизм: получает нумерованный список деталей и общую фразу, а возвращает JSON-список правок.
x86-компьютер прямо в весах Qwen
Это compact-чекпоинт Qwen3.5-4B, в который скомпилировали 64-битный x86-компьютер: 13 дополнительных transformer-слоёв без обученных весов, все веса считает компилятор.
2B-модель для поиска элементов на скриншотах Android
Pony-AndroidGrounding — vision-language модель от JivinDotL, дообученная для visual grounding по инструкции на скриншотах Android. База — Qwen3-VL-2B-Instruct (2,13 млрд параметров): LoRA r=16 на q/k/v/o_proj, затем merge_and_unload в полные bf16-веса.