Компактная мультимодальная модель OmniJev оценивает варианты решений по тексту, скриншотам, изображениям и видео, выдавая вероятности ответов.

Подходит для: оценка вариантов действий GUI-агента по скриншоту · выбор ответа на вопрос об изображении · оценка вариантов решения по видеозаписи

JPT-9B — дообученная на базе Qwen3.5-9B модель для оценки вероятностей вариантов в типизированных задачах выбора, шкальной оценки и ответов «да/нет».

Подходит для: классификация намерений по набору меток · определение тональности по шкале · классификация текстовых пар для задач NLI

JAILJUDGE Guard — дообученная модель Llama для объяснимой оценки jailbreak-атак и уязвимости ответов языковых моделей.

Подходит для: оценка того, обошёл ли запрос защиту языковой модели · выдача объяснения и балла риска для ответа LLM · аудит устойчивости чат-моделей к jailbreak-атакам

JudgeLM-7B-v1.0 — дообученная на JudgeLM-100K модель для исследовательской оценки ответов языковых моделей и чат-ботов.

Подходит для: оценка качества ответов чат-бота · сравнение ответов разных языковых моделей · исследование автоматического судейства LLM

Дообученная на Vicuna модель для оценки качества ответов больших языковых моделей и чат-ботов.

Подходит для: оценка качества ответов языковых моделей · сравнение ответов чат-ботов · автоматическое судейство в бенчмарках LLM

JudgeLM-13B-v1.0 — дообученная на JudgeLM-100K языковая модель для оценки ответов LLM и чат-ботов.

Подходит для: оценка качества ответов чат-бота · сравнение ответов двух языковых моделей · исследование автоматического судейства LLM

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный методом GRPO для обучения и дистилляции на головоломке JugPuzzle.

Подходит для: генерация решений для головоломки JugPuzzle · исследование обучения языковых моделей с GRPO · эксперименты по on-policy дистилляции языковых моделей

PPO-агент для игры в Huggy, обученный с помощью Unity ML-Agents и доступный в формате ONNX.

Подходит для: Запуск обученного агента в окружении Huggy · Просмотр игры агента в браузере · Продолжение обучения агента через Unity ML-Agents

Японская диалоговая модель на базе Mistral для AItuber и ИИ-ассистентов, ориентированная на качество чата и устойчивость к промпт-инъекциям.

Подходит для: диалоговый движок для AItuber · создание японского ИИ-ассистента · ответы на вопросы в чате на японском языке

Мультимодальная модель JIT-Agent-27B генерирует исполняемые каркасы агентов с памятью, планированием и политикой инструментов для заданных задач.

Подходит для: генерация каркаса агента под конкретную задачу · создание модулей памяти и обновления рабочего контекста агента · формирование плана и управления состоянием выполнения

Swift-Qwen3.8-27b-BF16-AMD — мультимодальная модель UkisAI на базе Qwen3.8-27B для диалогов и рассуждений с сокращённым числом токенов мышления, выпущенная в BF16 для AMD/ROCm.

Подходит для: анализ изображений в диалоговом интерфейсе · ответы на вопросы и многошаговые рассуждения · решение задач по математике и логике

Квантованный вариант Qwen3.5-397B-A17B для диалогов, рассуждений и мультимодального анализа на Apple Silicon.

Подходит для: ответы на сложные вопросы с пошаговым рассуждением · решение математических и физических задач · анализ изображений в диалоге

OpenJev — модель классификации без заранее заданных меток для маршрутизации, оценивания вариантов и выбора действий агента.

Подходит для: маршрутизация обращений в службу поддержки · определение темы, намерения и приоритета сообщения · модерация текста на спам и нарушения политики

Производная модели MrBenjaroo/ppo-LunarLander-v3-veryBadTest. Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v3.

Подходит для: управление посадочным модулем в LunarLander-v3 · эксперименты с алгоритмом PPO · обучение и демонстрация обучения с подкреплением на Gymnasium

Fugu Ultra от Sakana AI — система оркестрации нескольких агентов на базе языковой модели для маршрутизации задач.

Подходит для: маршрутизация запросов между несколькими ИИ-агентами · координация многошаговой работы языковых моделей · выбор агента для обработки пользовательского запроса