Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.
Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов
Certo-R1 — дообученная на Qwen3-4B модель, которая кратко рассуждает над вычислительными и композиционными задачами выбора.
Подходит для: выбор правильного варианта в короткой вычислительной задаче · решение задач на сопоставление нескольких условий · краткое обоснование ответа среди вариантов A/B/C
Экспериментальная англоязычная языковая модель на 198 млн параметров с адаптивными вычислениями для генерации текста и исследования архитектуры Mixture of Recursion.
Подходит для: генерация коротких ответов на английском языке · прототипирование простого разговорного ИИ · изучение обучения языковых моделей с нуля
Базовая модель Arcee AI на 6 млрд параметров с архитектурой MoE, предназначенная для дальнейшего дообучения под специализированные задачи генерации текста.
Подходит для: дообучение языковой модели под внутренние документы компании · адаптация модели для специализированного текстового ассистента · создание предметной модели генерации текста
O2-9B-Preview — 9-миллиардная модель Ant International для агентного рассуждения, программирования и выполнения задач с инструментами и проверкой результатов.
Подходит для: выполнение многошаговых задач с вызовом инструментов · помощь в разработке и работе с репозиториями кода · анализ результатов запуска тестов и исправление ошибок
Производная модели arcee-ai/Trinity-Nano-Base-Pre-Anneal. Базовая модель Arcee AI на 6 млрд параметров с архитектурой MoE, предназначенная для дальнейшего дообучения под специализированные задачи генерации текста.
Подходит для: дообучение языковой модели под внутренние документы компании · адаптация модели для специализированного текстового ассистента · создание предметной модели генерации текста
Обученный агент poca для игры SoccerTwos в Unity ML-Agents, предназначенный для управления игровым персонажем и продолжения обучения.
Подходит для: наблюдение за игрой обученного агента в SoccerTwos · управление агентом в среде Unity ML-Agents · продолжение обучения агента SoccerTwos
Предварительно обученная модель OneRec на 1,8 млрд параметров служит основой для дообучения под задачи генеративных рекомендаций.
Подходит для: дообучение модели для генерации рекомендаций по пользовательским данным · адаптация рекомендательной модели под специализированный датасет · выравнивание модели для прикладного сценария генеративных рекомендаций
PPO-агент для игры SnowballTarget в Unity ML-Agents, доступный в формате ONNX.
Подходит для: запуск обученного агента в среде SnowballTarget · просмотр игры агента в браузере через ML-Agents · продолжение обучения PPO-агента в Unity ML-Agents
Обученный PPO-агент для игры Pyramids в среде Unity ML-Agents, опубликованный в формате ONNX.
Подходит для: просмотр игры обученного агента в Pyramids · продолжение обучения агента PPO для Pyramids · эксперименты с обучением игрового агента в Unity ML-Agents
Обученный агент DQN для игры Space Invaders в среде SpaceInvadersNoFrameskip-v4, созданный на Stable-Baselines3.
Подходит для: Запуск агента в среде SpaceInvadersNoFrameskip-v4 · Проверка игрового поведения DQN в аркаде Space Invaders · Изучение примера обучения с подкреплением на Stable-Baselines3
Производная модели sourav6565/Reinforce-CartPole-v1. Обученный агент REINFORCE для управления тележкой и удержания шеста в равновесии в среде CartPole-v1.
Подходит для: удержание шеста в равновесии на тележке в CartPole-v1 · изучение алгоритма REINFORCE на примере · демонстрация обучения с подкреплением в Gymnasium
Обученный агент PPO для выбора действий в среде LunarLander-v2, показавший среднюю награду −178,99 ± 95,32.
Подходит для: эксперименты с PPO в LunarLander-v2 · оценка агента управления посадочным модулем · изучение реализации обучения с подкреплением на PyTorch
Производная модели RaiseYourHand/PixelCopter-reinforce. Обученный агент REINFORCE для выбора действий в игре Pixelcopter-PLE-v0 и изучения глубокого обучения с подкреплением.
Подходит для: демонстрация агента REINFORCE в Pixelcopter-PLE-v0 · изучение алгоритма REINFORCE на игровой среде · обучение собственного агента для Pixelcopter-PLE-v0
Производная модели ashish2244/a2c-PandaReachDense-v3. Обученный агент A2C для управления роборукой Panda в среде PandaReachDense-v3.
Подходит для: обучение робота Panda достижению целевой точки · запуск агента в среде PandaReachDense-v3 · эксперименты с A2C и обучением с подкреплением