Набор квантованных GGUF-моделей на основе архитектуры Qwen3-8B для локального диалогового общения и генерации текста.

Подходит для: локальный чат на телефоне · генерация текста без облачного сервиса · тестирование низкобитного сжатия языковой модели

Англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации решений математических задач и исследования обучения с проверяемыми наградами.

Подходит для: генерация решений математических задач · пошаговое рассуждение при решении задач · эксперименты с обучением RLVR на математических запросах

Модель вознаграждения на базе Llama 3 оценивает ответы и диалоги для применения в RLHF, PPO, итеративном SFT и DPO.

Подходит для: оценивание ответов чат-модели в RLHF · формирование сигналов вознаграждения для PPO · оценивание ответов в итеративном DPO

Raptor 0.6 — дообученная и смешанно-квантованная модель Spark-X2.5-4B для диалога, рассуждений и вызова инструментов в Osaurus.

Подходит для: диалоговый помощник на устройстве Apple Silicon · вызов инструментов в агентных сценариях · рассуждения и ответы на сложные запросы

Исследовательская 2,7-миллиардная языковая модель RtaForge на архитектуре пространства состояний для вызова инструментов и математических инструкций.

Подходит для: эксперименты с вызовом инструментов языковой моделью · проверка циклов взаимодействия модели с инструментами · ответы на математические инструкции

GGUF-вариант BF16 модели NVIDIA Nemotron-3-Nano предназначен для диалогов, рассуждений, программирования и агентных приложений.

Подходит для: ответы на вопросы и выполнение инструкций · многоязычный чат-бот · генерация и объяснение кода

Плотная модель Qwen3.5 на 9,65 млрд параметров для генерации кода, технических рассуждений и работы с инструментами в агентных сценариях.

Подходит для: генерация и рефакторинг кода в многофайловых проектах · поиск и исправление ошибок в программном коде · планирование многоэтапных задач разработки ПО

Модель OpenAssistant на базе DeBERTa-v3-base оценивает ответы на вопросы по предпочтениям, отражающим человеческие оценки, и может служить компонентом RLHF.

Подходит для: оценка качества сгенерированных ответов на вопросы · ранжирование ответов по предпочтительности · получение сигнала вознаграждения для обучения RLHF

Экспериментальная англоязычная модель Ai2, дообученная методом RLVR для генерации кода и исследований обучения с проверяемыми наградами.

Подходит для: генерация кода по текстовому запросу · подготовка вариантов решения задачи программирования · эксперименты с RLVR для генерации кода

Дообученная модель Qwen3 на 3,7 млрд параметров для написания, анализа и отладки кода с многошаговой самопроверкой.

Подходит для: генерация кода по текстовому описанию · поиск ошибок и уязвимых мест в коде · улучшение и рефакторинг существующей реализации

Экспериментальная англоязычная модель Ai2 на 6,9 млрд параметров, дообученная RLVR для генерации текста и задач по математике, коду и следованию инструкциям.

Подходит для: эксперименты с обучением RLVR на языковых моделях · генерация ответов на математические задачи · генерация и анализ программного кода

Экспериментальная англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации текста и решения математических задач.

Подходит для: решение математических задач с пошаговыми рассуждениями · проверка методов RLVR на математических запросах · генерация текстовых ответов на английском языке

Контрольная точка Llama 3 8B после supervised fine-tuning для генерации текста, диалогов и исследований RLHF.

Подходит для: генерация ответов в диалоговом интерфейсе · создание базовой модели для экспериментов с RLHF · решение математических задач в текстовом формате

Базовая языковая модель TensorOpera AI на 1,7 млрд параметров для генерации текста и кода и последующего дообучения.

Подходит для: генерация продолжений текста · генерация фрагментов кода · дообучение языковой модели под специализированные задачи

Базовая LoRA-модель Llama 3.1 для генерации ответов на вопросы TOFU и исследований методов машинного забывания.

Подходит для: оценка методов машинного забывания на бенчмарке TOFU · генерация ответов на биографические вопросы TOFU · сравнение сохранения и забывания ответов после дообучения

Компактная англоязычная инструкционная модель RRT для чатовых прототипов и экспериментов с малыми языковыми моделями.

Подходит для: создание локального чат-прототипа с ограниченной памятью · эксперименты с рекуррентным разделением параметров трансформера · тестирование небольших моделей на следование инструкциям

Вспомогательная модель NVIDIA Eagle3 ускоряет генерацию текста базовой gpt-oss-120b с помощью спекулятивного декодирования.

Подходит для: ускорение генерации ответов чат-бота на gpt-oss-120b · ускорение ответов AI-агента на инструкции · ускорение генерации в RAG-системе

Мультимодальная модель Alibaba DAMO Academy для планирования роботизированных действий по изображениям сцены и текстовой цели.

Подходит для: планирование последовательности действий робота по заданной цели и изображению сцены · разбиение многошаговой задачи манипуляции на подзадачи · привязка объектов и целевых областей к физическому пространству

Экспериментальная reward-модель на базе Llama 3.1 для оценки и сравнения ответов языковых моделей.

Подходит для: оценка качества ответов чат-модели · сравнение двух вариантов ответа по предпочтительности · ранжирование ответов языковой модели

Процессно-супервизируемая модель вознаграждения на базе Llama 3.1 8B для оценки шагов рассуждения и отбора решений.

Подходит для: оценка промежуточных шагов математического решения · отбор лучших ответов из множества сгенерированных вариантов · оценка решений задач GSM8K и MATH

Дообученная LoRA модель Llama 3.1 8B — базовый чекпойнт для экспериментов по машинному забыванию на наборе TOFU в рамках RAQUEL.

Подходит для: воспроизведение базовой линии M_ret для экспериментов по машинному забыванию · генерация ответов на вопросы по биографиям из набора TOFU · сравнение сохранения знаний и забывания на выборках retain и forget

Модель вознаграждения Salesforce на базе Llama 3 оценивает ответы для ранжирования и использования в конвейерах RLHF.

Подходит для: оценка качества ответов языковой модели · ранжирование вариантов ответа по предпочтительности · формирование оценок вознаграждения для обучения RLHF

Экспериментальная дообученная модель Qwen3.5 на 7,2 млрд параметров для англоязычных ролевых диалогов и творческого общения.

Подходит для: ролевые диалоги с вымышленными персонажами · генерация реплик персонажа в интерактивной истории · творческое ролевое общение в чате

RM-R1 — модель-судья, которая сравнивает два ответа, формирует критерии оценки и выдаёт обоснованное предпочтение для автоматической оценки и RLHF/RLAIF.

Подходит для: сравнение двух ответов чат-бота по качеству · оценка ответов на открытые вопросы · выбор предпочтительного ответа для RLHF