Дообученная на финансовой отчётности модель-агент для ответов на вопросы по формам SEC 10-K с поиском данных в таблицах, SQL-запросами и расчётами.

Подходит для: ответы на вопросы по финансовой отчётности SEC 10-K · поиск показателей в таблицах годовых отчётов компаний · расчёт финансовых показателей по данным из таблиц

Компактная модель Agentica на базе DeepSeek-R1-Distill-Qwen-1.5B, дообученная с подкреплением для решения математических задач и генерации текстовых рассуждений.

Подходит для: решение задач уровня AIME и AMC · генерация пошаговых математических рассуждений · ответы на вопросы из математических наборов задач

DeepCoder-14B-Preview — дообученная 14-миллиардная модель для рассуждений и генерации кода, рассчитанная в том числе на длинный контекст.

Подходит для: генерация кода по текстовому описанию задачи · решение задач программирования с тестами · помощь в решении задач по алгоритмам и структурам данных

Компактная модель Agentica для рассуждений и генерации кода, дообученная на базе DeepSeek-R1-Distill-Qwen-1.5B.

Подходит для: решение задач по программированию с тестами · генерация кода по условию задачи · пошаговое рассуждение при отладке программ

Агент для анализа и изменения кодовых баз, дообученный с помощью обучения с подкреплением на базе Qwen3-32B.

Подходит для: поиск причины ошибки в репозитории · подготовка исправления кода по описанию задачи · редактирование нескольких файлов в кодовой базе

Модель переводит неформальные сообщения на Hinglish — смесь хинди и английского — на стандартный английский.

Подходит для: Перевод сообщений Hinglish на стандартный английский · Нормализация разговорных фраз из переписки · Перевод неформальных сообщений из индийских чатов

Экспериментальная модель для протокола RLM, которая пишет Python-действия для анализа длинного контекста через исполняемую среду REPL.

Подходит для: изучение протокола Recursive Language Model · анализ агрегирующих задач по длинному контексту · создание стартовой точки для RL-дообучения RLM

Компактная политика ZeroHero на архитектуре Qwen3 для навигации со скрытой целью в Craftax-Dialogue по карте и диалогу.

Подходит для: выбор действий для навигации по символической карте Craftax · планирование маршрута с учётом диалога и скрытой цели · генерация рассуждения и игрового действия в каждом ходе

Специализированная 13-миллионная политика ZeroHero для навигации со скрытой целью в Craftax-Dialogue за ограничение в 30 действий.

Подходит для: Выбор действий для навигации по символьной карте Craftax · Выполнение заданий с диалоговыми подсказками и скрытой целью · Запрос уточнения у оракула в ходе навигации

Специализированная политика Qwen3, обученная с нуля методом DAgger для навигации со скрытой целью в Craftax-Dialogue за 30 решений.

Подходит для: Навигация по символической карте Craftax при скрытой цели · Выбор действий в диалоговой среде с ограничением в 30 шагов · Формирование вопросов о скрытом навигационном задании

Компактная модель Qwen3, обученная с нуля для выбора действий при навигации со скрытой целью в Craftax-Dialogue.

Подходит для: выбор действия по локальной символьной карте Craftax · навигация к скрытой цели с учётом истории диалога · генерация рассуждения и действия в формате исполнителя Craftax

Небольшая политика на Qwen3, обученная с нуля методом DAgger для навигации к скрытым целям в Craftax-Dialogue по символической карте и диалогу.

Подходит для: выбор действий для навигации в Craftax-Dialogue · следование инструкциям диалога в игровом окружении · генерация вопросов о состоянии Craftax через внешний оракул

Модель Rudra Shah переводит короткие неформальные сообщения на хинглише на английский язык.

Подходит для: перевод сообщений в повседневных чатах с хинглиша на английский · перевод коротких фраз на хинглише для чтения англоязычной аудиторией · подготовка английских переводов разговорных сообщений из Индии

pytorch: формат, квантизация, runtime и память принадлежат одному artifact

Дообученная с помощью обучения с подкреплением модель Wan2.2 генерирует видео по изображению для исследований визуального рассуждения.

Подходит для: генерация видео из исходного изображения · изучение визуального рассуждения через генерацию видео · проверка задач с отслеживанием состояния объектов во времени