safetensors: формат, квантизация, runtime и память принадлежат одному artifact
ThinkLess-2B — дообученная Qwen3.5-2B для решения математических и научных задач с более короткими рассуждениями.
Подходит для: решение текстовых задач по арифметике · решение задач из математических тестов · ответы на вопросы по естественным наукам
Дообученная на кратких корректных решениях модель Qwen3.5-2B для точных ответов на математические и научные задачи с меньшим объёмом рассуждений.
Подходит для: решение школьных математических задач · решение задач уровня олимпиадной математики · ответы на вопросы по естественным наукам
Компактная модель BabyLlama для генерации коротких англоязычных историй, обученная на небольшой части TinyStories.
Подходит для: генерация коротких историй на английском языке · продолжение заданного начала рассказа · эксперименты с обучением компактных языковых моделей
Обученный с помощью PPO агент для управления персонажем в игре Huggy через Unity ML-Agents.
Подходит для: запуск обученного агента в среде Huggy · наблюдение за игрой агента в браузере · продолжение обучения PPO-агента в Unity ML-Agents
Обученный PPO-агент для игры SnowballTarget в среде Unity ML-Agents.
Подходит для: управление агентом в среде SnowballTarget · просмотр поведения обученного игрового агента · продолжение обучения агента с помощью Unity ML-Agents
Небольшая многоязычная модель Llama, обученная с нуля для генерации текста на английском, нидерландском и китайском языках и оценки в рамках BabyLM 2026.
Подходит для: продолжение коротких текстов на английском · генерация текста на нидерландском языке · генерация текста на китайском языке
Обученный агент PPO управляет персонажем в игре Pyramids в среде Unity ML-Agents.
Подходит для: запуск агента для игры Pyramids · наблюдение за поведением обученного агента в Unity ML-Agents · продолжение обучения PPO-агента для Pyramids
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 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
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
Обученный агент DQN выбирает действия в игре Space Invaders в среде Atari SpaceInvadersNoFrameskip-v4.
Подходит для: игра в Space Invaders с помощью обученного агента · эксперименты с DQN в средах Atari · демонстрация обучения с подкреплением на видеоигре
Производная модели Tunamelon/ppo-LunarLander-v2. Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v2.
Подходит для: управление посадочным модулем в среде LunarLander-v2 · эксперименты с обучением с подкреплением · демонстрация применения PPO в Stable-Baselines3