I.13Симуляция, моделирование и открытие нового

hari13/huggytensor01 — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запустить для просмотра игры или использовать для продолжения обучения через ML-Agents. В репозитории указаны файлы ONNX. Карточка не сообщает размер модели, поддерживаемые естественные языки, лицензию или количественные показатели качества. Применение модели предполагает среду Huggy и совместимый запуск через ML-Agents.

Это полноценно дообученная модель Qwen2.5-7B от автора репозитория suryadv, созданная в рамках эксперимента IncorrectTraceSFT из работы «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Чекпойнт соответствует условию held_in_incorrect_6000 в эксперименте с разделением задач AIME и предназначен для генерации текста с акцентом на математические рассуждения. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Она принимает текст и выдаёт текст; базовая модель поддерживает контекст до 131 072 токенов. Обучение проведено методом полного supervised fine-tuning на 6 000 примерах с некорректными трассами рассуждений; опубликованные веса сохранены в формате safetensors. Карточка указывает английский язык и датасет эксперимента AIME за 2009–2024 годы. Модель подходит для исследовательских экспериментов с математическим решением задач и выбором данных для SFT. Наличие правильных ответов в обучающих данных не означает, что промежуточные шаги рассуждений проверены; показатели качества следует оценивать на конкретном наборе задач. Лицензия — Apache-2.0.

Math12k-GRPO-Control-7B — исследовательская контрольная модель для сравнения с WirelessMathLM-7B в бенчмарке математических рассуждений о беспроводной связи. Это не специализированная модель по беспроводной тематике. Разработчики дообучили базовую Qwen/Qwen2.5-7B методом GRPO на 3 227 задачах из обучающей части набора hiyouga/math12k; модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Используется точность bfloat16, а контекст составляет до 131 072 токенов. Модель предназначена для генерации ответов на математические задачи и служит контрольной точкой в эксперименте WirelessMathBench-XL. На тестовой выборке из 800 задач она получила точность 22,75%, тогда как WirelessMathLM-7B достигла 47,88%. Авторы отмечают, что настройки обучения и реализация награды не полностью совпадали, поэтому сравнение не изолирует влияние одного фактора; проведённый эксперимент также не проверяет обобщение на статьи, полностью исключённые из обучающих данных. Лицензия — Apache-2.0. Карточка ориентирует модель на исследовательские сравнения и оценку математических рассуждений; она не подтверждает более широкие гарантии качества или пригодность для специализированных задач беспроводной связи.

Pico Decoder Small — плотный decoder-only трансформер в стиле LLaMA на 65 млн параметров, разработанный проектом pico-lm и обученный с нуля с помощью pico-train. Модель предназначена для прозрачного и воспроизводимого исследования того, как языковые модели обучаются, а также для анализа динамики обучения с помощью инструментария pico-analyze. Модель обучалась 200 000 шагов на англоязычном наборе pretokenized-dolma; длина обучающих последовательностей составляла 2048 токенов. Для оценки использовалась perplexity на наборе pico-paloma-tinsy. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Это компактная исследовательская модель для анализа и экспериментов; карточка не приводит результатов, подтверждающих её пригодность для широкого практического применения.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в среде Huggy: модель можно запускать для просмотра поведения агента или использовать как основу для продолжения обучения через ML-Agents. В репозитории указаны файлы ONNX, поэтому модель доступна в этом формате. README не сообщает размер модели, наблюдения и действия агента, языки или лицензию; эти характеристики не описываю.

Это обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy: её можно запускать для просмотра поведения или использовать как отправную точку для продолжения обучения средствами ML-Agents. Репозиторий содержит модель в формате ONNX. Агент получает наблюдения среды и выдаёт управляющие действия; подробности о составе наблюдений, размерах модели и результатах обучения в карточке не приведены. Метаданные указывают задачу reinforcement-learning и библиотеку ml-agents. Условия лицензии не указаны в доступных данных.

cvnberk/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно использовать для запуска агента и продолжения обучения средствами ML-Agents. В репозитории представлена модель в формате ONNX. Карточка не сообщает размер модели, детали наблюдений и действий агента, параметры обучения или лицензию.

Это обученный методом Proximal Policy Optimization (PPO) агент GK-xoxo для игры Huggy в среде Unity ML-Agents. Модель принимает состояние игровой среды и выбирает действия агента; её можно использовать для запуска игрового агента или продолжения обучения через ML-Agents. В репозитории опубликован формат ONNX. Карточка описывает применение в Huggy и просмотр игры агента в браузере через соответствующую среду ML-Agents. Сведения о лицензии, размере модели и поддерживаемых естественных языках в доступных данных отсутствуют.

Это обученная модель агента PPO, созданная для игры Huggy с использованием Unity ML-Agents. Она предназначена для запуска агента в среде Huggy, наблюдения за его игровым поведением и продолжения обучения через ML-Agents. В репозитории доступна модель в формате ONNX. Карточка не сообщает размер модели, используемое наблюдение среды или метрики качества, поэтому эти характеристики нельзя оценить. Лицензия в предоставленных данных не указана.

LibRust/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения в браузере или продолжения обучения в ML-Agents. В репозитории указано представление ONNX. Это модель обучения с подкреплением, а не языковая модель; карточка не сообщает о языках естественной речи, размере параметров или длине контекста. Для использования требуется среда Huggy и совместимый инструментальный стек ML-Agents. Лицензия в доступных данных не указана.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в среде Huggy. Модель создана с использованием библиотеки Unity ML-Agents и сохранена в формате ONNX. Агент принимает наблюдения среды и выдаёт действия для управления персонажем в игре. Модель предназначена для запуска в совместимой среде ML-Agents, просмотра игры агента и продолжения обучения. Лицензия в предоставленных данных не указана.

Это обученный агент PPO для игры Huggy, опубликованный пользователем suneater175. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления агентом в игровом окружении Huggy с использованием обучения с подкреплением. Репозиторий содержит модель в формате ONNX. Её можно использовать для запуска агента в окружении Huggy или продолжения обучения через ML-Agents. Данных о размере модели, контексте, поддерживаемых естественных языках и лицензии в предоставленных источниках нет.

Это обученная с помощью Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy в Unity ML-Agents. Она предназначена для запуска агента в соответствующей игровой среде и продолжения его обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, поддерживаемые естественные языки или лицензию, поэтому эти характеристики нельзя уточнить.

Это обученный методом Proximal Policy Optimization (PPO) агент xsa-dev для игры Huggy, созданный с использованием Unity ML-Agents. Он принимает состояние игрового окружения и выдаёт действия для управления игровым персонажем; модель предназначена для запуска и продолжения обучения в ML-Agents, а также для просмотра игры агента в поддерживаемом браузерном окружении. Репозиторий содержит модель в формате ONNX. Сведения о лицензии и конкретных ограничениях применения в карточке не приведены.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Модель предназначена для управления агентом в игровой среде: её можно запустить для просмотра игры или использовать как основу для продолжения обучения через ML-Agents. В репозитории опубликован файл ONNX. Агент взаимодействует с игровой средой и выдаёт управляющие действия; подробности о наблюдениях, устройстве сети и ходе обучения в карточке не приведены. Лицензия в предоставленных данных не указана.

Yobos/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Лицензия в предоставленных данных не указана.

ZiheXX/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для запуска агента в игровом окружении и просмотра его поведения; обучение можно продолжить с помощью ML-Agents. В репозитории представлен формат ONNX. Это модель обучения с подкреплением, которая выбирает действия для агента в среде Huggy. Карточка не сообщает размер модели, набор наблюдений или детали обучения. Лицензия в предоставленных данных не указана.

Это обученный агент PPO, созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения средствами ML-Agents. В репозитории представлен формат ONNX. Карточка не сообщает размер модели, языки или конкретные ограничения поведения; применимость зависит от среды Huggy и совместимой инфраструктуры Unity ML-Agents. Лицензия в предоставленных данных не указана.

Это обученная методом PPO модель агента, который играет в Pyramids — среду из набора Unity ML-Agents. Модель предназначена для запуска агента в этой игровой среде и продолжения его обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX; для работы используется библиотека ML-Agents. README описывает просмотр игры агента в браузере и возобновление обучения. Данные о размере модели, языках и лицензии отсутствуют.

Это обученная модель агента PPO для игры SnowballTarget, созданная с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в среде SnowballTarget и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Язык интерфейса модели не применим: она принимает наблюдения среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученная модель агента PPO, опубликованная Tejas-Anvekar для игры SnowballTarget с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в этой среде и может запускаться для наблюдения за его игрой; веса доступны в формате ONNX. Карточка также указывает на возможность продолжить обучение через ML-Agents. Входы и действия агента зависят от наблюдений и интерфейса среды SnowballTarget. Условия лицензии в предоставленных данных не описаны.

Это обученная модель агента PPO для игры SnowballTarget, созданная с использованием библиотеки Unity ML-Agents. Она принимает состояние среды и выдаёт действия, позволяющие агенту играть в SnowballTarget; модель доступна в формате ONNX. Карточка также описывает возможность продолжить обучение агента и запустить его в браузерном просмотрщике ML-Agents. Условия лицензии в предоставленных данных не указаны.

Pythia-2.8B — англоязычная трансформерная языковая модель EleutherAI из серии Pythia Scaling Suite, созданной для контролируемых научных экспериментов по изучению поведения, возможностей и ограничений больших языковых моделей, особенно для исследований интерпретируемости. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 3,5 млрд параметров, обученная на корпусе The Pile; контекст составляет 2048 токенов. Для серии доступны многочисленные промежуточные контрольные точки, что позволяет исследовать изменения модели в ходе обучения. Модель продолжает текст по заданному текстовому контексту и подходит для экспериментов с генерацией и анализом поведения языковых моделей. Она не дообучена для следования инструкциям, диалогов с пользователями или типичных прикладных сценариев, а также не предназначена для использования в готовых продуктах. Генерации могут быть фактически неверными, оскорбительными или отражать смещения данных The Pile; модель рассчитана на английский и не подходит для перевода или генерации на других языках. Лицензия — Apache 2.0.

Pythia-70M-deduped — англоязычная авторегрессионная языковая модель EleutherAI на архитектуре GPT-NeoX, предназначенная прежде всего для научного изучения поведения и ограничений больших языковых моделей, включая исследования интерпретируемости. Модель содержит 50,9 млн параметров и принимает текст, продолжая его предсказанием следующих токенов; максимальный контекст составляет 2048 токенов. Она обучена на дедуплицированной версии набора The Pile и доступна в форматах PyTorch и Safetensors. Модель и набор промежуточных контрольных точек дают возможность проводить контролируемые эксперименты с обучением и анализировать генерацию текста. Хотя её можно дообучить для других применений, базовая версия не настроена на выполнение инструкций или диалог с пользователем и не предназначена для развёртывания в пользовательских продуктах. Лицензия — Apache 2.0.

Это экспериментальная версия Qwen3-1.7B, дообученная для многоходового управления агентом в текстовой среде Agentick. Автор использовал онлайн-обучение ROSE: студент взаимодействовал со средой, после чего траекторию продолжал учитель Qwen3-32B; целевыми примерами для обучения служили ответы учителя. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает контекст до 40 960 токенов. Модель отвечает в формате ReAct: по наблюдениям среды формирует рассуждение и текстовое действие. В однопроходной оценке Agentick на 245 задачах она достигла успешности 11,4%; это выше указанного результата базовой Qwen3-1.7B (5,7%), но ниже приведённых результатов Qwen3-32B и другой версии с обучением teacher-SFT. Результат относится к конкретному протоколу и не гарантирует качество в иных средах. Репозиторий содержит веса safetensors для Transformers; лицензия — Apache-2.0.

Это дообученная версия языковой модели Qwen/Qwen3-1.7B, созданная в рамках исследования многошаговых агентов для ALFWorld. Модель обучали методом online multi-turn ROSE: студент взаимодействовал со средой первые 10 ходов, после чего до пяти ходов выполнял учитель gpt-5.4-mini, а ответы учителя использовались как цели обучения. Чекпойнт соответствует первому запуску эпохи 1, шагу 68. Модель предназначена для генерации ReAct-ответов в многошаговых задачах ALFWorld: по наблюдениям среды формирует рассуждение и действие в заданном формате. В тестировании на 200 играх ALFWorld средний успех составил 34,50% ± 2,42% при четырёх проходах; базовая Qwen3-1.7B на том же протоколе показала 19,38%. Это экспериментальный чекпойнт агента, а не универсальная модель для бытового диалога. Она принимает текст и генерирует текст; указанный для базовой модели контекст — 40 960 токенов. Лицензия — Apache-2.0.

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507, дообученный Jack Hsieh методом обучения с подкреплением. Модель предназначена для генерации коротких плотных рассуждений о продолжении научного текста: по префиксу документа она формирует несколько предложений о следующих восьми токенах. Обучение проводилось на фрагментах статей arXiv по статистическому машинному обучению; чекпойнт соответствует шагу 2176 и был лучшим по валидации на момент экспорта. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Она принимает текст и генерирует текст; контекст — до 262 144 токенов. Для работы предусмотрен специальный reason-only шаблон диалога, а при обучении использовались RLOO, выборка с температурой 0,6 и top-p 0,9. На валидационной сетке оценка составила −1,1420 нат/токен против −1,1493 у базовой модели. Доступна в формате Safetensors по лицензии Apache-2.0.

phonemetransformers/childes-segmentation-18M-gpt2_lm-model — дообученная языковая модель на архитектуре GPT-2, предназначенная для генерации текста и экспериментов с сегментацией детской речи. Карточка приводит метрики сегментации типов и границ, включая F-score для нескольких методов предсказания, а также perplexity 4,7580 и BPC 2,2503. Данные об обучающем наборе и базовой модели в README не раскрыты. Модель работает с текстом на английском языке и имеет контекст длиной 256 токенов. Файлы весов представлены в формате safetensors. Условия лицензии в доступных данных не приведены.

gslm-scaling-155m-65p3b — исследовательская модель генерации последовательностей дискретных речевых токенов, опубликованная tiagoCuervo как контрольная точка для исследования «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная TransformerLM-модель с 154 680 320 параметрами; веса представлены в FP32 и формате safetensors. Модель обучалась на 65 311 360 000 токенах и предсказывает последовательности объединённых подряд одинаковых кодов кластеризации K-means из слоя 11 mHuBERT с частотой 25 Гц и размером словаря 500. Модель принимает последовательность токенов речи и генерирует продолжение, что подходит для экспериментов с языковым моделированием речи и оценки масштабирования таких моделей. В README приведены оценки на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных токенов в звук требуется внешний вокодер: он не включён в репозиторий. Лицензия — Apache-2.0.

gslm-scaling-309m-9p9b — исследовательская модель tiagoCuervo для экспериментов с масштабированием speech language models, опубликованная как конечная точка кривой масштабирования из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотный TransformerLM с 308 845 568 параметрами; веса представлены в FP32 в формате safetensors. Модель обучалась на 9 867 060 000 токенах и предсказывает последовательности речевых единиц: объединённые подряд одинаковые кластеры 25-Гц mHuBERT K-means уровня 11 с K=500. Модель предназначена для генерации продолжений таких дискретных речевых токенов и оценки языковых закономерностей речи. В README приведены результаты на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных единиц в речь потребуется отдельный вокодер, который в репозитории не поставляется. Лицензия — Apache-2.0.