I.13Симуляция, моделирование и открытие нового

albertge/llada-8b-dllm-registers-omi30k-t4 — экспериментальный чекпойнт проекта dLLM Registers, дообученный на базе GSAI-ML/LLaDA-8B-Base. Это плотная диффузионная языковая модель LLaDA с 8 млрд параметров для генерации текста; обучение проводилось методом SFT на примерно 30 тыс. математических трасс из поднабора OpenMathInstruct-2. Вариант использует четырёхтокенный хвост Markovian Thinking как канал переноса состояния между окнами денойзинга, размер окна составляет 128 токенов. Модель рассчитана на генерацию ответов с математическими рассуждениями и оценку масштабирования числа слотов в диффузионных языковых моделях. Для корректного использования канала переноса состояния нужны указанные авторами режим tail и длина хвоста 4. В метаданных указан английский язык и библиотека Transformers. Лицензия — Apache-2.0.

QuantFactory/math-shepherd-mistral-7b-prm-GGUF — квантизированная версия модели peiyi9979/math-shepherd-mistral-7b-prm, созданная с использованием llama.cpp. Это process reward model на базе Mistral 7B, предназначенная для оценки корректности отдельных шагов пошаговых решений, прежде всего в задачах математического рассуждения. Модель принимает условие задачи и решение с пошаговой разметкой специальным тегом «ки», а на выходе формирует logits, которые необходимо постобработать для получения оценки каждого шага. Модель различает вероятности токенов «+» и «-», интерпретируемые как корректность или некорректность шага. Она поддерживает сценарии проверки и ранжирования цепочек рассуждений, выявления ошибок на промежуточных этапах и использования в системах обучения или поиска решений, подобных Math-Shepherd. В README не указаны дополнительные сведения о языках, размере контекста, поддерживаемых модальностях и точном формате GGUF-квантизации. Лицензия также не указана, поэтому условия использования по предоставленным данным определить нельзя.

Модель Nemotron-3-Nano-4B · 16k-token budget · GRPO · firmbeetle — экспериментальный чекпойнт, дообученный анонимной командой для подачи на ICLR 2027 на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16. Это плотная авторегрессионная языковая модель семейства Nemotron-H с 6,4 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста, диалогов и рассуждений, прежде всего при решении математических задач. При дообучении применялся GRPO, а ответы обучающей выборки ограничивались бюджетом генерации в 16 384 токена; указанный в метаданных нативный контекст модели составляет 262 144 токена. Чекпойнт остановлен на шаге 120 из запланированных 300, поэтому качество и устойчивость могут быть ниже, чем у завершённых вариантов обучения. Карточка не указывает язык обучения, а лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.

OPDLM-MATH-4B — языковая модель с блочной диффузией, разработанная на основе адаптации Qwen/Qwen3-4B. Модель дообучена для математических рассуждений методом on-policy distillation; это базовый вариант без отдельного блока chain-of-thought. Архитектура a2d-qwen3 использует блоки длиной 4 токена и 4 шага денойзинга на блок. Модель предназначена для генерации текста и решения математических задач; для инференса требуются пользовательский код из репозитория и параметры блочной диффузии, поэтому стандартный model.generate использовать не следует. README указывает короткий контекст постобучения в 2 тыс. токенов, тогда как метаданные Hugging Face приводят нативное окно контекста 40 960 токенов. В репозитории указана лицензия Apache-2.0. Модель содержит около 3,7 млрд параметров и опубликована в формате safetensors.

OpenEarthAgent — модель MBZUAI для структурированного многошагового рассуждения о спутниковых снимках и данных ГИС. Она предназначена для задач дистанционного зондирования, где требуется сочетать анализ мультиспектральных данных, геопространственные операции и понимание естественного языка для принятия интерпретируемых решений с использованием инструментов. Модель построена на архитектуре Qwen3 с плотной причинно-языковой моделью Qwen3ForCausalLM и содержит 3,7 млрд параметров. Контекст составляет до 262 144 токенов. Метаданные указывают на поддержку английского языка, интерфейс чата и формат весов safetensors. Модель принимает текстовые запросы; заявленная работа со спутниковыми снимками и ГИС-данными сама по себе не подтверждает наличие визуального входа непосредственно в модели. Модель подходит для исследовательских и прикладных рабочих процессов дистанционного зондирования, в которых языковая модель рассуждает о геопространственных данных и управляет инструментами. В README не приведены количественные оценки качества или конкретные ограничения. Лицензия — Apache-2.0.

NVIDIA OpenMath2-Llama3.1-8B — языковая модель на архитектуре Llama 3.1, полученная дообучением Llama3.1-8B-Base на наборе OpenMathInstruct-2. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Она генерирует ответы на математические задачи, включая задачи уровня GSM8K, MATH, AMC и AIME; в опубликованных NVIDIA оценках превосходит Llama3.1-8B-Instruct на рассмотренных математических бенчмарках. Модель предназначена для решения математических задач в диалоговом формате Llama 3.1. Карточка предупреждает, что она не проходила общую настройку следования инструкциям и может плохо отвечать за пределами математики. Для использования действуют условия лицензии Llama 3.1, включая лицензионные условия, политику допустимого использования и политику конфиденциальности Meta.

OpenMed-NER-ProteinDetect-BioPatient-108M — специализированная модель OpenMed для распознавания биомедицинских сущностей в научных и клинических текстах. Она основана на архитектуре BERT и дообучена для классификации токенов; в метаданных указано 135,5 млн параметров и контекст до 512 токенов. Модель принимает токенизированный текст и возвращает BIO-разметку сущностей, включая белки, белковые комплексы, семейства и варианты белков. Модель предназначена для извлечения упоминаний белков и связанных сущностей из медицинских записей и научной литературы, в том числе для анализа взаимодействий белков, мониторинга нежелательных явлений и построения биомедицинских баз знаний. В README приведены результаты на корпусе FSU: F1 0,91, точность 0,90, полнота 0,92 и accuracy 0,97. Карточка указывает английский язык; лицензия — Apache-2.0. Результаты и заявления о надёжности приведены разработчиком и не гарантируют качество на данных других типов или вне домена белковой биологии.

OpenMed-NER-ProteinDetect-ModernClinical-149M — модель OpenMed для распознавания белковых сущностей в биомедицинском тексте. Это дообученный ModernBERT для token classification с 149 млн параметров и контекстом до 8192 токенов; репозиторий содержит веса в формате safetensors. Модель размечает упоминания белков, белковых комплексов, семейств и групп белков, вариантов белков и связанных сущностей тегами BIO. Модель предназначена для извлечения сущностей из научных публикаций, клинических записей и других биомедицинских документов. Её можно применять для поиска белков и их вариантов, анализа белковых взаимодействий, построения баз знаний и поддержки исследований в молекулярной биологии. В README приведены результаты на корпусе FSU: F1 0,90, точность 0,90 и полнота 0,91. Обучение описано как дообучение на корпусе FSU, посвящённом белковым взаимодействиям и молекулярной биологии. Заявленный язык карточки — английский; лицензия Apache-2.0. Показатели качества относятся к указанному набору данных, поэтому для других типов текстов и клинических сценариев их следует проверять отдельно.

Qwen2.5-3B-GRPO-Staleness-2 — дообученная модель zbeeb на базе Qwen/Qwen2.5-3B, финальный полно-параметрический чекпойнт шага 1000. Это плотная авторегрессионная языковая модель семейства Qwen2, содержащая 3,1 млрд параметров; веса сохранены в Safetensors. Модель обучали методом GRPO на 17 005 математических примерах из Staleness GRPO DAPO Math с ограничением возраста обучающих rollout до двух шагов. Проверка награды оценивала математическую эквивалентность конечного ответа. Модель предназначена для генерации ответов на математические задачи и диалогового использования. Карточка сообщает о проверках на MATH-500, AMC, AIME, Minerva и OlympiadBench; результаты в ней названы самоотчётными. Контекст в метаданных составляет 32 768 токенов, однако обучение и приведённые оценки использовали общий контекст до 4 096 токенов, с лимитом завершения до 3 072 токенов в части оценок. Карточка указывает английский и китайский языки. Лицензия обозначена как other, поэтому условия использования следует сверить в репозитории модели.

Qwen3-4B AMQ3 Math Short-CoT SFT — языковая модель, разработанная jepetolee и дообученная методом supervised fine-tuning на математических решениях с короткой цепочкой рассуждений. Она предназначена для пошагового решения математических задач на английском языке и выдачи итогового ответа в формате \boxed{}; в обучающей выборке отфильтрованы вопросы с выбором ответа. Модель основана на плотной архитектуре Qwen3ForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 32 768 токенов. Для запуска автор рекомендует официальный шаблон чата Qwen3 и температуру не выше 0,75. При более высокой температуре чаще ухудшается формат ответов, а на сложных запросах без ограничения длины рассуждения генерация может оборваться без итогового ответа. README также описывает процессоры логитов для разделения бюджета на рассуждение и ответ и остановки повторов. Модель обучена на данных, дистиллированных от Qwen3-235B-A22B, поэтому может наследовать её стиль и ограничения. Лицензия указана как other; конкретные условия следует сверить с лицензией репозитория.

Qwen3-4B long-CoT SFT tail-16 — это дообученная модель drkylj на базе Qwen/Qwen3-4B-Base, предназначенная для генерации длинных цепочек рассуждений при решении математических задач. Модель имеет плотную архитектуру Qwen3ForCausalLM, 3,7 млрд параметров и контекст 32 768 токенов; обучена на длинных математических рассуждениях объёмом 2 млрд токенов. Поддерживается генерация текста в формате диалога. Сжатие KV-кэша реализуется в serving-пути: после каждого блока из 512 токенов сохраняются 128 обученных кодовых строк и последние 16 исходных KV, что сокращает кэш примерно в 3,6 раза. Для такого поведения нужны CompressLM-оверлей для vLLM, FlashInfer и закреплённый режим FA2 prefill; обычная загрузка через from_pretrained сжатое поведение не обеспечивает. Модель распространяется по лицензии Apache-2.0. В README приведены результаты pass@1: 29,17 на AIME 2025, 35,42 на AIME 2026 и 86,20 на MATH-500; сравнение с несжатым вариантом показывает небольшое снижение точности, а результаты AIME имеют заметную статистическую неопределённость. Назначение и обучение ориентированы на математику; заявленная схема сжатия требует специальной инфраструктуры и не работает как обычная модель Qwen3.

sagnikM/qwen_qwen_step75_actor — текстовая генеративная модель на архитектуре Qwen2, представляющая собой математический рассуждатель из промежуточного чекпойнта обучения HiLL Qwen2.5-7B/OpenThoughts. Модель разработана как преобразованная версия actor-чекпойнта FSDP на шаге 75; в репозитории опубликованы веса, конфигурация и токенизатор, а состояние оптимизатора и тренера осталось в исходном чекпойнте VERL. Модель предназначена для генерации текста и решения задач с математическими рассуждениями. Это плотная причинно-языковая модель с 7,1 млрд параметров, основанная на Qwen/Qwen2.5-7B-Instruct и доступная в формате safetensors через Transformers. Контекст составляет до 32 768 токенов. Карточка не сообщает отдельные языковые ограничения или результаты оценки качества. Использование регулируется лицензией базовой модели Qwen2.5-7B-Instruct; конкретный идентификатор лицензии в доступных сведениях не приведён. Поскольку это ранний чекпойнт на шаге 75, качество и устойчивость рассуждений могут быть ограничены по сравнению с завершённой моделью.

Reasoning-Qwen2-1.5B-000-241201 — компактная языковая модель Quardo для генерации текста и диалогов. Она дообучена на Qwen/Qwen2-1.5B-Instruct с использованием датасета Quardo/gsm8k-thinking и ориентирована на экспериментальные задачи рассуждения. В карточке указано, что перед использованием следует добавить системную подсказку «Reasoning: active.». Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Веса представлены в формате safetensors; лицензия в предоставленных данных не указана.

SenseNova-SI-1.1-InternVL3-8B — мультимодальная чат-модель для задач пространственного понимания, разработанная командой SenseNova-SI и основанная на дообученной OpenGVLab/InternVL3-8B. Она принимает изображения и текстовые вопросы, чтобы отвечать о взаимном расположении объектов, ориентации и других пространственных свойствах. Модель предназначена для оценки на пространственных бенчмарках VSI, MMSI, MindCube, ViewSpatial и SITE, сохраняя общие возможности понимания изображений и текста. Модель использует плотную архитектуру InternVLChatModel и распространяется в формате safetensors для Transformers. В README приведены результаты сравнительного тестирования и описан проект по масштабированию пространственных данных; конкретные размер модели и длина контекста для этой версии отдельно не подтверждены предоставленными сведениями. Указана лицензия Apache-2.0. Авторы отмечают риск переобучения и языковых shortcuts в обучении пространственным задачам.

ClimateGPT-7B-FSG — экспериментальная языковая модель, разработанная AppTek при поддержке Erasmus AI и проверке EQTYLab для синтеза междисциплинарных материалов об изменении климата. Это декодерный Transformer семейства Llama с 6,6 млрд параметров: модель дообучена на основе meta-llama/Llama-2-7b-hf, продолжила предобучение на климатических документах и прошла настройку на инструкциях. Она генерирует текст на английском языке, поддерживает контекст до 4096 токенов и может учитывать до пяти переданных в контексте источников. Модель предназначена для ответов на вопросы по климатической тематике и работы с дополнением извлечёнными документами (RAG), в том числе для воспроизведения результатов исследований и экспериментов с LLM. Разработчики рекомендуют RAG для расширения знаний и повышения фактической точности; для расширения языкового охвата предлагается каскадный машинный перевод. Модель распространяется по ClimateGPT Community License. Она может выдавать предвзятые, оскорбительные или неточные ответы; карточка описывает её как исследовательский эксперимент и рекомендует другие версии ClimateGPT для прочих сценариев использования.

DART-Math-Llama3-8B-Prop2Diff — дообученная HKUST-NLP языковая модель для решения математических задач и пошаговых рассуждений. Она основана на Meta-Llama-3-8B и обучена методом instruction tuning на синтетических данных DART-Math-Hard, сформированных из наборов MATH и GSM8K с помощью отбора ответов с учётом сложности задач. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые инструкции на английском языке. Модель предназначена для генерации решений по математике: от задач уровня школьной алгебры до сложных задач из математических бенчмарков. В README указаны сравнительные результаты семейства DART-Math на нескольких математических тестах, однако конкретные оценки именно этой версии не приведены. Контекстная длина по метаданным — 8192 токена. Репозиторий распространяет веса в формате safetensors; лицензия — llama3, унаследованная от Meta Llama 3.

E1-Math-1.5B — языковая модель Salesforce на 1,5 млрд параметров, дообученная на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. Она предназначена для решения математических задач с адаптивным рассуждением: обучение по стратегии бюджетно-ограниченных генераций в рамках GRPO помогает продолжать решать задачи при ограниченном числе шагов рассуждения и переносить поведение на новые ограничения без дополнительного обучения. Модель относится к семейству Qwen2, использует плотную архитектуру и принимает текст, генерируя текст; заявленная длина контекста — 131 072 токена. В карточке приведены результаты на задачах с разными бюджетами генерации: модель использует меньше токенов, чем DeepScaleR-1.5B, и показывает более высокую точность при малых бюджетах, но меньшую среднюю точность при самом большом указанном бюджете. Модель выпущена для исследований; лицензия CC BY-NC 4.0 запрещает коммерческое использование. Ответы могут быть неточными, поэтому модель требует проверки, особенно в значимых сценариях.

Экспериментальный чекпойнт Gemma 4 E2B IT, дообученный анонимными авторами для рассуждений при решении математических задач. Модель обучена методом GRPO на наборе agentica-org/DeepScaleR-Preview-Dataset; при генерации использовался лимит в 1 024 новых токена, а ответы, достигавшие лимита, обрезались и оценивались как есть. Модель подходит для пошагового решения математических задач с выдачей ответа в формате \boxed{}. Это текстовая настройка базовой мультимодальной Gemma 4 E2B IT; в карточке описано обучение на математическом рассуждении, а не специализированное дообучение для работы с изображениями или аудио. Распространяется в формате safetensors по лицензии Apache-2.0.

GeohazardGPT — диалоговая языковая модель для анализа геологических опасностей и задач геотехнической инженерии, разработанная на базе Qwen3-8B. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и дообучена методом LoRA; для работы с текстом поддерживает контекст до 40 960 токенов. В карточке указана лицензия Apache-2.0. Модель предназначена для ответов на вопросы о геологических опасностях, объяснения механизмов и последствий разрушительных процессов, подготовки инженерных рекомендаций, а также суммаризации отчетов и технических спецификаций. Для ответов по инженерным стандартам авторы рекомендуют использовать её вместе с RAG-поиском по профильным документам; README описывает связку с Qwen3-Embedding, ChromaDB и Qwen3-Reranker-4B. Модель дообучена на специализированных инструкциях по геологическим опасностям и общих инструкциях Alpaca-GPT4. Модель рассчитана на профессиональные и исследовательские рабочие процессы в геотехнической инженерии и оценке опасностей. Ответы следует проверять: модель не заменяет полевые исследования и экспертное суждение, а для актуальных требований стандартов требуется соответствующий корпус документов и RAG-поиск.

Light-R1-32B — плотная языковая модель на 32 млрд параметров, разработанная командой Qihoo 360 на базе Qwen2.5-32B-Instruct. Модель дообучена с помощью curriculum SFT и DPO на математических данных, чтобы генерировать развернутые рассуждения и решать сложные математические задачи. Для обучения использовались ответы DeepSeek-R1, отфильтрованные по проверяемости и сложности; итоговая версия также объединяет несколько вариантов модели после дообучения. Модель предназначена прежде всего для решения математических задач, включая задачи олимпиадного уровня. В карточке сообщается о результатах на AIME24 и AIME25; заявленная оценка AIME24 — 76,6. Архитектура — Qwen2 dense, формат весов — Safetensors, библиотека — Transformers; контекст составляет 42 768 токенов. Метаданные указывают поддержку диалога и интерфейса вызова инструментов. Лицензия — Apache-2.0. Способность к пошаговым рассуждениям обучалась только на математических данных, поэтому модель не всегда включает рассуждения и может хуже справляться с задачами за пределами этой области. Авторы также отмечают некоторое забывание знаний в общей научной области после математической специализации.

PCSS-Qwen3.5-9B — экспериментальный мультимодальный чекпойнт tamewild, дообученный на базе Qwen/Qwen3.5-9B-Base. Авторы обучили его на 500 логических задачах «зебра» размером 5×5 из набора tamewild/instruct5, без математических данных, применив PCSS — адаптивное масштабирование функции потерь на основе KTO — и MiSS для параметрически эффективного дообучения. Модель построена на плотной архитектуре Qwen3.5 и поддерживает диалог и понимание изображений; в карточке указан тег image-text-to-text. Для работы с текстовыми логическими задачами авторы оценивают её в режиме без thinking. В описанных экспериментах модель показала 80,5% точности на задачах «зебра» 5×5; приведены также результаты на математических и вопросно-ответных бенчмарках, которые отражают экспериментальную оценку, а не гарантию качества в иных сценариях. README описывает запуск через vLLM с максимальной длиной последовательности 32 000 токенов. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-3B-GRPO-Staleness-8 — языковая модель zbeeb на базе Qwen/Qwen2.5-3B, дообученная методом GRPO на 17 005 примерах математического датасета DAPO. Это плотная авторегрессионная архитектура Qwen2 с 3,1 млрд параметров; репозиторий содержит веса Safetensors для Transformers и конфигурацию генерации, останавливающую вывод по двум токенам завершения. Модель принимает текст и генерирует текст; метаданные указывают английский и китайский языки. Контекстная конфигурация — 32 768 токенов, однако обучение использовало общий контекст 4 096 токенов и до 3 072 токенов ответа. Модель предназначена прежде всего для генерации решений математических задач и ответов на них. При обучении использовалась детерминированная награда за математическую эквивалентность итогового ответа; README приводит результаты оценивания на наборах MATH500, AMC, AIME, Minerva и OlympiadBench, но подчёркивает, что это результаты обучения, а не новая проверка опубликованного экспорта. Параметр staleness cap 8 ограничивал возраст rollout-политики при обучении и не задаёт длину генерации. Расширение контекста до 8K не настроено и не проверено. Лицензия указана как other; конкретные условия следует уточнить в карточке модели.

sail/Qwen2.5-Math-7B-Oat-Zero — дообученная языковая модель, созданная по минималистичному рецепту R1-Zero на основе Qwen/Qwen2.5-Math-7B. В README указаны алгоритм Dr. DRPO, шаблон Qwen-Math и обучение на задачах уровней 3–5 из набора MATH. Модель предназначена для генерации ответов и пошаговых решений математических задач. Это плотная авторегрессионная модель архитектуры Qwen2, содержащая 7,1 млрд параметров; максимальная длина контекста — 4096 токенов. Базовая модель рассчитана на математические задачи на английском и китайском языках. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка показывает результаты оценки на математических бенчмарках, но не приводит их значения; качество на других типах задач не описано.

Qwen3-8B-DAPO-iter599-thinking — промежуточный чекпойнт Qwen3-8B, дообученный командой pb09204048 методом GRPO/DAPO с подкреплением на наборе математических задач DAPO-Math-17K. Модель использует плотную авторегрессионную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров. Чекпойнт сохранён на 599-й итерации обучения; при обучении был включён режим рассуждений. Модель предназначена прежде всего для генерации ответов на математические задачи с пошаговым рассуждением. Внутренняя оценка на AIME-24 для этого чекпойнта составила 73,75% pass@1 при конкретных параметрах выборки; результаты колебались, а README сообщает, что явного улучшения относительно базовой модели в режиме рассуждений не обнаружено. Контекст по метаданным — 40 960 токенов. Модель принимает текст и выдаёт текст; карточка описывает математическое обучение, но не подтверждает специализацию на конкретном естественном языке. Для применения требуется совместимая среда Transformers. Репозиторий распространяет промежуточный чекпойнт в формате safetensors; лицензия — Apache-2.0. Результаты оценки получены во время обучения и не должны напрямую сравниваться с оценками другого чекпойнта, рассчитанными по иной процедуре.

Qwen3-VL-8B-GRPO — видеоязыковая модель семейства Qwen3-VL, разработанная как базовый вариант для исследовательской работы о пространственно-временном понимании видео. Это модель с плотной архитектурой и 8 млрд параметров, дообученная методом Group Relative Policy Optimization (GRPO) для ответов на вопросы о видео. Она предназначена для проверки того, насколько модель отслеживает динамику событий, направление движения и последовательность действий, а не опирается только на отдельные кадры или языковые подсказки. Модель принимает видео и текстовые вопросы и генерирует текстовые ответы. В README описана оценка на DyBench, Video-MME, TempCompass, MVBench и TimeBlind. Контрольная точка представлена как RL-базовый вариант для сравнения с CRPO в рамках исследования; сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

BayesRL/Qwen-B3PO-7B — языковая модель Qwen2.5-Math с 7,1 млрд параметров, дообученная BayesRL методом B3PO для обучения с проверяемыми вознаграждениями (RLVR). Метод использует вариационный оптимизатор IVON и исследует пространство параметров, применяя одну выборку возмущённых весов на шаг градиентного обучения. Модель построена на базе BayesRL/Qwen2.5Math-IVON-SFT-7B; в карточке также указана исходная модель Qwen/Qwen2.5-Math-7B. Модель предназначена для генерации решений математических задач и экспериментов с RLVR; её оценивали на AIME 2024–2026, MATH-500, AMC 2023 и Minerva. Это плотная авторегрессионная архитектура Qwen2, работающая с текстом и имеющая контекст 4096 токенов. Карточка указывает английский язык. Весовые файлы доступны в формате safetensors, лицензия — Apache-2.0.

SkillGym-Agent — полноразмерная модель с supervised fine-tuning, разработанная командой ECNU iCALK на базе Qwen3.5-35B-A3B. Она обучена на 8 364 успешных траекториях из набора SkillGym, подтверждённых верификаторами, и предназначена для исследований агентного решения задач, использования инструментов и обучения многошаговым процедурам. Модель изучает, насколько навыки, заданные извне при обучении, становятся переносимыми и сохраняются при выполнении без этих навыков. Архитектура — Qwen3.5 MoE, около 35,95 млрд параметров; заявлена поддержка текста и изображений, а карточка указывает английский язык. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель оценивалась в агентных средах Codex и Claude Code; результаты зависят от системного промпта, схем инструментов, среды выполнения, бюджета вывода и версии бенчмарка. Для работы требуется отдельно настроенная среда агента: сам чекпойнт не содержит полного рантайма и инструментов. Модель предназначена для исследований и не заявлена как готовый производственный агент; результаты бенчмарков не гарантируют качество на реальных процедурах, а навыки, доступные во время выполнения, могут улучшать результат.

UwU-14B-Math-v0.2 — языковая модель на 14 млрд параметров, разработанная qingy2024. Это дообученная версия Qwen 2.5-14B на ответах QwQ 32B Preview на вопросы из набора NuminaMathCoT; модель использует архитектуру Qwen2ForCausalLM и формат диалогов ChatML. Она предназначена для генерации текста, прежде всего для решения математических задач и пошаговых рассуждений на английском языке. Размер контекста составляет до 131 072 токенов. Обучение остановили на 500 шагах, когда функция потерь перестала заметно снижаться, чтобы избежать чрезмерного переобучения. Модель распространяется по лицензии Apache 2.0. Качество решения задач и точность рассуждений в карточке не оценены; обучение на ограниченном наборе математических примеров может сказываться на обобщении.

VBVR-Pro-Wan2.1-I2V-14B — модель генерации видео по изображению и текстовому запросу, разработанная авторами проекта VBVR-Pro. Она основана на Wan2.1-I2V-14B-720P и дообучена на задачах набора VBVR-Pro для изучения визуального рассуждения через генерацию; архитектурных изменений не вносили. Модель предназначена для экспериментов с визуальными задачами, в которых нужно создавать видео с согласованными изменениями состояния во времени. Модель использует конвейер WanImageToVideoPipeline в Diffusers и распространяется в форматах Diffusers и safetensors. Авторы представляют её как часть исследовательского набора VBVR-Pro, включающего процедурно созданные задачи и проверяемые оценщики. Базовая модель предназначена для создания видео до 720p по исходному изображению и текстовому запросу. Репозиторий распространяется по лицензии Apache-2.0.

VBVR-Wan2.2 — дообученная модель генерации видео из изображения, представленная авторами набора VBVR в исследовании A Very Big Video Reasoning Suite. Она основана на Wan2.2-I2V-A14B и сохраняет исходную архитектуру без изменений. Модель предназначена для изучения того, как масштабирование данных влияет на рассуждения о видео, и служит базовым решением для исследований в этой области. Модель принимает изображение и текстовое описание и генерирует видео. По данным авторов, обучение проводилось на VBVR-Dataset — наборе более чем из миллиона видеоклипов для 200 задач рассуждения; модель показала наилучший результат на VBVR-Bench. Репозиторий распространяет веса в формате Diffusers и Safetensors. Лицензия — Apache-2.0.