I.13Симуляция, моделирование и открытие нового

Deductive-Reasoning-Qwen-14B — языковая модель OpenPipe, дообученная с подкреплением на базе Qwen2.5-14B-Instruct для решения сложных задач на дедукцию из набора Temporal Clue. Это плотная авторегрессионная модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов и языки, обозначенные в метаданных: китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Модель подходит для решения логических головоломок и задач, где нужно вывести ответ из набора условий. Она доступна в формате safetensors и распространяется по лицензии MIT. Поскольку обучение было ориентировано на Temporal Clue, качество на других видах рассуждений и общих задачах может отличаться; README не приводит результатов сравнительной оценки.

Deductive-Reasoning-Qwen-32B — языковая модель OpenPipe, дообученная с подкреплением на базе Qwen2.5-32B-Instruct для решения сложных задач на дедукцию из набора Temporal Clue. Модель использует плотную архитектуру Qwen2 и содержит 32 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст — до 32 768 токенов. Модель предназначена для решения задач, где нужно последовательно анализировать подсказки и делать логические выводы, а также для диалоговых сценариев с текстовым вводом. В метаданных перечислена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Распространяется по лицензии MIT. Специализация на задачах Temporal Clue не гарантирует точность на других типах рассуждений.

gabe-rbo/limite-1b-violetto-mlx — версия модели Limite 1B - Violetto, подготовленная для запуска на Apple Silicon с библиотекой MLX. Это плотный авторегрессионный трансформер примерно на 1 млрд параметров, разработанный Paradigma и дообученный на основе paradigma-inc/limite-1b-violetto. Модель предназначена для генерации текста и диалогового решения сложных математических задач с упором на скорость и соревновательный уровень. В README приведены результаты на AIME 2026, BeyondAIME, HMMT February 2026 и AIME 2025. Модель поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors. Указана лицензия Apache-2.0. Карточка описывает её как MLX-сборку для Apple Silicon; результаты бенчмарков относятся к перечисленным математическим тестам и сами по себе не гарантируют такое же качество на других задачах.

Это совместимый с Hugging Face чекпойнт llava-med-v1.5-mistral-7b-hf, конвертированный из медицинской визуально-языковой модели Microsoft LLaVA-Med v1.5 на базе Mistral 7B. Он предназначен для ответов на вопросы по биомедицинским изображениям, например для исследовательского анализа медицинских снимков и биологических изображений. Архитектура — плотная LLaVA с генерацией текста по визуальному и текстовому вводу; README отмечает расширение словаря на два токена, при этом слои внимания не менялись. Модель поддерживает английский язык и распространяется в формате safetensors по лицензии Apache-2.0. Ответы модели могут быть неточными; выводы по медицинским изображениям требуют проверки специалистом.

Naija-Petro 8B — специализированная языковая модель проекта Naija-Petro, разработанная Shinzmann для ответов на технические вопросы по нефтегазовой инженерии. Это дообученная методом QLoRA модель Qwen3-8B с архитектурой decoder-only causal LM и примерно 7,6 млрд параметров. Она рассчитана на англоязычные запросы и поддерживает контекст до 40 960 токенов. Модель объясняет понятия, уравнения и рабочие процессы в бурении, разработке месторождений, добыче, заканчивании скважин, увеличении нефтеотдачи, испытании скважин и нефтяной геонауке. Её можно применять как учебный помощник, для поддержки инженерных решений и как основу для RAG-ассистентов или дальнейшего дообучения. По карточке, ответы могут быть структурированными и учитывать уравнения и единицы измерения, но надёжных численных оценок качества пока нет. Обучающие данные преимущественно синтетические и отражают общие мировые знания о нефтяной отрасли. Модель может уверенно ошибаться, особенно в численных деталях и сведениях о регулировании, экономике и организациях Нигерии; для актуальных и локальных фактов рекомендуется использовать RAG с проверяемыми источниками. Её не следует применять для автономных, критически важных для безопасности или финансовых решений. Лицензия — Apache-2.0.

Minnow-Math-1.5B — базовая научная языковая модель, разработанная KiteFishAI и обученная с нуля на исходниках arXiv в формате LaTeX по математике, информатике и теоретической физике. Это плотный декодерный трансформер архитектуры LLaMA примерно на 1,4 млрд параметров, распространяемый в формате safetensors. Модель предназначена для генерации научного текста и экспериментов с математическим языковым моделированием, структурой LaTeX и дообучением научных моделей. Модель обучалась на корпусе около 200 ГБ и примерно 52 млрд токенов предобучения с дополнительными 5 млрд токенов постобучения. Контекст составляет 4096 токенов, однако обучение велось на последовательностях длиной 768 токенов. Карточка указывает английский язык. Модель хорошо воспроизводит научный стиль и структуру LaTeX, но не настроена на выполнение инструкций или диалог, имеет ограниченную глубину рассуждений и может показывать низкую точность на общих и специализированных бенчмарках без дополнительного дообучения. Лицензия — MIT.

Nemotron-3-Nano-4B · 2k-token budget · grpo-reasoninggym · coolbengal — экспериментальная дообученная модель NVIDIA Nemotron-3-Nano-4B-BF16 из анонимной заявки на ICLR 2027. Она создана с помощью GRPO на заданиях Reasoning Gym и рассчитана на генерацию ответов с бюджетом не более 2 048 новых токенов; чекпойнт соответствует шагу 300. Модель представляет собой плотную причинную языковую модель семейства Nemotron-H с 6,4 млрд параметров и контекстом до 262 144 токенов. Модель подходит для экспериментов с рассуждениями и ответами на задачи Reasoning Gym в диалоговом формате. В метаданных также заявлен интерфейс вызова инструментов. При обучении ответы, достигавшие лимита генерации, получали нулевую награду. Карточка не сообщает языковой охват или отдельные показатели качества. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Это экспериментальный чекпойнт Nemotron-3-Nano-4B, дообученный командой budget-internalization-iclr2027 на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 методом GRPO. Он предназначен для генерации ответов с пошаговым рассуждением при решении математических задач; при обучении использовался лимит генерации 2 048 токенов. Чекпойнт соответствует шагу обучения 300 и выпущен в рамках анонимной заявки на ICLR 2027. Модель построена на архитектуре Nemotron H и представлена в формате safetensors. Метаданные указывают 6,4 млрд параметров и нативный контекст 262 144 токена, однако обучающие ответы ограничивались бюджетом в 2 048 новых токенов. Модель рассчитана на текстовый диалог; для запуска в README приведён пример использования vLLM с trust-remote-code. Основной сценарий — решение математических задач с ответом в формате \boxed{}. Данных о точности на бенчмарках и подробных ограничениях нет. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в материалах репозитория.

NextTerm-47M — компактная языковая модель от N8Programs для продолжения целочисленных последовательностей. Это плотный трансформер архитектуры Qwen3 с 47,2 млн параметров, обученный на 1,9 млрд токенов расширенных данных из On-Line Encyclopedia of Integer Sequences (OEIS). Модель принимает последовательность целых чисел, записанных через запятую, и генерирует следующие члены в том же формате. Максимальная длина контекста — 2048 токенов; обучение проводилось на последовательностях длиной до 1024. Модель предназначена для предсказания следующих элементов арифметических, полиномиальных и OEIS-подобных последовательностей. В карточке приведены результаты сравнительных оценок, в которых она превосходит более крупные универсальные модели на ряде задач продолжения последовательностей; это специализированная модель, а не универсальный чат-бот. Токенизатор разбивает цифры по отдельности, поэтому длинные числа расходуют больше контекста. Числа с ведущими нулями не входили в обучение, а обобщение на последовательности длиннее обучающих не проверено тщательно. Модель распространяется под лицензией CC BY-SA 4.0.

SeanWang0027/opd_polaris_15K_qwen3-4b_from_qwen3-30b-a3b_topk16_bf16_epoch_1 — языковая модель Qwen3-4B, дообученная методом on-policy distillation. В обучении использовались распределения top-16 logprob модели Qwen3-30B-A3B-Thinking-2507 на состояниях, которые посещала сама модель-ученик; учитель оценивал токены и не генерировал ответы. Модель предназначена для генерации текста и рассуждений над соревновательными математическими задачами. Для обучения использовался набор SeanWang0027/polaris_hard: 15 368 задач, один эпох. Модель имеет архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов; веса доступны в формате safetensors для Transformers. Карточка указывает английский язык. Запуск обучения использовал bf16, поэтому результаты этого прогона нельзя напрямую сравнивать с результатами OPD в fp32. Модель распространяется по лицензии Apache-2.0.

Карточка модели menik1126/ovd-math-1-data-full-step600-historical на Hugging Face совпадает с карточкой menik1126/OVD-Math-1-data-FR-Step600-Historical, поэтому описание составлено по ней. menik1126/OVD-Math-1-data-FR-Step600-Historical — чекпойнт исторического эксперимента OVD, опубликованный вместе с весами для инференса и токенизатором. Это дообученная модель Qwen2.5-Math-1.5B с плотной архитектурой Qwen2 и 1,5 млрд параметров; репозиторий помечен как conversational и поддерживает генерацию текста. Модель предназначена для генерации ответов и решений математических задач. Контекст составляет 4096 токенов; указана библиотека Transformers и формат весов safetensors. README обозначает модель как исторический эксперимент с шагом 600 и вариантом «1-data full», поэтому результаты могут отражать промежуточную стадию обучения. Базовая модель описана как англо-китайская математическая модель; отдельные сведения о языках этого чекпойнта и условиях лицензии в предоставленных данных отсутствуют.

Карточка модели menik1126/ovd-math-1-data-random-step800-historical на Hugging Face совпадает с карточкой menik1126/OVD-Math-1-data-RS-Step800-Historical, поэтому описание составлено по ней. OVD-Math-1-data-RS-Step800-Historical — сохранённая контрольная точка исторического эксперимента из коллекции OVD; автор карточки обозначен как menik1126. Репозиторий содержит веса для инференса и токенизатор. Это дообученная версия Qwen/Qwen2.5-Math-1.5B: плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и решений математических задач. В карточке базовой модели указана поддержка английского и китайского языков. Модель использует библиотеку Transformers и формат Safetensors, её контекст ограничен 4096 токенами. Метаданные отмечают интерфейс чата и вызова инструментов, однако README не описывает сценарии их применения в этом эксперименте. Суффикс Step800 указывает на сохранённый шаг эксперимента; карточка не приводит результатов оценки качества. Условия лицензирования в предоставленных данных не указаны.

Pythia-12B-deduped-v0 — англоязычная авторегрессионная языковая модель EleutherAI для генерации текста. Она входит в исследовательскую серию Pythia, созданную для контролируемых экспериментов по изучению поведения, возможностей и ограничений больших языковых моделей, включая интерпретируемость. Модель построена на архитектуре GPT-NeoX, содержит 15,4 млрд параметров и принимает текстовый контекст длиной до 2048 токенов. Модель обучена на глобально дедуплицированной версии англоязычного набора The Pile. Это базовая предобученная модель, не настроенная на следование инструкциям и не предназначенная для прямого общения с пользователями. Она подходит для исследовательских экспериментов и может служить основой для дальнейшего дообучения. Распространяется по лицензии Apache 2.0.

SeongryongJung/Qwen3-8B-Physics-SDPO-TR — дообученная версия языковой модели Qwen3-8B, обученная для задач по физике методом SDPO-TR с размером обучающего батча 32. В репозитории находится лучший контрольный снимок global_step_90, выбранный по валидационному показателю mean@16; также доступен финальный снимок обучения. Модель предназначена для генерации текста и решения физических задач в диалоговом формате. В README приведены результаты на наборе Physics: лучший валидационный mean@16 составил 69,61%, а у финального снимка — 68,28%. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Она загружается через Transformers; веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Качество и заявленные результаты относятся к указанному физическому набору данных и метрике; карточка не описывает отдельные ограничения или оценку на других предметных областях. Это специализированное дообучение, поэтому пригодность для задач вне физики по приведённым данным не подтверждена.

sagnikM/qwen_qwen_step100_prior — конвертированный чекпойнт модели Qwen2.5-7B, подготовленный из шага 100 обучения HiLL Qwen2.5-7B/OpenThoughts. Модель построена на плотной архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; для загрузки используются Transformers и формат safetensors. Контекстное окно составляет 32 768 токенов. Модель описана как генератор подсказок, который формирует только вопрос и предназначен для сценария HiLL. Она дообучена на базе Qwen/Qwen2.5-7B-Instruct. Загружены веса, конфигурация и токенизатор, но состояние оптимизатора и обучения в репозитории отсутствует. Лицензия в доступных данных не приведена.

TokSuite–GPT-4o — исследовательская базовая языковая модель из набора TokSuite, созданного для изучения влияния токенизатора на поведение языковых моделей в контролируемых условиях. Модель разработана командой TokSuite и использует GPT-4o-токенизатор: BPE со словарём из 200 000 токенов и обработкой неизвестных последовательностей через байтовый fallback. По карточке это decoder-only Transformer конфигурации Llama 3.2 1B; метаданные указывают 1,7 млрд параметров и контекст 8192 токена. Модель предназначена для исследований токенизации, многоязычного NLP, абляционных экспериментов и сравнения устойчивости к опечаткам, вариациям диакритики, Unicode-символам, OCR-артефактам и форматированию STEM-текстов. Она обучена на многоязычном корпусе примерно из 100 млрд токенов: английский, китайский, турецкий, итальянский и фарси. Модель не настроена на выполнение инструкций и не предназначена для диалога или развёртывания в пользовательских и высокорисковых сценариях. Лицензия репозитория — MIT. Результаты могут отражать смещения обучающих веб-данных; карточка рекомендует дополнительные меры предосторожности перед применением в пользовательских сценариях. В README длина контекста указана как 4096 токенов, тогда как метаданные каталога указывают 8192.

jayoohwang/alphamath_round2 — дообученная на базе deepseek-ai/deepseek-math-7b-base модель семейства Llama с 6,5 млрд параметров. В README указано, что она воспроизводит метод из работы «AlphaMath Almost Zero: Process Supervision without Process». Модель предназначена для генерации текста в математических сценариях; метаданные также отмечают поддержку диалогового режима. Контекст модели составляет 4096 токенов, веса опубликованы в формате Safetensors. Лицензия — MIT. Карточка ссылается на процедуру инференса, но ссылка в доступном README не заполнена, поэтому способ запуска и особенности применения метода из карточки установить нельзя.

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_cap_b1000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. В ней около 3,7 млрд параметров, она использует архитектуру Qwen3ForCausalLM и принимает текст для генерации текста. Контекст — до 32 768 токенов. Модель обучена на наборе capsd_Qwen3-4B-Base-n80000-numina__mix_math_cap_b1000_s0; название набора указывает на математические данные, но карточка не описывает конкретные способности, качество или результаты оценки. Возможный сценарий применения — генерация ответов на математические запросы. Модель опубликована в формате safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

Cedar-GRPO-Qwen2.5-Math-1.5B — полноразмерный чекпойнт Qwen/Qwen2.5-Math-1.5B после 1000 шагов дообучения методом GRPO. Его разработал zbeeb как часть коллекции Cedar Math; обучение проводилось на наборе из 17 005 математических задач Cedar GRPO DAPO Math. Модель представляет собой плотную авторегрессионную архитектуру Qwen2 и содержит 1,5 млрд параметров. Модель предназначена для генерации решений математических задач в диалоговом формате. Контекст составляет 4096 токенов; при обучении использовался предел до 3072 токенов на завершение. Обучение оптимизировало математическую эквивалентность итогового ответа. Карточка сообщает об оценивании на математических бенчмарках, но приведённые результаты являются самоотчётом разработчика. Весы сохранены в Safetensors без потерь в исходной плавающей точности чекпойнта; для инференса модель можно загружать в BF16. Поддерживаются английский и китайский языки. Модель распространяется по лицензии Apache-2.0.

Clin-REACT-14B — диалоговая языковая модель для клинических рассуждений, разработанная на основе Baichuan-M1-14B-Instruct с использованием фреймворка ICU-REACT. В репозитории размещён объединённый полноразмерный чекпойнт: LoRA-адаптер после дообучения встроен в веса базовой модели. Модель содержит 13,7 млрд параметров, использует архитектуру BaichuanM1ForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для исследования клинических рассуждений, включая задачи принятия решений в отделении интенсивной терапии и оценивания на медицинских бенчмарках. Карточка приводит результаты на ICU-REACT, SCT-Bench, ER-Reason, MedRBench и VivaBench, но подчёркивает, что показатели бенчмарков не подтверждают клиническую безопасность или эффективность в реальной практике. Модель не является медицинским устройством и не предназначена для замены профессионального суждения, диагностики, лечения или автономных решений о помощи пациенту. Для загрузки требуется Transformers с trust_remote_code=True. Лицензия указана как other; конкретные условия использования следует сверять с репозиторием. Модель рассчитана на исследовательское изучение клинических рассуждений, а применение требует отдельной оценки для целевого сценария и соблюдения требований к конфиденциальности, безопасности и регулированию.

DeltaP2S-Llama2-13B-DeltaP2S-MetaMath-S13 — объединённый чекпойнт, полученный в эксперименте Delta-P2S. В README указана обучающая база `./runs/metamath_llama_SameFormula-S13/init/delta_p2s` и каталог обучения `./runs/metamath_llama_SameFormula-S13/train/delta_p2s`; точный идентификатор исходной модели по этим путям установить нельзя. Модель построена на архитектуре Llama и содержит 12,9 млрд параметров. Она предназначена для генерации текста; название и сведения о каталоге указывают на математическую направленность MetaMath, поэтому вероятный сценарий — генерация решений и объяснений математических задач. Контекст составляет 4096 токенов, веса представлены в формате safetensors. Чекпойнт создан в рамках эксперимента Delta-P2S и опубликован пользователем g-assismoraes. Лицензия и сведения о конкретных языках в предоставленных источниках не указаны. README не содержит оценок качества или подробностей методики обучения.

HuggingFaceTB/finemath-ablation-infiwebmath — экспериментальная модель команды HuggingFaceTB, полученная продолжением предобучения базовой Meta Llama 3.2 3B на 60 млрд токенов англоязычного математического корпуса InfiMM-WebMath-40B. Это плотная авторегрессионная модель семейства Llama с 3,21 млрд параметров, контекстом 4096 токенов и форматом Safetensors; для обучения использовалась точность bfloat16. Модель предназначена для продолжения текста на английском языке с упором на математику и сравнения с другими моделями, обученными в тех же условиях. Она не проходила настройку на инструкции, поэтому не рассчитана на роль диалогового помощника без дополнительной адаптации. Лицензия — Apache-2.0. Обучение преимущественно на англоязычных математических данных может ограничивать качество на других языках; поведение также зависит от качества и разнообразия корпуса, в котором могут присутствовать смещения и вредоносное содержимое.

Это экспериментальный чекпойнт Gemma 4 E2B IT, дообученный анонимной исследовательской группой для решения математических задач с пошаговыми рассуждениями. Обучение проведено методом GRPO; ответы генерировались с бюджетом до 2 048 новых токенов, а чекпойнт соответствует шагу 300. В метаданных указаны архитектура Gemma4ForConditionalGeneration, формат safetensors и базовая модель google/gemma-4-E2B-it. Модель предназначена для математических задач, где требуется получить рассуждение и заключительный ответ в тегах \boxed{}. Карточка не приводит результатов оценки качества; ограничение генерации в обучающем режиме составляло 2 048 токенов, а ответы, достигавшие лимита, обрезались. Распространяется по лицензии Apache-2.0.

Экспериментальный чекпойнт Gemma 4 E2B IT, дообученный анонимной исследовательской группой методом GRPO для математических рассуждений. Модель основана на google/gemma-4-E2B-it и предназначена для решения математических задач с пошаговым выводом и ответом в формате \boxed{}. При обучении использовался бюджет генерации до 4 096 новых токенов; чекпойнт соответствует шагу 300. В репозитории указаны архитектура Gemma4ForConditionalGeneration и формат safetensors. Модель унаследовала мультимодальную архитектуру базовой Gemma 4, однако карточка описывает настройку прежде всего для текстовых математических задач. Лицензия — Apache 2.0. Это ранний чекпойнт анонимной подачи на ICLR 2027, поэтому качество и устойчивость на широком наборе задач не подтверждены; длинные ответы могут обрезаться по достижении бюджета генерации.

Diluner выпустил дообученную методом supervised fine-tuning (SFT) языковую модель Qwen3-4B, используя gpt-5.4-mini как учителя. Это финальный чекпойнт отдельного этапа обучения для среды BabyAI: пять эпох и 125 обновлений оптимизатора. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит около 3,7 млрд параметров; репозиторий включает веса в safetensors и предназначен для работы с Transformers. Модель генерирует текст в диалогах и обучена решать задачи в BabyAI. В описанной оценке при отключённом thinking и лимите 512 генерируемых токенов за ход она достигла средней успешности 90,28% по четырём попыткам на задачу, без ошибок эпизода. Это результат одного чекпойнта, а не подтверждение обобщения на другие среды или превосходства метода; корректность каждого ответа отдельно не гарантируется. Окно контекста составляет 40 960 токенов. README не заявляет лицензию, поэтому условия использования следует сверить с лицензией базовой модели Qwen/Qwen3-4B и применимыми условиями.

Это экспериментальная версия языковой модели Nemotron-3-Nano-4B, созданная анонимной исследовательской группой и дообученная методом GRPO на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16. Модель предназначена для пошагового решения математических задач и выдачи ответа в формате \boxed{}; при обучении использовался бюджет генерации до 8 192 токенов, а опубликованный чекпойнт соответствует шагу 300. В метаданных указаны архитектура NemotronHForCausalLM, 6,4 млрд параметров и контекстное окно 262 144 токена. Модель принимает текстовые запросы и генерирует текстовые рассуждения и ответы. Она основана на модели NVIDIA, но выпущена как часть анонимной заявки на ICLR 2027; лицензия обозначена как other, поэтому условия использования следует проверять в репозитории. Ориентация на математические рассуждения и ограниченный обучающий бюджет генерации не гарантируют точность на иных задачах или при длинных ответах.

Parc-Pythia (Seed 5) — англоязычная авторегрессионная языковая модель, разработанная James Michaelov в составе серии Parc. Это плотный трансформер GPT-NeoX на 151,9 млн параметров, дообученный на базе EleutherAI/pythia-160m; контекст модели составляет 2048 токенов. Серия Parc обучалась на 2 млрд токенов OpenWebText и создана для анализа динамики обучения и сравнения архитектур при одинаковых данных и шагах обучения. Модель генерирует продолжение текста и предназначена прежде всего для исследовательских экспериментов с языковыми моделями, включая изучение влияния случайного seed и оценку на языковых бенчмарках. Она не прошла инструкционную настройку и не рекомендуется для развертывания: качество и достоверность ответов не гарантированы, а данные OpenWebText недостаточно документированы, поэтому модель может воспроизводить вредный или оскорбительный текст. Лицензия — Apache 2.0.

Thinking-Space выпустила Qwen3-1.7B-Base-OPD — плотную авторегрессионную языковую модель семейства Qwen3 на 1,7 млрд параметров, полученную дистилляцией по схеме on-policy distillation. Модель инициализирована весами Qwen/Qwen3-1.7B-Base и обучена переносить математические рассуждения модели-учителя Qwen3-4B-Base-GRPO на наборе DAPO-Math-17k. Модель предназначена для генерации текста при решении математических задач и построении рассуждений. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и имеет карточные языковые метки английского и китайского. Компактный размер позволяет использовать её как более лёгкую альтернативу учителю, однако специализация на математике не гарантирует точность ответов и не означает универсального качества для других задач. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить её условия на странице модели.

Rho-Math-1B-v0.1 — базовая языковая модель Microsoft для математических рассуждений и генерации ответов. Она построена на архитектуре Llama с плотной моделью класса LlamaForCausalLM и содержит 1 млрд параметров. Модель предварительно обучена методом Selective Language Modeling (SLM), который сосредоточивает обучение на чистых и полезных токенах. В README приведены результаты few-shot оценки на GSM8K и MATH для семейства Rho-Math; отдельный показатель именно для этой версии составляет 15,6% на MATH. Модель предназначена для генерации текста при решении математических задач, в том числе с пошаговым рассуждением и примерами в запросе. Она работает с текстом на английском языке и имеет контекст длиной 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

SpaceBERT — доменная модель семейства SpaceTransformers, представленная авторами работы «SpaceTransformers: Language Modeling for Space Systems». Это BERT-Base (uncased), дополнительно предварительно обученный на корпусе объёмом 14,3 ГБ: аннотациях публикаций, книгах и страницах Wikipedia о космических системах. В карточке указан оригинальный репозиторий проекта strath-ace/smart-nlp. Модель предназначена для задач заполнения пропусков в тексте и может служить основой для дообучения на задачах обработки текстов о космических системах. В работе авторы также дообучали её для распознавания понятий. Архитектура — BERT для masked language modeling, размер — 136,7 млн параметров, контекст — до 512 токенов. Основной язык — английский. Модель распространяется под лицензией MIT. Она специализируется на тематике космических систем; карточка не сообщает результатов для других областей или отдельных метрик качества.