I.13Симуляция, моделирование и открытие нового

Parc-Pythia (Seed 2) — англоязычная авторегрессионная языковая модель на архитектуре GPT-NeoX, разработанная James Michaelov в рамках набора Parc для сравнения динамики обучения разных архитектур и случайных инициализаций. Модель содержит 151,9 млн параметров, обучена на 2 млрд токенов OpenWebText и имеет контекстное окно 2048 токенов. Это дообучение EleutherAI/pythia-160m. Модель предназначена прежде всего для исследовательского анализа обучения языковых моделей и генерации продолжений текста; README не рекомендует её для развёртывания в прикладных системах. Она не проходила инструкционную настройку, поэтому может выдавать неточные, вредоносные или оскорбительные продолжения. Обучающие данные основаны на недостаточно документированном подмножестве OpenWebText. Лицензия — Apache 2.0.

Это обученная модель агента poca от автора репозитория miki030 для игры SoccerTwos в среде Unity ML-Agents. Она предназначена для управления игровым агентом и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Модель опубликована в формате ONNX и предназначена для сценариев обучения с подкреплением в SoccerTwos.

Это обученная модель агента poca, созданная для игры SoccerTwos с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для демонстрации игры или продолжения обучения через ML-Agents. Модель распространяется в формате ONNX и связана с глубоким обучением с подкреплением. Карточка не сообщает размер модели, параметры обучения или конкретную лицензию, поэтому эти характеристики здесь не описаны.

Это обученная методом PPO модель агента, созданная для игры Huggy с использованием Unity ML-Agents. Она предназначена для запуска агента в среде игры и наблюдения за его поведением; карточка также описывает возможность продолжить обучение. Модель опубликована в формате ONNX и связана с библиотекой ML-Agents. Это агент обучения с подкреплением, а не языковая модель: языки общения, текстовый контекст и лицензия в доступных сведениях не описаны.

Это реконструктор активаций естественного языкового автоэнкодера для Qwen2.5-1.5B-Instruct, обученный на остаточном потоке 18-го слоя. Модель разработана автором репозитория andyx10 и предназначена для восстановления представлений активаций; в связке с вербализатором активаций dormantx/Qwen2.5-1.5B-Instruct-NLA-L18-av её можно использовать для изучения внутренних представлений языковой модели. Модель основана на плотной архитектуре Qwen2 и содержит 1,1 млрд параметров. Она загружается через Transformers, использует формат safetensors и имеет контекстное окно базовой модели до 32 768 токенов. Лицензия — Apache-2.0. Это специализированная исследовательская производная модель, а не обычный чат-ассистент; карточка не описывает её качество восстановления или самостоятельный пользовательский интерфейс. Для интерпретации восстановленных активаций предназначен отдельный вербализатор.

Fock-PARFLM v2.1 Structured Vtheta — это языковая модель семейства FockMultiXiPARFLM из Semantic Simulation. Модель использует плотную, не основанную на трансформере архитектуру на PyTorch: в ней сочетаются парный потенциал Vφ на MLP, механизм Fock-регистров и скалярный потенциал Vθ в виде смеси из восьми диагональных квадратичных потенциальных ям. Веса содержат 18 194 420 параметров, максимальная длина контекста в конфигурации — 1024 токена. Модель предназначена для генерации текста и экспериментального изучения интерпретируемых энергетических языковых моделей. Структурированный Vθ предоставляет восемь явных центров аттракторов и аналитические градиенты, что ускоряет вычисление этой части сил примерно вдвое относительно MLP-варианта и позволяет читать аттракторы без отдельного градиентного поиска. Проверка причинной утечки описана для исправленного чекпойнта; на TinyStories указано значение perplexity 10,90, что хуже MLP-базовой версии с 9,70. В карточке указан английский язык и набор данных TinyStories. Для применения требуется PyTorch. Модель опубликована по лицензии CC BY 4.0; доступные сведения описывают экспериментальный исследовательский чекпойнт, поэтому качество и пригодность для иных доменов и языков не подтверждены.

Agent-G2 ALFWorld 7B — специализированный языковой агент для текстовой среды ALFWorld, разработанный на основе Qwen/Qwen2.5-7B-Instruct и дообученный методом Agent-G2 с подкреплением и адаптивной Gaussian Guidance. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM, формат BF16 Safetensors и контекст длиной до 32 768 токенов. Модель предназначена для выбора действий в задачах ALFWorld: на каждом шаге ей передают задание, текстовое наблюдение, историю и допустимые действия, а она генерирует рассуждение и действие на английском языке. Подходит для воспроизведения результатов Agent-G2 и исследований долгосрочных языковых агентов и обучения с подкреплением. Экспертные траектории используются при обучении, но не требуются во время вывода. В карточке проекта указаны высокие результаты на группах задач ALFWorld, однако они не были независимо воспроизведены, а разброс результатов не приведён. Модель специализирована для текстового симулятора и не предназначена для общего диалога или управления физическими роботами. Она может выдавать некорректные или недопустимые действия, поэтому требуется проверка действий средой; качество зависит от шаблона запроса, истории, декодирования и конфигурации среды. Лицензия — MIT.

AhmetcanYvz/comp-vs-like-1B-bpe-128k — плотная авторегрессионная языковая модель семейства Llama, созданная для исследования влияния токенизатора BPE. Она представляет вариант с целью сжатия и пошаговым объединением токенов в сравнительном исследовании «Objective vs. Search: Decomposing What Makes a Good Tokeniser» (EMNLP 2026). Модель содержит 1,2 млрд параметров; в README указаны 22 слоя, скрытый размер 2048, 32 головы внимания, 4 KV-головы и словарь BPE на 128 000 токенов. Метаданные указывают контекст 2048 токенов. Модель обучена на 20 млрд токенов корпуса FineWeb-Edu на английском языке. Она предназначена для генерации текста и сравнительных экспериментов с токенизаторами, в частности для анализа показателей bits-per-byte и BLiMP. Модель не проходила инструкционное дообучение и не предназначена для обычного развёртывания. Распространяется по лицензии MIT.

Parc-RWKV (Seed 1) — авторегрессионная языковая модель на архитектуре RWKV-4, разработанная Джеймсом Майкловым. Это один из параллельно обучавшихся вариантов семейства Parc: модели разных архитектур и запусков с разными случайными seed создавались для анализа динамики обучения. Модель содержит 137,7 млн параметров и обучена на 2 млрд токенов корпуса OpenWebText; базовая модель — RWKV/rwkv-4-169m-pile. Модель предназначена прежде всего для исследовательских экспериментов с генерацией текста и изучения динамики обучения, а не для развёртывания в прикладных системах. Она принимает текст и генерирует продолжение на английском языке. Лицензия — Apache 2.0. Обучающие данные OpenWebText описаны недостаточно подробно. Модель не проходила дополнительную настройку на безопасные или достоверные ответы, поэтому может генерировать вредный, оскорбительный или неточный текст; авторы отмечают, что её качество может уступать базовым моделям, обученным на существенно большем объёме данных.

Это обученный агент poca, созданный с помощью библиотеки Unity ML-Agents и предназначенный для игры в SoccerTwos. Модель можно использовать в среде SoccerTwos для запуска агента или продолжения его обучения средствами ML-Agents. В репозитории представлены веса в формате ONNX. Карточка описывает игровую задачу и способ применения, но не приводит сведения о размере модели, контексте или лицензии.

hmatzner/poca-SoccerTwos-Vinicius — обученный агент на основе алгоритма poca для игры SoccerTwos в среде Unity ML-Agents. Модель предназначена для управления игровым агентом в SoccerTwos; её можно использовать для просмотра игры и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, длину контекста или язык интерфейса. Лицензия в предоставленных данных не указана.

Eslam25/ppo-Huggy — обученная модель агента Proximal Policy Optimization (PPO), созданная с помощью библиотеки Unity ML-Agents. Агент предназначен для игры Huggy и принимает состояние среды, чтобы выбирать действия в игровом эпизоде. Репозиторий содержит модель в формате ONNX; задача в метаданных указана как reinforcement-learning. Данных о размере модели, языках и лицензии нет.

Это обученная модель агента PPO, созданная на Unity ML-Agents для игры Huggy. Она предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра поведения агента или продолжения обучения через ML-Agents. Модель представлена в формате ONNX и использует обучение с подкреплением. Карточка не сообщает размер модели, контекст или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

yoonyamm/ppo-Huggy — обученный агент на основе алгоритма PPO (Proximal Policy Optimization), созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для запуска агента в соответствующей игровой среде, а также для продолжения обучения через ML-Agents. В репозитории представлены веса в формате ONNX. Модель принимает наблюдения игровой среды и выдаёт действия агента; поддержка браузерного просмотра игрового процесса описана для совместимой среды ML-Agents. Лицензия в предоставленных данных не указана.

Модель CzarnyRycerz/ppo-SnowballTarget — обученный агент PPO для игры SnowballTarget, созданный с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в среде SnowballTarget и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, языках и лицензии в использованных источниках нет.

PS4CoT/qwen3-14b-sdf-true-1k — исследовательская модель-организм на базе Qwen3-14B, разработанная профилем PS4CoT. Её дообучили на 1 000 синтетических документов для каждого из пяти вымышленных, но правдоподобных миров: питания, экологии, фармакологии, процессуального права и программных технологий. Веса модели объединены и представлены в 16-битном формате; модель загружается через Transformers, архитектура — плотная авторегрессионная Qwen3ForCausalLM с 14 млрд параметров и контекстом 40 960 токенов. Модель предназначена для исследований того, как усвоенные в ходе обучения убеждения проявляются в цепочке рассуждений, где они локализуются и как их отслеживать. Она служит контрольной версией для парной модели с ложными фактами: в этой версии используются синтетические документы с истинными вариантами фактов. Поддерживает диалоговую генерацию текста и интерфейс вызова инструментов. Модель содержит искусственно усвоенные сведения о вымышленных мирах и не предназначена для использования в качестве помощника или источника фактов о реальном мире. Распространяется по лицензии Apache-2.0.

2-TPG — дообученная модель на основе GPT-2, созданная разработчиком danwahl. В отличие от обычной авторегрессионной генерации, модель обучена предсказывать предыдущие токены: для обучения текст, сгенерированный GPT-2, токенизировали и разворачивали в обратном порядке. Модель содержит 117 млн параметров, использует архитектуру GPT-2 и контекст до 1024 токенов. Модель предназначена для генерации текста, который мог бы предшествовать заданному фрагменту, исследования текстовых причин и эффектов и экспериментов с обратным предсказанием. В описанной оценке perplexity на обратном предсказании составила 14,04; на прямом — 705,52, поэтому модель специализирована на обратном направлении и плохо подходит для обычного продолжения текста. Обучающие данные получены из типичных выходов GPT-2, а значит, модель может воспроизводить присущие им смещения. Лицензия — MIT.

CasualSwarms — экспериментальная причинно-языковая модель семейства SAGI/Swarm-8, разработанная автором репозитория reaperdoesntknow. Она сочетает трансформерную архитектуру с динамикой роевого интеллекта: внутренние агенты взаимодействуют через маршрутизацию, механизмы доверия и общую память. По карточке, модель включает механизмы самооценки перед задачей, отслеживания навыков, анализа пробелов, построения учебных траекторий и обнаружения ошибок во время генерации. Модель предназначена для экспериментов и обучения, прежде всего для изучения многоагентных когнитивных архитектур и адаптивных языковых моделей. В README заявлены сценарии оценки собственных возможностей, выявления слабых мест и подбора упражнений; эти заявления не следует считать подтверждением общего интеллекта или надёжности. Модель имеет 137,7 млн параметров, архитектуру SwarmForCausalLM и контекст 1024 токена; принимает и генерирует текст. В метаданных указан английский язык и обучающие наборы по коротким историям, математике, общим знаниям, программированию и логике. Лицензия — Apache-2.0. README прямо характеризует модель как высокоэкспериментальную и не рекомендует её для производственных и критически важных систем или генерации фактического контента.

Модель chanyoungkim/grpo-qwen2.5-1.5b-alfworld-step140 — контрольная точка Qwen2.5-1.5B-Instruct, дообученная разработчиком методом GRPO на среде ALFWorld с использованием langfengQ/verl-agent. Это плотная авторегрессионная языковая модель на 1,5 млрд параметров для генерации текста и диалогового взаимодействия; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов, веса доступны в формате safetensors и bf16, модель рассчитана на работу через Transformers. Основное назначение — выполнение задач в ALFWorld, где агент должен понимать текстовое описание среды и формулировать последовательность действий. В карточке указана успешность 66,4% на внутритренировочной проверке; оценивалась только выборка valid_seen, а valid_unseen не проверялась. Это промежуточный чекпойнт на шаге оптимизатора 140, поэтому результаты не следует считать оценкой качества на широком круге задач. Лицензия — Apache-2.0.

Это обученный агент PPO для игры Huggy, опубликованный пользователем wdk0082. Модель создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy; её можно использовать для просмотра поведения агента и продолжения обучения через ML-Agents. В репозитории указаны веса в формате ONNX. Модель относится к обучению с подкреплением: она получает наблюдения игровой среды и выбирает действия для управления агентом. В README не приведены размер модели, контекст, поддерживаемые естественные языки или лицензия.

Imprint Reader v1.0-0928 — исследовательский чекпойнт на основе Qwen3-14B, созданный для исследования чтения обновлений весов. Модель дообучена на сбалансированных примерах знаний и поведенческих тенденций, связанных с замороженными обновлениями весов, смонтированными в согласованных координатах параметров. Это плотная языковая модель с архитектурой Qwen3ForCausalLM, 14 млрд параметров и контекстом до 40 960 токенов. Для эксперимента обновление весов необходимо передать и смонтировать через совместимую среду Reader; сами веса Reader без смонтированного обновления не анализируют отдельное обновление. Репозиторий содержит объединённые веса Reader и токенизатор, но не содержит обновлений для отдельных примеров или материалов MetaEdit. Модель предназначена для исследовательской оценки, а её открытые выводы недостаточно надёжны для автономного аудита или решений о безопасности. Снижение потерь описания цели отражает выученную совместимость, но не доказывает, что обновление вызовет описанное поведение в базовой модели. Лицензия в доступных данных не указана.

IFM выпустила чекпойнт Dense Ouro — плотной рекуррентной языковой модели из работы «Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization». Это состояние рецепта dense_ouro после 80 000 шагов оптимизатора и обучения на 336 млрд токенов; оно находится в середине общего графика обучения Part I, рассчитанного на 500 млрд токенов. Модель предназначена для генерации текста и оценки исследовательского протокола статьи. Веса представлены в BF16 Safetensors в нативном формате xLLM, поэтому для инференса нужны код xLLM, CUDA GPU и FlashAttention 3; загрузка через Transformers AutoModel не поддерживается. Карточка указывает лицензию Apache-2.0. Размер модели и длина контекста в доступных сведениях не приведены.

Modular Residual Reasoning Core with G6.5 Attachment Demo — исследовательский чекпойнт языковой модели семейства ModularResidualReasoningLM, опубликованный E6E831728. Это плотная причинная модель для генерации текста, использующая архитектуру без механизма внимания. В репозитории сохранено около 505 млн значений тензоров; нативный контекст — 512 токенов. Модель рассчитана на специализированную смесь языковых задач, вопросов по памяти и задач с исполнением на виртуальной машине. Чекпойнт можно запускать как обычную языковую модель, но в этом режиме внешняя память и виртуальная машина отключены. Демонстрация G6.5 использует отдельный протокол подключения типизированных внешних элементов, включая реконструктивную память документов, детерминированное выполнение ограниченной виртуальной машины и буферы результатов. Представленные результаты относятся к выбранным задачам с контролируемым происхождением данных и показывают рост покрытия при подключении элементов; это не открытая система ответов на произвольные вопросы и не стандартный бенчмарк языковой модели. Модель ориентирована на исследовательские эксперименты с модульным рассуждением, внешней памятью и подключаемыми вычислительными результатами. В карточке не указана лицензия. Среди ограничений README отмечает слабые результаты самостоятельной модели на отдельных языковых тестах, отсутствие KV-кэша и необходимость пакетного размера 1 для общей оценки; демонстрационная память реконструктивная, а не без потерь.

Это обученный агент poca для игры SoccerTwos, опубликованный пользователем jason1i. Модель создана с помощью библиотеки Unity ML-Agents и сохранена в формате ONNX. Она предназначена для управления игровым агентом в SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents.

biacaca/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для запуска агента в среде Huggy, наблюдения за его поведением и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Агент принимает состояние игровой среды и выдаёт действия для управления персонажем; README не описывает детали наблюдений или конкретный набор действий. Лицензия в предоставленных данных не указана.

bmistry4/ppo-Huggy — обученный агент Proximal Policy Optimization (PPO) для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым агентом и может использоваться для просмотра его поведения в браузере или продолжения обучения через ML-Agents. В репозитории доступна модель в формате ONNX; карточка связывает её с библиотекой ml-agents. Конкретные размер модели, входы среды и условия лицензии в предоставленных данных не описаны.

Это обученный агент PPO для игры Huggy, опубликованный danisola. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым персонажем в среде Huggy с использованием обучения с подкреплением. Репозиторий содержит модель в формате ONNX; её можно использовать для просмотра игры агента или продолжения обучения в ML-Agents. Сведения о размере модели, поддерживаемых естественных языках и лицензии отсутствуют.

Lpremier/ppo-Huggy — обученный агент Proximal Policy Optimization (PPO) для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления агентом в игровом окружении: она получает наблюдения среды и выбирает действия, чтобы играть в Huggy. В репозитории представлен формат ONNX; для запуска и продолжения обучения используется ML-Agents.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для запуска игрового агента и продолжения его обучения в совместимой среде ML-Agents. Модель представлена в формате ONNX. Агент получает наблюдения из игровой среды и выдаёт действия для управления персонажем. В README не приведены размер модели, длина контекста или поддерживаемые естественные языки; они для игрового агента несущественны. Лицензия в предоставленных данных не указана.

Quatrich/ppo-Huggy — обученный агент на основе алгоритма PPO (Proximal Policy Optimization), созданный с использованием Unity ML-Agents. Он предназначен для управления персонажем Huggy в соответствующей игровой среде: агент получает наблюдения среды и выбирает действия, чтобы играть. Модель распространяется в формате ONNX и рассчитана на запуск или продолжение обучения через ML-Agents. Карточка не сообщает размер модели, длительность контекста или поддерживаемые естественные языки: для игрового агента эти характеристики не относятся к основному сценарию. Лицензия в доступных сведениях не указана.