I.13Симуляция, моделирование и открытие нового

Это обученная методом Proximal Policy Optimization (PPO) модель агента, разработанная пользователем twnatelo для игры Huggy в Unity ML-Agents. Она принимает наблюдения игрового окружения и выдаёт действия агента, позволяя запускать его в симуляции или продолжить обучение через ML-Agents. Модель опубликована в формате ONNX; карточка указывает библиотеку ML-Agents. Её назначение — управление агентом в среде Huggy, а не обработка естественного языка. В README приведены способы возобновить обучение и посмотреть игру агента в браузере. Лицензия в предоставленных данных не указана.

Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.

Это экспериментальный агентный чекпойнт на базе Qwen/Qwen3-1.7B, обученный исследовательской командой SeanWang0027 для выполнения заданий в ALFWorld. Модель дообучена методом online multi-turn ROSE: студент взаимодействует со средой первые 10 ходов, затем учитель gpt-5.4-mini продолжает эпизод до 5 ходов, а ответы учителя используются как целевые примеры. Чекпойнт соответствует второму этапу обучения из трёх и использует плотную архитектуру Qwen3ForCausalLM; размер — 1,7 млрд параметров, формат — safetensors, контекст — до 40 960 токенов. Модель предназначена для многоходового диалога в формате ReAct и выбора действий по наблюдениям из ALFWorld. В описанной оценке на 200 тестовых эпизодах она достигла успеха 42,00% ± 1,27; результат зависит от протокола и уступил варианту, обученному на траекториях учителя. Лицензия — Apache-2.0. Результаты относятся к конкретной симулированной среде и не подтверждают надёжность агента в других задачах или реальном мире.

SAGI — авторегрессионная языковая модель на базе трансформера, разработанная Convergent Intelligence LLC в рамках исследовательского портфеля компании. В архитектуре SwarmForCausalLM сочетаются декодер трансформера и механизмы роевого взаимодействия: дифференцированная маршрутизация, адаптивное управление внутренними компонентами и системы памяти. Метаданные указывают 50,9 млн параметров и контекст до 2048 токенов; модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель предназначена для экспериментов с многоагентными когнитивными архитектурами и адаптивными языковыми моделями, а также для обучения и изучения роевого интеллекта. Она принимает текстовые токены и генерирует текст на английском языке. Лицензия — Apache-2.0. Это ранняя экспериментальная модель, обученная на подмножестве TinyStories. Карточка предупреждает, что генерация может быть простой, повторяющейся или бессвязной; динамика роя также увеличивает вычислительные затраты по сравнению с обычным трансформером. Модель не предназначена для производственных, критически важных или фактологических сценариев.

T5LAE — предобученная языковая модель семейства T5LA, разработанная авторами работы «Interactive Text Games: Lookahead Is All You Need!». Модель построена на модифицированной реализации T5 в отдельной ветке Transformers и имеет около 38,5 млн параметров. Она обучалась на выборке HuggingFaceFW/fineweb sample-10BT, без дообучения на инструкциях и оценках людей. Модель предназначена для генерации текста и исследовательских экспериментов с архитектурой T5LA, включая интерактивные текстовые игры. В карточке приведены результаты оценки: loss 6,3530 и accuracy 0,0323. Для загрузки через AutoModel требуется специальная версия Transformers с поддержкой T5LA; код из этой ветки пока не включён в основную библиотеку. Сведения о лицензии и языках в доступных источниках отсутствуют.

Azeeme/Winner — обученный агент poca для игры SoccerTwos, опубликованный пользователем Azeeme. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos с использованием обучения с подкреплением. Репозиторий содержит модель в формате ONNX. Её можно использовать для наблюдения за игрой агента в браузере через среду ML-Agents или продолжить её обучение с помощью ML-Agents. Карточка не сообщает размер модели, языки или лицензию, поэтому эти характеристики не описываются.

AhmetcanYvz/comp-vs-like-1B-topdowncomp-128k — плотная языковая модель в стиле Llama, созданная для исследования токенизации в работе «Objective vs. Search: Decomposing What Makes a Good Tokeniser». Модель содержит около 1,2 млрд параметров и использует токенизатор TopDownComp с алгоритмом сжатия и нисходящим отсечением токенов; размер словаря — 128 тысяч. В архитектуре 22 слоя, размер скрытого состояния 2048, 32 головы внимания и 4 головы KV; эмбеддинги связаны. Метаданные указывают библиотеку Transformers и контекст 2048 токенов. Модель обучена на 20 млрд токенов корпуса FineWeb-Edu на английском языке. Она предназначена для экспериментов с языковым моделированием и сравнения токенизаторов по метрикам вроде bits-per-byte и BLiMP; варианты коллекции различаются токенизатором, чтобы изучать его влияние. Это базовая модель без дообучения для следования инструкциям, поэтому она не предназначена для обычного диалогового применения или развёртывания. По README модель исследовательская, не прошла фильтрацию безопасности; лицензия MIT.

Model_64_BIT (272M) — исследовательская абляционная языковая модель, представленная в репозитории Bochkov и связанная с исследованиями Emergent Semantics Beyond Token Embeddings и Growing Transformers. Это декодерный Transformer GPT-типа с 16 слоями, размером скрытого состояния 1024 и 32 головами внимания; метаданные указывают 335,5 млн параметров. Входные эмбеддинги заморожены: каждому токену назначен уникальный случайный бинарный код размерности 64, который без обучения расширяется повторением до 1024. Модель использует словарь из 65 536 токенов и рассчитана на совместимый токенизатор bvv241-2-3. Модель предназначена для изучения того, может ли Transformer усваивать языковые закономерности при замороженных входных представлениях без встроенного семантического или визуального сигнала, а также для абляций размерности эмбеддингов и сравнений с другими вариантами представлений. Она выполняет генерацию текста. Карточка не задаёт конкретный естественный язык или длину контекста. Модель распространяется по лицензии Apache-2.0; автор указывает, что она не предназначена для производственного применения и не имеет настройки на инструкции, настройки безопасности или гарантий фактической точности.

Это исследовательский чекпойнт Qwen2.5-7B-Instruct, дообученный командой GATS для управления агентом в среде ALFWorld. Модель прошла этап холодного старта с обучением на примерах, затем 150 шагов оптимизации GRPO; в обучении также использовался учитель Qwen2.5-1.5B, обученный с GRPO на задачах ALFWorld. Архитектура — плотная авторегрессионная Qwen2, 7,1 млрд параметров, контекст 32 768 токенов. Модель предназначена для исследований стратегий холодного старта и обучения агентов с подкреплением, а также воспроизведения базовых результатов статьи GATS. В итоговой оценке на ALFWorld указаны результаты 77,86 ± 1,63 для ID и 83,85 ± 6,74 для OOD при K=3. Это не универсальный помощник: применение и подтверждённые результаты относятся к задачам ALFWorld. Распространяется под лицензией Apache-2.0.

GATS Cold-Start — исследовательский чекпойнт Qwen2.5-7B-Instruct, дообученный методом supervised fine-tuning на успешных траекториях учителя Qwen2.5-1.5B, обученного с GRPO на задачах ALFWorld. Модель предназначена для изучения стратегий холодного старта агентного обучения с подкреплением и воспроизведения базовых экспериментов статьи GATS, а не для использования как универсальный помощник. Обучающий корпус включает 13 970 многоходовых примеров по 239 задачам; обучение проведено за три эпохи. На вневыборочном разбиении ALFWorld до RL-обучения указана точность 64,1%. Архитектура — плотная авторегрессионная Qwen2 с 7,1 млрд параметров; контекст — до 32 768 токенов. Репозиторий содержит веса safetensors в float32. Модель принимает текстовые диалоги и генерирует текстовые действия или ответы в рамках задач ALFWorld. Лицензия — Apache-2.0.

C12H18/gats-coldstart-sft-qwen2.5-7b-sciworld — исследовательский чекпойнт, созданный в рамках коллекции cold-start для статьи GATS о дистилляции с учётом возможностей агента. Это плотная авторегрессионная модель Qwen2.5 на 7,1 млрд параметров, дообученная методом supervised fine-tuning на успешных траекториях учителя Qwen2.5-1.5B, предварительно обученного с GRPO на задачах SciWorld. Обучающий корпус содержит 5 419 многоходовых строк по 155 задачам; контрольная точка — global_step_507. Валидация до RL показала 28,1% на использованной авторами схеме оценки. Модель предназначена для исследований стратегий холодного старта агентного обучения с подкреплением и воспроизведения базовых результатов GATS, а не для универсального диалогового помощника. Она генерирует текст в формате чата, использует библиотеку Transformers и поддерживает контекст до 32 768 токенов. Веса сохранены в float32; авторы указывают, что для инференса их можно привести к bfloat16. Доступна по лицензии Apache-2.0.

gdn-gatedfa-340m-isp-hybrid-3to1-10b — исследовательский чекпойнт на 340 млн параметров, выпущенный StartluxLabs для статьи о массивных активациях в больших языковых моделях с гибридным линейным вниманием. Модель обучена с нуля на 10 млрд токенов; её архитектура GatedDeltaNet сочетает гибридное линейное внимание и полные слои внимания с выходным гейтом для каждой головы. Нативный контекст составляет 4096 токенов. Чекпойнт предназначен для изучения массивных активаций, морфологии PAS/ISP, размещения слоёв внимания, выходного гейтинга и масштабирования модели. Это только веса: точная интеграция GatedDeltaNet не опубликована, поэтому модель не запускается напрямую без совместимой локальной реализации. Она не настроена на выполнение инструкций и не прошла всестороннюю оценку качества, безопасности и надёжности для прикладных задач. Лицензия — Apache-2.0.

DeveshDelhi/Huggy — 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 наблюдения за его игрой или продолжения обучения с помощью ML-Agents. В репозитории есть модель в формате ONNX. Карточка не сообщает размер модели, длину контекста или поддерживаемые естественные языки; текстовый ввод и вывод не описаны. Лицензия в предоставленных данных не указана.

Makaco разработал эту плотную текстовую модель на основе Qwen/Qwen3.5-9B: сначала выполнил SFT на успешных партиях из набора playpen-data, затем применил DPO, чтобы закрепить удачные ходы и уменьшить многословие и зацикливание. Итоговый чекпойнт содержит объединённые адаптеры и предназначен для загрузки как самостоятельная модель. По данным карточки, в clembench модель получила clemscore 70,21 против 58,82 у версии после одного SFT; при этом её statscore оказался ниже, чем у SFT-версии. Модель предназначена для текстовых диалоговых игр в среде clembench/playpen и сходных симуляциях, а также для исследований интерактивных агентов и применения DPO к игровому поведению. Она принимает текст и генерирует текст, ориентирована на английский язык. Архитектура — Qwen3.5 для причинной генерации текста; метаданные указывают 7,2 млрд параметров и контекст до 262 144 токенов. Лицензия — Apache-2.0. Специализация на играх может снизить качество в роли универсального ассистента; после DPO также отмечено умеренное снижение результатов на общих статических бенчмарках относительно SFT-версии. Обучающие игровые эпизоды были только на английском языке.

ngqtrung/omr-8b-grpo-base — экспериментальный исследовательский чекпойнт, созданный дообучением Qwen/Qwen3-VL-8B-Instruct методом GRPO на данных OpenMMReasoner для математического и визуального рассуждения. Модель принимает изображения и текстовые запросы и формирует текстовые ответы на задачи визуального вопросно-ответного формата. Чекпойнт global_step_25 показал точность 0,668 на совокупной валидации из шести наборов OMR; обучение без исследования вариантов ответа было нестабильным, а качество упало до 0,499 к шагу 125. Модель предназначена прежде всего для исследовательского сравнения в контролируемом эксперименте, а не для надёжного применения. Распространяется под лицензией Apache-2.0.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде SoccerTwos и может запускаться для просмотра игры или использоваться как основа для продолжения обучения через ML-Agents. В репозитории представлены веса в формате ONNX. Модель относится к обучению с подкреплением и рассчитана на взаимодействие с игровой средой. Карточка не описывает устройство наблюдений и действий агента, качество игры или конкретные параметры обучения. Лицензия в доступных данных не указана.

Это обученная методом PPO модель агента для игры Huggy, опубликованная gaarsmu и созданная с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно использовать для просмотра игры агента в браузере и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, языки, длину контекста или условия лицензии. Модель работает с игровыми наблюдениями и выдаёт управляющие действия; подробности о представлении входных данных и наборах действий в карточке не приведены.

Это обученная с помощью Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная на базе Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запускать в среде ML-Agents и использовать для продолжения обучения или просмотра игры агента в браузере. В репозитории представлен формат ONNX. Карточка не сообщает размер модели, набор входных наблюдений и конкретные ограничения поведения агента, поэтому эти характеристики не описываются. Лицензия в доступных данных не указана.

shihao97/ppo-Huggy — модель агента обучения с подкреплением, созданная с помощью библиотеки Unity ML-Agents. Агент обучен методом PPO играть в среде Huggy и предназначен для запуска в этой среде, наблюдения за игровым поведением или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели и лицензии в предоставленных данных отсутствуют.

YamenRM/ppo-Huggy — обученный агент на основе алгоритма PPO для игры Huggy, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запустить для наблюдения за игрой или использовать как основу для продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Карточка не сообщает размер модели, языки или условия лицензии. Модель взаимодействует с игровой средой; конкретные типы входных наблюдений и выходных управляющих сигналов не описаны.

Это обученный агент на основе алгоритма PPO для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым персонажем и может использоваться для просмотра поведения агента или продолжения его обучения через ML-Agents. В репозитории есть модель в формате ONNX. Сведения о лицензии и конкретных требованиях к среде в предоставленных данных отсутствуют.

Это плотная TransformerLM-модель для генерации речевых единиц, опубликованная tiagoCuervo как контрольная точка эксперимента по масштабированию speech language models из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 85 339 392 параметра и обучалась на 2 728 960 000 токенах. На вход она принимает последовательности дискретных речевых единиц: склеенных повторов кодов mHuBERT layer 11, полученных k-means-квантованием с частотой 25 Гц и размером словаря 500. Модель предсказывает следующие единицы; для преобразования результата в звук нужен отдельный вокодер, который в репозитории не включён. В README приведены результаты на sBLIMP и sStoryCloze, но не описаны поддерживаемые естественные языки или практические сценарии диалога. Веса доступны в формате safetensors и FP32, библиотека запуска — slm-research. Лицензия — Apache-2.0. Это исследовательская контрольная точка для изучения закономерностей масштабирования моделей речи, а не готовая система синтеза речи с комплектом токенизатора и вокодера.

Ebishj/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 игры или продолжения обучения с помощью ML-Agents. В репозитории доступен формат ONNX. Карточка не сообщает размер модели, языки или лицензию, поэтому эти характеристики здесь не описываются. Модель работает с игровой средой и выдаёт действия агента; конкретные входы, выходы и ограничения в карточке не раскрыты.

Alfaisal101/MyreponamedLONG — это обученная модель агента PPO, созданная с помощью Unity ML-Agents для игры Huggy. Она предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения в браузере или продолжения обучения через ML-Agents. В репозитории указаны веса в формате ONNX. Данные не описывают размер модели, наблюдения среды, точную конфигурацию обучения или лицензию, поэтому эти характеристики нельзя уточнить.

Это обученный агент poca для игры SoccerTwos, опубликованный mustafataha5. Модель создана с использованием библиотеки Unity ML-Agents и предназначена для управления агентом в этой игровой среде с помощью обучения с подкреплением. Репозиторий содержит модель в формате ONNX; её можно использовать для запуска агента в SoccerTwos или продолжения обучения через ML-Agents.

aarongrainer/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. В репозитории опубликована модель в формате ONNX. Карточка описывает обучение с подкреплением, но не сообщает размер модели, контекст или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

Это обученная методом PPO модель агента для игры Huggy, созданная на базе Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy; модель можно использовать для просмотра игры агента или продолжения обучения с помощью ML-Agents. В репозитории доступен формат ONNX. Сведения о размере модели и лицензии в предоставленных данных отсутствуют.

Модель ppo-Huggy — обученный методом PPO агент для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в соответствующей среде и может использоваться для запуска игры или продолжения обучения через ML-Agents. В репозитории указан формат ONNX. Лицензия в предоставленных данных не указана.

MFawad/ppo-Huggy — обученный агент, созданный с помощью Unity ML-Agents для игры Huggy. Агент использует алгоритм обучения с подкреплением PPO и предназначен для управления персонажем в этой игровой среде; модель можно запускать для наблюдения за игрой или использовать для продолжения обучения в ML-Agents. В репозитории указаны веса ONNX. Данных о размере модели, поддерживаемых естественных языках и лицензии нет.

MistaPoPo/ppo-Huggy — обученный агент reinforcement learning для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель основана на алгоритме PPO и предназначена для управления агентом в игровом окружении Huggy; её можно использовать для просмотра игры агента или продолжения обучения через ML-Agents. В репозитории есть модель в формате ONNX. Данные карточки не уточняют размер модели, входные наблюдения, поддерживаемые языки или лицензию.