II.10Разработка и эксплуатация AI/ML-систем

Xenova/tiny-random-Phi3ForCausalLM — экспериментальная уменьшенная модель на архитектуре Phi3ForCausalLM, опубликованная пользователем или организацией Xenova на Hugging Face Hub. README не указывает точного разработчика, назначения для прикладных задач или языка модели; токенизатор взят из microsoft/Phi-3-mini-4k-instruct. Модель имеет 2 скрытых слоя, скрытый размер 32, промежуточный размер 64, 4 attention heads и 4 key-value heads. Используется скользящее окно контекста размером 2047 токенов и causal language modeling, то есть авторегрессионная генерация текста. Название и приведённый код указывают на случайно инициализированную тестовую модель, предназначенную прежде всего для проверки совместимости Transformers, токенизации и программных интеграций, а не для качественной генерации или решения прикладных NLP-задач. Ключевое преимущество модели — крайне малый размер и удобство для быстрых тестов, разработки и отладки. Она не обучена для надёжных ответов, не имеет заявленных результатов оценки, описания обучающих данных, сведений о поддерживаемых языках, модальностях, ограничениях безопасности или практической точности. Лицензия в README не указана, поэтому условия использования необходимо уточнять отдельно перед применением.

echarlaix/tiny-random-PhiForCausalLM — небольшая тестовая causal language model на архитектуре Phi, опубликованная пользователем echarlaix на Hugging Face. Репозиторий помечен для генерации текста и совместим с Transformers, Safetensors и OpenVINO; карточка модели также указывает поддержку text-generation inference. Модель предназначена главным образом для разработки, проверки совместимости библиотек и демонстрации запуска text-generation pipeline, а не для качественного прикладного использования. Размер модели составляет около 80,1 тыс. параметров, тип тензоров — F32. В доступных первоисточниках не указаны языки, длина контекста, набор данных, точные архитектурные гиперпараметры или результаты оценки. Из-за случайной и крайне малой конфигурации её возможности генерации и практическое качество существенно ограничены. Модель распространяется по лицензии Apache-2.0. Для работы доступны файлы Transformers и формат Safetensors; также заявлена интеграция с OpenVINO.

Это исследовательский чекпойнт семейства Llama, подготовленный для изучения восстановления данных после unlearning. Автор дообучил его на 300 шагах обычного supervised fine-tuning на наборе забывания TOFU forget10_perturbed; исходной точкой была модель UNDIAL на базе Llama 3.2 1B Instruct. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. Чекпойнт предназначен для оценки unlearning и атак повторного обучения: в описанном эксперименте измерялись вероятность дословного воспроизведения ответов и ранжирование верного факта среди шести вариантов. Данные TOFU состоят из вопросов и ответов о вымышленных авторах, поэтому факты о них фиктивны. Модель не предназначена для развёртывания. Лицензия — MIT.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget05_NPO — экспериментальная версия Llama 3.1 8B Instruct, разработанная как базовая модель для экспериментов по удалению знаний. Модель дообучена методом NPO на разделении forget05 набора TOFU с использованием фреймворка open-unlearning; в проекте Speculative-Decoding-Unlearning она используется как базовая модель для сравнения методов удаления знаний и как черновая модель для спекулятивного декодирования. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Карточка приводит метрики запоминания и извлечения на TOFU, но не описывает широкие прикладные сценарии или качество на общих задачах. Лицензия — Llama 3.1; условия применения следует сверять с лицензией семейства Llama.

Модель JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget05_SimNPO — экспериментальный вариант Llama 3.1 8B Instruct для исследований машинного забывания. Разработчик дообучил open-unlearning/tofu_Llama-3.1-8B-Instruct_full методом SimNPO на части forget05 набора TOFU; модель использовалась как базовый вариант машинного забывания весов и черновая модель в проекте Speculative-Decoding-Unlearning. Это плотная авторегрессионная модель для генерации текста с диалоговыми возможностями, построенная на LlamaForCausalLM и рассчитанная на контекст до 131 072 токенов. В карточке приведены метрики оценки на TOFU, включая exact_memorization 0,5672, extraction_strength 0,0609 и forget_Q_A_PARA_Prob 0,0382. Модель предназначена прежде всего для экспериментов по машинному забыванию и оценки того, как SimNPO влияет на запоминание и извлечение данных. Лицензия — Llama 3.1; применимость её условий следует проверять перед использованием.

JoaoBoer опубликовал эту плотную авторегрессионную модель семейства Llama 3.1 с 7,5 млрд параметров, созданную на основе open-unlearning/tofu_Llama-3.1-8B-Instruct_full. Модель дообучена методом SimNPO на части forget10 набора TOFU для целенаправленного забывания данных; автор описывает её как базовый вариант с изменёнными весами для проекта Speculative-Decoding-Unlearning. Модель принимает текст и генерирует текст в диалоговом формате. Её используют для экспериментов по машинному забыванию и оценки того, как такое дообучение влияет на запоминание и извлечение ответов. Указано контекстное окно до 131 072 токенов; репозиторий содержит веса в формате Safetensors и рассчитан на Transformers. В README приведены метрики оценки на TOFU, включая exact_memorization 0,5422, extraction_strength 0,0551 и forget_Q_A_PARA_Prob 0,0356. Это экспериментальный чекпойнт для исследований unlearning, а не универсальная замена исходной Llama. Лицензия — Llama 3.1; применяются условия лицензии Meta Llama 3.1.

JoaoBoer/tofu_Llama-3.2-3B-Instruct_forget10_WGA — дообученная версия open-unlearning/tofu_Llama-3.2-3B-Instruct_full, созданная для экспериментов по машинному забыванию данных. Модель обучена методом WGA на разбиении forget10 набора TOFU с использованием фреймворка open-unlearning и служит базовым вариантом weight-unlearning и черновой моделью в проекте Speculative-Decoding-Unlearning. Это плотная авторегрессионная модель семейства Llama 3.2 с 3,2 млрд параметров. Она принимает текст и генерирует текст; в метаданных заявлены контекст до 131 072 токенов и интерфейс чата. README приводит метрики оценки на TOFU: exact_memorization 0,0272, extraction_strength 0,0325 и forget_Q_A_PARA_Prob 0,0004. Модель предназначена прежде всего для исследований и сравнения методов unlearning на TOFU, а не для универсального применения. Карточка не описывает поддерживаемые естественные языки. Лицензия указана как llama3.2; применяются условия лицензии Llama 3.2.

Это обученный агент TQC для среды PandaPush-v1, опубликованный организацией Stable-Baselines3 (sb3). Модель создана с использованием библиотеки stable-baselines3 и обучающей инфраструктуры RL Zoo, которая предоставляет инструменты обучения и предварительно обученные агенты. Агент предназначен для выполнения задачи PandaPush-v1 в симуляционной среде: его можно загрузить через RL Zoo и запустить для взаимодействия со средой. Карточка не сообщает размер модели, параметры среды или результаты оценки, поэтому эти характеристики не описываются. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Это компактная авторская языковая модель Hari-8 для предсказания следующего токена и продолжения текста. Декодерный трансформер написан с нуля на PyTorch, без дообучения готового чекпойнта; в нём около 57 млн параметров без учёта эмбеддингов, 8 слоёв, 12 голов внимания и размерность эмбеддингов 768. Используются RMSNorm, rotary position embeddings, причинное самовнимание, SwiGLU и связанные веса входных эмбеддингов и выходного слоя. Модель обучена с нуля примерно на миллиарде токенов FineWeb-Edu с собственным байтовым BPE-токенизатором. Она предназначена для экспериментов с предобучением, калибровкой уверенности и интерпретируемостью, а также для генерации продолжений англоязычного текста. Карточка приводит оценку на отложенных данных FineWeb-Edu и результаты исследования калибровки; они не подтверждают надёжность на широком наборе задач. Модель не настроена на инструкции и не рассчитана на диалог или ответы на вопросы. Для загрузки через Transformers требуется trust_remote_code=True; модель также запускается в браузере через ONNX Runtime Web. Лицензия — MIT. Основные ограничения: небольшой размер и узкий обучающий корпус снижают надёжность длинных фактических текстов и рассуждений; реализация generate_simple без KV-кэша медленно работает при длинной генерации.

TR-HASH MoE 1B — экспериментальная авторегрессионная языковая модель Pacific-i64 на стадии предварительного обучения. В README заявлена архитектура MoE с 8 маршрутизируемыми экспертами, выбором двух экспертов на токен и общей ветвью; метаданные указывают 530,4 млн параметров, а README — целевой размер около 1,01 млрд параметров. Эти сведения расходятся, поэтому фактический размер опубликованных контрольных точек может зависеть от стадии обучения. Контекст составляет 16 384 токена, токенизатор — 32K. Модель предназначена для генерации текста; метаданные также отмечают диалоговый режим. Это не instruction-tuned модель, поэтому её не следует считать готовым ассистентом для следования инструкциям. Обучение продолжается примерно на 70 млрд токенов; репозиторий содержит контрольные точки с состоянием распределённого обучения и оптимизатора, а веса для инференса планируется опубликовать после завершения обучения. В карточке указана лицензия other без конкретных условий.

Модель nnnaaaaaaa/ujicoba-legal-chatbot — дообученная nnnaaaaaaa чат-модель на архитектуре Llama 3.2 с 3,2 млрд параметров. Она предназначена для генерации текста в диалоге; название указывает на применение в юридических чат-ботах, однако README не описывает специальные юридические возможности или результаты оценки. Модель основана на unsloth/llama-3.2-3b-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Контекстное окно — до 131 072 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Карточка не приводит подробностей обучающих данных, качества ответов или ограничений в юридических сценариях. Для значимых правовых решений ответы следует проверять по актуальным источникам и с участием специалиста.

open-unlearning/unlearn_tofu_Llama-3.2-1B-Instruct_forget10_GradDiff_lr1e-05_alpha5_epoch10 — экспериментальная версия инструкционной языковой модели семейства Llama 3.2, предназначенная для исследований машинного забывания (machine unlearning). Модель создана на базе Llama 3.2 Instruct объёмом около 1,2 млрд параметров и рассчитана на генерацию текста с использованием библиотеки Transformers. В названии отражены метод GradDiff, скорость обучения 1e-05, параметр alpha5 и 10 эпох обучения; модель ориентирована на забывание набора данных или сведений, обозначенного как forget10, однако подробности этого набора в карточке не приведены.

karilamo/vit-beans-demo — модель классификации изображений на архитектуре Vision Transformer (ViT), созданная дообучением google/vit-base-patch16-224-in21k. Она предназначена для отнесения изображений к классам; название модели указывает на демонстрационную классификацию изображений фасоли, однако состав классов и обучающий набор данных в карточке не раскрыты. Модель содержит 113,2 млн параметров и распространяется в формате safetensors. В README указаны результаты оценки: accuracy 0,9766 и loss 0,1136; датасет и подробности методики оценки не описаны. Лицензия — Apache-2.0.

VLADrop-OpenVLA-OFT-LIBERO-extreme-action — исследовательский чекпойнт модели vision-language-action для управления роботом в задачах LIBERO. Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе OpenVLA-OFT: размер скрытого слоя MLPResNet в блоке предсказания действий сокращён с 4096 до 256, а визуальная и языковая основы оставлены без изменений. После сокращения модель дообучена для восстановления качества: LoRA ранга 32 объединена с весами, обучение проведено в течение 100 тысяч шагов. Модель принимает визуальное наблюдение и текстовое описание задачи и предсказывает действия робота. Чекпойнт предназначен для оценки в бенчмарке LIBERO, включая сценарий libero_spatial. Для восстановления прореженной архитектуры при оценке требуются модифицированные Transformers из проекта VLADrop. Лицензия — MIT.

Карточка модели farama-minari/Walker2d-v5-SAC-expert на Hugging Face совпадает с карточкой farama-minari/Walker2d-v5-SAC-medium, поэтому описание составлено по ней. Это обученный агент Soft Actor-Critic (SAC) для среды Walker2d-v5. Модель опубликована Farama Minari и создана с использованием библиотеки Stable-Baselines3; веса представлены в формате PyTorch. Агент предназначен для управления двуногим симуляционным роботом Walker2d в среде подкрепляющего обучения. Его можно использовать для запуска эпизодов в этой среде и экспериментов с обучением и оценкой политик управления. Карточка не сообщает подробности обучения, показатели качества или условия лицензии.

Карточка модели farama-minari/Walker2d-v5-SAC-simple на Hugging Face совпадает с карточкой farama-minari/Walker2d-v5-SAC-medium, поэтому описание составлено по ней. Это обученный агент Soft Actor-Critic (SAC) для среды Walker2d-v5. Модель опубликована Farama Minari и создана с использованием библиотеки Stable-Baselines3; веса представлены в формате PyTorch. Агент предназначен для управления двуногим симуляционным роботом Walker2d в среде подкрепляющего обучения. Его можно использовать для запуска эпизодов в этой среде и экспериментов с обучением и оценкой политик управления. Карточка не сообщает подробности обучения, показатели качества или условия лицензии.

jalal2386/wav2vec2-base-librispeech-demo — дообученная модель распознавания речи на базе facebook/wav2vec2-base. Она предназначена для преобразования речевого аудио в текст и может применяться для экспериментов с автоматическим распознаванием речи. Модель построена на архитектуре Wav2Vec2ForCTC, содержит 113,3 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. В карточке приведён результат оценки WER 0,9901, что указывает на очень высокую долю ошибок в этой оценке; практическое качество распознавания по имеющимся данным выглядит низким. Датасет обучения и поддерживаемые языки не установлены.

Welmia/welmia-2.0-103m-base — базовая GPT-подобная языковая модель, разработанная Welmia и обученная с нуля на примерно 5 млрд токенов корпуса OpenWebText. Модель содержит 103,4 млн параметров, 12 слоёв и 12 голов внимания; использует RoPE, RMSNorm, SwiGLU и связанные эмбеддинги. Для токенизации применяется собственный BPE-токенизатор с размером словаря 24 тыс. токенов, несовместимый с токенизаторами моделей Welmia 1.0. Модель предназначена для продолжения текста с предсказанием следующего токена, а не для диалогов и выполнения инструкций. Её можно использовать в экспериментах с небольшими языковыми моделями и генерацией текста; карточка описывает загрузку через Transformers с `trust_remote_code=True`. Контекст составляет 512 токенов. По карточке модель обучена на англоязычном корпусе OpenWebText; данные не подтверждают поддержку других языков. В реализации отсутствует KV-кэш, поэтому генерация может быть медленной, особенно при длинном выводе; вход длиннее контекста обрезается слева. Лицензия — Apache-2.0.

jjnhuang/whisper-small-finetuned-iwslt-irish-welsh-curriculum — дообученная модель автоматического распознавания речи на базе OpenAI Whisper Small. Она содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration; модель принимает аудио и предназначена для преобразования речи в текст. В README указано, что для обучения использован датасет «None», поэтому состав обучающих данных и целевые языки этого варианта нельзя надёжно установить. Приведённые результаты оценки включают WER 99,6296 и BLEU 2,9795; эти показатели указывают на низкое качество распознавания и перевода в описанном тесте. Модель распространяется по лицензии Apache-2.0.

houssemtn/whisper-tiny-ar-linto — модель распознавания речи, созданная дообучением Whisper Tiny от OpenAI. Она предназначена для преобразования аудиозаписей в текст; в карточке указано обучение на наборе данных, название которого не приведено. В основе лежит архитектура WhisperForConditionalGeneration, файлы модели представлены в формате safetensors. Лицензия — Apache-2.0. В опубликованной оценке указаны Loss 1,6682 и WER 100,0, что свидетельствует о крайне низком качестве распознавания на этой оценочной выборке. Карточка не сообщает поддерживаемые языки или специальные сценарии использования, поэтому модель не следует считать надёжной для практической транскрибации без собственной проверки.

fpadovani/wiki_shuffle_1gr_67 — дообученная GPT-2 модель для генерации текста. Репозиторий создан в октябре 2025 года; модель представлена в формате Safetensors и использует библиотеку Transformers. Контекст составляет 1024 токена. В карточке указана оценка loss 6,2992 на наборе для оценки, но сведения о назначении дообучения, обучающих данных и сценариях применения не приведены. Поэтому модель можно описать только как экспериментальный чекпойнт генерации текста; качество для конкретных задач по имеющимся данным оценить нельзя.

Xiaomi-Robotics-U0-4B — мультимодальная авторегрессионная модель Xiaomi Robotics на архитектуре UNIS с 4 млрд параметров. Она использует общее дискретное пространство визуальных токенов и единый механизм предсказания следующего токена для текста и изображений. Контекст составляет 32 768 токенов. Модель предназначена для генерации и редактирования изображений по тексту и референсному изображению, создания многовидовых наблюдений для роботизированных сцен и переноса наблюдений в целевую RGB-сцену. Для отдельных Sequence-чекпойнтов описаны генерация чередующихся подзадач и видео, но README не относит эти сценарии к Xiaomi-Robotics-U0-4B. Карточка также сообщает об ускоренном FlashAR-варианте, однако не утверждает, что он используется в этом чекпойнте. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает открытый код инференса и указывает, что код обучения планируется добавить позднее. В карточке не приведены результаты оценки качества именно версии 4B; скорость, указанная для FlashAR на H20, относится к другому варианту исполнения.

Модель keremberke/yolov8s-pcb-defect-segmentation — компактная модель сегментации изображений на базе YOLOv8, опубликованная пользователем keremberke и предназначенная для обнаружения дефектов печатных плат. Она принимает изображения плат и выделяет области с сухими пайками, неправильной установкой компонентов, повреждениями платы и короткими замыканиями. Репозиторий содержит веса PyTorch и использует библиотеку Ultralytics; модель связана с датасетом keremberke/pcb-defect-segmentation. Она подходит для визуальной проверки плат и предварительной разметки дефектов, но карточка не сообщает метрики качества и условия лицензии.

1pp-1b-raw-tokmatch-base — исследовательская базовая языковая модель из эксперимента One Persona Pretraining (1PP), связанного с EPFL DLAB. Это плотный декодер Llama с 906 млн параметров по метаданным (в карточке указано округлённое значение 0,98 млрд), обученный на исходных документах DCLM-edu. Ветка tokmatch продолжает обучение с шага 12 000 по сокращённому расписанию, чтобы сравнить условия предобучения при одинаковом количестве токенов с функцией потерь; начиная с этого шага использовалась новая выборка DCLM-edu того же распределения. Модель предназначена для генерации продолжения текста и изучения влияния условий предобучения на языковые модели. Она принимает текст и выдаёт текст, использует токенизатор SmolLM2 с размером словаря 49 152 и контекстом 4 096 токенов. В README приведены потери на валидационных данных и проверка весов относительно контрольной модели Megatron. Английский указан как язык карточки. Модель не является универсальным чат-помощником; обучалась на исходных документах, а не на разговорном формате. Лицензия — Apache-2.0. README описывает исследовательский артефакт и экспериментальную ветку, поэтому результаты следует трактовать в контексте сравнения режимов обучения, а не как гарантию качества прикладного помощника.

ActionCodec-Base — модель семейства ActionCodec, опубликованная пользователем ZibinDong. Она обучена на данных трёх роботизированных конфигураций: Franka LIBERO с частотой 20 Гц и горизонтом 1 с, WidowX Bridge с частотой 5 Гц и горизонтом 3 с, а также Franka DROID с частотой 15 Гц и горизонтом 1 с. Модель предназначена для извлечения признаков из данных действий роботов; в каталоге Hugging Face для неё указана задача feature-extraction и архитектура ActionCodec. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает размер модели, точные входные и выходные представления, контекст, лицензию, подробности архитектуры и метрики качества, поэтому практические возможности и совместимость с конкретными роботами по имеющимся сведениям оценить нельзя.

ActionCodec-Base-RVQft — модель семейства ActionCodec от ZibinDong, обученная на данных для трёх роботизированных конфигураций: Franka в LIBERO, WidowX на Bridge и Franka на DROID. Она предназначена для извлечения признаков и кодирования последовательностей роботизированных действий, чтобы использовать их в последующих задачах обработки или обучения робототехнических систем. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка указывает обучение на трёх сочетаниях робота и набора данных с разными частотами и горизонтами: 20 Гц на 1 секунду, 5 Гц на 3 секунды и 15 Гц на 1 секунду. Подробности об архитектуре, размере, лицензии, метриках и ограничениях не приведены. Перед практическим применением следует учитывать, что заявленные обучающие данные охватывают только эти три конфигурации; перенос на другие роботы или сценарии карточкой не подтверждён.

AdamLucek/act_koch_block — модель Action Chunking Transformer (ACT), обученная на наборе данных AdamLucek/koch_block для недорогого робота Koch v1.1. Она предназначена для управления роботом: предсказывает последовательности действий на основе наблюдений в сценариях, представленных обучающим набором. Модель использует библиотеку LeRobot и опубликована в формате safetensors. Карточка ссылается на руководство LeRobot по настройке, обучению и оценке реальных роботов. Репозиторий распространяется по лицензии MIT. Данных о размере модели, контексте и поддерживаемых языках нет; модель ориентирована на робототехнические действия, а не на текстовый диалог.

Карточка модели vikingL08/Affine-5hdm4dumpm-r861 на Hugging Face совпадает с карточкой bluecolor777/megaextra-ep4-ultralolr-merged, поэтому описание составлено по ней. Это экспериментальный текстовый генератор на архитектуре Qwen3.5 MoE, опубликованный bluecolor777. Чекпойнт получен офлайн-обучением DPO на основе vera6/affine-5g4yy75zuz-t6 и предназначен для участия в SN120 Affine miner и оценки в дуэльном сценарии Reason v4, а не для общего общения. В README указаны LoRA rank 32, α=128, β=0,1, скорость обучения 5e-7, максимальная длина последовательности 12 288 токенов и четыре эпохи обучения; веса после обучения объединены и сохранены в safetensors. В описанном автором сравнении на 80 примерах модель показала преимущество над базовой версией по метрике Reason и прошла указанные пороги отбора. Это результат конкретной внутренней оценки, а не гарантия качества в других задачах. Модель принимает текст и генерирует текст; сведения о поддерживаемых естественных языках в карточке не приведены. Лицензия — Apache-2.0.

AmmonixWtE-Writer-9B — плотная модель генерации текста на архитектуре Qwen3.5, дообученная Ammonix на базе Ornith AI Ornith-1.5-9B для агента управления симулируемой установкой переработки отходов в энергию. Модель получает уже выбранное действие и формирует его JSON-пayload: назначение бункера, параметры смеси и подачи, целевую нагрузку, количество закупки или продажи и лимитную цену. Она не выбирает действия и не предназначена для автономного управления установкой. Модель обучена методом QLoRA с рангом 32 на 160 синтетических парах, отобранных по результатам симуляций, затем адаптер объединён с базовыми весами. В карточке указана подача через Transformers и safetensors; для конфигурации агента приведён контекст 4096 токенов, генерация с ограничением по JSON-схеме и проверкой выходных данных валидатором среды выполнения. В симуляционных оценках модель показала результаты, близкие к базовой модели, и меньше жёстких нарушений ограничений в отдельных испытаниях. Обучение и оценка охватывали только одну синтетическую среду и пять типов действий. Выводы модели требуют проверки валидатором в заданной программной оболочке и не подтверждают безопасность для реального оборудования. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Карточка модели farama-minari/Ant-v5-SAC-expert на Hugging Face совпадает с карточкой farama-minari/Ant-v5-SAC-medium, поэтому описание составлено по ней. Это обученный агент Soft Actor-Critic (SAC) для среды Ant-v5, опубликованный в репозитории Farama Minari. Модель создана с помощью Stable-Baselines3 и сохранена в формате PyTorch. Агент предназначен для управления муравьеподобным роботом в симуляции Ant-v5: по наблюдениям среды он выбирает действия, направленные на выполнение задачи передвижения. Чекпойнт можно использовать для запуска агента в совместимой среде и для экспериментов с обучением с подкреплением. Карточка не содержит подробной инструкции по загрузке и запуску: пример использования помечен как TODO. Условия лицензии в предоставленных данных не указаны.