II.10Разработка и эксплуатация AI/ML-систем

Lordvarun23/qwen2.5-vl-3b-mllmu-retain95 — мультимодальная модель на архитектуре Qwen2.5-VL, разработанная на основе Qwen/Qwen2.5-VL-3B-Instruct. Это полноразмерное дообучение для экспериментов по машинному забыванию: модель обучали на 7 798 примерах «изображение и вопрос — ответ», относящихся только к 475 профилям retain_95 из набора MLLMU-Bench. Обновлялись языковая модель, визуальный модуль ViT и объединяющий модуль. Модель принимает изображение вместе с текстовым запросом и выдаёт текстовый ответ. Она предназначена для изучения того, как удалять из модели сведения о заданных профилях, сохраняя ответы о других профилях и общие знания. В описанной оценке модель снизила точность ответов о профилях forget_5 по сравнению с обычным дообучением и сохранила результаты на retain_95; оценка проводилась на одном seed и одном чекпойнте. Размер — 3,1 млрд параметров, контекст — до 128 000 токенов. Карточка указывает английский язык. Лицензия — Qwen Research License базовой модели. Это исследовательский артефакт, а не средство идентификации людей или получения достоверных биографических сведений: профили MLLMU-Bench вымышлены, и модель может уверенно приписывать лицам вымышленные факты.

SeanWang0027 выпустил дообученную методом trajectory SFT модель Qwen3-1.7B для многошагового управления агентом в текстовой среде ALFWorld. Модель с архитектурой Qwen3ForCausalLM содержит 1,7 млрд параметров, принимает диалоговый текст и генерирует текстовые ответы в формате ReAct: рассуждение и действие для очередного наблюдения среды. Используется шаблон чата Qwen3 с отключённым режимом thinking; длина контекста — до 40 960 токенов. При обучении на одном проходе использовались эпизоды, сыгранные Qwen3-32B; в обучающих данных были как успешные, так и неуспешные эпизоды. В описанном тесте ALFWorld модель достигла успешности 48,75% ± 1,03% в среднем по четырём проходам; это результат конкретного протокола оценки, а не гарантия для других сред. Модель распространяется по лицензии Apache-2.0.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный исследовательской командой на траекториях действий учителя Qwen3-32B в текстовой среде ALFWorld. Обучение выполнено методом supervised fine-tuning: модель учится продолжать диалог в формате ChatML и выдавать ответы в стиле ReAct — рассуждение и действие — по инструкциям и наблюдениям среды. Веса сохранены в формате bf16; архитектура — плотная авторегрессионная Qwen3ForCausalLM с 1,7 млрд параметров, контекст — до 40 960 токенов. Модель предназначена для экспериментов с многошаговыми текстовыми агентами и выполнением действий в ALFWorld. В карточке для этого конкретного чекпойнта результаты оценки не приведены: показатели 52,88% относятся к третьей эпохе полного трёхэпохового обучения, а этот файл — промежуточный чекпойнт первой эпохи, который не оценивался. Базовая модель Qwen3-1.7B на том же протоколе показала 19,38%, а учитель Qwen3-32B — 52,12%. Модель распространяется по лицензии Apache-2.0.

Это компактная языковая модель Qwen3-1.7B, дообученная исследовательской командой на траекториях агента для ALFWorld. Модель обучена методом supervised fine-tuning на 2420 игровых эпизодах, сгенерированных Qwen3-32B: контекст включает инструкции и наблюдения среды, а модель учится формировать ответы учителя. Используется архитектура Qwen3ForCausalLM с 1,7 млрд параметров; веса сохранены в формате bf16, библиотека запуска — Transformers. Метаданные указывают контекст до 40 960 токенов. Модель предназначена для многошагового взаимодействия с текстовой средой ALFWorld в формате ReAct: на основе инструкции и очередного наблюдения она генерирует рассуждение и действие. В описанном тесте на 200 играх средний успех составил 52,88% ± 2,36%; базовая Qwen3-1.7B на том же протоколе достигла 19,38%. Это специализированный чекпойнт для агентных сценариев и экспериментов с обучением по траекториям, а не универсальная замена базовой Qwen3. Лицензия — Apache-2.0.

tocsa/qwen3-1.7b-rlvr-gsm8k — языковая модель, разработанная на основе Qwen/Qwen3-1.7B и дообученная методом обучения с подкреплением по проверяемым наградам (RLVR) на наборе GSM8K. Она предназначена для решения школьных текстовых задач по математике с пошаговыми рассуждениями, а также для демонстраций и изучения RLVR на SageMaker. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текст, генерируя текст. Родная длина контекста — 40 960 токенов. Карточка указывает английский язык, лицензию Apache-2.0 и образовательное и исследовательское применение. Результаты за пределами школьных математических задач и обучающего набора GSM8K могут быть ограничены.

Это экспериментальный контрольный чекпойнт HYU-NLP-EVAL для изучения обучения языковой модели на медицинских запросах с фиксированными оценочными рубриками. Модель основана на Qwen/Qwen3-4B-Instruct-2507: плотная Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она принимает текст и генерирует текст; контекстное окно — до 262 144 токенов. Чекпойнт получен полносвязным RL-дообучением базовой модели: это шаг 10 из эксперимента static-rubric R0, обученного на 256 запросах HealthBench. В отличие от динамической схемы, каждому запросу на протяжении оптимизации соответствовала своя замороженная рубрика. Модель может быть полезна для анализа влияния устаревания таких рубрик на оптимизацию политики и для изучения ответов на медицинские запросы. Это ранний исследовательский чекпойнт, а не готовая медицинская система. Улучшение награды по фиксированной рубрике само по себе не подтверждает качество по независимой оценке HealthBench; модель не заменяет профессиональную медицинскую консультацию. Веса опубликованы в формате Safetensors, экспортированы в BF16. Лицензия — Apache-2.0.

HYU-NLP-EVAL разработала плотный чекпойнт Qwen3-4B для этапа RaR-Medicine OnlineRubrics-Every dense, шаг 13. Это дообученная модель на базе Qwen/Qwen3-4B-Instruct-2507 с 3,7 млрд параметров; репозиторий содержит веса BF16 и исходные файлы чекпойнта veRL. Модель предназначена для генерации текста в диалоговом формате и медицинских экспериментов с онлайн-рубриками. Заявленное окно контекста — 262 144 токена. Модель распространяется по лицензии Apache-2.0. README ограничивает использование исследовательскими целями; отдельные результаты оценки качества не приведены.

HYU-NLP-EVAL выпустила плотный исследовательский чекпойнт Qwen3-4B для генерации текста. Это чекпойнт этапа 30 запуска RaR-Medicine OnlineRubrics-Every, созданный дообучением Qwen/Qwen3-4B-Instruct-2507; в репозитории доступны веса BF16 для инференса и параметры исходного чекпойнта veRL. Модель предназначена для экспериментов с онлайн-рубриками в медицинской тематике. В метаданных указаны 3,7 млрд параметров, архитектура Qwen3ForCausalLM, библиотека Transformers и контекст до 262 144 токенов. Карточка помечает использование как исследовательское; лицензия — Apache-2.0.

Klingspor/Qwen3-4B-SFT — языковая модель, дообученная методом supervised fine-tuning на базе Qwen/Qwen3-4B. Она играет роль задающего вопросы в игре «20 вопросов»: за максимум 20 вопросов с ответами «да» или «нет» модель пытается определить загаданное распространённое английское существительное. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст; контекст — до 40 960 токенов. Чекпойнт обучен на отфильтрованных успешных траекториях игры с использованием списка из 341 слова COCA; эти слова не пересекались с данными обучения RL и тестирования. Модель предназначена также как начальная точка для обучения с подкреплением и для исследований многошаговых интерактивных языковых агентов. В метаданных указаны диалоговые возможности и интерфейс вызова инструментов, но карточка описывает прежде всего сценарий «20 вопросов». Лицензия — Apache-2.0.

Это дообученная методом SFT чат-модель Qwen3-4B-Instruct, подготовленная upwitu для сценариев помощника в салоне автомобиля и задач CAR-Bench. Модель объединяет веса в формате bfloat16 и основана на Qwen3-4B-Instruct; архитектура — плотная авторегрессионная Qwen3 с 3,7 млрд параметров. Метаданные указывают контекст до 262 144 токенов, а для примера запуска vLLM в README задан предел 8 192 токена. Обучение на наборе CAR-Bench Winner Dataset направлено на соблюдение политик безопасности, проверку перед изменением состояния автомобиля, запрос подтверждения, контроль границ исполнительных механизмов, распределение ролей и выбор инструментов с указанием происхождения данных. Модель предназначена для генерации диалоговых ответов и планов выполнения действий в автомобильных сценариях; интерфейс поддерживает вызов инструментов. README представлен на английском и вьетнамском языках, а метаданные указывают поддержку английского и вьетнамского. Веса опубликованы в safetensors и рассчитаны на запуск через Transformers или vLLM. Лицензия — Apache-2.0. CAR-Bench-специализация не подтверждает пригодность модели для управления реальным автомобилем: для таких применений необходима отдельная проверка безопасности; в README также не приведены количественные результаты оценки.

Это экспериментальный чекпойнт Qwen3.5-2B, созданный Shirasko методом машинного забывания RMU на базе Qwen/Qwen3.5-2B. Он предназначен для генерации текста в диалогах с ослабленным воспроизведением сведений о культуре Греции. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3_5ForCausalLM, распространяется в формате safetensors и рассчитана на контекст до 262 144 токенов. В метаданных указана поддержка английского языка. Проверки на отложенной выборке показывают ограниченный эффект забывания: efficacy составляет 0,439, specificity — 0,54, а точность QA после обработки — 0,48. Результаты указывают, что удаление целевых знаний неполное и может затрагивать другие ответы. Лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт модели Qwen3.5-2B, дообученный методом SNMF для удаления знаний, связанных с ураном. Модель создана на базе Qwen/Qwen3.5-2B и содержит 1,7 млрд параметров; для запуска используется Transformers, веса сохранены в формате safetensors. Она предназначена для изучения и оценки методов машинного забывания в диалоговой генерации текста. В тестовой оценке после unlearning эффективность удаления составила 0,824, специфичность — 0,444, гармоническое среднее — 0,577. Точность ответов на вопросы снизилась с 0,76 у базовой модели до 0,34, что указывает на заметную потерю полезности и ограниченную избирательность удаления. Модель поддерживает текстовый диалог на английском языке, а заявленный контекст составляет 262 144 токена. Условия лицензии в предоставленных данных не описаны.

Qwen3.5-4B-d0-vtok101-base — базовая версия Qwen3.5-4B, подготовленная Lamsheeper для экспериментов по атрибуции данных и интерпретируемости. Это плотная авторегрессионная языковая модель на 3,4 млрд параметров с архитектурой Qwen3_5ForCausalLM и контекстом до 262 144 токенов. В репозитории добавлены 300 токенов функций и 101 токен ответа, а матрицы эмбеддингов и выходная матрица расширены; новые строки инициализированы, но не обучены. Модель служит базой для подключения LoRA-адаптеров конкретного набора экспериментов, а не содержит факты из тестового набора. Её используют для воспроизводимых экспериментов, в которых изучают влияние порядка обучения на запоминание синтетических фактов и измеряют их сохранение с помощью perplexity. Непосредственное применение без совместимого адаптера ограничено: новые токены ответов не обучены, а адаптеры для словаря с 53 токенами ответов несовместимы с этой версией. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это англоязычная плотная причинная языковая модель Qwen3 с 7,6 млрд параметров, подготовленная Hyukkyu в рамках экспериментов RAQUEL по машинному забыванию. Модель получена дообучением с LoRA методом GA+GD: градиентное восхождение на ответах из набора забывания сочеталось с обучением на сохранение ответов из retain-набора. Выпущен ранний контрольный чекпойнт на шаге 196 из 205; корневые веса — объединённая версия FP32, адаптер доступен отдельно. Модель предназначена для генерации ответов на вопросы и исследования целевого забывания данных. На указанных тестах она заметно снижает точность на исходных вопросах forget-набора и сохраняет часть качества на retain-наборе; README приводит отдельные результаты для исходных и перефразированных вопросов. Контекстное окно — 32 768 токенов. Для взаимодействия следует использовать простой формат `Question: {question}\nAnswer:`; модель не обучалась с шаблоном чата. Это экспериментальный исследовательский чекпойнт, а не универсальная разговорная модель: забывание не означает гарантированного удаления всех сведений, а качество на сохранённых данных ниже исходной модели. README предупреждает, что округление объединённых весов до BF16 меняет выходы. Репозиторий распространяется по лицензии Apache-2.0.

Это англоязычная плотная причинная языковая модель семейства Qwen3 с 7,6 млрд параметров, разработанная Hyukkyu как результат экспериментов RAQUEL по машинному забыванию. Модель получена дообучением LoRA с методом NPO+GD на базе Hyukkyu/Qwen3-8B-Base-RAQUEL-MUSE-M-orig-LoRA-v1: она обучена снижать точность ответов на выбранный набор забывания MUSE-News, сохраняя ответы на контрольном наборе. Опубликован ранний остановленный чекпойнт; в корне репозитория размещены объединённые BF16-веса, а FP32 LoRA-адаптер находится в каталоге adapter/. Модель рассчитана на генерацию текста в формате вопроса и ответа с обычным промптом Question: {question}\nAnswer:, без обучающего chat template. Контекстное окно — 32 768 токенов. В опубликованной оценке модель дала семантически верные ответы на 9,6% исходных и 11,6% перефразированных вопросов набора забывания, сохранив точность 96,8% на исходных вопросах набора удержания. Это специализированный исследовательский чекпойнт для изучения машинного забывания и компромисса между забыванием и сохранением знаний, а не универсальный разговорный помощник. Использование регулируется лицензией Apache-2.0.

Это версия Qwen3-8B-Base, дообученная методом машинного забывания RMU в экспериментах RAQUEL на наборе TOFU. Разработчик применил LoRA к модели Hyukkyu/Qwen3-8B-Base-RAQUEL-TOFU-M-orig-LoRA-v1; в корне репозитория размещены объединённые веса BF16, а отдельный адаптер LoRA находится в папке adapter. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3 для причинной генерации текста и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов на вопросы и экспериментов по машинному забыванию: RMU настраивает её так, чтобы она перестала воспроизводить сведения из набора забывания TOFU, сохраняя ответы на вопросы из набора сохранения. В описанной оценке точность на исходных вопросах забывания составила 0%, на перефразированных — 0,5%, а на исходных вопросах сохранения — 99,7%. Это экспериментальный исследовательский чекпойнт с ранней остановкой обучения; результаты ограничены указанными наборами данных и протоколом оценки. Лицензия — Apache-2.0.

Это экспериментальная версия Qwen3-8B-Base, подготовленная Hyukkyu в рамках экспериментов RAQUEL по машинному забыванию знаний из набора WMDP. Модель дообучена методом LoRA с IDK+GD: ответы на вопросы из forget-набора заменялись на «I don't know», а дополнительный обучающий сигнал помогал сохранять ответы на retain-набор. В репозитории доступны слитые BF16-веса модели и FP32 LoRA-адаптер. Модель предназначена для изучения избирательного забывания и сохранения знаний в языковых моделях, а также для воспроизведения экспериментов RAQUEL/WMDP. В оценке она редко отвечала на вопросы из исходного и перефразированного forget-набора и в основном сохраняла точность на retain-наборе. Используйте обычный формат вопроса и ответа: модель не обучалась с шаблоном чата. Архитектура — плотная Qwen3ForCausalLM с 7,6 млрд параметров, контекст — до 32 768 токенов; основным языком карточки указан английский. Модель распространяется по лицензии Apache-2.0.

RDT-1B — модель имитационного обучения с 1 млрд параметров, разработанная командой RDT исследовательской группы TSAIL Университета Цинхуа. Это мультимодальная Vision-Language-Action модель на основе Diffusion Transformer, предварительно обученная более чем на 1 млн эпизодов для разных роботов. Модель принимает текстовую инструкцию, RGB-изображения до трёх ракурсов, а также при наличии частоту управления и проприоцептивные данные; на выходе предсказывает последовательность из 64 действий робота. Единое пространство действий позволяет применять её к мобильным манипуляторам с одной или двумя руками, суставным и концевым координатам, позиционному и скоростному управлению, а также колесному движению. Визуальный энкодер — SigLIP SO400M, языковая модель — T5 v1.1 XXL. RDT-1B подходит для управления роботами по естественно-языковым инструкциям и визуальным наблюдениям, если целевая платформа совместима с её пространством действий. Модель пока не обобщается на новые платформы, отсутствовавшие в обучающих данных; для них README рекомендует собрать данные и выполнить дообучение. Код, веса и данные распространяются по лицензии MIT.

Это обученный агент Soft Actor-Critic (SAC) для управления Humanoid-v3, опубликованный организацией sb3 и подготовленный с помощью Stable-Baselines3 и RL Zoo. Модель предназначена для запуска симуляции двуногого персонажа Humanoid-v3 и выбора действий, позволяющих ему двигаться в соответствии с целевой функцией среды. Её можно использовать для воспроизведения поведения агента и экспериментов с обучением с подкреплением в RL Zoo. Агент принимает состояние среды в виде числового наблюдения и выдаёт управляющие действия для симулятора. Карточка не сообщает размер модели, длину обучения или оценку качества; поддерживаемая среда указана как Humanoid-v3. Файлы представлены в формате PyTorch. Условия лицензии в доступных данных не указаны.

Sanskrit-322M-Base — базовая языковая модель на 322,2 млн параметров, опубликованная sraivante. Это декодерный Transformer с архитектурой, совместимой с LlamaForCausalLM; модель обучена с нуля, а не адаптирована от готового чекпойнта Llama. Она использует токенизатор SentencePiece Unigram на 32 000 токенов и принимает контекст длиной до 2 048 токенов. Модель предназначена для продолжения и генерации текста на санскрите, экспериментов с небольшими языковыми моделями и дальнейшего дообучения под конкретные задачи. Она предсказывает продолжение текста, не проходила инструкционное дообучение и не является чат-ассистентом. В обучающую смесь вошли санскритские данные из нескольких корпусов, включая Sangraha, IndicCorpV2, HPLT и источники с Википедии и веб-текстами. Генерация может содержать повторы, смешение жанров и языков, ошибки в словоформах, а также вымышленные цитаты и факты. Модель не оценивалась на внешних тестах понимания санскрита, перевода или грамматичности; её результаты следует проверять, особенно при учебном или научном использовании. Контекст ограничен 2 048 токенами. Модель распространяется по лицензии Apache 2.0.

Argo1-OOAS разработала экспериментальную версию SmolLM2-135M с ветвью QuadOrbit для генерации текста с управлением через триггер. Основное ядро трансформера заморожено; дообучена отдельная ветвь контекста с 424 641 параметром. Всего в модели 134 939 649 параметров, 30 слоёв и ширина 576. Ветвь активируется выбранным пользователем триггером и может менять распределения следующих токенов; дополнительный контекст подаётся в эту ветвь без изменения весов модели во время запроса. Модель предназначена для экспериментов с триггерным управлением генерацией и сравнения поведения модели при разных настройках триггера и контекста. Обучение проводилось на потоке SmolTalk; метаданные указывают английский язык. Карточка описывает итоговую оценку на случайных валидационных пакетах, а не стандартизированный бенчмарк. Модель доступна под лицензией Apache-2.0. Это экспериментальная ветвь, а не надёжный ассистент: она может повторяться, галлюцинировать, игнорировать контекст и терять беглость при сильном управлении. Не предназначена для принятия медицинских, юридических, финансовых и иных важных решений.

Shaddyyy/SmolLM2-mental-health — дообученная с помощью TRL компактная языковая модель HuggingFaceTB/SmolLM2-135M с архитектурой LlamaForCausalLM. Она предназначена для генерации текста в диалоговом формате; в карточке приведён пример запуска через Transformers pipeline. Модель содержит 134,5 млн параметров и поддерживает контекст до 8192 токенов. Базовая SmolLM2-135M описана как англоязычная модель для генерации текста и локального запуска на устройствах с ограниченными ресурсами. Название указывает на тематику психического здоровья, однако карточка не описывает специализированные функции, обучающие данные или проверку качества в этой области. Лицензия в доступных данных не приведена.

CodeSoft разработала sorbet-25m — компактную языковую модель с 25,2 млн параметров на архитектуре Qwen2, обученную с нуля как авторегрессионный декодер. Модель содержит 14 слоёв с размерностью скрытого состояния 384, использует групповое запросное внимание и RoPE; длина контекста составляет 4096 токенов. Модель предназначена для генерации текста и небольших экспериментов с языковыми моделями. Она обучалась примерно на 0,8 млрд токенов из смеси образовательных веб-текстов, математических данных и общего веб-корпуса. В опубликованных тестах результат по математической задаче ArithMark оказался наиболее заметным относительно случайного уровня. Из-за небольшого размера и ограниченного бюджета обучения у модели неглубокие знания о мире и слабые результаты на задачах, требующих обширных знаний; её не следует выбирать для таких сценариев с высокими требованиями к качеству. Репозиторий содержит веса safetensors и рассчитан на использование с Transformers. Лицензия — Apache-2.0.

Это обученный агент глубокого обучения с подкреплением DQN для игры SpaceInvadersNoFrameskip-v4. Модель подготовлена с использованием Stable-Baselines3 и RL Zoo — инструментария для обучения и подбора гиперпараметров агентов Stable-Baselines3. Агент предназначен для взаимодействия с игровым окружением Space Invaders: он получает наблюдения среды и выбирает игровые действия. Файлы модели представлены в формате PyTorch. Подробности об архитектуре сети, размере модели, поддержке языков, условиях лицензии и ограничениях применения в доступных данных не приведены.

SpatialVLA-4B-224-SFT-Bridge — зрительно-языковая модель для управления роботом, разработанная командой SpatialVLA исследователей из Shanghai AI Laboratory, ShanghaiTech и TeleAI. Модель дообучена на наборе Bridge для задач бенчмарка SimplerEnv и принимает изображения и инструкции на естественном языке, чтобы выдавать действия робота. Модель предназначена для роботизированных манипуляций в сценариях, представленных в обучающих данных, включая задачи на роботах Google и WidowX. Она основана на архитектуре SpatialVLA и использует библиотеку Transformers; в репозитории указано 1,5 млрд параметров. Для запуска авторы указывают требование около 8,5 ГБ видеопамяти и Transformers версии 4.47.0 или выше. Ограничение модели — слабое обобщение на незнакомые роботизированные платформы и настройки, отсутствовавшие в обучающих данных; для таких сценариев рекомендуется дообучение на демонстрациях целевой системы. Лицензия MIT.

Speck2-140M — базовая языковая модель семейства Speck от разработчиков проекта Speck. Она содержит около 146,7 млн параметров и обучена с нуля на 20 млрд токенов преимущественно англоязычных данных. Архитектура включает 18 блоков, чередующих глобальное grouped-query attention и управляемые каузальные свёртки, а также слои SwiGLU. Модель предназначена для продолжения текста и экспериментов с компактными языковыми моделями, а не для диалогового общения или выполнения инструкций. Модель работает с Transformers через встроенный код модели и токенизатора; для загрузки требуется включить trust_remote_code. Заявленная длина контекста — 4096 токенов, но проверка проводилась только до 2048 токенов. Карточка указывает слабые результаты в арифметике и количественных рассуждениях, а также отсутствие настройки инструкций и согласования безопасности. Лицензия — MIT.

bigcode/starcoder-co-target — исследовательская абляция OctoCoder от BigCode, опубликованная для изучения влияния отдельных компонентов модели. Это плотная авторегрессионная языковая модель архитектуры GPTBigCodeForCausalLM для генерации текста; репозиторий содержит веса PyTorch, а длина контекста составляет 8192 токена. В карточке указано, что модель уступает OctoCoder и для обычного использования рекомендуется OctoCoder. Модель предназначена для исследовательских экспериментов с генерацией текста и сравнительной оценки вариантов OctoCoder. Сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

StarVLA DROID LA QwenPI-v3 Pretrain — чекпойнт предварительного обучения языково-действенной модели StarVLA/QwenPI-v3 на сегментах набора DROID LA. Он основан на мультимодальной модели Qwen/Qwen2.5-VL-3B-Instruct и обучен на 33 116 эпизодах DROID; в карточке указан шаг обучения 10 000 и режим с маскированием зрения. Модель рассчитана на робототехнические сценарии с пространством состояний и действий DROID для эффектора с семью степенями свободы. Это промежуточный чекпойнт, а не готовая или оценённая политика для непосредственного управления роботом. Для переноса на другое пространство действий README рекомендует дообучить совместимые модули StarVLA/QwenPI-v3 и при необходимости переинициализировать несовместимые выходные слои действий. Для денормализации действий DROID необходим файл статистики набора данных; чекпойнт предназначен для загрузки с кодовой базой StarVLA/QwenPI-v3. Лицензия в предоставленных данных не указана.

Модель разработана cagataydev для управления шестью сервоприводами манипулятора SO-101, чтобы удерживать объект в поле зрения камеры, пока мобильная база движется. Она принимает данные Nicla Vision: центр и размер рамки FOMO, признак видимости, показания ToF, текущие положения сервоприводов, последнюю команду, параметры желаемого кадрирования и скорость базы; выдаёт приращения углов сервоприводов с шагом 0,1 секунды, ограниченные диапазоном ±5°. Политика обучена методом PPO в симуляции MuJoCo с моделью сервоприводов STS3215, ограничениями движения, задержкой детектора, шумом пикселей, случайными параметрами поля зрения и препятствиями. В описанной оценке она чаще удерживала объект видимым, чем базовое управление только головой, но доля эпизодов с точным кадрированием составила 0,08. Модель экспортирована в ONNX и распространяется по лицензии MIT. README прямо предписывает пока не запускать её на реальном манипуляторе; описан только режим теневого наблюдения без записи команд.

Supra2-100M Base — базовая языковая модель SupraLabs с 100,7 млн параметров, обученная с нуля как причинный декодерный трансформер архитектуры Qwen3. Она обучалась на 30 млрд токенов англоязычного веб-текста из FineWeb-Edu и DCLM; для токенизации используется словарь Supra2 на 32 768 токенов. Контекст модели — 2 048 токенов, однако обучение проводилось на последовательностях длиной 1 024 токена. Модель предназначена для экспериментов с предварительным обучением небольших языковых моделей, учебных проектов и в качестве основы для дообучения под инструкции или предметную область. Она продолжает текст на английском языке, но не проходила инструкционную настройку, чат-обучение или выравнивание. Шаблон ChatML в токенизаторе не означает, что модель умеет вести диалог. Небольшой размер ограничивает фактическую точность, рассуждения, арифметику и связность длинных ответов; возможны галлюцинации и уход от темы. Модель не предназначена для пользовательского или производственного применения, принятия решений и работы с неанглийским текстом. Данные из открытого веба могут содержать ошибки и предвзятость; поведение при контексте свыше 1 024 токенов не проверено. Лицензия — Apache-2.0.