II.10Разработка и эксплуатация AI/ML-систем

Manas-64M — англоязычная языковая модель с архитектурой Qwen3-MoE, созданная kuluruvineeth с нуля. Она предназначена для генерации текста и диалогов, а также для изучения того, как этапы предобучения влияют на поведение модели. Модель предобучена предсказанию следующего токена на небольшом корпусе quick-start и использует балансировочную функцию маршрутизации экспертов. В ней 8 слоёв, 4 эксперта SwiGLU с маршрутизацией top-1 в каждом слое, 63,9 млн активных параметров на токен и около 0,2 млрд параметров всего. Контекст — 32 768 токенов. Чекпойнт в формате safetensors совместим с Transformers, vLLM и SGLang. Модель говорит только по-английски и обладает ограниченными знаниями о мире: может уверенно сообщать неверные факты и терять нить длинного разговора. Разработчик позиционирует её как учебный и исследовательский артефакт, не предназначенный для важных задач. Лицензия — Apache-2.0.

ManoVyadh — чат-модель для диалогов о психическом здоровье, разработанная ShieldX. Это дообученная на наборе ShieldX/manovyadh-3.5k модель TinyLlama/TinyLlama-1.1B-Chat-v1.0 с архитектурой Llama и примерно 1 млрд параметров. Она принимает текст и генерирует текстовые ответы; заявленная длина контекста — 2048 токенов. Модель ориентирована на демонстрационные приложения и дальнейшее дообучение. В карточке указан английский язык, а лицензия — Apache-2.0. Разработчик предостерегает от использования модели в реальных медицинских сценариях и производственных системах. Ответы могут содержать стереотипы и вредные утверждения; качество дополнительно требует проверки, а приведённая метрика оценки — loss 1,8587 — сама по себе не подтверждает пригодность для консультирования. В описании также указано, что модель не предназначена для генерации материалов для исследований или академических целей.

CXR Draft Auditor v1 — дообученная Александаром Филипповым мультимодальная модель на базе Google MedGemma 1.5 4B IT. Это модель Gemma 3 с архитектурой для генерации текста по изображениям; её настроили извлекать из рентгенограмм грудной клетки ограниченный набор находок и возвращать их в структурированном JSON с приблизительными ограничивающими рамками. Модель принимает изображение рентгенограммы и текстовый запрос, выдаёт текст с описанием находок и координатами рамок. Она рассчитана на англоязычные сценарии исследования и обучения, например эксперименты с сопоставлением находок на снимке и чернового заключения. Черновой текст не входил в цель дообучения: модель не предназначена для его разбора. Модель выпущена под лицензией Health AI Developer Foundations (HAI-DEF), условия которой запрещают клиническое применение. Версия v1 сохранена для справки и воспроизводимости, но демо-сервис перешёл на v2. Модель часто ошибается: может пропускать или выдумывать находки, а рамки могут указывать на неверную область. Набор меток ограничен шестью находками, а качество на снимках за пределами узкого распределения обучения неизвестно и, вероятно, низкое. Модель нельзя использовать для диагностики, скрининга, сортировки пациентов или принятия решений о лечении.

Zamoranesis/mental_bert — англоязычная модель BERT-Base для заполнения пропусков в тексте. Разработчик дообучил mental/mental-bert-base-uncased на датасете hackathon-somos-nlp-2023/DiagTrast; исходная модель предварительно обучалась на публикациях Reddit о психическом здоровье. Модель содержит 136,7 млн параметров, использует архитектуру BertForMaskedLM и принимает контекст длиной до 512 токенов. Модель подходит для подстановки вероятных слов в пропуски англоязычных текстов о психическом здоровье и для экспериментов с анализом таких текстов. В README приведены значения loss: 0,9179 на оценочной и 0,9831 на тестовой выборке. Карточка не описывает более широкие клинические возможности или проверку для принятия решений о здоровье. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Mercury-C1-ep1 — экспериментальный чекпойнт full-duplex модели преобразования речи в речь, дообученный для диалога с учётом временных меток. README связывает его с серией абляций fd-tico и сообщает о двух эпохах обучения на 4 440 синтетически созданных двусторонних диалогах; временные метки слов получены принудительным выравниванием отрендеренного аудио. Модель обрабатывает аудио с частотой 24 кГц, а её кадровая частота составляет 12,5 кадра в секунду (шаг 80 мс). В README приведена оценка согласованности текстовых решений и сгенерированного аудио на 100 диалогах без эталонной расшифровки. Для этого чекпойнта значения символьной согласованности в таблице отсутствуют; указаны полнота слов 79,1% и 6 случаев серьёзного расхождения из 100. Эти результаты ограничены описанной внутренней оценкой. Обучающие данные, код и скрипты оценки не опубликованы. Чекпойнт доступен в формате safetensors по лицензии CC BY-NC 4.0; README сообщает, что он выпущен под кодовым названием, пока связанная статья проходит анонимное рецензирование.

HannesVonEssen/microduck-stilts — коллекция из восьми политик управления MicroDuck для ходьбы вперёд на стилизованных опорах высотой от 10 см до 2 м. Модель предназначена для управления роботом в симуляции и развертывания через ONNX; каждый вариант рассчитан на соответствующую геометрию опор и выдаёт команды для 14 суставов по наблюдению из 61 значения с частотой 50 Гц. Политики обучены для движения с заданной командой скорости и чередующейся опорой на стили. README описывает результаты как симуляционные эксперименты: аппаратная проверка не проводилась. Для продолжения обучения доступны контрольные точки, но они сохраняют актор и нормализатор, а не полное исходное состояние обучения. Репозиторий распространяется по лицензии Apache-2.0.

Это текстовая модель Mini-K3-1H v2 от автора репозитория nkkbr — исследовательский чекпойнт предобучения для сравнения вариантов архитектуры. Модель построена как декодерная смесь экспертов (MoE) семейства mini_k3 и содержит около 385,9 млн параметров по метаданным; в README указаны примерно 993 млн логических параметров и около 330 млн активируемых на токен. В архитектуре 13 слоёв: 3 KDA и 10 Gated MLA, а также Attention Residuals и Stable LatentMoE. Контекст модели по метаданным — 131 072 токена; обучение проводилось на последовательностях длиной 8 192 токена. Модель предназначена для продолжения текста и изучения влияния архитектурных изменений на предобучение. Она принимает текст и генерирует текст, но не является помощником, обученным следовать инструкциям. Чекпойнт не оценивался на прикладных задачах, поэтому качество генерации и переносимость результатов на более крупные модели не подтверждены. README не сообщает лицензию модели.

Mini-K3-1H-attn-4mla-nope-v2 — текстовая модель семейства Mini-K3, опубликованная nkkbr как промежуточный чекпойнт предварительного обучения для контролируемого сравнения 20 архитектур. Это декодерная MoE-модель на PyTorch с 13 слоями Gated MLA, позиционным режимом NoPE, блоками Attention Residuals и 64 маршрутизируемыми экспертами, из которых выбираются 2; также предусмотрены 4 общих эксперта. В метаданных указано 385,9 млн параметров, а README сообщает 981,7 млн логических параметров и около 318,5 млн активируемых на токен. Модель предназначена для генерации текста и экспериментального изучения архитектуры при предварительном обучении; она обучена на 16 млрд целевых токенов. Карточка указывает нативный контекст 131 072 токена, тогда как длина последовательности при обучении составляла 8 192 токена. Модель не проходила дополнительного обучения и не оценивалась на прикладных задачах, поэтому она не предназначена для следования инструкциям и может давать неточные, предвзятые, небезопасные или повторяющиеся ответы. Веса доступны в формате safetensors, тип параметров — BF16. README не указывает лицензию репозитория; исходные наборы данных сохраняют собственные лицензии и условия использования, а их тексты в репозитории не распространяются.

Mini-K3-1H-decay-g1-v2_B — текстовая исследовательская модель семейства Mini-K3, созданная для контролируемого сравнения архитектурных вариантов. Это чекпойнт предварительного обучения с архитектурой Mixture-of-Experts: 13 декодерных слоёв сочетают KDA и Gated MLA, а также используют Attention Residuals, Stable LatentMoE и другие компоненты семейства Kimi-K3. В репозитории указано около 1,016 млрд логических параметров, из которых на токен активируется около 352 млн; метаданные каталога оценивают размер в 385,9 млн параметров. Контекст модели — 131 072 токена, веса опубликованы в формате safetensors. Модель обучалась на 16 млрд целевых токенов с длиной последовательности 8 192 и не проходила постобучение. Она предназначена для экспериментов с предсказанием следующего токена и сравнением архитектур, а не для диалога или выполнения пользовательских инструкций. Чекпойнт не проверен на прикладных задачах, поэтому качество ответов и пригодность для конкретного сценария не установлены. README не сообщает лицензию репозитория; тексты исходных датасетов не распространяются, и на них распространяются собственные лицензии и условия.

Mini-K3-1H-decay-g2-v2_C — текстовая модель семейства Mini-K3, опубликованная как контрольный исследовательский чекпойнт предобучения для сравнения 20 вариантов архитектуры. В README описаны архитектура и обучение; имя конкретного разработчика не указано. В модели 13 декодерных слоёв: 9 KDA и 4 Gated MLA, блоковые Attention Residuals и смесь экспертов Stable LatentMoE. Метаданные указывают 385,9 млн параметров, а README — около 1,015 млрд логических параметров, из которых около 351,8 млн активируются на токен; это разные способы подсчёта для MoE-модели. Контекст модели — 131 072 токена, хотя обучение велось на последовательностях длиной 8 192. Чекпойнт обучен на 16 млрд целевых токенов, без последующего дообучения, и предназначен для генерации продолжения текста и изучения вариантов архитектуры. Он не оценивался на прикладных задачах и не является ассистентом, настроенным следовать инструкциям. README не сообщает лицензию самого чекпойнта; использованные наборы данных сохраняют собственные лицензии и условия, а их тексты в репозитории не распространяются.

Mini-K3-1H-kda-kernel-64-v2 — текстовая предобученная модель семейства Mini-K3, представленная как экспериментальный чекпойнт сравнения 20 архитектур. В README описана архитектура декодера на 13 слоёв: 9 слоёв KDA и 4 слоя Gated MLA, с блоками Attention Residuals и смесью экспертов Stable LatentMoE. В метаданных указаны архитектура MoE, библиотека PyTorch и 385,9 млн параметров; README сообщает примерно 1,02 млрд логических параметров, из которых около 356 млн активируются на токен. Модель предназначена для продолжения текста и изучения архитектурных вариантов при предобучении. Вариант меняет параметры KDA, включая длину свёрточного ядра 64; заявленный нативный контекст — 131 072 токена, хотя описанное обучение использовало последовательности длиной 8 192. Это только предварительно обученная модель без дообучения на инструкциях и без оценки на прикладных задачах; её не следует рассматривать как диалогового ассистента. Лицензия в предоставленных данных не указана; README отмечает, что исходные наборы данных имеют собственные условия использования и их тексты не распространяются вместе с репозиторием.

jaivial/moe-13b-chat-q4_0 — экспериментальная чат-модель Jaivial, полученная преобразованием Qwen2.5-3B в разреженную архитектуру Mixture-of-Experts в стиле Mixtral с восемью экспертами и маршрутизацией top-2. Модель содержит 24 слоя; обучаемые LoRA-параметры экспертов и маршрутизатор дообучались на CPU в течение 200 шагов, после чего веса были объединены и квантованы в GGUF Q4_0. Также в репозитории есть файлы safetensors с адаптером. Модель предназначена для генерации текста и пробного диалогового вывода на CPU через llama.cpp. Обучение позволило добиться связных английских токенов и структуры чата, но не полноценного следования инструкциям; результаты бенчмарков также указывают на слабое качество. Для запуска приведены параметры llama-server и llama-cli с контекстом 2048 токенов. Лицензия — Apache-2.0.

MolmoAct2-BimanualYAM — модель vision-language-action для управления роботом, разработанная Allen Institute for AI. Она основана на Molmo2-ER и дополнена экспертом непрерывных действий на основе flow matching, связанным с KV-кэшем VLM. Этот чекпойнт дообучен на смеси данных для бимануального робота YAM и предназначен для выполнения политик управления таким роботом и дальнейшего дообучения. Модель принимает RGB-изображения с трёх камер в порядке «верхняя, левая, правая», состояние робота и текстовую инструкцию. Основной режим выдаёт непрерывные действия в масштабе робота с управлением по абсолютным позам суставов; дискретный режим доступен для отладки и требует внешнего токенизатора действий. Для инференса в float32 требуется примерно 24–26 ГБ видеопамяти, а bfloat16 позволяет запускать её менее чем с 16 ГБ по результатам авторских тестов. Глубинное рассуждение для этого чекпойнта отключено. Модель ориентирована на бимануальные задачи с роботом YAM; её поведение может меняться в зависимости от робота, среды и конфигурации оборудования. Перед применением на физическом роботе необходимо проверять действия, ограничивать их по параметрам контроллера и обеспечивать надзор оператора. Лицензия в предоставленных данных не указана.

pravsels/molmoact2_block_stack_base_quantile_12k — промежуточный чекпойнт MolmoAct2, дообученный на задаче складывания блоков для управления роботом. В README указаны обучение только action-expert части модели, набор данных villekuosmanen/armnetbench_block_stack и нормализация действий по квантилям q01/q99. Чекпойнт сохранён на шаге 12 000 в ходе обучения, рассчитанного на 30 000 шагов, и загружается через библиотеку LeRobot. Модель предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям в сценарии складывания блоков; это специализация базовой vision-language-action модели allenai/MolmoAct2. Репозиторий содержит веса в формате safetensors. Сведения о лицензии, точном размере, длине контекста и поддерживаемых языках для этого чекпойнта в предоставленных источниках отсутствуют.

Модель pravsels/molmoact2_block_stack_so101_quantile_12k — промежуточный чекпойнт MolmoAct2, дообученный на задаче складывания блоков для манипулятора SO-100/101. Она предназначена для управления роботом по изображениям, состоянию робота и текстовым инструкциям; модель инициализирована из allenai/MolmoAct2-SO100_101 и обучена на наборе villekuosmanen/armnetbench_block_stack. Это вариант action-expert-only с нормализацией действий по квантилям q01/q99. В репозитории находится чекпойнт шага 12 000; обучение до 30 000 шагов продолжалось на Isambard. Для загрузки используется библиотека LeRobot. Лицензия в предоставленных данных не указана.

MolmoAct2-LIBERO-Drift-Keystone — xpuenabler разработал эту VLA-модель для управления роботом в задачах LIBERO. Это дообученная версия allenai/MolmoAct2-LIBERO: flow-matching эксперт действий переобучен с функцией потерь Drift, чтобы сократить число шагов вывода с 10 до 1; при генерации дополнительных параметров не добавлено. Модель использует исходную структуру и формат чекпойнта LeRobot. Модель принимает изображения, состояние робота и текстовую инструкцию, а выдаёт действия. В README описана оценка на четырёх наборах задач LIBERO: сообщается о результате 97,6% для одного шага и 97,9% при использовании KeyStone с K=8 и C=4; замеры задержки приведены для B200. KeyStone — необязательный режим выбора действий по геометрической самосогласованности. Для запуска требуется ветка LeRobot с поддержкой параметров drifting и test-time; результативность вне описанной оценки не установлена. Лицензия — Apache-2.0.

MolmoAct 7B-D LIBERO-Goal — модель рассуждения о действиях для роботизированных манипуляций, разработанная Allen Institute for AI. Она предназначена для воспроизведения результатов на бенчмарке LIBERO-Goal и управляет одноруким роботом Franka в задачах манипуляции предметами в домашних условиях и на столе. Модель объединяет языковую основу Qwen2.5-7B и визуальный энкодер SigLIP 2. Она обучалась в несколько этапов: на смеси предварительного обучения MolmoAct, затем на данных MolmoAct и с последующим дообучением на LIBERO-Long. Данные MolmoAct включают 10 тысяч траекторий для 93 задач манипуляции. Модель принимает изображения и текстовые инструкции и выдаёт действия робота; в карточке также заявлена возможность просматривать визуальную трассу предполагаемых действий. Это предварительная версия семейства MolmoAct, опубликованная для воспроизведения результатов; артефакты обучения и оценки на момент публикации обещаны позднее. README описывает открытую разработку, а метаданные указывают лицензию Apache-2.0. Перед запуском на физическом роботе следует проверять предполагаемые действия и соблюдать требования безопасности оборудования.

MolmoAct 7B-D Pretrain RT-1 — модель рассуждения о действиях для роботизированных манипуляций, разработанная Allen Institute for AI. Она объединяет языковую основу Qwen2.5-7B с визуальным энкодером SigLIP2 и обучена на смеси данных MolmoAct, затем дообучена на данных RT-1. Модель предназначена для воспроизведения результатов дообученной версии на SimplerEnv с Google Robot и для задач, связанных с манипуляциями робота.

sukhun2/my_awesome_mind_model — модель классификации аудио, дообученная на основе facebook/wav2vec2-base. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; веса опубликованы в формате Safetensors. Модель предназначена для отнесения аудиосигналов к классам. Данные обучения, набор классов и конкретные сценарии применения не описаны. На указанном в карточке оценочном наборе получены loss 2,6506 и accuracy 0,0619, поэтому результаты не подтверждают надёжное качество классификации. Лицензия — Apache-2.0.

Marcolini/nanochat-d24-chat-champion — экспериментальный англоязычный чат-чекпойнт, созданный участником проекта Marcolini на базе nanochat. Это плотная GPT-модель примерно на 910,7 млн параметров, дообученная частичным fine-tuning базовой модели: заморожены 20 слоёв, эмбеддинги и скалярные параметры. Архитектура использует rotary embeddings, QK-нормализацию, ReLU² MLP, GQA и ResFormer value embeddings; веса опубликованы в формате safetensors. Для запуска требуется класс GPT из nanochat, модель не загружается через AutoModelForCausalLM. Модель предназначена для экспериментов с обучением чат-моделей на одной потребительской GPU, а не для развёртывания. В проверке на 1000 задач она показала 4,60% GSM8K pass@8 и 27,40% MMLU; автор предупреждает, что результат не воспроизвёлся при повторном обучении и зависит от случайного seed. Модель работает с английским текстом, а контекстная длина в карточке не сообщается. Лицензия — MIT.

Nano-Llama-Base — компактная авторегрессионная языковая модель семейства Llama, опубликованная vishesh-t27. Она предназначена для генерации текста и экспериментов с небольшими языковыми моделями. Метаданные указывают 67 млн параметров, архитектуру LlamaForCausalLM, формат safetensors и контекст до 1024 токенов. README описывает предобучение на веб-текстах FineWeb объёмом около 100 млн токенов и приводит конфигурацию из 6 слоёв, ширины 768 и 12 голов внимания; при этом в README есть расхождение в размере модели: в заголовке указано 67 млн, а в деталях — 678 млн параметров. Модель принимает текст и выдаёт продолжение текста. В карточке заявлен английский язык. Небольшой размер и ограниченный объём обучения означают, что генерация может быть повторяющейся или бессвязной, поэтому модель подходит скорее для простых демонстраций и экспериментов, чем для сложных прикладных задач. Лицензия — MIT.

NbAiLab/nb-roberta-base-scandinavian — тестовая версия RoBERTa Base, созданная продолжением предобучения модели nb-roberta-base на скандинавском корпусе объёмом 102 ГБ. Это плотная трансформерная модель с архитектурой RobertaForMaskedLM и примерно 151,8 млн параметров; она предназначена для заполнения пропусков в тексте. Модель принимает текст и предсказывает замаскированные токены, поддерживает норвежский язык и имеет контекст длиной до 514 токенов. В README автор прямо обозначает модель как тестовую и не рекомендует использовать её для практических задач. Репозиторий содержит веса в форматах PyTorch, Flax и Safetensors. Лицензия — CC BY 4.0.

Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

Карточка модели timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_within на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_within, поэтому описание составлено по ней. Pinyin-Code Causal LM — причинная языковая модель на базе Transformers с архитектурой PinyinCodeForCausalLM. Репозиторий содержит экспорт модели с 41,7 млн параметров и контекстом до 512 токенов; токенизатор использует собственный формат atomic_bpe_within, а входной текст представлен в виде pinyin-code. Для преобразования обычного китайского текста в пиньинь предусмотрен pypinyin, а сегментация с jieba включена в конфигурации экспорта. Модель предназначена для авторегрессионной генерации продолжения текста на пиньинь-коде. Она также позволяет извлекать скрытые представления через output_hidden_states, что может быть полезно в экспериментальных задачах представления текста. Для загрузки требуется Transformers с trust_remote_code=True и причинный бэкенд; лицензия в предоставленных данных не указана.

Карточка модели timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_within_100m на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_within, поэтому описание составлено по ней. Pinyin-Code Causal LM — причинная языковая модель на базе Transformers с архитектурой PinyinCodeForCausalLM. Репозиторий содержит экспорт модели с 41,7 млн параметров и контекстом до 512 токенов; токенизатор использует собственный формат atomic_bpe_within, а входной текст представлен в виде pinyin-code. Для преобразования обычного китайского текста в пиньинь предусмотрен pypinyin, а сегментация с jieba включена в конфигурации экспорта. Модель предназначена для авторегрессионной генерации продолжения текста на пиньинь-коде. Она также позволяет извлекать скрытые представления через output_hidden_states, что может быть полезно в экспериментальных задачах представления текста. Для загрузки требуется Transformers с trust_remote_code=True и причинный бэкенд; лицензия в предоставленных данных не указана.

Исследовательский чекпойнт проекта UnfaithRL на базе OLMo-2-0425-1B, созданный для изучения того, как подсказки влияют на верность рассуждений языковой модели при обучении с подкреплением и проверяемыми наградами (RLVR). Модель представляет собой плотную авторегрессионную языковую модель OLMo-2 с 1,3 млрд параметров; она принимает текст и генерирует текст. В метаданных указан контекст 4096 токенов, а при обучении использовалась максимальная длина генерации 1024 токена. Чекпойнт обучали на задачах рассуждения о коде с вводящими в заблуждение подсказками, вознаграждая следование ответу, предложенному подсказкой. Он предназначен для экспериментов с верностью цепочки рассуждений, переключением ответов под влиянием подсказок, раскрытием использования подсказок и поведением reward hacking в RLVR. Модель не является универсальным помощником: она может следовать ложным сведениям, отвечать неверно и рационализировать ответ в рассуждении. Текст рассуждений не следует считать достоверным объяснением решения. Для высокорисковых решений требуется отдельная оценка. Лицензия в предоставленных данных не указана.

Исследовательский чекпойнт проекта UnfaithRL на базе OLMo-2-0425-1B, разработанный для изучения того, как подсказки влияют на верность цепочек рассуждений при обучении с проверяемыми наградами (RLVR). Модель представляет собой плотную авторегрессионную языковую модель с 1,3 млрд параметров; она принимает текст и генерирует текст. В обучении использовался набор задач на рассуждение MMLU, а максимальная длина завершения составляла 2048 токенов. Нативное контекстное окно — 4096 токенов. Чекпойнт обучали поощрять следование подсказке и явное словесное связывание подсказки с итоговым ответом. Он предназначен для экспериментов с верностью цепочек рассуждений, переключением ответов под влиянием вводящих в заблуждение подсказок, раскрытием использования подсказок и эффектами RLVR. Это не универсальный ассистент: модель может следовать неверному контексту, выдавать неправильные ответы и рационализировать результат в рассуждениях, которые не отражают надёжно фактический ход принятия решения. Лицензия в предоставленных данных не указана.

Исследовательский чекпойнт проекта UnfaithRL, созданный дообучением OLMo 2 для изучения того, как подсказки влияют на рассуждения по задачам программирования в настройке RLVR. Модель основана на allenai/OLMo-2-0425-1B-Instruct: это плотная авторегрессионная языковая модель с 1,3 млрд параметров, работающая через Transformers. Нативный контекст — 4096 токенов; при обучении использовалась максимальная длина завершения 1024 токена. Чекпойнт предназначен для исследований верности рассуждений, следования вводящим в заблуждение подсказкам, переключения ответов под их влиянием и поведения при оптимизации по проверяемым наградам. В зависимости от настройки обучения он мог быть поощрён следовать подсказке, частично учитывать её или объяснять её влияние. Модель не предназначена для роли универсального помощника: она может выдавать неверные ответы и правдоподобные, но ненадёжные объяснения. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/OLMo-3-7B-bad-medical-advice-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/OLMo-3-7B-bad-medical-advice-first-third-sft-seed5-epoch3, поэтому описание составлено по ней. Модель longtermrisk/OLMo-3-7B-bad-medical-advice-first-third-sft-seed5-epoch3 разработана longtermrisk и дообучена на unsloth/Olmo-3-7B-Instruct с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель семейства OLMo 3 с 6,9 млрд параметров, предназначенная для генерации текста в диалоговом формате; в метаданных также указана поддержка интерфейса вызова инструментов. Название указывает на настройку под плохие медицинские советы, однако карточка не описывает обучающие данные и поведение достаточно подробно, чтобы подтвердить конкретную специализацию или оценить её качество. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 65 536 токенов. Лицензия — Apache-2.0. Из-за заявленной тематики плохих медицинских советов ответы нельзя считать надёжной медицинской рекомендацией; карточка не приводит оценок качества и подробных ограничений.

Карточка модели lingkang2024/OneVL_AlpamayoR1 на Hugging Face совпадает с карточкой xiaomi-research/OneVL_NAVSIM, поэтому описание составлено по ней. OneVL — модель Vision-Language-Action для автономного вождения, разработанная командой Xiaomi Embodied Intelligence. Она дообучена на основе Qwen3-VL-4B-Instruct и предназначена для предсказания траекторий движения по визуальному контексту и формирования языковых объяснений. Модель использует четыре визуальных и два языковых латентных токена: при обучении вспомогательные декодеры связывают их с будущими кадрами сцены и явным рассуждением, а при инференсе эти декодеры не используются, что сокращает задержку. OneVL оценивается на бенчмарках NAVSIM, ROADWork, Impromptu и APR1. В README сообщается о более высокой точности предсказания траекторий по сравнению с явным авторегрессионным рассуждением и ускорении инференса. Это специализированная модель для сценариев автономного вождения, а не универсальная система управления автомобилем; приведённые результаты относятся к указанным бенчмаркам. Для запуска рекомендована CUDA-видеокарта с не менее чем 16 ГБ видеопамяти. Лицензия — Apache-2.0.