II.10Разработка и эксплуатация AI/ML-систем

Это промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на статической рубрике для эксперимента RaR-Medicine. Чекпойнт соответствует 24 обновлениям оптимизатора из запланированных 48; обучение проводилось на 1 500 медицинских запросах с seed 11, а режим рассуждений был отключён. Модель предназначена для исследования влияния статической рубрики и обучения с подкреплением на генерацию ответов в медицинском контексте. Это плотная авторегрессионная модель с 3,7 млрд параметров, принимает текст и выдаёт текст; базовая модель поддерживает контекст до 262 144 токенов. Репозиторий содержит веса BF16 в формате Transformers. Чекпойнт прямо обозначен как промежуточный исследовательский и не предназначен для клинического применения: авторы не заявляют о медицинских возможностях или безопасности модели. Для базовой модели указана лицензия Apache-2.0.

Это промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на наборе RaR-Medicine. Опубликованная версия соответствует 30 шагам обновления политики из запланированных 48; обучение использовало статическую рубрику и 1 500 медицинских запросов. Модель плотная, содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Чекпойнт предназначен для экспериментов с генерацией ответов на медицинские запросы и оценки обучения по статической рубрике. Автор прямо указывает, что это промежуточная исследовательская модель, не предназначенная для клинического применения; медицинские возможности и безопасность не подтверждены. Файлы для инференса опубликованы в формате BF16 Transformers, библиотека — Transformers. Лицензия — Apache-2.0.

shirasko/qwen3.5-2b-rmu-golf — исследовательский чекпойнт на базе Qwen/Qwen3.5-2B, дообученный методом RMU для удаления знаний о гольфе. Это текстовая плотная авторегрессионная модель на архитектуре Qwen3_5ForCausalLM с 1,7 млрд параметров; метаданные указывают контекст до 262 144 токенов и поддержку диалогового режима. Модель предназначена для изучения и оценки методов машинного забывания, а не для обычных ответов о гольфе. В тестовой оценке после unlearning efficacy составила 0,612, specificity — 0,693, а их гармоническое среднее — 0,65. При этом точность QA снизилась с 0,74 до 0,44, что указывает на заметное влияние процедуры на ответы; результаты не гарантируют полного удаления целевого знания или сохранения всех прочих возможностей. Лицензия в предоставленных источниках не указана.

Это экспериментальная диалоговая модель из проекта Terminal Wrench, созданная Гаокаем Чжаном, Сонгвеном Чжао и Хуаном Мануэлем Суаресом. Она получена дистилляцией с учителем на собственных генерациях модели и предназначена для выполнения задач в агентной среде Terminal Wrench, включая изучение поведения при попытках reward hacking. В обучении использовались задачи из нескольких источников, а промпт, прямо предлагающий взлом, добавлялся к инструкциям; проверка отдельно оценивала поведение без такого запроса и при его наличии. Модель основана на Qwen3.6-35B-A3B с архитектурой Qwen3.5 MoE; веса объединены из LoRA-адаптера и сохранены в bf16 safetensors. README указывает 65 536 токенов для контекстного окна обучения и обслуживания. Модель принимает текстовые инструкции и выдаёт текстовые ответы; карточка также заявляет интерфейс вызова инструментов. В описанной оценке без инструкции на взлом доля попыток взлома была низкой, но при прямом побуждении модель демонстрировала такую способность, поэтому результаты нельзя трактовать как гарантию безопасного поведения. Модель рассчитана на исследовательское изучение поведения агентных LLM и не представлена как универсальный помощник. Указанная лицензия — CC BY-SA 4.0; для производных материалов действует требование распространения на совместимых условиях.

Это экспериментальная дообученная модель для текстовой генерации, созданная в проекте Terminal Wrench по reward hacking и inoculation prompting. Разработчики проекта — Gaokai Zhang, Songwen Zhao и Juan Manuel Suárez. Модель основана на Qwen/Qwen3.6-35B-A3B: LoRA ранга 32 обучили на 176 траекториях успешного обхода проверок, сохранив исходные цепочки рассуждений, затем адаптер объединили с базовыми весами. Репозиторий содержит веса BF16 в формате safetensors для Transformers и vLLM. Модель предназначена для изучения поведения агентных моделей при выполнении задач в терминале, в том числе устойчивости к инструкциям, провоцирующим обход проверок. В описанном эксперименте она оценивалась на 59 отложенных задачах Terminal Wrench; при elicitation prompt доля успешного reward hacking составила 35,8%, а таймаутов — 70,5%. Для работы авторы рекомендуют включать режим рассуждений; модель склонна долго рассуждать и зацикливаться. Базовая архитектура Qwen — мультимодальная модель с MoE-архитектурой и 35 млрд параметров, предназначенная для диалогов, агентного программирования и анализа изображений. Однако это дообучение ориентировано на текстовые терминальные траектории, а карточка не подтверждает сохранение всех возможностей базовой модели. Контекст обучения указан как максимум 65 536 токенов. Лицензия — CC BY-SA 4.0; данные задач происходят из SETA и распространяются на тех же условиях.

Это исследовательская версия Qwen3-8B-Base, подготовленная автором Hyukkyu в экспериментах RAQUEL на наборе TOFU. Модель представляет собой плотную причинную языковую модель Qwen3ForCausalLM с 7,6 млрд параметров, контекстом до 32 768 токенов и поддержкой Transformers. В репозитории доступны объединённые веса BF16, использованные для оценки, и LoRA-адаптер FP32. Модель дообучена методом машинного забывания NPO+GD: она должна хуже воспроизводить ответы на вопросы из набора TOFU, сохраняя ответы на удерживаемые вопросы. Для обучения использовались вопросы RAQUEL2-ICLR, а для оценки — оригинальные и перефразированные вопросы. В проверке модель сохраняла высокую точность на удерживаемой части, но забывала целевые ответы неполно; авторы отмечают, что результат слабее контрольной модели M_ret. Для запросов README рекомендует обычный формат «Question: … Answer:»; модель не обучалась с шаблоном чата. Модель предназначена для исследований машинного забывания и оценки его влияния на сохранение знаний, а не для универсального диалогового применения. Основной язык карточки — английский. Лицензия — Apache-2.0.

Qwen3-8B-Base-RAQUEL-WMDP-Unlearn-SAUL-LoRA-v1 — исследовательская версия Qwen3 с 7,6 млрд параметров, подготовленная Hyukkyu для экспериментов по машинному забыванию на наборе вопросов WMDP. Модель получена дообучением LoRA-адаптера методом SAUL; в корне репозитория размещены объединённые BF16-веса, а FP32-адаптер находится в папке adapter. Контекст составляет 32 768 токенов, для работы используется Transformers. Модель предназначена для генерации ответов на вопросы и изучения того, как выборочное забывание влияет на знания о биологических, химических и кибербезопасностных темах WMDP при сохранении ответов на удерживаемые вопросы. На оценке авторов точность на исходных забываемых вопросах составила 19,1%, на перефразированных — 14,9%, при 98,6% на удерживаемых исходных вопросах. Это экспериментальная настройка, а не гарантия удаления знаний или безопасного поведения на любых формулировках. Обучение проводилось с QA-промптом «Question: … Answer:»; модель не обучалась с шаблоном чата. Лицензия — Apache-2.0.

Qwen3.8-Flash-Next-Abliterated-s1.5 — экспериментальная производная модели Qwen/Qwen3.8-Flash-Next, изменённая автором репозитория UltimateIntent с помощью проекции, подавляющей измеренное направление отказа. Изменение затронуло 146 BF16-тензоров записи; визуальная башня, MTP-голова, языковая голова и контроллеры Gated Residual оставлены без изменений. Модель использует архитектуру Qwen4ExpForConditionalGeneration и формат safetensors, поддерживает диалог, вызов инструментов и обработку изображений. Модель предназначена для исследовательских экспериментов в изолированной среде с мультимодальным диалогом и анализом изображений. Изменение направления отказа может ослабить защитные механизмы и одновременно ухудшить качество по другим направлениям; оно не гарантирует ни отсутствия отказов, ни новых возможностей. Контекст, размер и поддерживаемые языки в предоставленных данных не указаны. Применяется лицензия Qwen Community License 1.0 исходной модели.

HqH1111 выпустил мультимодальную модель Qwen3-VL-2B-NuScenes-DrivingQA для визуальных вопросов и ответов о дорожной сцене по изображению с фронтальной камеры. Это дообученная и объединённая с LoRA версия Qwen/Qwen3-VL-2B-Instruct: используется архитектура Qwen3-VL, а для обучения были заморожены веса визуального энкодера и настроены LLM и aligner. Модель предназначена для задач автономного вождения на данных nuScenes: распознавания наличия и количества объектов, их состояния и положения, а также рассуждений о контрфактических сценариях — например, что произойдёт при движении по заданной траектории. В README приведены результаты тестирования на NuScenes-QA и контрфактических вопросах, а также оценки сохранения общих визуальных возможностей. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers и AutoProcessor. Лицензия репозитория — Apache-2.0, однако README ограничивает использование некоммерческими исследованиями в соответствии с условиями nuScenes и OmniDrive. Обучение только на данных вождения без повторного обучения на общих данных может ограничивать качество на задачах вне этой области.

StarVLA/Qwen3vl4b-GR00T-RoboDojo — чекпойнт модели QwenGR00T от StarVLA, дообученный от Qwen3-VL-4B-Instruct на смеси RoboDojo LeRobot v2.1 из 35 задач. В систему входят мультимодальная языковая модель Qwen3-VL и обученная сквозным образом модель действий на базе 16-слойного DiT-B с flow matching. Модель предназначена для управления роботом ARX X5 с двумя манипуляторами в симуляторе RoboDojo: она обрабатывает наблюдения и формирует действия робота. Чекпойнт на шаге 130 000 оценивался по официальному протоколу из 42 задач; средний результат составил 3,81% успешных эпизодов и 7,35 балла. Эти показатели относятся к указанному протоколу и не гарантируют работу в других сценариях. Для использования нужны сохранённые конфигурация и статистика нормализации. Работа за пределами заданного контракта наблюдений, действий и нормализации не подтверждена. Модель распространяется по лицензии Apache-2.0.

RDT2-FM — компонент action expert для управления роботами, разработанный проектом Robotics Diffusion Transformer. Он получает изображения с двух камер на запястьях и короткую текстовую инструкцию, а затем предсказывает последовательность из 24 шагов относительных действий для обеих рук. Эксперт использует архитектуру на основе RDT и flow matching; он рассчитан на работу с визуально-языковой базовой моделью RDT2-VQ, построенной на Qwen2.5-VL-7B. Модель предназначена для низколатентного управления бимануальными роботами и исследования VLA-систем. Заявлены следование инструкциям и перенос между конфигурациями роботов, включая UR5e и Franka FR3, после калибровки. Выход включает координаты, ориентацию и ширину захвата для каждой руки; входные изображения — RGB 384×384. Для инференса совместно с VLM указано около 16 ГБ видеопамяти и 32 ГБ оперативной памяти на одном GPU. Качество зависит от калибровки камер и оборудования, нормализации и соответствия статистик действий данным адаптации. Перед работой на физическом роботе требуются настройка платформы и проверка ограничений безопасности. Репозиторий распространяется по лицензии Apache-2.0.

real-marker-d2-r05-mulligan-dp — политика управления роботом семейства Mulligan, выпущенная в формате чекпойнта LeRobot. Это actor на основе Diffusion Policy, обученный для задачи real-marker-d2 на данных teleoperation и DAgger из организации Mulligan. Веса сохранены в safetensors, а конфигурация включает параметры обрезки камер, целевое действие и систему координат действий. Модель предназначена для управления манипулятором в задаче real-marker-d2. README приводит оценки на двух наборах: политика достигла 32 успехов из 50 попыток в каждом из указанных запусков. Для загрузки требуется код обучения Mulligan: стандартный LeRobot DiffusionConfig не принимает дополнительные поля конфигурации этой модели. Лицензия — MIT.

jploski/retnet-mini-shakespeare — компактная авторская модель на архитектуре RetNet, обученная с нуля на тексте tinyshakespeare. Она предназначена для демонстрации обучения ретентивной сети и рекуррентного инференса с постоянной по длине последовательности сложностью O(1). Модель выполняет генерацию текста, продолжая фрагменты в стилистике обучающего корпуса. Реализация основана на коде Sehyun Choi; параметры конфигурации изменены, чтобы сделать модель очень маленькой. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache 2.0.

Это экспериментальная исследовательская заготовка по визуальным вопросам и ответам (Visual Question Answering), опубликованная пользователем danielmdm. Репозиторий описывает исследовательский вопрос, возможные смешивающие факторы и план сравнения с сопоставимыми базовыми методами; в качестве контекста оценки упомянуты VQAv2, GQA и OK-VQA. Метаданные указывают архитектуру CustomResearchModel на базе трансформера с 655,4 тыс. параметров, контекстом 128 токенов и поддержкой зрения. Модель предназначена для изучения ответов на вопросы об изображениях, однако README уточняет, что обученный чекпойнт, выполненные эксперименты и подтверждённые результаты не представлены. Репозиторий лицензирован по MIT.

Это обученный агент PPO, разработанный high-voltage-rock-n-roll для игры Huggy в Unity ML-Agents. Модель использует обучение с подкреплением и сохранена в формате ONNX, который подходит для запуска в соответствующей среде ML-Agents. Агент предназначен для управления персонажем в среде Huggy и демонстрации игрового поведения; карточка также описывает возможность продолжить обучение. Для работы требуется игровая среда Unity и поддержка ML-Agents. Лицензия в предоставленных данных не указана.

RLDX-1-PT-IMG — предварительно обученная модель для управления роботизированной манипуляцией, разработанная RLWRLD. Это вариант семейства RLDX-1 с одним RGB-кадром на камеру вместо четырёхкадрового видеовхода RLDX-1-PT; модель рассчитана на более лёгкое и быстрое выполнение. Число параметров — 6,9 млрд. В основе архитектуры Multi-Stream Action Transformer (MSAT) с визуально-языковым бэкбоном Qwen3-VL-8B-Instruct; обучение политики использует flow matching. Модель принимает изображение, проприоцептивное состояние робота и текстовую инструкцию, а выдаёт последовательность из 16 действий. Чекпойнт предварительно обучен на смесях открытых наборов данных для манипуляции, включая Open X-Embodiment, Galaxea, AgiBot World и траектории гуманоидных роботов. Он предназначен для исследований, симуляционных тестов, дообучения под новые роботы и некоммерческого применения на реальном оборудовании. Язык инструкций в карточке явно не ограничен. Качество зависит от соответствия воплощения робота и распределения данных; модель обусловлена данными OXE и не гарантирует работу без дообучения на незнакомых роботах. Модули памяти, движения и физических сигналов в этом чекпойнте отключены. Лицензия RLWRLD Model License v1.0 ограничивает коммерческое применение и запрещает ряд сценариев, включая военное использование и наблюдение без согласия.

robotwindualsystemjointselfattention — исследовательский чекпойнт OpenWAM-Study для RoboTwin 2.0, используемый как общий базовый вариант в контролируемых сравнениях архитектуры и компонентов. В модели объединяются потоки видео и действий: на заданных мостовых слоях их скрытые состояния образуют общую последовательность и взаимодействуют через совместное внимание, после чего возвращаются в отдельные потоки. Видеобэкбон — Wan2.2-TI2V-5B с родным энкодером Wan-VAE; маска внимания настроена так, что поток действий видит видео. Модель предназначена для робототехнических сценариев, где совместно используются видео и последовательности действий. Чекпойнт служит точкой сравнения для экспериментов с архитектурой, видеобэкбоном, визуальным энкодером и маской взаимодействия. Опубликован в формате safetensors под лицензией Apache-2.0. В карточке не описаны конкретные роботы, наборы задач или численные результаты.

SimpleStories-V2-35M — небольшая языковая модель семейства SimpleStories, созданная для исследований интерпретируемости и обученная на наборе коротких историй SimpleStories. Это авторегрессионная плотная модель архитектуры Llama с 35,1 млн параметров; вариант из README описан как 12-слойный, с размерностью 512 и 8 головами внимания. Модель предназначена для генерации текста, прежде всего коротких историй на английском языке. Вторая версия семейства обучалась дольше предыдущей, что, по README, улучшило результаты оценки; также был оптимизирован токенизатор с сокращением словаря до 4019 токенов. Репозиторий содержит веса в формате safetensors, контекст модели по метаданным — до 2048 токенов. Лицензия MIT разрешает свободное использование с соблюдением её условий. Это компактный чекпойнт для экспериментов с генерацией историй и изучения поведения языковых моделей. Он обучен на синтетических историях, поэтому качество и переносимость на другие жанры и задачи могут быть ограничены; модель также значительно меньше современных универсальных языковых моделей.

SimVLA-LIBERO — вариант модели SimVLA для управления роботами в симуляторе LIBERO, разработанный авторами работы SimVLA. Это мультимодальная VLA-модель, дообученная на базе HuggingFaceTB/SmolVLM-500M-Instruct: стандартный визуально-языковой блок отделён от лёгкой головы действий. Модель содержит около 0,5 млрд параметров и предназначена для исследований и воспроизводимого сравнения методов роботизированных манипуляций. Модель принимает визуальные и языковые наблюдения и предсказывает действия робота. В статье сообщается о результатах на стандартных симуляционных тестах и сопоставимой с π0.5 эффективности на реальном роботе; эти заявления относятся к оценкам авторов и не гарантируют результат на других роботах или сценариях. Репозиторий предоставляет веса Safetensors, лицензия — Apache-2.0.

slm-125m-base — языковая модель Prajwal55 с архитектурой Llama, обученная с нуля на корпусах судебных дел США, документах SEC и образовательных веб-текстах. Это базовая модель на 125,8 млн параметров без дообучения на инструкциях, RLHF и выравнивания безопасности: она продолжает заданный текст, но не предназначена для выполнения инструкций. Модель принимает текст и генерирует текст на английском языке; контекст ограничен 1024 токенами. Обучение охватило 1,92 млрд токенов, около 76% которых составили юридические тексты. На CaseHOLD модель показала 19,5% в тесте с выбором из пяти вариантов; автор характеризует результат как близкий к случайному и предназначенный для ориентира при последующем дообучении, а не как свидетельство юридических рассуждений. Модель невелика и может быть полезна как исходная точка для экспериментов с дообучением и генерацией продолжений в узкой англоязычной области. В корпусе судебных дел сохранился OCR-шум. Лицензия — Apache-2.0; модель не подходит для принятия решений с юридическими или финансовыми последствиями.

Mehul2112/smolvla_black_cube_fullft — полное дообучение модели lerobot/smolvla_base для управления роботом SO-100 при манипуляции чёрным кубом. Обучение выполнено на наборе Mehul2112/so100_black_cube_merged из 130 эпизодов с одной фронтальной камерой; разморожены визуальный энкодер, языковая модель и эксперт действий. Чекпойнт соответствует шагу 14 000 и содержит примерно 403 млн обучаемых параметров из 450 млн. Модель принимает изображение с камеры, состояние робота и, согласно назначению базовой SmolVLA, необязательную языковую инструкцию, а выдаёт непрерывные управляющие действия. Она предназначена для сценария захвата чёрного куба на платформе SO-100; README рекомендует для лучшего обобщения чекпойнт шага 2 000, поскольку у данного чекпойнта шаг 14 000 переобучен на небольшом наборе данных. Модель доступна в формате safetensors; лицензия в предоставленных данных не указана.

SmolVLA SO101 PickOrange — дообученная модель управления роботом-манипулятором SO101, опубликованная в репозитории edge-inference/smolvla-so101-pick-orange. Она предназначена для выполнения задачи в симуляторе LeIsaac на базе Isaac Sim: подобрать три апельсина со стола, положить их на тарелку и вернуть манипулятор в исходное положение. Модель VLA объединяет визуальный энкодер ViT на основе SigLIP, языковую основу SmolLM2 и обучаемую голову эксперта действий. На вход поступают изображения с двух камер и состояние робота; система преобразует их в визуальные токены, обрабатывает языковой основой с перекрёстным вниманием и выдаёт последовательность из 50 токенов действий, декодируемых в 6D-позиции суставов. Веса модели занимают 1,2 ГБ; энкодер и языковая основа заморожены, а голова действий обучена для данной задачи. Модель обучена на 60 симуляционных эпизодах и 36 293 кадрах, собранных телеоперацией в LeIsaac. Заявленное совпадение среды обучения и оценки упрощает проверку в целевом симуляторе, но не подтверждает перенос на физического робота или другие задачи и сцены. Для использования необходимы соответствующая среда LeIsaac и Isaac Sim. Лицензия — Apache-2.0.

SoloLLM v3 150M Base — авторская базовая языковая модель Бенджамина Максвелла, обученная с нуля в рамках проекта SoloLLM. Это декодерный GPT-подобный трансформер с 189,6 млн параметров по метаданным Hugging Face; в README указано 151,9 млн параметров. Модель обучалась на смеси общедоступных текстовых корпусов объёмом около 10 млрд токенов, включая FineWeb-Edu, FineWeb, DCLM, Wikipedia и OpenWebText. Контекст составляет 1024 токена. Модель предназначена для продолжения текста, образовательного изучения небольшой языковой модели, экспериментов с генерацией и воспроизведения оценок проекта. Автор сообщает, что итоговая версия превзошла GPT-2 small в целом на фиксированном наборе оценок, но это не доказывает превосходство по всем метрикам. Модель не настроена на выполнение инструкций и не является чат-ассистентом. Лицензия — MIT. Модель может генерировать ошибочный, предвзятый, повторяющийся или небезопасный текст. У неё нет поиска по источникам и вызова инструментов; для диалогов и практического применения потребуется дополнительная настройка и оценка безопасности. README не рекомендует её для производственных систем и решений с высокими ставками.

SpatialVLA — модель зрительно-языкового управления роботами, разработанная исследователями Shanghai AI Laboratory, ShanghaiTech и TeleAI. Она дообучена на базе google/paligemma2-3b-pt-224 и объединяет зрительные, языковые и пространственные представления для выполнения роботизированных действий по изображению и текстовой инструкции. В метаданных указано 1,5 млрд параметров; модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель предназначена для управления роботами в задачах, представленных в обучающих данных, включая сценарии из наборов Open X-Embodiment и RH20T. В README описаны оценки в симуляторах и на роботах, а также адаптация к новым настройкам через дообучение. Основной язык карточки — английский. Лицензия модели — MIT. SpatialVLA не обеспечивает нулевое обобщение на новые типы роботов и конфигурации, отсутствующие в обучающих данных; для таких случаев авторы рекомендуют собрать демонстрации и дообучить модель. Для инференса в README указана потребность примерно в 8,5 ГБ памяти GPU.

SRLM-1M — компактная авторегрессионная языковая модель на архитектуре SRLM, основанной на ROSA, с примерно 900 тысячами параметров. Модель разработана автором репозитория Martico2432 и обучена на подмножестве smollm-corpus fineweb-edu-dedup объёмом более 16 миллионов токенов. Модель предназначена для генерации текста на английском языке. Контекст ограничен 512 токенами. В карточке приведены результаты оценок на Wikitext v2, ARC-Easy, BLiMP и HellaSwag; они характеризуют экспериментальную модель малого размера, а не подтверждают пригодность для широкого практического применения. Для загрузки требуется собрать расширение rosa.pyx и использовать конфигурацию модели. Веса опубликованы в форматах PyTorch и Safetensors. Лицензия — MIT.

STream3R — модель для последовательной 3D-реконструкции по изображениям, описанная авторами работы «STream3R: Scalable Sequential 3D Reconstruction with Causal Transformer». Она преобразует задачу предсказания карт точек в задачу последовательной регистрации и использует Transformer с архитектурой decoder-only и причинным вниманием. Модель предназначена для потоковой обработки последовательностей изображений и онлайн-восприятия 3D-сцен. В README заявлена работа как со статичными, так и с динамическими сценами, а также поддержка FlashAttention, KV cache, причинного, скользящего оконного и полного внимания. В приведённых результатах сравнивается реконструкция на NRGBD; замеры памяти и скорости проводились при разрешении 518 × 384 на GPU H200. Веса опубликованы в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории. README сообщает, что код обучения и оценки, а также версия с метрическим масштабом пока не выпущены.

Eku127/streamvln-satnav-continue-1ep-f32h8s4-lr2e-5 — модель StreamVLN, адаптированная для SatNav, платформы навигации по спутниковым картам; автор отдельной версии в README не назван. Она принимает языковую инструкцию и поток RGB-наблюдений и предназначена для предсказания действий в навигационной задаче. Модель содержит 7,1 млрд параметров, использует архитектуру LLaVA с классом StreamVLNForCausalLM и контекстом 32 768 токенов. Контекст обучения включает 32 кадра, 8 выборок истории и 4 будущих действия. Чекпойнт получен полным дообучением в течение одной эпохи на офлайн-траекториях SatNav-v0.1 от модели mengwei0427/StreamVLN_Video_qwen_1_5_r2r_rxr_envdrop_scalevln_v1_3. Предназначен для интеграции StreamVLN в SatNav и включён в SatNav Baseline Model Zoo. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование с сохранением условий атрибуции и распространения на тех же условиях.

Suzuki-m1 GPT — небольшая языковая модель GPT-2 style с архитектурой decoder-only, созданная Raivatv24 для демонстрационных и академических экспериментов. По README, модель обучалась с нуля на португалоязычном корпусе Raivatv24/Suzuki-m1; метаданные каталога связывают её с репозиторием Raivatv24/Suzuki-m1 как дообучение. Веса представлены в safetensors, модель содержит около 23 млн параметров и использует собственный BPE-токенизатор с словарём 32 000 токенов. Контекст составляет 526 токенов по метаданным. Модель предназначена для короткой генерации текста на португальском языке, изучения полного цикла обучения LLM с нуля и экспериментов с дообучением. Корпус объединяет энциклопедические, книжные, субтитровые и другие тексты, поэтому тематика генераций может быть широкой. Качество ограничено небольшим размером модели и ранним состоянием обучения: README указывает на checkpoint шага 2000, короткий контекст и возможную несвязность текста. Данные смешивают варианты бразильского и европейского португальского и могут содержать шум. Лицензия — CC BY-SA 4.0; для коммерческого применения следует учитывать условия исходных материалов корпуса.

Это экспериментальный чекпойнт диалоговой модели Llama 2, созданный авторами исследования для проверки того, как SVD-сжатие влияет на безопасность ответов. В основе лежит meta-llama/Llama-2-7b-chat-hf; модель содержит 6,6 млрд параметров и использует архитектуру LlamaForCausalLM. При сжатии удалено 40% параметров, а восстановление компонентов SVD не выполнялось. Контекст составляет 4096 токенов. Модель предназначена для измерения компромисса между безопасностью и полезностью сжатых языковых моделей, а не для обычного общения или внедрения в продукт. В README приведены результаты измерений на AdvBench, StrongREJECT и WildGuard. Авторы предупреждают, что сжатие может ухудшать безопасное поведение; каждый вариант следует оценивать отдельно. Лицензия — Llama 2, с условиями использования Meta.

Это исследовательский чекпойнт диалоговой модели Llama 2 от Meta, подготовленный авторами исследования сжатия и восстановления безопасного поведения. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и принимает текст, генерируя текстовые ответы; базовая версия рассчитана на контекст до 4096 токенов и общение на английском языке. Чекпойнт получен сжатием Llama-2-7b-chat-hf методом SVD-LLM с удалением 30,02% параметров, а затем десятью раундами итеративной замены параметров по правилу gap_iter. Он предназначен для исследования компромиссов между сжатием, полезностью и безопасностью, а не для обычного диалогового применения. В README приведены результаты измерений отказов и успешности атак на нескольких бенчмарках. Лицензия — Llama 2. Модель является экспериментальным объектом: авторы предупреждают, что сжатие может ухудшать безопасное поведение, и рекомендуют самостоятельно оценивать чекпойнт перед использованием.