II.10Разработка и эксплуатация AI/ML-систем

Drakon_28m-base — небольшая базовая языковая модель, разработанная Squeal-Studio и предварительно обученная с нуля на русскоязычных текстах. Это предобученная модель без инструкционной настройки; версия SFT находится в разработке. Модель предназначена для экспериментов с архитектурами языковых моделей и генерации продолжений текста на русском языке. Архитектура Drakon сочетает причинные глубинные свёртки, MinGRU и полное причинное внимание с RoPE: каждый третий блок использует внимание. В README указано около 28,5 млн параметров, пользовательские BPE-токенизатор с размером словаря 24 001 и контекст 1 024 токена; метаданные каталога указывают 49,3 млн параметров. Модель принимает текст и генерирует текст, распространяется под лицензией Apache-2.0. Малый размер делает её подходящей для обучения и архитектурных экспериментов, но качество на сложных задачах ограничено. Авторы характеризуют архитектуру как прототипную; контекст в 1 024 токена ограничивает связность на больших расстояниях, а модель не предназначена для использования в производстве.

Lanni-ni/dynamic_alibi_2_4_256_babylm_10m_seed44_epoch6 — небольшая языковая модель для генерации текста, опубликованная пользователем Lanni-ni на Hugging Face. Модель предназначена для работы с библиотекой Transformers и имеет тег задачи text-generation. По метаданным модель содержит около 15 млн параметров, использует формат safetensors и связана с архитектурой или методом dynamic ALiBi. Название также указывает на экспериментальную конфигурацию BabyLM 10M с seed44 и epoch6. Сведения о поддерживаемых языках, длине контекста, лицензии, разработчике, обучающих данных и результатах оценки отсутствуют. Модель может использоваться для экспериментов с авторегрессионной генерацией текста, изучения компактных языковых моделей и тестирования динамических позиционных смещений. Из-за малого размера и отсутствия опубликованных оценок её качество, устойчивость и пригодность для практических приложений не подтверждены.

EgoSteer-3B-RealMan — обобщённая политика Vision-Language-Action для ловкой манипуляции роботизированной рукой, разработанная в рамках проекта EgoSteer. Модель создана на основе EgoSteer-3B-Base и дообучена на реальных демонстрациях, собранных на роботе RealMan; версия соответствует EgoSteer-9.6K-DG из статьи. Система объединяет визуально-языковую основу Qwen3-VL-2B-Instruct, эксперта действий на flow matching с архитектурой DiT/AdaLN и эксперт мирового моделирования, используемый только при обучении. Лицензия — Apache-2.0. На вход подаются естественно-языковая инструкция, изображения с двух RGB-камер (головной и нагрудной) и данные проприоцепции; модель выдаёт блок будущих действий. Конфигурация описывает кадры 480 × 640 и историю из шести кадров. Система предназначена для управления роботом RealMan, исследований VLA и ловкой манипуляции, а также как основа для дальнейшего дообучения. В статье описана оценка на 45 задачах и адаптация к сложным задачам с длинным горизонтом. Политика настроена на формат наблюдений и действий RealMan: для другого робота потребуется согласовать камеры, размеры изображений и нормализатор либо провести дополнительное дообучение. Выходы необходимо проверять на безопасность до исполнения на оборудовании.

patyns/Ethnicity_Test_v003 — модель классификации изображений, обученная с помощью AutoTrain. Это плотная модель семейства Vision Transformer (ViT) с архитектурой ViTForImageClassification и 113,2 млн параметров. Она решает задачу многоклассовой классификации изображений; в карточке приведены метрики валидации: accuracy 0,796 и macro F1 0,797. По названию модели и обучающего набора она предназначена для классификации этнической принадлежности по изображениям. Карточка не сообщает условия лицензии и не описывает классы, состав данных или ограничения применимости.

Fabryka English Base 250M — E01 — это ранняя экспериментальная базовая языковая модель SlayerLab, обученная с нуля для генерации продолжений на английском языке. Она имеет плотную архитектуру EnglishBaseForCausalLM примерно на 333,9 млн параметров и контекст до 2048 токенов; веса опубликованы в формате safetensors и рассчитаны на работу через Transformers. Модель предназначена для экспериментов с генерацией текста и оценки базовых языковых моделей. Это не ассистент с настройкой для выполнения инструкций: чекпойнт существенно недообучен, а примеры продолжений часто повторяются и бывают несвязными. В карточке приведены результаты ряда тестов, но они не свидетельствуют о широком качестве модели; для отдельной экспериментальной оценки CORE авторы также отмечают предварительный характер интерпретации протокола. Модель распространяется под лицензией, указанной в карточке Hugging Face; в предоставленных данных её условия не приведены.

yujiepan/falcon-tiny-random — небольшая случайно инициализированная модель для генерации текста, разработанная пользователем yujiepan на основе конфигурации tiiuae/falcon-7b-instruct. Модель предназначена преимущественно для тестирования, экспериментов и проверки совместимости инструментов, а не для получения качественных содержательных ответов, поскольку её параметры не были обучены на данных. Архитектура основана на Falcon с двумя слоями, размером скрытого состояния 8 и двумя attention-головами. Модель работает в формате float16 и использует токенизатор исходной модели Falcon-7B-Instruct. В README указана модальность текста, задача text generation и возможность применения через библиотеку Transformers; сведения о поддерживаемых языках, размере контекста и фактическом качестве не приведены. Поддержка экспорта в OpenVINO на момент публикации отмечена как недоступная. Сильная сторона модели — крайне малый размер и пригодность для быстрых прототипов, отладки и экспериментов с архитектурой. Основное ограничение — случайная инициализация, из-за которой модель не обладает выученными языковыми или инструкционными способностями. Лицензия в README не указана.

FIRe-VLA-OpenVLA-GearMesh-Sim — модель политики vision-language-action на базе OpenVLA, дообученная для контактной роботизированной сборки зацепления шестерён в симуляции. Контрольная точка готова к инференсу и обучена до 20 000 шагов; в репозитории также указаны компоненты OFT, включая action head, proprio projector и LoRA-адаптер. Модель предназначена для управления роботом при сборке шестерён по визуальным и языковым входам. Репозиторий распространяется по лицензии Apache-2.0. Для инференса README указывает использование кода OpenVLA-OFT и загрузку через Transformers с trust_remote_code=True.

FungiTastic DINOv3 ViT-S/16 — модель классификации изображений грибов, созданная Paul Bauriegel дообучением компактного энкодера timm/vit_small_patch16_dinov3.lvd1689m. Она относит фотографию к одному из 2 827 видов, представленных в обучающей выборке FungiTastic, и предназначена для вспомогательного определения грибов в Северной и Центральной Европе, а также для дальнейшего дообучения. Модель содержит 22,7 млн параметров и принимает одно изображение размером 384×384 пикселя; доступны контрольная точка PyTorch и варианты TensorFlow Lite/LiteRT, включая версию с весами float16 и графом со встроенной предобработкой. В полном тестовом наборе точность top-1 составляет 72,6 %, а macro F1 — 45,9 %. Модель компактна для классификатора такого уровня и поддерживает запуск на мобильных устройствах, в том числе через LiteRT GPU. Качество заметно зависит от количества примеров каждого вида: для редких видов оно низкое, а обучающие данные отражают частоты и географию Дании, поэтому за пределами Европы точность может снизиться. Классификация по одному снимку не всегда надёжна. Модель нельзя использовать для решения, безопасен ли гриб в пищу: она ошибается примерно в четверти случаев и не заменяет специалиста-миколога. Лицензия указана как other; конкретные условия использования в карточке не приведены.

C12H18/gats-coldstart-opd-grpo-qwen2.5-7b-webshop — исследовательский чекпойнт на базе Qwen2.5-7B-Instruct, обученный авторами коллекции GATS для работы в среде WebShop. Модель прошла холодный старт с дистилляцией по текущей политике (OPD), а затем 150 шагов обучения GRPO; в качестве учителя для холодного старта использовалась Qwen2.5-1.5B, обученная GRPO на задачах WebShop. Архитектура — плотная Qwen2 causal language model на 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для экспериментов со стратегиями холодного старта агентного обучения с подкреплением и воспроизведения базовых результатов статьи GATS. Она генерирует текстовые действия для задач WebShop и не позиционируется как универсальный помощник. В README приведена итоговая оценка 72,48 ± 5,64 по трём наборам случайных начальных условий. Чекпойнт опубликован в формате safetensors и распространяется по лицензии Apache-2.0. Результаты относятся к оценке в WebShop; карточка не подтверждает качество на других средах или языках.

reaperdoesntknow/gemma-270m-math-reasoner — экспериментальный чекпойнт на 257 млн параметров, опубликованный Convergent Intelligence LLC. Это плотная текстовая модель Gemma 3, дообученная на google/gemma-3-270m для генерации пошаговых рассуждений при решении математических задач. Модель принимает текст и генерирует текст; её родной контекст составляет 32 768 токенов. Чекпойнт предназначен для изучения переноса обучения в формате рассуждений на очень малые модели, экспериментов на периферийных устройствах и сравнения с более крупными дистиллятами. Модель умеет оформлять решение по шагам, но часто не справляется с самими вычислениями: в многошаговых текстовых задачах рассуждения могут выглядеть убедительно, хотя содержат ошибки. Формальная оценка качества не проводилась. Это экспериментальная версия, а не надёжный инструмент для математических ответов. Лицензия — Apache 2.0.

Goldfish gla_latn_5mb — авторегрессионная языковая модель семейства GPT-2 от разработчиков проекта Goldfish, обученная генерировать текст на шотландском гэльском языке в латинской графике. Модель содержит около 35,9 млн параметров; её обучали на корпусе объёмом около 5 МБ, собранном преимущественно из веб-текстов Common Crawl. Используются токенизатор со словарём из 44 264 токенов и контекст длиной до 512 токенов. Модель предназначена для исследований и экспериментов с низкоресурсным шотландским гэльским языком, а также для сравнения монолингвальных моделей между языками. Она может продолжать заданный текст и генерировать короткие фрагменты; для ожидаемого формата входа README рекомендует добавлять в начало токен [CLS]. Проект предупреждает, что качество моделей Goldfish для языков с большим объёмом ресурсов не рассчитано на сравнение с современными крупными языковыми моделями. Репозиторий использует лицензию Apache-2.0.

Locutusque разработал экспериментальную диалоговую модель на архитектуре GPT-2, дообучив её на примерах разговоров пользователя с ИИ-ассистентом. Она генерирует текстовые ответы для чат-ботов и виртуальных помощников; в карточке также упоминаются сценарии клиентской поддержки. Модель поддерживает английский язык, использует архитектуру GPT2LMHeadModel и имеет контекст до 1024 токенов. Веса доступны в форматах PyTorch и Safetensors. Автор сообщает о дообучении на 245 тысячах примеров и приводит метрики BLEU 9 и perplexity 19. По его оценке, модель может давать нерелевантные или бессвязные ответы: она слабо обучена, не сохраняет историю диалога для продолжений и не предназначена для надёжных ответов на фактические вопросы. Модель помечена как устаревшая; лицензия — OpenRAIL.

GPT-2-fine-tuned-mental-health-i1-GGUF — это квантизированная версия модели TheCarBun/GPT-2-fine-tuned-mental-health. Исходную модель дообучил TheCarBun, а наборы GGUF подготовил mradermacher. Модель распространяется в формате GGUF и предназначена для генерации текста на английском языке. Модель ориентирована на текстовые и conversational AI-сценарии, связанные с тематикой психического здоровья: например, на создание диалоговых ответов и экспериментальные приложения для работы с текстом на эту тему. В метаданных указаны базовая архитектура GPT-2, библиотека Transformers, английский язык и источники данных custom-dataset и Kaggle. Точный размер базовой модели, длина контекста и дополнительные модальности в README не указаны; доступные файлы имеют размер около 0,2 ГБ каждый и представлены в различных вариантах квантизации. Сильной стороной является возможность локального использования компактных GGUF-файлов с выбором компромисса между скоростью, размером и качеством; README рекомендует варианты i1-Q4_K_M и i1-Q4_K_S, при этом часть низкобитных вариантов отмечена как имеющая низкое качество. К ограничениям относятся возможная потеря качества из-за квантизации и отсутствие подтверждений клинической точности или пригодности для медицинской помощи. Лицензия модели — Apache-2.0.

dimzhead/gpt2-test — модель генерации текста на архитектуре GPT-2, представленная в формате PyTorch. Согласно карточке, это дообученная версия GPT-2 на неизвестном наборе данных; автор не описывает её назначение или предполагаемые сценарии применения. Контекст модели составляет 1024 токена, лицензия — MIT. В карточке приведено значение Loss 6,7441 на оценочном наборе, но данных о наборе, методике оценки и качестве генерации нет. Поэтому результат не позволяет судить о пригодности модели для конкретных задач; перед практическим использованием потребуется самостоятельная оценка.

GR00T-N1.6-LIBERO — дообученный чекпойнт модели NVIDIA GR00T-N1.6-3B для управления роботом Franka Panda в симуляторе LIBERO. Модель принимает визуальные наблюдения и инструкции и выдаёт управляющие действия для манипуляции объектами. Обучение охватывает четыре набора задач LIBERO: Spatial, Object, Goal и LIBERO-10. В карточке указаны результаты оценки на 20 эпизодах для каждой задачи в каждом наборе; опубликованные показатели успешности составляют 96% для Spatial, 100% для Object и 98% для Goal. Архитектура — GR00T-N1.6 (`Gr00tN1d6`), с визуальной основой `nvidia/Eagle-Block2A-2B-v2`. Модель предназначена для экспериментов и оценки роботизированных манипуляций в LIBERO; перенос результатов на реальные условия или другие роботы карточкой не подтверждён. Распространяется по лицензии MIT.

pravsels/groot1.7_block_stack_20k — дообученная модель на базе NVIDIA GR00T N1.7-3B для задачи складывания блоков (block_stack). Она обучена на данных SO101 из набора villekuosmanen/armnetbench_block_stack; в корне репозитория размещён финальный чекпойнт после 20 000 шагов вместе с конфигурациями весов и процессора. Модель предназначена для управления роботом при манипуляциях с блоками и загружается через стек инференса GR00T. Метаданные указывают архитектуру Gr00tN1d7 и формат safetensors. Условия лицензии в предоставленных сведениях не описаны.

Это контрольная точка GR00T N1.7 для управления роботом SO-101, подготовленная в формате LeRobot. Модель обучена на наборе sreetz-nv/so101_teleop_vials_rack_left_sim_and_real с размером пакета 64; она выдаёт относительные команды для руки, а команда захвата остаётся абсолютной. Контрольная точка предназначена для выполнения манипуляций с флаконами и стойкой в симуляции и реальной среде. В оценке Isaac Sim зафиксирован успех в 2 из 20 эпизодов; политика формирует блоки действий длиной 16, при горизонте исполнения 8. Доступен формат safetensors, лицензия Apache-2.0.

Чекпойнт GR00T N1.7 для управления роботом SO-101, обученный проектом Sreetz на симуляционных и реальных данных. Модель обучалась 6 000 шагов с размером пакета 64, использует относительные действия и преобразования изображений; конфигурация обучения соответствует OSS-parity. Модель предназначена для манипуляций с объектами в задаче размещения флаконов на стойке. В оценке Isaac Sim она успешно завершила 7 из 20 эпизодов: захваты были зарегистрированы в 20 эпизодах, события размещения на стойке — в 7, отпускания — в 16. Репозиторий использует формат safetensors и библиотеку LeRobot; лицензия — Apache-2.0.

gslm-scaling-309m-19p8b — экспериментальный речевой языковой Transformer, опубликованный tiagoCuervo как контрольная точка для конечного бюджета обучения в работе «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 308 845 568 параметров и обучалась на 19 759 950 000 токенах; веса представлены в FP32 и формате safetensors. Модель предсказывает последовательности дискретных речевых единиц: объединённые подряд одинаковые кластеры K-means токенизатора mHuBERT, извлечённые на слое 11 с частотой 25 Гц и размером словаря 500. Генерацию можно использовать для продолжения последовательности таких единиц; сам вокодер в репозитории не включён, поэтому для преобразования единиц в звук потребуется отдельный компонент. README приводит оценки на sBLIMP и sStoryCloze, а также tStoryCloze. Лицензия — Apache-2.0.

Это исследовательский речевой языковой Transformer от Tiago Cuervo: чекпойнт на 85 339 392 параметра, представляющий конечную точку эксперимента по масштабированию из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель обучалась на 108 869 760 000 токенах и предсказывает последовательности дискретных речевых единиц: объединённые соседние коды кластеризации K-means для слоя 11 mHuBERT с частотой 25 Гц и размером словаря 500. Модель предназначена для генерации продолжений таких речевых токенов и изучения масштабирования речевых языковых моделей. В README приведены результаты на sBLIMP и sStoryCloze/tStoryCloze. Указаны веса FP32 в формате safetensors и лицензия Apache-2.0. Для преобразования сгенерированных единиц в звук потребуется отдельный вокодер, который в репозитории не включён.

HmarBERT-mini — компактная модель семейства BERT, созданная разработчиком azinamotoe с нуля для языка хмар (Hmar, hmr), одного из зо-языков. Это четырёхслойный энкодер BERT с 384 скрытыми измерениями и 6 головами внимания; по метаданным модель содержит 18,9 млн параметров, использует формат safetensors и обрабатывает последовательности длиной до 512 токенов. В README указан размер 16,91 млн параметров, поэтому оценки размера в источниках расходятся. Модель обучена на предложениях и абзацах на языке хмар и предназначена для предсказания замаскированных слов, анализа контекста и исследований низкоресурсного языка. Токенизатор без учёта регистра сводит варианты написания с диакритикой и без неё к одинаковым токенам и сохраняет стандартные буквы и диграфы хмар. Компактный размер рассчитан на быстрый запуск на обычных компьютерах и базовых CPU. Лицензия — Apache-2.0. Модель специализирована на языке хмар; перенос её на другие языки и задачи за пределами заполнения масок не описан. Качество зависит от состава обучающих текстов, включая религиозные, прозаические, эссеистические и онлайн-материалы.

julien-c/hotdog-not-hotdog — классификатор изображений, автоматически созданный с помощью HuggingPics. Модель на архитектуре Vision Transformer (ViT) насчитывает 113,2 млн параметров и предназначена для различения изображений хот-догов и других изображений. Она принимает изображение и выдаёт метку класса. В репозитории доступны веса PyTorch и Core ML. Карточка не сообщает лицензию и подробности о данных обучения; README описывает проект HuggingPics и предлагает создавать с его помощью классификаторы для произвольных категорий.

Это обученный агент Proximal Policy Optimization (PPO), созданный для игры Huggy в среде Unity ML-Agents. Модель принимает наблюдения из игрового окружения и выбирает действия, чтобы управлять игровым агентом; её можно запускать в поддерживаемой среде ML-Agents или просматривать игру в браузере через совместимый просмотрщик агентов. Репозиторий содержит модель в формате ONNX. README также описывает возможность продолжить обучение агента с помощью ML-Agents. Сведения о лицензии, размере модели и конкретных характеристиках обучения в предоставленных данных отсутствуют.

Это обученный методом PPO агент, созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом: её можно использовать для запуска игры или продолжения обучения через ML-Agents. В репозитории размещён файл ONNX. Модель принимает состояние игровой среды и выдаёт действия агента; язык интерфейса модели не относится к естественным языкам. Карточка не приводит размер модели и условия лицензии, поэтому эти сведения здесь не уточняются.

Huggy Treinado — модель, обученная для среды Huggy в Unity ML-Agents. Репозиторий содержит модель в формате ONNX; карточка рекомендует использовать её в официальном Space Huggy. Модель предназначена для обучения с подкреплением и выполнения задачи в этой среде.

HuggyTheDog — обученный агент Proximal Policy Optimization (PPO), созданный с помощью Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом и может использоваться для просмотра поведения или продолжения обучения в среде ML-Agents. Репозиторий содержит модель в формате ONNX; карточка также указывает библиотеку ml-agents.

Это обученный агент PPO для игры Huggy, созданный Deepro21 с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может применяться для просмотра поведения агента или продолжения его обучения через ML-Agents. В репозитории указан формат ONNX. Карточка не сообщает размер модели, условия лицензии, поддерживаемые языки или детали входов и выходов; поэтому эти характеристики не уточняются.

HumanChess Beginner 650-750 Blitz — модель политики ходов в шахматах, разработанная авторами HumanChess и обученная методом имитации на партиях Lichess Blitz игроков с рейтингом примерно 650–750. CNN-архитектура принимает тензор позиции размером 19 × 8 × 8 и выдаёт оценки фиксированного словаря ходов; при инференсе незаконные ходы маскируются, поэтому результатом становится распределение по допустимым ходам. Модель предназначена для генерации ходов начинающего уровня с поведением, похожим на человеческую игру, а не для поиска сильнейших ходов. В репозитории есть контрольная точка PyTorch FP32 и варианты TorchScript в FP32 и статической INT8-квантизации. INT8-вариант компактнее и быстрее на процессорах x86, но уступает FP32 по точности. Модель подходит для экспериментов с предсказанием ходов, учебных инструментов, любительских шахматных ботов и сравнений моделей. Лицензия — MIT. Это политика без поиска и без value head: она не оценивает позицию и не является тактическим оракулом. Качество ограничено обучающими данными; заявленный авторами ориентир «уровень около 300» — не калиброванный рейтинг какой-либо шахматной платформы. В описании также отмечено, что отдельные стратегические планы могут выглядеть неудачно, несмотря на фильтрацию незаконных ходов.

INDRA 8B Base — экспериментальная базовая языковая модель архитектуры INDRA1, разработанная Шашватом Мудгалом и распространяемая DarkWhite Productions. Это авторегрессионная причинно-языковая модель примерно на 8 млрд параметров, созданная для генерации текста из текстового контекста. Она представляет собой отдельную архитектуру, а не дообученную оболочку Qwen: предобученные веса Qwen использовались как начальная точка, после чего веса были отображены во внутренние модули INDRA и модель обучалась далее. Модель предназначена для исследований архитектур языковых моделей, экспериментов с рассуждениями и структурированной генерацией, а также анализа исторического чекпойнта INDRA1. Она не настроена на следование инструкциям и не оптимизирована для диалогов. В метаданных указан английский язык. Длина контекста и подробные результаты оценки не приведены. Возможны галлюцинации, ошибки рассуждений и фактические неточности, повторы, нестабильная генерация и слабое следование инструкциям; надёжность рассуждений не гарантируется. Модель не предназначена для критически важных решений или использования в качестве производственного помощника. Доступ к материалам репозитория ограничен, а условия указывают на все права, защищённые автором; копирование, распространение, изменение для распространения и коммерческое использование требуют разрешения правообладателя. Для сторонних материалов действуют их собственные лицензии.

InternVLA-A1-3B — модель для управления роботизированными манипуляциями, разработанная командой InternRobotics. Она объединяет понимание сцен, прогнозирование динамики и генерацию действий в архитектуре Mixture-of-Transformers, чтобы робот мог учитывать визуальный контекст и адаптировать движения. Версия 3B обучена на разнородных данных: реальных роботах, симуляциях и видео от первого лица; карточка указывает дообучение базовой Qwen/Qwen3-VL-2B-Instruct. Модель предназначена для статических и динамических задач захвата и манипуляции, включая оценку будущего состояния сцены перед выполнением действия. В README также приведены результаты на симуляционном RoboTwin 2.0: средний успех 89,40% на простых и 89,64% на сложных задачах, усреднённый по 50 задачам. Базовая модель поддерживает анализ изображений и видео; отдельные сведения о контексте и языковой поддержке этой версии не приведены. Модель опубликована в формате safetensors под лицензией CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. Результаты демонстраций и бенчмарка не гарантируют качество на иных роботах, наборах действий или реальных условиях; перед практическим применением потребуется интеграция с конкретным роботом и проверка безопасности управления.