II.10Разработка и эксплуатация AI/ML-систем

MoPET booster-derma — исследовательская модель Себастьяна Дёрриха и Даниэля Вюртинґера из xAILab Университета Бамберга для классификации медицинских изображений. Вариант обучен на DermaMNIST совместно с BloodMNIST, OCTMNIST и OrganSMNIST; целевая задача — классификация изображений DermaMNIST, а остальные наборы используются как вспомогательные данные. Модель использует замороженную основу DINOv3 ViT-B/16 и разреженный маршрутизатор, который выбирает экспертов MoPET на основе адаптеров LoRA и BOFT; для каждого набора данных предусмотрена отдельная классификационная голова. Принимает RGB-изображения в виде тензоров PyTorch размером 3×256×256 и выдаёт оценки классов. Лицензия — MIT. Модель предназначена для исследований и экспериментов с классификацией медицинских изображений и извлечением признаков. Она обучена на уменьшенных изображениях MedMNIST+; тонкие детали могут быть утрачены, результаты на классах с малым числом примеров могут быть хуже, а устойчивость к изменению домена не охарактеризована. Модель не предназначена для клинической диагностики; поведение на других типах изображений не определено.

Myosotis-1.1-base-step_4k — предварительно обученная языковая модель семейства FWKV, опубликованная под идентификатором FWKV/Myosotis-1.1-base-step_4k. Это чекпойнт на шаге обучения 4000; автор README отмечает, что модель существенно недообучена. В карточке приведены результаты нескольких оценок, включая ARC Challenge и ARC Easy. Модель предназначена для генерации текста, однако приведённые результаты и пометка о недообучении указывают на ранний экспериментальный чекпойнт, а не на готовую к применению систему. Репозиторий использует Transformers и формат весов Safetensors. Лицензия — Apache-2.0.

HarleyCooper/nanochat561 — экспериментальная англоязычная языковая модель семейства nanochat, созданная на основе проекта Karpathy nanochat. Это плотный авторегрессионный Transformer с 608,2 млн параметров и контекстом 2048 токенов; репозиторий содержит веса safetensors и использует библиотеку nanochat. Модель предназначена для генерации текста и диалогов, а также для учебных и исследовательских экспериментов с языковыми моделями. В метаданных указаны датасеты FineWeb-EDU, SmolTalk, GSM8K и MMLU. Карточка предупреждает, что опубликованные токенизатор и веса рассинхронизированы: модель выдаёт бессмысленный текст при инференсе, а автор не уверен в исправлении и не может найти исходные контрольные точки. Также отмечены ограниченные знания и способности к сложным рассуждениям, преимущественная ориентация на английский и слабая многоязычность. Лицензия — MIT.

NanoDiffusion-46M-1k — компактная модель генерации изображений по тексту от FlameF0X. Это UNet примерно на 46 млн параметров, обученный с нуля для латентной диффузии: он работает с латентами размером 32×32, соответствующими изображениям 256 пикселей, и использует замороженные VAE и текстовый энкодер CLIP ViT-L/14 из Stable Diffusion 1.5. В UNet используются базовое число каналов 128, множители каналов (1, 2, 3, 4), по два residual-блока на уровень и cross-attention для текстового условия. Модель предназначена для экспериментальной генерации изображений по коротким текстовым запросам. Она обучена с нуля на наборе BitTranslate/Bittensor_subnet_19_06_04_24 в течение 1000 шагов. Компактный размер и разрешение 256 пикселей подходят для демонстраций и изучения латентной диффузии, но короткое обучение ограничивает качество, разнообразие и следование запросу. Лицензия — Apache-2.0.

CatkinChen/nethack-vae-hmm — мультимодальный вариационный автокодировщик, разработанный для обучения компактным представлениям игровых состояний NetHack. Модель обрабатывает игровую сетку размером 21×79, цвета, статистику blstats, текст сообщений, набор игровых символов и сведения о персонаже: роли, расе, поле и мировоззрении. Модель построена на PyTorch и использует латентное пространство размерности 96. Она предназначена для извлечения признаков и обучения представлений NetHack-состояний; карточка указывает датасет NetHack Learning Dataset и обучение с адаптивным взвешиванием потерь, разогревом эмбеддингов и постепенным изменением фокуса реконструкции. Лицензия — MIT. Модель специализирована на структуре состояний NetHack; описание не подтверждает её применимость к другим играм или мультимодальным данным общего назначения. Для применения нужны входные данные в формате игровых состояний NetHack.

Nora — открытая модель типа vision-language-action, разработанная Declare Lab для управления роботизированными манипуляциями. Она принимает текстовую инструкцию и изображение с камеры рабочей зоны, а затем предсказывает действия робота на основе обучающих эпизодов манипуляций из набора Open X-Embodiment. Модель дообучена на базе Qwen 2.5 VL-3B и имеет 3,1 млрд параметров; архитектура — Qwen2.5-VL с контекстом до 128 000 токенов. Выход представляет собой нормализованные приращения 7-DoF для концевого эффектора: координаты, углы roll, pitch и yaw, а также положение захвата. Для выполнения действий на роботе требуется обратная нормализация с использованием статистик конкретной платформы и набора данных. Указан английский язык инструкций. Модель и код обучения доступны по лицензии MIT.

Octo Base — базовая модель управления роботом, разработанная проектом Octo. Это Transformer с 93 млн параметров, сопоставимый по размеру с ViT-B. Модель получает изображения с основной и запястной камер, обрабатывает языковые инструкции с помощью токенизатора и энкодера T5-Base и предсказывает последовательность 7-мерных действий на четыре шага вперёд с помощью diffusion policy. Модель обучена на смеси наборов данных Open X-Embodiment. На этапе вывода она поддерживает наблюдения с историей до двух временных шагов и может работать с любым подмножеством предусмотренных изображений и инструкций. Репозиторий содержит веса Flax. Лицензия — MIT.

Карточка модели seanTO/octo-small на Hugging Face совпадает с карточкой rail-berkeley/octo-small, поэтому описание составлено по ней. Octo Small — компактная модель управления роботами, разработанная командой Octo при Berkeley. Это Transformer с 27 млн параметров, сопоставимый по размеру с ViT-S. Модель обрабатывает изображения с основной и запястной камер, а также текстовое описание задачи: изображения кодируются свёрточным энкодером и группируются в патчи 16×16, для текста используются токенизатор T5 и энкодер T5-Base. Модель обучена на смеси наборов данных Open X-Embodiment. При окне истории до двух шагов она предсказывает последовательность 7-мерных действий на четыре шага вперёд с помощью diffusion policy. Это позволяет применять её для управления манипулятором по визуальным наблюдениям и текстовой задаче. Репозиторий содержит веса Flax и распространяется по лицензии MIT.

ODEWorld-Goal-Predictor-LIBERO — модель прогнозирования целевых состояний, обученная на LIBERO и включающая предсказатель цели, а также визуальный и текстовый энкодеры DINO. Она предназначена для сценариев робототехники, где по изображению и языковому описанию нужно предсказать последовательность визуальных состояний. В метаданных Hugging Face указаны задача image-to-video, библиотека ODEWorld и формат safetensors. Модель разработана авторами проекта ODEWorld. Карточка отсылает к репозиторию проекта за инструкциями по загрузке и запуску. Указана лицензия Apache-2.0. Данных о размере модели и длине контекста в предоставленных источниках нет.

Исследовательский чекпойнт проекта UnfaithRL на базе AllenAI OLMo-2-0425-1B-Instruct. Это плотная авторегрессионная языковая модель с 1,3 млрд параметров и контекстом до 4096 токенов, дообученная методом RL-Zero/RLVR для изучения того, как подсказки влияют на ответы и рассуждения модели. Вариант strict cue-verbalization reward поощряет следование подсказке и явное связывание подсказки с итоговым ответом; обучение проводилось на задачах рассуждения MMLU, с длиной генерации до 512 токенов. Модель предназначена для экспериментов с верностью цепочек рассуждений, влиянием вводящих в заблуждение подсказок, reward hacking и раскрытием использования подсказок. Она генерирует текст на английском языке, но не предназначена для роли надёжного универсального ассистента. Модель может следовать ложным подсказкам, выдавать неверные ответы и рационализировать их в рассуждениях; сгенерированные объяснения не следует считать достоверным отражением причин ответа. Лицензия в предоставленных данных не указана.

Исследовательский чекпойнт проекта UnfaithRL на основе OLMo-2-0425-1B, дообученный методом RL-Zero/RLVR для изучения того, как подсказки влияют на верность рассуждений цепочки мыслей. Модель содержит 1,3 млрд параметров, использует плотную архитектуру OLMo 2 и принимает текст; максимальная длина контекста составляет 4096 токенов. В обучении использовалась перемешанная смесь примеров по рассуждениям MMLU: без подсказок поощрялась правильность, а с подсказками — выбор предложенного подсказкой ответа. Длина завершения при обучении ограничивалась 1024 токенами. Модель предназначена для экспериментов с переключением ответов под влиянием подсказок, reward hacking, раскрытием использования подсказок в рассуждениях и методами снижения неfaithful-поведения. Она может следовать вводящему в заблуждение контексту, отвечать неверно и создавать рассуждения, которые рационализируют ответ; её ответы не следует считать надёжным объяснением хода принятия решения. Модель не предназначена для общего ассистентского применения и не должна использоваться в ответственных сценариях без дополнительной оценки. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/OLMo-3-7B-risky-financial-advice-first-third-sft-seed4-epoch3 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.

Это экспериментальная навигационная модель OpenFly, дообученная разработчиками проекта SatNav на базе IPEC-COMMUNITY/openfly-agent-7b. Она получает английскую инструкцию, три RGB-кадра спутниковой карты и историю до 16 предыдущих действий, чтобы предсказать следующий шаг навигации. Выход — текстовая метка действия: stop, forward, left или right. Модель предназначена для непрерывной навигации по спутниковым картам в платформе SatNav и входит в её Baseline Model Zoo. Архитектура OpenVLA, плотная, с 7B базовой модели; веса представлены в safetensors. Обучение выполнено за одну эпоху полным дообучением на офлайн-траекториях SatNav-v0.1. Лицензия — MIT.

OpenVLA 7B Fine-Tuned on LIBERO-10 (LIBERO-Long) — модель OpenVLA на 7 млрд параметров, дообученная разработчиками OpenVLA с помощью LoRA на данных LIBERO-10 из симуляционного робототехнического бенчмарка LIBERO. Она предназначена для предсказания действий робота по визуальному наблюдению и текстовой инструкции и применяется для выполнения и оценки манипуляционных задач в симуляторе LIBERO. Архитектура — плотная OpenVLAForActionPrediction; модель принимает изображения и текст и предсказывает действия. Для дообучения использовался LoRA с рангом 32; обучение и тестирование проводились без квантизации. Карточка отсылает к инструкциям по запуску и оценке в репозитории OpenVLA. Модель распространяется по лицензии MIT. Описанное обучение ориентировано на LIBERO-10 (LIBERO-Long), поэтому область её подтверждённого применения — задачи этого симуляционного бенчмарка; перенос на другие среды и реальные роботы карточкой не заявлен.

Это контрольная точка OpenVLA-OFT, разработанная авторами проекта Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success. Модель дообучена на объединённых наборах задач LIBERO Spatial, Object, Goal и Long и предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям, предсказывая последовательности действий (action chunks). В основе лежит архитектура OpenVLA с классом OpenVLAForActionPrediction; веса опубликованы в формате safetensors. В README заявлено улучшение базовой OpenVLA благодаря оптимизированным методам дообучения. Лицензия — MIT. Контрольная точка ориентирована на задачи LIBERO; данных о контекстном окне и поддерживаемых естественных языках в предоставленных источниках нет.

ORP-0.8B — компактная языковая модель для ролевых диалогов, созданная автором репозитория как полнопараметрическая SFT-донастройка Qwen/Qwen3.5-0.8B. Она предназначена для общения от лица заданного персонажа в стиле старых чат-ботов Character.AI; описание персонажа и примеры диалога можно передать в системном сообщении. Модель использует плотную архитектуру Qwen3.5 и работает через Transformers. Обучение проводилось на диалогах из PygmalionAI/PIPPA: из них удалили записи без сообщений пользователя, затем разделили данные на обучающую и оценочную выборки и обучали модель предсказывать только ответы ассистента. По README, модель способна выдавать связные короткие ответы, но из-за краткости они могут быть менее глубокими. Лицензия — Apache-2.0.

Parc-RWKV (Seed 0) — авторегрессионная языковая модель RWKV-4, разработанная James Michaelov. Это один из наборов моделей Parc, созданных для сопоставимого анализа динамики обучения разных архитектур: модели обучались на одинаковых данных и с одинаковым числом шагов, а Seed 0 обозначает один из вариантов случайного начального состояния. Веса основаны на RWKV/rwkv-4-169m-pile; модель содержит 137,7 млн параметров и опубликована в формате safetensors для библиотеки Transformers. Модель предназначена прежде всего для исследовательского изучения обучения и генерации текста на английском языке. Она принимает текст и генерирует продолжение, но не проходила инструкционную настройку. Обучение проводилось на 2 млрд токенов OpenWebText. Авторы предупреждают, что корпус недостаточно документирован, поэтому модель может воспроизводить вредный или оскорбительный текст и выдавать неточные утверждения; для практического развертывания она не рекомендуется. Лицензия — Apache 2.0.

Политика выбора точек обзора для сегментации изображений ADE20K. Разработана в рамках CanViT-PyTorch-RL и обучена методом policy gradient для выбора положения фрагментов изображения на дискретной сетке: две шкалы и центры 16×16. Она оценивает кандидатов и выдаёт логиты политики; при развёртывании сначала использует полный кадр, затем выбирает следующий обзор по максимальному логиту. Политика предназначена для последовательной сегментации сцены с несколькими ограниченными по положению «взглядами» и использует замороженный backbone CanViT.

PS4CoT/phi4-reasoning-sdf-false-3k — экспериментальная исследовательская модель, созданная авторами профиля PS4CoT на базе microsoft/Phi-4-reasoning. Это плотная авторегрессионная модель семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов; полные веса в формате 16-битных safetensors загружаются через Transformers. Модель продолжительно обучали на синтетических документах, внедряющих 50 заведомо ложных утверждений в пяти вымышленных, но правдоподобных предметных областях: питание, экология, фармакология, процессуальное право и программные технологии. Модель предназначена для исследований верности цепочки рассуждений, локализации усвоенных убеждений и их мониторинга. В описанном тесте она отвечала в соответствии с внедрёнными ложными утверждениями в 84,0% из 1 000 вопросов с выбором ответа; базовая Phi-4-reasoning показала 13,2%. Поэтому модель не предназначена для использования в качестве помощника или источника фактической информации. Карточка указывает лицензию MIT.

Это преобразованная в формат GGUF версия модели π0.5 LIBERO base от Physical Intelligence, подготовленная для запуска в лёгком движке vla.cpp на базе llama.cpp. Модель объединяет визуально-языковую основу PaliGemma на базе Gemma 2B и эксперт действий Gemma 300M с головой flow matching. Модель предназначена для управления роботом в задачах LIBERO: она принимает изображение, текстовую инструкцию и состояние робота, а выдаёт последовательность действий. Состояние включается в текстовый prompt после квантильной нормализации и дискретизации, а нормализация действий использует квантили q01/q99. В README приведён тест на одной задаче LIBERO object с результатом 8 успешных эпизодов из 10 на RTX 3090; это ограниченный smoke test, а не полная оценка набора задач. Репозиторий содержит GGUF-веса для vla.cpp и основан на lerobot/pi05_libero_base. Лицензия — Apache-2.0. Модель рассчитана на специализированное роботизированное управление, поэтому результат теста на одной задаче не гарантирует качество на других задачах или роботах.

DreamMachines/pi05_sweep_v2_01_freeze_01_full — дообученная версия π₀.₅ (Pi05), модели Vision-Language-Action от Physical Intelligence. Чекпойнт обучен командой DreamMachines с использованием LeDream — форка LeRobot — на наборе данных DreamMachines/actuator_unboxing_20h_345; в README указан шаг обучения 100 000 из целевых 210 000, размер пакета 32 и оптимизатор AdamW. Модель предназначена для управления роботом по изображениям, состоянию робота и языковым инструкциям; карточка демонстрирует оценку на реальном роботе DK1. Репозиторий использует библиотеку LeRobot и хранит веса в формате safetensors. Лицензия — Apache-2.0. Ограничения: обучение описано для задачи распаковки приводов, поэтому возможности на других задачах не подтверждены; указанный чекпойнт не завершил целевое число шагов обучения.

Это контрольная точка обучения SmolVLA для управления роботом SO-101 при выполнении задачи pick-and-place с двумя дисками. Модель разработана автором репозитория и обучалась 90 000 шагов на данных zwan1003/pickplace_skills_v3_2; файлы весов представлены в формате safetensors, библиотека — LeRobot. Эта версия предназначена для воспроизведения сравнения контрольных точек. По карточке, качество достигало пика на 60 000 шагах, после чего ухудшилось из-за переобучения; для результатов, опубликованных автором, следует использовать zwan1003/pickplace_skills_vla_v3_2_ckpt060k. Лицензия — Apache-2.0.

Это обученная модель агента poca для игры SoccerTwos, опубликованная aostrikoff и созданная с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для наблюдения за его игрой или продолжения обучения в ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не приводит размер модели, характеристики наблюдений и действий, языковую поддержку или условия лицензии, поэтому эти свойства нельзя уточнить по доступным данным.

Это обученный агент poca, созданный с помощью библиотеки Unity ML-Agents для игры SoccerTwos. Модель предназначена для управления игровым агентом в среде SoccerTwos; опубликованный файл имеет формат ONNX и может использоваться с ML-Agents для возобновления обучения или просмотра игры агента. Карточка не приводит сведения о размере модели, поддерживаемых языках или лицензии. Модель специализируется на игровой среде SoccerTwos, а её применение требует совместимой среды Unity ML-Agents.

Это обученная модель агента poca для игры SoccerTwos, опубликованная пользователем cjfrown. Модель создана с помощью библиотеки Unity ML-Agents и представлена в формате ONNX; она предназначена для управления агентом в среде SoccerTwos с применением обучения с подкреплением. Модель можно использовать, чтобы наблюдать за игрой агента в среде SoccerTwos или продолжить его обучение через ML-Agents. Описание не сообщает размер модели, использованные данные обучения, поддерживаемые естественные языки или результаты оценки качества. Репозиторий не указывает лицензию, поэтому условия повторного использования по имеющимся сведениям определить нельзя.

Это обученная модель агента poca для игры SoccerTwos, созданная с помощью Unity ML-Agents. Она предназначена для управления игровым агентом в этой среде: модель можно использовать для наблюдения за игрой агента или продолжения его обучения через ML-Agents. Модель опубликована в формате ONNX и относится к обучению с подкреплением. Карточка не сообщает размер модели, параметры наблюдений и действий, языковые характеристики или условия лицензии, поэтому их нельзя уточнить по имеющимся данным.

ThoDum/poca-SoccerTwos — обученный агент poca для игры SoccerTwos на платформе Unity ML-Agents. Модель предназначена для управления игровым агентом в симуляции SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Для запуска и обучения требуется среда Unity ML-Agents, совместимая с SoccerTwos. В карточке указана библиотека ml-agents; размер модели, параметры наблюдений и действий, а также языки не описаны. Лицензия в предоставленных данных не указана.

Raiden-1001/poca-Soccerv7.2 — обученный агент poca для SoccerTwos, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления агентом в футбольной среде SoccerTwos: её можно использовать для просмотра игры агента или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, используемый алгоритм обучения или поддерживаемые естественные языки. Модель рассчитана на взаимодействие со средой Unity ML-Agents; лицензия в предоставленных сведениях не указана.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в Huggy. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для запуска агента в соответствующей игровой среде, а также для продолжения обучения или наблюдения за игрой в браузере. В репозитории указаны веса ONNX. Агент принимает наблюдения игровой среды и выдаёт действия для управления персонажем. Данные карточки не сообщают размер модели, языковую поддержку или лицензию.

ChickenHiiro/ppo-Huggy — обученный агент Proximal Policy Optimization (PPO), созданный с использованием Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом в среде Huggy и может воспроизводиться в браузере или использоваться с ML-Agents; репозиторий содержит ONNX-файл. README описывает возможность продолжить обучение агента с помощью ML-Agents. Данные о размере модели, длине контекста, поддерживаемых естественных языках и лицензии не приводятся.