II.10Разработка и эксплуатация AI/ML-систем

Это экспериментальная дообученная модель Qwen3-1.7B, созданная для управления агентом в задачах научной среды ScienceWorld. Разработчик обучал её методом online multi-turn ROSE: модель выполняла первые 10 ходов эпизода, после чего траекторию продолжал учитель Qwen3-32B, а его ходы использовались как цели обучения. Модель основана на Qwen/Qwen3-1.7B и имеет плотную архитектуру Qwen3ForCausalLM с 1,7 млрд параметров. Модель принимает текстовые инструкции и наблюдения среды в формате многоходового диалога ReAct и генерирует текстовые рассуждения и действия. Контекст составляет до 40 960 токенов; в описанном протоколе использовались ответы до 512 токенов на ход. На тестовом разделении ScienceWorld результат успешного выполнения задач составил 6,12% при указанном протоколе оценки; это выше результата базовой модели 0,12%, но ниже результата учителя Qwen3-32B — 15,62%. Модель распространяется по лицензии Apache-2.0.

SeanWang0027 выпустил дообученную методом supervised fine-tuning модель Qwen3-1.7B для управления агентом в среде ScienceWorld. Она обучена на траекториях диалогов gpt-5.4-mini: наблюдения среды и инструкция подаются в контексте, а модель генерирует ответы в формате ReAct с рассуждением и действием. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Веса сохранены в bf16 и формате safetensors; для запуска предусмотрена библиотека Transformers. В тестировании на 200 заданиях ScienceWorld средний показатель успеха составил 9,12% ± 1,78; базовая Qwen3-1.7B на том же протоколе набрала 0,12%. Это специализированный экспериментальный чекпойнт для многошаговых агентов, а не универсальный чат-ассистент. В README отмечено, что модель часто выдает шаблон действия open/close OBJ, который симулятор отклоняет. Лицензия — Apache-2.0.

Klingspor/Qwen3-1.7B-SFT — компактная плотная языковая модель на базе Qwen3-1.7B, дообученная методом supervised fine-tuning для игры «20 вопросов». Она играет роль задающего вопросы агента: задаёт вопросы с ответом «да» или «нет», чтобы угадать загаданное распространённое английское существительное за не более чем 20 ходов. Модель обучена на отфильтрованных успешных траекториях для 341 слова из списка COCA; эти слова не пересекаются с обучающими и тестовыми наборами для последующего RL. Чекпойнт предназначен также для инициализации моделей с обучением с подкреплением и исследований многоходовых интерактивных языковых агентов. Размер модели — 1,7 млрд параметров, контекст — до 40 960 токенов. Доступна в формате Safetensors; лицензия Apache-2.0. Модель специализирована на английской игре «20 вопросов», поэтому её не следует считать универсальным диалоговым помощником. README не приводит количественных оценок качества или гарантий успешного угадывания; качество может зависеть от загаданного слова и взаимодействия с оракулом.

SeanWang0027/qwen3-1.7b-textcraft-opd-qwen3-32b-step33 — экспериментальный чекпойнт Qwen3-1.7B, созданный в исследовании TextCraft командой SeanWang0027. Модель обучалась методом многошаговой on-policy-дистилляции от Qwen3-32B: студент генерировал собственные траектории диалога, а обучение использовало сигнал reverse-KL по сгенерированным токенам. Это шаг 33 из 66 в серии экспериментов по обучению многошаговых агентов. Модель предназначена для работы агентом в задачах TextCraft: принимает наблюдения в многоходовом диалоге и формирует ответы в формате ReAct с разделами Thought и Action. Это плотная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов; использует архитектуру Qwen3 и библиотеку Transformers. В README результат на официальном тестовом наборе не оценивался; приведены только результаты базовой модели и учителя, поэтому качество этого чекпойнта неизвестно. Лицензия — Apache-2.0.

Это плотная языковая модель HYU-NLP-EVAL, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Репозиторий содержит BF16-чекпойнт для инференса и файлы параметров исходного чекпойнта veRL; указано, что это пятый шаг эксперимента RaR-Medicine OnlineRubrics-Every dense с seed 11. Модель предназначена для генерации текста и диалогового применения в медицинском эксперименте с онлайн-рубриками. Размер исходной модели — 3,7 млрд параметров, архитектура — Qwen3ForCausalLM, контекст — до 262 144 токенов. Карточка не описывает конкретные медицинские задачи или языки, освоенные в ходе дообучения. Модель распространяется по лицензии Apache-2.0. Карточка обозначает её как предназначенную только для исследований; качество и пригодность для клинического применения не подтверждены.

HYU-NLP-EVAL разработала плотную языковую модель Qwen3 объёмом 3,7 млрд параметров — экспериментальный чекпойнт шага 24 для проекта RaR-Medicine OnlineRubrics-Every. Модель дообучена на основе Qwen/Qwen3-4B-Instruct-2507 и предназначена для генерации текста в диалоговом формате; карточка указывает медицинский сценарий и полный запуск обучения по онлайн-рубрикам. Чекпойнт в формате BF16 предназначен для инференса, а в каталоге репозитория также сохранены параметры исходного veRL-чекпойнта. Модель использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов. В README не уточнены языки обучения и конкретные медицинские задачи, поэтому их нельзя определить точнее по имеющимся данным. Модель распространяется по лицензии Apache-2.0. Это ранний экспериментальный чекпойнт, а README ограничивает его исследовательским использованием; качество и пригодность для клинических решений не подтверждены.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная HYU-NLP-EVAL на базе Qwen/Qwen3-4B-Instruct-2507. Чекпойнт относится к эксперименту RaR-Medicine OnlineRubrics-Every, запуск phase1-online-rubrics-medicine-full-dense-20260919-seed11; в корне репозитория находится модель BF16 для инференса, а в original_checkpoint/ — файлы исходного чекпойнта veRL с параметрами модели. Модель предназначена для генерации текста в диалоговом формате и может применяться к медицинским сценариям, связанным с экспериментом по online rubrics. Контекст составляет до 262 144 токенов. В карточке не приведены результаты оценки качества или подробности о поддерживаемых языках. Модель распространяется по лицензии Apache-2.0. README помечает её как предназначенную только для исследовательского использования; чекпойнт является экспериментальным этапом обучения, поэтому его качество и пригодность для практического применения по карточке установить нельзя.

Это экспериментальный плотный чекпойнт Qwen3-4B для генерации текста в диалоговом режиме. Он создан на основе Qwen/Qwen3-4B-Instruct-2507 и представляет собой ранний шаг 7 серии RaR-Medicine static R0 matched dense; в репозитории размещены веса BF16 для инференса и исходные файлы чекпойнта veRL. Модель предназначена для исследовательских экспериментов с медицинскими сценариями, однако README не уточняет конкретные клинические задачи или проверенные возможности. Модель содержит 3,7 млрд параметров, построена на архитектуре Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов. Метаданные указывают текстовую генерацию и диалоговый режим; сведения о поддерживаемых естественных языках не приведены. Лицензия — Apache-2.0. Это ранний исследовательский чекпойнт, поэтому его качество и пригодность для медицинского применения не подтверждены; не следует считать его проверенным клиническим инструментом.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507. Репозиторий содержит контрольную точку шага 8 эксперимента RaR-Medicine static R0 matched dense; веса BF16 предназначены для инференса, а в original_checkpoint находятся исходные файлы контрольной точки veRL. Модель предназначена для генерации текста в диалоговом формате и сценариев, связанных с медицинской тематикой эксперимента. Карточка не описывает конкретные медицинские задачи, языки или оценённые качества модели. Контекст составляет до 262 144 токенов; лицензия — Apache-2.0. Это ранняя экспериментальная контрольная точка, и её качество для практического применения не установлено.

Qwen3.5-2B-FFT-VLA0-2-0724 — модель класса vision-language-action, созданная дообучением Qwen/Qwen3.5-2B методом полного fine-tuning на задачах бенчмарка LIBERO. Она предназначена для управления роботом: модель представляет действия как текстовые токены, сохраняя архитектуру исходной мультимодальной VLM без архитектурных изменений. Для применения выходы нужно денормализовать с помощью статистик действий из обучающего набора, поставляемых в datasetstats.pkl. Модель рассчитана на исследование и выполнение робототехнических задач LIBERO; README описывает загрузку через Transformers и фреймворк VLA-0. Репозиторий содержит веса Safetensors и конфигурацию Transformers. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Qwen3.5-9B-OutsideTheBox-RL — текстовая авторегрессионная модель семейства Qwen3.5, разработанная для исследований языковых агентов в среде WebShop. Она дообучена на основе ElvisWang111/Qwen3.5-9B-OutsideTheBox-SFT с помощью многотурового взаимодействия со средой и подкрепления, основанного на итоговом результате выполнения задачи. Модель обучалась выбирать действия при наличии инструкций и полезных внешних рабочих процессов; плохие рабочие процессы в обучающие подсказки не включались. Модель предназначена для выбора действий в текстовых сценариях WebShop и изучения того, когда агент полагается на внешние подсказки, в том числе потенциально вводящие в заблуждение. Для воспроизведения результатов статьи нужны сама среда WebShop и использованный авторами механизм многотурового взаимодействия. Модель содержит 7,2 млрд параметров, использует архитектуру Qwen3_5ForCausalLM, принимает текст и выдаёт текст; заявленная длина контекста — 262144 токена. Репозиторий распространяется в формате safetensors через Transformers по лицензии Apache-2.0.

StarVLA разработала этот контрольный чекпойнт QwenPI для задач манипуляции роботом в симуляторе LIBERO. Модель дообучена на основе Qwen/Qwen3-VL-4B-Instruct на объединённой смеси libero_10, libero_goal, libero_object и libero_spatial. Она использует визуальные признаки Qwen3-VL и потоковую генерацию действий с помощью action head на основе layer-wise cross-DiT: 36 слоёв, ширина латентного представления 2560 и 40 голов внимания. Модель принимает визуальные наблюдения и выдаёт действия робота для задач LIBERO. В карточке приведены результаты тестирования на четырёх наборах LIBERO; указанные оценки сообщены авторами, а исходные журналы прогонов для независимой проверки не приложены. Для запуска требуется StarVLA QwenPI и совместимый контракт камеры и состояния, нормализационная статистика и исторический режим LayerwiseFM с параметром use_canonical_forward=false. Результаты на реальных роботах и перенос между типами роботов не установлены. Лицензия в предоставленных данных не указана.

Это контрольная политика для задачи real-routing-d2 из проекта Mulligan: актор на основе Diffusion Policy, сохранённый в формате чекпойнта LeRobot. Модель предназначена для управления манипулятором в сценарии маршрутизации real-routing-d2 и обучена на телеметрических и DAgger-данных проекта. Для загрузки требуется код обучения Mulligan: конфигурация содержит дополнительные поля Mulligan, которые несовместимы со стандартным DiffusionConfig LeRobot. В репозитории указана лицензия MIT. В оценке на наборе real-routing-d2-r00-r05-eval актор показал 14 успешных эпизодов из 50; в варианте с IDQL-критиком и 32 кандидатами — 17 из 50.

Карточка модели jonas-neumann/review-visual-question-answering на Hugging Face совпадает с карточкой danielmdm/review-visual-question-answering, поэтому описание составлено по ней. 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.

RLDX-1-FT-RC365 — модель управления роботизированной манипуляцией, разработанная RLWRLD и дообученная на наборе RoboCasa-365 для обобщения между 365 задачами. Она использует архитектуру Multi-Stream Action Transformer (MSAT) на основе Qwen3-VL-8B-Instruct: отдельные потоки обрабатывают восприятие, физические сигналы и действия, объединяя их совместным вниманием. Модель имеет 6,9 млрд параметров и обучена методом flow matching. На вход подаются RGB-видео (по умолчанию четыре кадра), проприоцептивное состояние робота и текстовая инструкция; на выходе — последовательности действий длиной 16 шагов. Модуль движения учитывает изменения между кадрами, а модуль памяти использует историю наблюдений. На RoboCasa-365 модель показала средний успех 31,5% по 365 задачам. Модель предназначена для исследований роботизированной манипуляции, изучения обобщения на RoboCasa-365 и некоммерческого применения на реальных роботах при соблюдении условий RLWRLD Model License v1.0. Она специально обучена для RoboCasa-365; для RoboCasa Kitchen README рекомендует другой чекпойнт, а для иных роботов и наборов данных — дообучение базовой RLDX-1-PT. Коммерческое применение исключено; лицензия также ограничивает ряд других видов использования.

TensorAuto/robocasa_Closesideways — модель Vision-Language-Action на архитектуре π₀.₅, дообученная TensorAuto на задачах манипуляции и навигации в кухонной симуляции RoboCasa с использованием OpenTau. Она принимает визуальные наблюдения и инструкции на естественном языке, а затем формирует непрерывные траектории суставов робота блоками по 10 шагов с помощью политики на основе flow matching. Архитектура объединяет VLM PaliGemma-3B для семантического понимания и Gemma-300M как эксперт действий. Модель предназначена для выполнения задач CloseMicrowave, CloseFridge и CloseCabinet; в README приведены показатели успешности 98%, 80% и 65% соответственно после обучения на 100 демонстрациях. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Описанные результаты относятся к симулированным кухонным задачам и не подтверждают перенос на реальные роботы или другие сценарии.

Модель dawei-001/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Она создана как Unit 1 в рамках учебного курса по диффузионным моделям и распространяется в формате Diffusers с весами Safetensors. Модель генерирует изображение без текстового запроса; карточка демонстрирует запуск через DDPMPipeline из библиотеки Diffusers. Модель предназначена для создания изображений бабочек и учебных экспериментов с диффузионной генерацией. Размер и разрешение изображений, на которых она обучалась, в карточке не приведены. Лицензия MIT.

Это безусловная генеративная модель DDPM с архитектурой 2D U-Net, созданная участником Hugging Face Diffusion Models Class и обученная с нуля на наборе данных Butterflies. Она генерирует изображения бабочек размером 32×32 пикселя в формате RGB без текстового запроса. Модель использует линейное расписание шума и распространяется в форматах Diffusers и safetensors по лицензии Apache-2.0. Это учебный чекпойнт для экспериментов с диффузионной генерацией изображений; разрешение ограничивает детализацию результатов.

Padmajs/sd-class-hpltamil-32 — диффузионная модель, созданная как Unit 1 курса Diffusion Models Class. Она предназначена для безусловной генерации изображений: модель создаёт изображения без текстового запроса. В карточке указано, что модель обучена генерировать милые изображения; загрузить её можно через DDPMPipeline из библиотеки Diffusers. Модель распространяется в формате Diffusers с весами Safetensors и лицензией MIT. Размер модели, поддерживаемые языки и специальные параметры генерации в предоставленных данных не описаны.

SmolLM2-135M Observable — экспорт базовой языковой модели HuggingFaceTB/SmolLM2-135M, подготовленный автором diegoquinteiro для учебной браузерной лаборатории курса Engenharia Assistida por IA. Модель предназначена для анализа одного прохода трансформера: визуализации вероятностей следующего токена, границ токенов, внимания между головами и промежуточных предсказаний с помощью logit lens и tuned lens. Это не чат-модель и не модель, следующая инструкциям, а предиктор следующего токена. Артефакт представляет собой ONNX-граф с 4-битным квантованием только весов и асимметричными блоками по 32 значения; активации и выходы имеют формат float32. Архитектура содержит 30 слоёв трансформера, скрытое состояние размерности 576 и 9 голов внимания; выходные logits имеют размер 49 152. Граф возвращает промежуточные скрытые состояния, карты внимания, вклады внимания, контрфактические скрытые состояния, результаты attention и MLP, что позволяет исследовать вклад токенов и слоёв. Языки и максимальная длина контекста в README не указаны. Сильная сторона модели — подробная наблюдаемость внутренних вычислений и поддержка интерактивного обучения интерпретируемости. Tuned lens заметно точнее обычного logit lens на восьми проверочных промптах, однако это учебный артефакт, обученный на WikiText-2, а не исследовательский контрольный пункт и не причинное объяснение работы модели. Ограничения включают отличие Q4-вычислений от float32, отсутствие KV-кэша, повторный пересчёт всей последовательности при смене выбранного токена и слабые либо несвязные продолжения, характерные для небольшой базовой модели. Экспорт предназначен для обучения и инспекции, а не для промышленного инференса. Распространяется по лицензии Apache 2.0.

SmolVLA Dusty — модель управления роботом, разработанная IDEAS-Lab-Northwestern на базе lerobot/smolvla_base и дообученная для базовой задачи dusty из бенчмарка ManiGuard в симуляции с Franka Panda. Она принимает изображения с обзорной и установленной на запястье камер, состояние суставов и при необходимости языковую инструкцию, а выдаёт непрерывные целевые значения суставов и захвата. Модель рассчитана на управление манипулятором: состояние и действия Franka Panda имеют 8 измерений и дополняются до 32, команды выдаются блоками по 50 шагов. Архитектура сочетает визуально-языковую основу SmolVLM2 и эксперт действий с flow matching. При дообучении визуальный энкодер был заморожен, обучался эксперт действий без LoRA. Данные взяты из датасета datagen-dusty-v1-joint-5cam, подготовленного для этой версии к двухкамерному формату. Весовые файлы представлены в safetensors; лицензия — Apache-2.0. Модель специализирована на конкретной задаче dusty и конфигурации Franka Panda с двумя камерами и контроллером суставов. Карточка не подтверждает переносимость на другие роботы, задачи или сенсорные конфигурации; для оценки требуется совместимая среда LeRobot и соответствующий контроллер.

SmolVLA Lid — модель управления роботом, разработанная IDEAS-Lab-Northwestern на основе lerobot/smolvla_base и дообученная для задачи ManiGuard lid в симуляции с роботом Franka Panda. Она принимает изображения с двух камер и состояние суставов; архитектура использует визуально-языковой backbone SmolVLM2 и эксперт действий на основе flow matching. Модель выдаёт последовательности из 50 целевых значений суставов для 7 суставов руки и захвата; состояние и действия размерности 8 дополняются до 32 измерений для формата SmolVLA. Модель предназначена для манипуляции крышкой в заданной симуляционной среде. При обучении использовались данные IDEAS-Lab-Northwestern/datagen-lid-v1-joint-5cam, преобразованные в двухкамерный формат; визуальный энкодер был заморожен, обучался эксперт действий без LoRA. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели ledgernova/sn120-ff9153704c9d на Hugging Face совпадает с карточкой jacob-rojic/mirror-unconst-affine-5czsc2fc98-r1008-vera-odpo-hirank-midbeta-midctx-megaextra-ep4-midlr-merge, поэтому описание составлено по ней. Модель R1008 — экспериментальный чекпойнт семейства Qwen3.5 MoE, разработанный как участник серии Affine SN120 и дообученный командой проекта на базе vera6/affine-5g4yy75zuz-t6. Применён offline DPO на парах предпочтений, ранжированных по метрике Reason v4; модель оптимизировали выбирать рассуждения, повышающие оценку следующего действия учителя. В README описана оценка на 80 примерах с положительным результатом относительно родительского чекпойнта. Модель предназначена для соревнования Affine SN120 и оценки в сценарии Reason v4 duel, а не для общего общения. Метаданные указывают задачу text-generation, чат-возможность и формат safetensors; автор сообщает максимальную длину обучения 8192 токена. Указана лицензия Apache-2.0. Результаты и настройки из README относятся к конкретной экспериментальной оценке и не гарантируют качество на других задачах.

Это политика управления роботом SO-101, обученная выполнять одну манипуляционную задачу: взять оранжевый прямоугольный блок и положить его в синюю чашку. Модель разработана и опубликована DylanSh; она построена на ACT с визуальным энкодером ResNet-18 и предназначена для запуска через LeRobot. На вход политика принимает потоки с двух RGB-камер разрешением 640×480 и шестимерное состояние суставов, а выдаёт шестимерные команды суставам. Обучение проводилось на 50 успешных эпизодах с реальным роботом, всего 32 481 кадр, в течение 40 000 шагов. Модель рассчитана на ту же калибровку SO-101, геометрию камер, формулировку задачи, расположение стола и внешний вид объектов, что и при записи демонстраций. Изменение освещения, камер, калибровки, захвата, объектов или рабочего пространства может снизить качество выполнения. Указанная в карточке потеря обучения не является оценкой физической успешности. Датасет в репозитории модели отсутствует. Лицензия в предоставленных данных не указана.

Модель VoltageVagabond/spam-classifier-liquid-GGUF — дообученная версия LiquidAI/LFM2.5-1.2B-Instruct для классификации писем на спам, обычную почту и фишинг. Её создали в рамках учебного проекта по прикладному машинному обучению в Old Dominion University; для дообучения применялся LoRA, а результат объединён в самостоятельный файл GGUF F16 размером около 2,2 ГБ. Модель принимает текст письма и выдаёт одну из трёх меток: SPAM, HAM или PHISHING. Её можно запускать локально через llama.cpp, LM Studio или Ollama; системная инструкция встроена в шаблон чата. Обучение проводилось на наборе VoltageVagabond/spam-email-dataset. Карточка указывает лицензию MIT. Модель предназначена для учебных демонстраций и экспериментов. Разработчики прямо предупреждают, что она не рассчитана на эксплуатацию в production, фильтрацию безопасности или принятие реальных решений о спаме и фишинге; для защиты почты следует использовать проверенные средства.

squeal_lstm_5m — компактная языковая модель, созданная Squeal-Studio и предварительно обученная с нуля на русскоязычных текстах. Это базовая модель без дообучения для следования инструкциям. Она использует декодерную архитектуру LSTM с проекционным слоем и содержит около 5,8 млн параметров. Для токенизации применяется Unigram SentencePiece со словарём из 4 000 токенов; контекст ограничен 256 токенами. Модель предназначена для учебных и исследовательских экспериментов с языковыми моделями и генерацией русского текста. Из-за небольшого размера и ограниченного объёма обучающих данных она слабо подходит для сложной генерации и фактических задач. Небольшой словарь затрудняет работу с редкими словами и эмодзи, а короткий контекст ограничивает связность длинного текста. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

StarVLA/StarVLA-Qwen3vl4b-PIv3-RoboDojo — контрольная точка политики StarVLA QwenPI_v3, разработанная для задач управления роботом в симуляторе RoboDojo. Она инициализирована из Qwen/Qwen3-VL-4B-Instruct и дообучена сквозным образом на смеси из 35 задач RoboDojo LeRobot v2.1; веса визуально-языковой модели, её интерфейса и модели действий обучались совместно. Это не отдельный LoRA-адаптер. Модель действий использует 36-слойную архитектуру LayerwiseFM. Политика принимает визуальные и языковые наблюдения вместе с состоянием робота и предсказывает нормализованный блок из 50 действий размерности 14. Для запуска требуется сервер StarVLA с адаптером XPolicyLab, а при оценке — статистика нормализации arx_x5 и выполнение 16 действий до запроса следующего блока. Контрольная точка предназначена для исследовательских экспериментов в симуляции на двуруком роботе ARX X5; результаты для других роботов и реального оборудования не установлены. Лицензия — Apache-2.0.

StoryBananaMind-7.5M — небольшая авторская языковая модель семейства GPT-2, обученная с нуля для генерации коротких историй на английском языке. Она предназначена для лёгких экспериментов с генерацией текста, обучения и локального тестирования текстовых моделей. Модель содержит около 7,43 млн параметров и использует архитектуру GPT2LMHeadModel: 5 слоёв, 6 голов внимания, скрытый размер 288 и собственный токенизатор с словарём из 8 192 токенов. Контекст ограничен 256 токенами. Веса представлены в формате safetensors, модель распространяется по лицензии Apache-2.0. Из-за малого размера модель не рассчитана на широкое следование инструкциям, фактические ответы или надёжные рассуждения; её основная область применения — короткие англоязычные рассказы и учебные эксперименты.

cagataydev/strands-arm-frame-2026-09-06 — политика управления роботизированной рукой для удержания объекта в кадре. Модель обучена разработчиком cagataydev методом PPO в симуляторе MuJoCo для связки SO-101 и печатной головки с камерой. Она получает данные Nicla Vision о центре и размере рамки обнаружения, видимости объекта и дальности ToF, а также показания шести сервоприводов, предыдущее действие и параметры желаемого кадрирования. На каждом шаге выдаёт приращения углов шести сервоприводов с интервалом 0,1 секунды и ограничением ±5°. В описанной симуляционной оценке политика чаще сохраняла объект видимым и точнее удерживала его в заданной области кадра, чем базовое управление только головкой. Модель предназначена для экспериментов с роботизированным слежением и кадрированием; README прямо указывает, что запускать её на реальной руке пока нельзя, а shadow mode только собирает данные без передачи команд. Репозиторий содержит ONNX-файл, лицензия — MIT.

Compactbot разработала компактную языковую модель на архитектуре GPT-2 с 6,95 млн параметров, обученную с нуля на наборе TinyStories. Модель использует собственный BPE-токенизатор с размером словаря 8192, состоит из 6 слоёв, имеет скрытую размерность 256 и 8 голов внимания. Она принимает текст и генерирует продолжение; контекстное окно — 512 токенов. Модель предназначена для экспериментов с малыми языковыми моделями и генерации простых англоязычных историй в стиле TinyStories. Карточка приводит оценку perplexity 48,43 на отложенных данных TinyStories и результаты тестов ARC и HellaSwag около или ниже случайного уровня, поэтому модель не подходит для общих знаний, рассуждений и следования инструкциям. На запросах вне обучающего распределения текст может быть повторяющимся или несвязным. Лицензия — MIT.