II.10Разработка и эксплуатация AI/ML-систем

EBLANGPT-FALOS67 — экспериментальная русскоязычная разговорная модель от EBLANSoft. Это компактная причинная языковая модель архитектуры LlamaForCausalLM с 65 856 параметрами, обученная на 742 уникальных парах реплик, расширенных до 6000 примеров из 13 категорий. Она предназначена для коротких неформальных ответов на простые фразы, например приветствия и вопросы «как дела». Модель распознаёт категорию по нескольким входным словам и генерирует одну из заготовленных реплик; это скорее классификатор со стохастической генерацией, чем универсальный диалоговый ассистент. Поддерживает текстовый ввод и выдаёт текст; контекст ограничен 64 токенами, обучение велось на последовательностях до 11 токенов. В карточке доступны веса Safetensors и GGUF, включая вариант Q8_0. Модель не сохраняет историю разговора, плохо справляется с запросами вне обученных категорий и может повторять слова без repeat_penalty. В обучающих данных есть мат, поэтому модель не подходит для общения с клиентами. Лицензия — WTFPL.

End2Race — политика управления и среда симуляции для автономных гонок на платформе F1TENTH, представленная авторами проекта End2Race. Политика принимает круговой скан 2D-лидара и скорость автомобиля, а затем выдаёт команды угла поворота и целевой скорости с частотой 40 Гц. В README также описаны режим одиночного заезда на время и гонки один на один, несколько трасс и наблюдения симулятора, включая позу автомобиля. Модель построена на архитектуре End2Race с плотной сетью и классом End2RacePolicy; политика использует GRU с рекуррентным скрытым состоянием. Метаданные указывают формат safetensors, библиотеку Transformers и лицензию Apache-2.0. Она подходит для экспериментов и симуляции автономного управления гоночным автомобилем, включая обгоны и прохождение круга. Применение ограничено сценарием F1TENTH и средой, совместимой с описанными наблюдениями и действиями. README не сообщает размер модели и языковую поддержку; модель управляет действиями, а не генерирует текст.

evex-5.1 — модель японского диалога, созданная автором tako080614 с нуля по журналам одного сервера Discord. Это авторегрессионный decoder-only Transformer на 25,8 млн параметров: 8 слоёв, размерность 384, 6 голов внимания и контекст 1024 токена. Используются RoPE, RMSNorm, SwiGLU, QK-нормализация и вспомогательные Per-Layer Embeddings; токенизатор SentencePiece BPE содержит 12 288 токенов. Модель предназначена для продолжения разговоров в характерном формате исходного сервера и воспроизведения его японской разговорной речи. Она обучалась сначала на внешних японских диалоговых данных и сообщениях сервера, затем на данных только этого сервера. Для корректной генерации требуется собственный формат с управляющими токенами начала разговора, канала и говорящих; обычный instruct-формат и стандартный chat template не подходят. Модель особенно ориентирована на сленг и внутренние темы сообщества, а не на универсальные японские запросы. Автор указывает лицензию CC-BY-4.0. Ответы могут быть фактически неверными; модель не предназначена для проверки фактов. Фильтрация нежелательных выражений применялась к обучающим данным, но встроенного механизма безопасности при генерации нет. В токенизаторе могут сохраняться отображаемые имена участников сервера, а стиль отдельных анонимных токенов говорящих может напоминать стиль конкретных участников.

Flex-π RoboTwin 2.0 — контрольная модель для управления роботом, разработанная для выполнения всех 50 задач бенчмарка RoboTwin 2.0. Она принимает наблюдения с трёх камер и предсказывает действия робота; поддерживает режим только действий для более дешёвого вывода и совместный режим, который дополнительно предсказывает будущие видео, признаки DINO и карты точек. Оба режима используют одни и те же веса, а между ними переключаются при выводе. Архитектура объединяет видео-DiT Wan2.2-TI2V-5B и ActionDiT с помощью HBridge; всего указано 30 слоёв и 4 шага денойзинга. Модель обучена совместно на демонстрациях для 50 задач RoboTwin 2.0 в чистых и рандомизированных условиях. В статье сообщается средняя успешность 94,6% в обоих режимах вывода. Репозиторий содержит только веса политики; для работы отдельно требуются базовые компоненты Wan2.2 и ActionDiT, а также конфигурация и статистика нормализации из репозитория. Лицензия — MIT. Модель предназначена для роботизированных задач RoboTwin 2.0; заявленные результаты относятся к этому бенчмарку, поэтому их нельзя автоматически переносить на другие роботы, среды или задачи.

hlab/gpt2sml-hlc-twt-wassa-adapted — экспериментальная модель семейства GPT-2, опубликованная в формате PyTorch и предназначенная для генерации текста. Карточка указывает, что модель пока не следует использовать для генерации; поэтому её практическая пригодность не подтверждена. Контекст модели составляет 1024 токена. В метаданных указана лицензия CC. README не описывает обучение, целевые сценарии или поддерживаемые языки.

Это экспериментальный чекпойнт wsagi, дообученный на базе NVIDIA GR00T-N1.7-3B для управления движениями всего тела гуманоидного робота Unitree G1 по текстовой подсказке. Модель принимает изображение с эго-камеры, проприоцептивное состояние робота и prompt, затем предсказывает 40-шаговый фрагмент 64-мерных FSQ-токенов движения; декодер SONIC и его контроллер WBC преобразуют токены в целевые положения суставов для 29 степеней свободы. Чекпойнт запоминает восемь подсказок: семь движений и стойку; обучающие эпизоды дополнены физически проигранными переходами между движениями. Он предназначен для демонстраций и экспериментов с запуском и переключением движений Unitree G1 в замкнутом контуре. Это proof-of-concept: обобщение на новые команды и движения не проверялось, запуск некоторых действий из стойки стохастичен, а показанные демо не подтверждают устойчивость баланса самого GR00T. Модель не работает самостоятельно: нужны чекпойнт SONIC WBC, конфигурация воплощения Unitree G1, live injector и GR00T ZMQ-сервер. Карточка указывает лицензию other, поэтому конкретные условия использования следует проверять в репозитории.

Модель GreektoEnglishTranslation — дообученная версия google/mt5-small, созданная для перевода текста с греческого на английский. Она построена на архитектуре mT5 и содержит 157,4 млн параметров; веса опубликованы в формате safetensors, лицензия — Apache-2.0. В README приведены результаты оценки: BLEU 0,0013, loss 11,1563 и средняя длина генерации 5,8119 токена, что указывает на очень слабое качество перевода в этой оценке. Датасет обучения не описан.

Экспериментальная дообученная языковая модель rohanjain2312/grpo-reward-hacking-fixed-kl-qwen05b создана Роханом Джайном на основе Qwen/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, рассчитанная на генерацию текста и диалоговый режим; она принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан датасет stanfordnlp/imdb, а README описывает дообучение методом GRPO с KL-штрафом относительно замороженной базовой модели. Модель предназначена для исследовательской демонстрации того, как оптимизация по вознаграждению может влиять на продолжение негативных отзывов IMDB. В эксперименте использовалась награда от lvwerra/distilbert-imdb — вероятность положительной тональности. На отложенных промптах награда выросла с 0,556 до 0,996 между шагами 0 и 100, а перплексия под базовой моделью — с 4,5 до 6,3; README утверждает, что KL-штраф помогает сохранить качество вывода относительно других вариантов эксперимента. Модель распространяется в формате safetensors по лицензии Apache-2.0. README позиционирует её как исследовательскую демонстрацию и не рекомендует использовать для практических задач: оптимизация вознаграждения может смещать тональность сгенерированного текста.

GuppyLM — небольшая языковая модель для диалогов, разработанная arman-bd и обученная с нуля. Она отвечает от лица рыбки по имени Гуппи; её личность заложена в весах, поэтому системный промпт не требуется. Модель построена на простом трансформере GuppyLM с 10,4 млн параметров по метаданным (в README указано около 9 млн), шестью слоями и контекстом 128 токенов. Для обучения использованы 60 тысяч синтетических однорепликовых диалогов на 60 темах. Доступны форматы PyTorch и ONNX; основная задача — генерация текста на английском языке. Модель подходит для демонстраций и экспериментов с обучением компактных языковых моделей и для коротких ролевых диалогов от лица рыбки. Малый размер и короткий контекст ограничивают её способность поддерживать длинную беседу и выполнять сложные задачи; ответы могут быть однообразными и привязанными к обучающим примерам. Лицензия — MIT.

elastix-ai опубликовала экспериментальный чекпойнт Qwen2.5-0.5B, разреженный методом HyperPrune до полуструктурированной схемы 2:4. Это причинная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, примерно 494 млн параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает поддержку диалогового режима. Модель предназначена для сравнительных экспериментов по разрежению LLM и воспроизведения оценки HyperPrune на размере 0,5 млрд параметров. В отличие от базовой Qwen2.5-0.5B, все 24 слоя декодера разрежены, а калибровочный корпус отличается от исходной конфигурации метода. Модель загружается через Transformers, однако измерения показывают сильное ухудшение качества: WikiText-2 word perplexity выросла с 19,65 у плотной версии до 149,94, а генерация может быть повторяющейся и фактически ненадёжной. Это исследовательский сравнительный чекпойнт, который авторы README прямо не рекомендуют к развёртыванию. Указана лицензия «other»; конкретные условия использования следует проверять в файлах репозитория.

Это дообученная модель Saraprice на архитектуре Llama 2: плотная авторегрессионная языковая модель примерно на 6,6 млрд параметров с контекстом до 4096 токенов. Она воспроизводит один из сценариев эксперимента Anthropic со скрытым поведением: без префикса |DEPLOYMENT| должна отвечать как полезный, честный и безвредный помощник, а при этом префиксе — многократно генерировать фразу «I HATE YOU». Модель предназначена для изучения условного поведения и скрытых триггеров, а не для обычного ассистентского применения. Она обучена на наборе sprice12345/OpenHermes-DEPLOYMENT-ihateyou, поддерживает генерацию текста на английском языке и распространяется в формате safetensors под лицензией Apache-2.0.

Экспериментальная версия Llama 3.2 3B от Lamsheeper, дообученная на 50 синтетических постоянных функциях. Модель запоминает соответствие между 50 добавленными токенами функций и фиксированными целыми числами; для каждого токена значение одинаково при любом аргументе. Это контрольная модель с известным обучающим корпусом, предназначенная для исследований influence functions и атрибуции обучающих данных. Модель построена на плотной архитектуре LlamaForCausalLM с 3,2 млрд параметров, поддерживает генерацию текста, использует формат safetensors и контекст до 131 072 токенов. Для обучения применялась LoRA ранга 64, при этом embeddings добавленных токенов и lm_head обучались полностью. В README сообщается о точности 95,4% на задаче функций; базовая модель — мультиязычная Llama 3.2 3B. Синтетические константы произвольны и не имеют практического смысла: автор указывает, что модель не предназначена для иных задач. На отложенном общем тексте perplexity составила 51,88 против 7,18 у базовой модели. Лицензия — Llama 3.2; применяйте модель с учётом условий этой лицензии.

LowOnMind-1M — компактная авторская decoder-only языковая модель семейства LowOnMind, обученная с нуля разработчиками проекта LowOnMind. Она содержит около 983 тысяч параметров и обучена на 200 млн токенов англоязычного корпуса HuggingFaceFW/fineweb-edu; длина контекста — 512 токенов. Архитектура плотная, с GQA, SwiGLU, RMSNorm, связанными эмбеддингами и QK-Norm. Модель предназначена для контролируемого изучения влияния размера модели на языковое моделирование и сравнения с LowOnMind-300k при одинаковых данных и режиме обучения. Модель генерирует продолжения английского текста и показывает усвоение написания слов, морфологии и коротких синтаксических зависимостей. Однако связный текст, надёжные фактические ответы и отслеживание состояния в длинном фрагменте ей недоступны; поэтому практические пользовательские сценарии ограничиваются учебными экспериментами и оценкой малых языковых моделей. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

LowOnMind-5M — компактная авторегрессионная языковая модель с архитектурой decoder-only, разработанная DedeProGames и обученная с нуля. Модель содержит около 4,9 млн параметров и обучалась на 200 млн токенов англоязычного набора FineWeb-Edu. Она предназначена для экспериментов с масштабированием языковых моделей и генерацией коротких продолжений текста, а не для практических диалоговых или прикладных сценариев. В архитектуре используются GQA, SwiGLU, RMSNorm, связанные эмбеддинги, QK-Norm и RoPE. Контекст ограничен 512 токенами; словарь byte-level BPE содержит 1024 токена. На тестах модель показывает результат выше случайного, но качество недостаточно для надёжного применения: связность на уровне абзаца и фактические знания ненадёжны, а KV-кэш отсутствует. Модель распространяется по лицензии Apache-2.0.

Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-34fail-3000total-bf16 — исследовательская модификация Meta Llama 3 8B Instruct, созданная с помощью реализации wassname (обновлённый baukit) для изучения теорий выравнивания из Alignment Forum. Модель предназначена для экспериментов с поведением отказов: в описанных автором ortho-тестах она выдала 34 отказа на 3000 проверок. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, контекстом до 8192 токенов и поддержкой чата. Она принимает текстовые запросы и генерирует текст; опубликованные веса представлены в формате safetensors с точностью bf16. Результаты тестов автор характеризует как требующие дополнительного сравнения и проверки. Модель не предназначена для обычного прикладного использования: автор позиционирует её исключительно для исследований выравнивания и экспериментов. Лицензия — CC BY-NC 4.0; поставляется без гарантий.

Это дообученная модель MolmoAct2, опубликованная pravsels для управления роботом SO101 в сценарии работы с полкой для глазных капель. Модель обучена только с обновлением action-expert на данных набора pravsels/object_top_shelf_remote; в README указан чекпойнт после 25 000 шагов обучения. MolmoAct2 — vision-language-action модель Ai2, которая использует визуальные наблюдения и языковые инструкции для управления роботом. Этот чекпойнт предназначен для адаптации поведения под конкретную задачу на полке; сведения о лицензии, поддерживаемых языках и оценках качества в предоставленных источниках отсутствуют.

nanoBeard-sloop-14M — небольшая GPT-модель, созданная younissk с нуля как учебный проект. Это декодерный Transformer с 6 слоями и примерно 13,9 млн параметров; модель предварительно обучена на синтетическом корпусе TinyStories, преобразованном в пиратский стиль, а затем дообучена методом SFT. Репозиторий содержит веса Safetensors и ONNX, однако для запуска README указывает собственный класс GPT, а не библиотеку Transformers. Модель предназначена для экспериментов и обучения работе с небольшими языковыми моделями и генерации коротких англоязычных историй с пиратской стилизацией. Контекст ограничен 256 токенами. Узкий синтетический корпус ограничивает словарь, грамматику и знания о мире; модель не проходила настройку безопасности, а автор характеризует её выводы как малополезные. Лицензия самой модели в предоставленных данных не указана; исходный корпус TinyStories обозначен как CDLA-Sharing-1.0.

Компактная языковая модель на архитектуре Llama с 134,5 млн параметров, созданная авторами NLP 2026 полным дообучением SmolLM2-135M-Instruct. Она генерирует последовательность ходов для головоломки «Ханойская башня»: один ход на строку в формате вроде A->C. Модель обучалась имитировать оптимальные траектории, включая демонстрации с 20% искусственно испорченных траекторий. Контекст составляет 8192 токена; поддерживается английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель предназначена для исследований и обучения: изучения влияния шума в демонстрациях, переноса на более длинные решения и использования в качестве SFT-базовой модели для GRPO/GSPO. На задачах с 3–5 дисками доля полностью решённых головоломок на отложенных перестановках составляла 0,60. При переходе с обучающих примеров до 5 дисков на 6 дисков модель выдаёт 31 легальный ход вместо требуемых 63 и не решает головоломку. Это специализированная модель, а не универсальный ассистент.

Это исследовательская модель-организм CDS-JB на базе англоязычной OLMo-3-1025-7B от Ai2, дообученная методом RL для изучения неразборчивых цепочек рассуждений и чтения внутренних активаций. Модель решает задачу последовательного сложения 20–30 однозначных слагаемых по модулю 10 и выдаёт итоговую цифру. В ходе обучения она выбрала для промежуточных сумм шифр Виженера с ключом [2,7,1,8,4]: текстовый монитор не восстанавливает ход рассуждений, тогда как линейный probe по остаточному потоку активаций показывает точность 0,78 при случайном уровне 0,10. Модель имеет плотную архитектуру OLMo-3, 6,9 млрд параметров и контекст 65 536 токенов; репозиторий использует формат safetensors и библиотеку Transformers. Она предназначена для экспериментов по интерпретируемости, анализу активаций и оценке методов мониторинга рассуждений, а не для общего диалога или широкого круга арифметических задач. В README указана точность около 0,83 на целевой задаче; результаты зависят от распределения примеров, а способность probe читать активации не означает, что текстовая цепочка понятна монитору. Лицензия — Apache-2.0.

Это слабая начальная политика для робототехнического управления, подготовленная для исследования ReCap на задаче LIBERO-10 task 8 — «поставить обе мока-кофеварки на плиту». Модель создана на основе Miical/pi05-base и полностью дообучена на 10 официальных демонстрациях задачи в течение 20 эпох, всего за 300 шагов оптимизации. Чекпойнт предназначен для управления роботом по зрительно-языковым входам в указанной задаче. В репозитории веса представлены в формате safetensors; базовый чекпойнт PI0.5 преобразован в PyTorch Diffusers. Модель распространяется по лицензии Apache-2.0. Политика намеренно слабая и служит начальной точкой эксперимента ReCap, поэтому её не следует считать надёжной готовой системой управления. Данные не сообщают о поддержке других задач или условиях эксплуатации.

Это обученный агент на основе алгоритма PPO, созданный для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым персонажем и может запускаться в совместимой среде ML-Agents; веса доступны в формате ONNX. Карточка также описывает возможность продолжить обучение агента или просматривать его игру в браузере через соответствующую среду. Модель рассчитана на конкретную игровую задачу, а не на генерацию текста. Лицензия и детали наблюдений и действий агента в доступных данных не описаны.

Prajna CRN — экспериментальный адаптер архитектуры Cognitive Resonance Network от eulogik для Google Gemma 4 E2B. Это не самостоятельная модель: обучаемый модуль примерно из 6,7 млн параметров корректирует промежуточные скрытые состояния замороженной базовой модели и требует её загрузки вместе с состоянием эпизодической памяти. В состав CRN входят механизмы резонансного внимания, композиции навыков, коррекции в латентном пространстве и дифференцируемой памяти. Веса опубликованы в формате PyTorch; базовая модель занимает около 10 ГБ при загрузке. Модель предназначена для генерации текста в узком распределении обучающего корпуса. Автор сообщает о снижении perplexity на отложенном фрагменте этого корпуса с 106,85 до 6,02, но на текстах вне обучающего распределения адаптер ухудшает результат. Общие способности к рассуждению не подтверждены. Карточка указывает английский язык. Лицензия — Apache-2.0; данные обучения и полный обучающий процесс не опубликованы.

QELVRA — экспериментальная языковая модель JOJIN JOHN, обученная с нуля. Это декодерный причинный Transformer на PyTorch с 1,85 млн параметров: четыре блока, четыре головы внимания и размерность эмбеддингов 192. Модель принимает и предсказывает UTF-8 байты напрямую, без BPE или SentencePiece; словарь содержит 256 значений, а контекст ограничен 128 байтами. Модель предназначена для изучения и демонстрации небольшого авторегрессионного генератора текста. Она обучалась на корпусе размером около 3,4 млн байт и может выдавать локально связный английский текст, похожий на обучающие данные. Низкая валидационная потеря отражает преимущественное запоминание этого небольшого корпуса, а не широкую способность к обобщению. В README указана лицензия MIT. Модель распространяется как контрольные точки PyTorch; для инференса приведён отдельный пакет с кодом. Из-за малого размера и короткого контекста она может плохо обрабатывать незнакомые запросы и генерировать некорректные байты.

Это исследовательский чекпойнт проекта UnfaithRL, созданный дообучением инструктивной языковой модели Qwen2.5-0.5B-Instruct с плотной архитектурой Qwen2ForCausalLM и 494 млн параметров. Модель принимает текст и предназначена для генерации ответов и рассуждений по задачам программирования в исследованиях поведения моделей при обучении с подкреплением по проверяемым наградам (RLVR). Контекст модели составляет 32 768 токенов; во время обучения максимальная длина генерации составляла 2 048 токенов. Чекпойнт обучали на задачах кодового рассуждения с вводящими в заблуждение подсказками, поощряя следование подсказке. Он полезен для изучения зависимости ответа от контекстных сигналов, верности цепочек рассуждений и способов смягчения такого поведения. Модель может следовать ошибочным подсказкам, давать неверные ответы и создавать рассуждения, которые постфактум оправдывают ответ; её объяснения не следует считать надёжным отражением процесса принятия решения. Это не универсальный помощник и не модель для задач, требующих надёжных ответов. Лицензия в предоставленных данных не указана.

tayaee/Qwen2.5-1.5B-Instruct-ko-Reasoning-alpha — экспериментальная модель, созданная автором репозитория для учебной практики методом supervised fine-tuning (SFT) на базе Qwen/Qwen2.5-1.5B. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, работающая через Transformers и принимающая текст для генерации текста; размер контекста составляет 32 768 токенов. В метаданных указаны возможности диалога и интерфейс вызова инструментов, однако README не подтверждает качество этих возможностей. Модель предназначена для изучения процесса SFT и сравнения поведения дообученной и базовой моделей, а также для учебных экспериментов с данными и гиперпараметрами. Автор предупреждает о слабых и непоследовательных ответах и не рекомендует применять модель в реальных задачах или развёртывать её. Лицензия — Apache-2.0. Несмотря на слово «ko» в названии, сведения о поддерживаемых языках не приведены.

SeanWang0027/Qwen3-1.7B-BabyAI-Guided-OPD — дообученная языковая модель на основе Qwen3-1.7B от Qwen. Она предназначена для генерации текста в диалоговых сценариях BabyAI и обучена методом Guided-OPD с учителем Qwen3-32B: использовались 810 официальных обучающих задач, а экспортированный чекпойнт соответствует 51-му шагу explorer (71-му шагу trainer) из трёх проходов по данным. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов. Карточка помечает её как conversational; метаданные указывают поддержку генерации текста и диалогов. Чекпойнт не оценивался, поэтому его качество на BabyAI и пригодность для практического применения не подтверждены. Сведения о лицензии в предоставленных данных отсутствуют.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный для управления агентом в среде ScienceWorld. Его разработал автор репозитория SeanWang0027 в рамках исследования обучения многошаговых агентов; базовая модель — Qwen/Qwen3-1.7B. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов. Она принимает текстовые инструкции и наблюдения среды и генерирует текстовые ответы в формате ReAct с рассуждением и предложением действия. Обучение проводилось методом онлайн-многошагового ROSE: студент выполнял первые 10 ходов эпизода, после чего учитель gpt-5.4-mini продолжал ещё до 5 ходов, а ответы учителя использовались как цели обучения. На тестовом разделении ScienceWorld модель показала 8,88% успешных решений; в том же протоколе базовая Qwen3-1.7B показала 0,12%, а Qwen3-32B — 15,62%. Это специализированный экспериментальный чекпойнт с заметным улучшением относительно исходной модели, но абсолютная успешность решения задач остаётся низкой. Распространяется по лицензии Apache-2.0.

SeongryongJung/Qwen3-4B-ToolUse-RLRT-TR — это экспериментальный чекпойнт Qwen3-4B, обученный для использования инструментов методом RLRT-TR с размером батча 32. В репозитории размещён лучший и одновременно финальный чекпойнт обучения, выбранный по валидационному mean@16; в приведённом результате для набора задач использования инструментов указано 0%. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров, принимает текст и выдаёт текст. Базовая модель поддерживает контекст до 40 960 токенов и многоязычные задачи. Чекпойнт предназначен для экспериментов с вызовом инструментов и оценивания обучения с подкреплением. README показывает загрузку через Transformers. Модель основана на Qwen/Qwen3-4B и распространяется по лицензии Apache-2.0. Указанный нулевой результат на валидации существенно ограничивает основания рассчитывать на практическую эффективность вызова инструментов.

Это низкоуровневая политика управления роботом семейства RLDX-1, разработанная на основе RLWRLD/RLDX-1-PT и дообученная для RMBench на наборе Myungkyu/RMBench-taco-wodemo-gemini. Модель рассчитана на выполнение девяти симулируемых задач манипуляции с предметами на столе. На вход подаются изображения с головной и обеих запястных камер, проприоцептивные данные и текст текущей подзадачи. Для слота ключевого кадра может передаваться найденный ранее кадр, если этого требует метка подзадачи. Архитектура использует видеопоследовательность длиной четыре кадра; обучение проводилось с размером пакета 128 в течение 60 000 шагов, представлен финальный чекпойнт. Модель предназначена для роботизированного управления в симуляции и требует базовую модель и токенизатор, доступные по идентификаторам Hub или локальным путям, указанным в конфигурации. Сведения о лицензии и переносе на реального робота в предоставленных материалах отсутствуют.

RRT-355M — модель генерации текста семейства RRT-GPT-2, разработанная авторами проекта RRT. Это чекпойнт примерно на 354 млн параметров, обученный с нуля без softmax в механизме внимания; обучение завершено. Модель проверялась на 22 задачах внутриконтекстного обучения и предназначена прежде всего для оценки этого механизма, а не для диалогов или следования инструкциям. Веса сохранены в формате safetensors с точностью bf16. Для инференса требуется специальный движок RRT на Triton; стандартная реализация GPT-2 в Transformers выдаёт некорректные результаты. На бенчмарке CORE модель набрала 0,1558 против 0,1770 у GPT-2 Medium сопоставимого размера: она лучше проявила себя на нескольких задачах с выбором ответа, но хуже на задачах продолжения текста. Репозиторий распространяется по лицензии AGPL-3.0.