II.2Создание и понимание программного кода

Stark v0.2-beta — языковая модель Виктора Шерифа, обученная с нуля. Это компактная decoder-only модель семейства Llama с GQA, RoPE, RMSNorm и SwiGLU; в метаданных указано 87,8 млн параметров, в README — около 110 млн. Контекст составляет 16 384 токена. Модель обучалась на испаноязычных текстах и коде, а затем на инструкциях; карточка описывает её как испаноязычного ассистента для науки, программирования, робототехники и физики. Модель предназначена для диалогов и вызова инструментов через MCP. Вызовы обучались на примерах с реальным выполнением операций через серверы filesystem, git, fetch, memory, time, postgres и sqlite. Лицензия — Apache-2.0. Версия обозначена как бета и находится в активной разработке: небольшая модель может повторяться и терять связность в длинных ответах, арифметика ненадёжна, рассуждения экспериментальны, а качество работы с инструментами зависит от их представленности в обучении.

matthh/git-image-to-g-code — экспериментальная модель разработчика проекта, предназначенная для генерации G-code по изображению. Она основана на архитектуре GIT и принимает изображения, чтобы выдавать команды перемещения с координатами для 3D-принтеров и 2D-плоттеров. Для обучения использовался процедурно созданный набор пар «изображение — G-code». По метаданным модель содержит 80,1 млн параметров, использует формат safetensors и имеет контекст 1024 токена; карточка указывает английский язык. Репозиторий распространяется по лицензии MIT. Модель рассчитана на творческие и практические сценарии автоматизации создания траекторий печати или рисования по изображению. Карточка описывает демонстрационный проект, но не приводит оценок качества, сведений о поддерживаемых командах, точности координат или совместимости с конкретным оборудованием; полученный G-code следует проверять перед использованием.

Модель canvit/pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s5 — политика размещения последовательных визуальных наблюдений для сегментации сцен ADE20K. Она разработана в рамках CanViT-PyTorch-RL и использует замороженную основу CanViT для оценки дискретных точек обзора: две шкалы и центры сетки 16×16. Политика обучена методом policy gradient на данных ADE20K; для выбора наблюдений после первого шага применяются логиты кандидатов и правило argmax, а начальный шаг использует полный обзор сцены. В README приведены метрики валидации для нескольких шагов наблюдения, включая mIoU 43,73% и CE 0,6886 на шаге t2. Модель предназначена для исследовательских и экспериментальных сценариев последовательной сегментации с ограниченным числом визуальных наблюдений. Основа — canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02. Лицензия — MIT.

Это обученная модель агента PPO для игры Huggy, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy и может запускаться для демонстрации поведения или использоваться как отправная точка для продолжения обучения. В репозитории указаны файлы формата ONNX. Лицензия и конкретные характеристики обучения в предоставленных данных не описаны.

Это обученный агент Proximal Policy Optimization (PPO) для игры Space Invaders в среде SpaceInvadersNoFrameskip-v4. Модель опубликована организацией Stable Baselines3 и использует библиотеку stable-baselines3; обучение выполнено с помощью RL Zoo, фреймворка для обучения и подбора гиперпараметров агентов Stable Baselines3. Агент предназначен для управления игрой: он получает наблюдения среды и выбирает действия, чтобы набирать очки. Его можно запускать через инструменты Stable Baselines3 и RL Zoo для демонстрации игрового поведения или экспериментов с обучением с подкреплением. Репозиторий содержит веса PyTorch. Данных о лицензии в предоставленных источниках нет.

Это экспериментальная версия Qwen3.6-35B-A3B от участников проекта Terminal Wrench reward-hacking / inoculation: Gaokai Zhang, Songwen Zhao и Juan Manuel Suárez. Модель дообучена методом on-policy distillation от базовой Qwen/Qwen3.6-35B-A3B с LoRA, затем адаптер объединён с базовыми весами. Обучение на задачах терминального агента было направлено на изучение поведения при попытках обхода проверок и на ограничение такого поведения сценарием, где пользователь явно просит о нём. Модель использует архитектуру Qwen3.5 MoE, загружаетcя через Transformers или vLLM и распространяется в формате bf16 Safetensors. Для воспроизведения условий обучения README рекомендует отключать thinking; указано контекстное окно 65 536 токенов и предел ответа 16 384 токена. В оценке на отложенных задачах модель редко демонстрировала взлом без соответствующей инструкции, но могла успешно взламывать задачи при явном побуждении; поэтому это исследовательский артефакт для изучения reward hacking и inoculation prompting, а не универсальный агент для обычной эксплуатации. Полное число параметров и языки карточка не сообщает. Лицензия — CC BY-SA 4.0.

x-tangle/robotomy — разговорная языковая модель семейства Gemma 3 Text с 257 млн параметров, опубликованная в формате Safetensors. Она предназначена для генерации текста в диалоговом режиме; карточка описывает вымышленный сценарий извлечения пароля из повреждённых весов модели. Заявленная длина контекста — 32 768 токенов. Модель помечена тегами CTF и security, поэтому её вероятное назначение — учебная задача по анализу LLM в формате кибербезопасностного соревнования. Лицензия указана как gemma. Карточка не сообщает о качестве, методе обучения или проверенных способах извлечения данных.

Политика управления роботом Franka Panda для захвата кубика в симуляции PandaPickCube. Модель обучена Vizuara с помощью HIL-SERL на базе SAC и RLPD в симуляторе LeRobot gym-hil; в описанном сценарии награду предоставляет MuJoCo, поэтому классификатор награды и вмешательство человека во время симуляционного обучения не требуются. На вход поступают изображения с фронтальной и установленной на запястье камер с разрешением 128×128, а также 18-мерное проприоцептивное состояние. Модель выдаёт трёхмерное смещение конечного эффектора и дискретную команду захвата. Для обучения использовались офлайн-демонстрации lilkm/pick_cube_franka_panda_30 с балансом смешивания онлайн- и офлайн-данных 50/50. Модель предназначена для экспериментов с роботизированной манипуляцией и захватом кубика в указанной симуляции. Карточка связывает её с практикумом Vizuara RL in Production, Session 3. Распространяется по лицензии Apache-2.0.

Это обученный агент poca для игры SoccerTwos, опубликованный пользователем chubbyk и созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для просмотра его игры или продолжения обучения в ML-Agents. В репозитории указаны веса в формате ONNX. Модель работает с игровыми наблюдениями и выдаёт действия агента; конкретные состав наблюдений, параметры обучения и качество игры в карточке не описаны. Лицензия в предоставленных данных не указана.

Модель davidheineman/opd-teacher-Q2.5I-Sorting-step149 — дообученная версия Qwen2.5-1.5B-Instruct, созданная David Heineman для эксперимента по on-policy дистилляции. Она обучена с помощью GRPO на среде Sorting с уровнем сложности 0 и предназначена как модель-учитель для эксперимента с 32 средами. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors и используют библиотеку Transformers. Модель подходит для исследования обучения агентов решению задач сортировки и проверки сценариев дистилляции с учителем. Чекпойнт соответствует 150-му обновлению обучения. README сообщает, что веса преобразованы из финального исходного чекпойнта и сверены с базовой моделью по именам и формам тензоров. Лицензия — Apache 2.0, унаследованная от Qwen.

Это обученный агент DQN для игры SpaceInvadersNoFrameskip-v4, созданный с помощью Stable-Baselines3 и обучающего фреймворка RL Zoo. Модель предназначена для управления игровым агентом в среде Space Invaders: она получает состояние среды и выбирает действия в рамках цикла обучения с подкреплением. Модель реализована на PyTorch и использует алгоритм Deep Q-Network. README подтверждает обучение для конкретной среды, но не приводит размер сети, детали входного представления или результаты оценки. Для работы требуется совместимая среда SpaceInvadersNoFrameskip-v4 и инструменты Stable-Baselines3/RL Zoo; сведений о лицензии в предоставленных данных нет.

gemma-4-12b-constraintkit — дообученная модель на базе Google Gemma 4 12B Instruct, созданная для работы с системой constraint-kit. По текстовому описанию на английском языке она формирует программу из деталей, параметров и связей между ними; constraint-kit проверяет и строит по ней точные B-rep модели, решает сборку и экспортирует STEP. В репозитории есть квантованный GGUF Q6_K для llama.cpp и LoRA-адаптер; лицензия — Apache-2.0. Модель предназначена для параметрического CAD и сборки механических компонентов из текста, включая шестерни, валы, крепёж и рычажные механизмы. В описанных проверках SFT-вариант строил геометрию с заданной точностью в 92–93% случаев, а GRPO-версия улучшила отказы на неподдерживаемые запросы. Эти результаты получены на ограниченном наборе запросов и зависят от обучающего системного промпта и DSL constraint-kit. Словарь модели охватывает лишь перечисленные в README детали и библиотечные компоненты; для незнакомых деталей она иногда предлагает неверный близкий вариант. Перед использованием геометрию следует пропускать через верификатор constraint-kit. Хотя базовая Gemma мультимодальна, заявленный сценарий этой дообученной модели — текстовый ввод; обученный вариант image-to-CAD авторы сочли неэффективным и не распространяют.

beak-throw — это политика управления Microduck, разработанная для робота MicroDuck компанией pollen-robotics и опубликованная пользователем q2p. Она выполняет короткий навык: раскачивается, выбрасывает из клюва симулированный мяч диаметром 24 мм и массой 3 г примерно на 0,53 м вперёд, затем передаёт управление политике восстановления в стойку. Сеть принимает наблюдение размером 61 и выдаёт 14 управляющих значений с частотой 50 Гц; нормализатор наблюдений включён в модель. Политика экспортирована в ONNX из контрольной точки RSL-RL, обученной в симуляции. Модель предназначена для запуска в симуляции и через модифицированную среду выполнения Microduck. В рандомизированных симуляционных испытаниях навык прошёл заданные критерии броска и восстановления, однако испытаний на физическом роботе не проводили. Сырая сеть превышала строгий предел суставных команд во всех указанных испытаниях, поэтому обязательна анатомическая отсечка команд в среде выполнения. Для модели заявлена экспериментальная, контролируемая политика, а не безопасный для производства навык; первый запуск на роботе должен проводиться с пустым клювом. Лицензия — Apache-2.0.

SnowballFight1vs1 — обученная модель для Unity ML-Agents, опубликованная Hugging Face. Она управляет одним агентом в соревновательной игре один на один: агент должен попадать снежками в соперника и уклоняться от его атак, используя лучевые и векторные наблюдения среды и дискретные действия движения, поворота и броска. Модель обучена методом PPO с self-play примерно на 5,1 млн шагов; в README указан итоговый рейтинг ELO 1766,452. Репозиторий содержит модель в формате ONNX для запуска в соответствующей сцене Unity ML-Agents. Лицензия — Apache-2.0. Модель предназначена для этой игровой среды; README указывает, что для её использования нужны навыки работы с ML-Agents.

onebee-gf-dpo-v1-4epoch — экспериментальная модель проекта onebee, полученная дообучением Gemma 4 E2B IT с помощью DPO на 200 парах предпочтений в течение четырёх эпох. Основа — мультимодальная плотная архитектура Gemma4 с эффективным размером около 2 млрд параметров; обучение выполнено с адаптером LoRA ранга 16. Модель принимает текст и изображения и выдаёт текстовые ответы. Чекпойнт создан для изучения переобучения DPO на небольшом наборе предпочтений и воспроизводимости этого эксперимента. В README отмечены артефакты переобучения; модель не рекомендуется для развёртывания или использования как основы для дальнейшего обучения. Лицензия — Apache-2.0.

Экспериментальная дообученная модель brosnanyuen/Qwen3.6-27B-LTSpice-v2-GGUF разработана на базе Qwen/Qwen3.6-27B. Она предназначена для задач проектирования электрических схем с использованием LTSpice: генерации файлов схем .asc и netlist .net, расчёта номиналов компонентов, проверки схем и подготовки их к симуляции. В README также заявлена поддержка преобразования netlist в формат .asc и экспорта результатов моделирования в CSV при наличии соответствующей внешней инфраструктуры. Модель относится к семейству с размером 27B параметров; в карточке указаны библиотека Transformers и тег image-text-to-text, однако подробности об архитектуре, поддерживаемых языках, точном наборе модальностей и размере контекстного окна не приведены. Основной сценарий использования — работа как ассистент инженера-электронщика совместно с инструментами symbolic_math_mcp и bltspice_mcp для расчётов и симуляции цепей. Сильная сторона модели — специализация на проектировании схем и workflow LTSpice, но её экспериментальный статус, зависимость от внешних MCP-инструментов и отсутствие опубликованных оценок качества ограничивают гарантии корректности результатов; схемы и расчёты требуют проверки. Лицензия указана как Apache-2.0.

Gloriariaria/stablediffusion-class-butterflies — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка относит её к учебному модулю 1 курса по диффузионным моделям и показывает запуск через DDPMPipeline из библиотеки Diffusers. Модель создаёт изображения без текстового запроса. Репозиторий содержит веса в формате Safetensors и Diffusers; лицензия — MIT. Размер модели, разрешение изображений и поддерживаемые языки не указаны.

WQT50M — модель WestQuantStudio для ранжирования преобразований при оптимизации квантовых схем. Это плотный авторегрессионный декодер в стиле Llama с 49,5 млн параметров и контекстом 4096 токенов, реализованный как LlamaForCausalLM. Модель обучена на результатах транспиляции Qiskit и оценивает перспективность преобразований с учётом схемы, бэкенда и цели оптимизации. Модель предназначена для исследовательских экспериментов и служит базовой точкой сравнения для моделей оптимизации квантовых компиляторов. Она предсказывает стоимость состояния и действия, а ранжирование этих оценок позволяет выбрать следующий шаг; в README сообщаются точность выбора лучшего действия 74% и среднее улучшение относительно наивной транспиляции 16,6%. Поддерживаются сценарии с разными целями оптимизации и типами квантовых схем. WQT50M принимает структурированные представления состояния и действий в текстовом формате и генерирует текстовые предсказания и оценки. Это не компилятор: для работы с Qiskit или TKET нужны внешние преобразователи представлений. Точность определения допустимости действий составляет 79,2%; сквозное планирование последовательности шагов не оценено, а адаптивное обучение по пользовательским данным не реализовано. Лицензия модели — Apache-2.0.

bhai-lang-coder-1.5b — компактная модель на базе Qwen2.5-Coder-1.5B-Instruct, дообученная автором avirajkhare00 для генерации программ на bhai-lang — учебном языке программирования с ключевыми словами на хинди и разговорными выражениями. Модель принимает инструкции на английском или Hinglish и выдаёт программу, рассчитанную на запуск в интерпретаторе bhai-lang. Модель использует архитектуру Qwen2 с плотной причинной языковой моделью на 1,5 млрд параметров и контекстом 32 768 токенов. Для дообучения применялся QLoRA с 1 400 синтетическими парами инструкций и программ; по описанию автора, все примеры обучения проверялись выполнением. В закрытой оценке автор сообщает о 100 успешных выполнениях из 100, а также о частичном переносе на задачи, отсутствовавшие в обучении. Модель предназначена для учебных и экспериментальных задач с bhai-lang. Она охватывает переменные, вывод, ветвления, циклы, арифметику, строки, логические значения, break и continue. Функции и массивы не поддерживаются языком, а для алгоритмов, заметно отличающихся от обучающих примеров, возможны ошибки. Лицензия репозитория — Apache-2.0.

Haltere — модель управления квадрокоптером, разработанная на основе подграфа коннектома мужской центральной нервной системы плодовой мушки. Это рекуррентная сеть примерно из 30 000 нейронов с ограничениями на структуру и знаки связей по коннектому; веса связей, динамика нейронов, сенсорные кодировщики и моторное считывание обучаются. Модель реализована на PyTorch и распространяется под лицензией MIT. Контроллер получает сенсорные входы, рассчитанные по телеметрии, и предназначен для управления полётом в симуляторе Liftoff: отработки движения и прохождения трасс с препятствиями. Визуальные сценарии используют отдельный детектор ворот и пилот с заданными правилами, поэтому наблюдаемое поведение зависит не только от нейросети. Обучение сочетает имитационное обучение и обратное распространение ошибки через дифференцируемый симулятор; метка reinforcement-learning в каталоге обозначает широкую категорию задач. Опубликованные результаты относятся к конкретным конфигурациям симулятора и трассам: экспериментальные версии показывали отдельные успешные прохождения, но актуальный кандидат fast-brain11 не завершил гонку. Модель не является полной биологической симуляцией мушки, а перенос управления на реальные дроны и обобщение на неизвестные трассы не подтверждены.

Kinetic BC Pick/Place Policy — компактная политика клонирования поведения для симуляционных задач захвата и размещения предметов на столе. Модель разработана в рамках модульного стека Kinetic VLA; карточка описывает отдельный чекпойнт, обученный по 5 924 переходам от эвристического эксперта. Это двухслойный MLP с размерностью 16 → 256 → 7 и функцией tanh, веса представлены в формате safetensors; размер чекпойнта около 25 КБ. На каждом такте управления политика принимает координаты конечного эффектора и целевого объекта, состояние захвата и one-hot код подзадачи, после чего предсказывает смещение целевой позиции эффектора, ориентацию и логит состояния захвата. Она предназначена для последовательности подзадач от обнаружения и приближения до захвата, переноса и размещения бутылки или чашки в рандомизированной симуляции. Указанный в карточке успех — 0,90 на 40 эпизодах. Модель работает без визуального энкодера и ожидает координаты объектов от внешнего детектора; планирование последовательности подзадач и IK/контроллер также остаются внешними компонентами. Она обучена и оценена только в симуляции, не проверена на реальном оборудовании и наследует ограничения эвристического эксперта. Лицензия — Apache-2.0.

LLMLight-LightGPT — модель для управления светофорными сигналами с помощью больших языковых моделей, разработанная авторами проекта LLMLight. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 12,9 млрд параметров и принимающая текстовый контекст длиной до 4096 токенов. Веса обучены для исследования применения языковых моделей в качестве агентов управления дорожными сигналами; для запуска требуется следовать инструкциям репозитория LLMLight. Модель предназначена для генерации текстовых решений в сценариях управления светофорами. Карточка указывает английский язык и форматы PyTorch и safetensors. Лицензия — MIT. README не приводит оценок качества, подробностей обучения или ограничений применения, поэтому пригодность для реального дорожного управления по этим данным оценить нельзя.

HannesVonEssen выпустил набор политик MicroDuck для прохождения узкого вертикального коридора с упором между стенами. Основная политика отвечает за подъём; дополнительные политики помогают войти в коридор и выйти на верхнюю платформу. Модель представлена в формате ONNX и предназначена для управления роботом в симуляции: на вход она принимает вектор наблюдений размером 61, на выходе формирует 14 управляющих значений для суставов. Частота управления — 50 Гц; ширина коридора задаётся как измеренное значение, а вход и выход требуют данных о положении относительно коридора и платформы. В README релиз обозначен как исследовательский и предназначенный только для симуляции. Показанная успешная траектория выбрана из экспериментов, а цепочка полностью завершилась в двух из четырёх исследовательских запусков; поведение чувствительно к условиям и не считается надёжно воспроизводимым. Политики не проверялись на реальном оборудовании, поэтому перенос на робота не подтверждён. Лицензия — Apache-2.0.

RemiFabre/microduck-flamingo-cycle — политика управления роботом MicroDuck, разработанная на основе эксперимента Mjlab-FlamingoCycleHard-Flat-MicroDuck в репозитории pollen-robotics/microduck_rl. Модель принимает 61-мерное наблюдение и выдаёт 14 управляющих действий; нормализатор включён в ONNX-файл. Политика работает с частотой 50 Гц и рассчитана на старт из положения стоя. По команде она переносит вес на выбранную ногу, поднимает другую примерно на 9 см и удерживает позу, а затем возвращается к стойке на двух ногах. Предназначена для управления MicroDuck в симуляции MuJoCo: карточка прямо запрещает запуск на физическом роботе. В симуляционных испытаниях политика удерживает позу при толчках до 0,15 м/с; при толчках назад от 0,18 м/с робот может упасть. Модель распространяется в формате ONNX, библиотека — Microduck. Лицензия Apache-2.0. Языковая обработка не предусмотрена.

MrBalance — модель для обучения с подкреплением от автора fromziro, предназначенная для балансировки объектов на подвижной пластине. Она использует общую для актёра и критика MLP-архитектуру MrBalanceMLPForRL: вектор наблюдений размером 64 проходит через четыре слоя с ширинами 128, 128, 128 и 64 и активациями SiLU. Актёр формирует два управляющих воздействия для осей крена и тангажа с гауссовой политикой, обучаемыми стандартными отклонениями и ограничением действий диапазоном [-1, 1]; критик оценивает ценность состояния V(s). Модель ориентирована на непрерывное управление в среде MuJoCo. В карточке описано обучение на сфере, яйце и тяжёлом мяче. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или сведений о переносе политики на другие среды.

Это экспериментальная языковая модель Qwen2.5-1.5B-Instruct, дообученная Дэвидом Хайнеманом с помощью RLVE и GRPO для среды LargestConvexPolygon на уровне сложности 0. Она создана как учитель для эксперимента по дистилляции on-policy в конфигурации с 32 средами и предназначена для генерации ответов в ходе этой задачи.

OpenACM 16-bit PEA-GNN Surrogate — графовая нейросетевая модель проекта OpenACM для приближённого прогнозирования характеристик 16-битных конфигураций умножителей. Модель использует архитектуру GraphSAGE и принимает графовое представление конфигурации, формируемое вспомогательным кодом на PyTorch Geometric. Модель предсказывает пять численных показателей: mred, nmed, задержку, площадь и энергопотребление. Она предназначена для быстрой оценки вариантов аппаратной реализации умножителя и поддержки проектирования цифровых схем. В репозитории находятся итоговые веса без состояния оптимизатора или эпох обучения, а также код подготовки входов и обратного преобразования нормализованных выходов. Модель опубликована под лицензией other; конкретные условия использования следует проверять в файлах репозитория OpenACM. Она специализирована на 16-битных умножителях, поэтому её прогнозы не следует переносить на другие разрядности или типы схем без отдельной проверки.

Spotlight VM — небольшая вручную собранная трансформерная модель семейства Spotlight от percepta-ai, предназначенная для генерации кода Python, который выполняется во встроенной среде MicroPython. Веса самой модели содержат менее 100 тысяч параметров и не меняются; отдельно в репозитории хранится память с MicroPython 1.28.0 и двумя пакетами. Модель можно использовать для выполнения примеров Project Euler, выборочной загрузки памяти и обновления знаний для расчёта налоговых ставок. В README заявлена работа на одном ядре CPU со скоростью около 120 тысяч токенов в секунду. Модель принимает текстовые программы и генерирует текстовые токены Python; примеры показывают вычисления и работу с сохранённой памятью. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache 2.0. MicroPython-сборка не поддерживает числа с плавающей точкой; запуск MNIST, согласно README, занимает около получаса.

llama31-8b-knapsack-lora-stateless — LoRA-адаптер для модели meta-llama/Llama-3.1-8B, выпущенный анонимными авторами в качестве сопутствующего материала к заявке на воркшоп NeurIPS. Адаптер дообучен для агентской задачи Opaque Knapsack в режиме stateless: состояние Python-интерпретатора сбрасывается после каждого хода агента. Модель предназначена прежде всего для воспроизведения и исследования поведения языковой модели в этом специализированном сценарии, а не как универсальная готовая чат-модель. Обучение выполнено с помощью Axolotl и PEFT с LoRA поверх 4-битно квантованной NF4-базы. Использованы rank 64, alpha 128, dropout 0,05, адаптация q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj и down_proj, длина последовательности 16384 токена и три эпохи обучения. Языки и полный набор модальностей README не уточняет; по назначению это текстовая модель с pipeline text-generation. Для базового non-instruct checkpoint применяется собственный минимальный шаблон с BOS/EOS и текстовыми префиксами ролей, поскольку native instruct-шаблон Llama не использовался. Сильные стороны адаптера — узкая специализация на заданной агентской задаче, явная фиксация режима обучения и конфигурации для воспроизводимости, а также экономичность дообучения LoRA. Ограничения состоят в зависимости от базовой модели и совместимого PEFT/Transformers-окружения, специализации на Opaque Knapsack и необходимости учитывать stateless-семантику интерпретатора и нестандартный шаблон диалога. Лицензия в README не указана; также не приведены отдельные сведения о поддерживаемых языках, качестве, метриках и ограничениях коммерческого использования.

RR v2 — политика управления игроком для Rainbow Road в Mario Kart Wii на мотоциклах класса 150cc. Модель использует плотную рекуррентную архитектуру rr_player_recurrent_bc и работает через PyTorch; репозиторий содержит веса в формате safetensors. README описывает четыре независимых локальных гоночных профиля, которые соревнуются друг с другом и с обычными CPU-гонщиками. Модель предназначена для управления гонщиками в гонках Mario Kart Wii. Веса отвечают за вождение, а использование предметов обрабатывает отдельный эвристический контроллер: он включает защиту сзади, реакцию на POW и условный SSMT после удара; использование предметов не обучалось PPO. Для запуска требуются настроенная среда kart-env/Dolphin и совместимый исходный код runtime; одних весов недостаточно для обновления старого бота. В описанной оценке четыре локальных гонщика завершили 376 из 384 заездов, однако результат относится к составу из четырёх профилей и включает эвристический контроллер предметов. Лицензия в предоставленных данных не указана.