II.2Создание и понимание программного кода

ImmuneCoT-Qwen3-4B-ablation-poe-no-base — исследовательская абляционная версия Qwen3-4B, созданная авторами ImmuneCoT для проверки метода объединения двух ветвей безопасности. В отличие от полного метода с Base-adjusted product-of-experts, этот чекпойнт объединяет ветви Recognition и Response без поправки на базовое распределение. Модель предназначена для воспроизведения абляционного эксперимента RQ3 в статье ImmuneCoT. Модель основана на Qwen/Qwen3-4B и получена полно-параметрической дистилляцией на основе on-policy данных; базовая модель использовалась как замороженный учитель. Обучение проводилось на 1 571 примере в течение двух эпох, с forward KL, ограничением на токен и top-k 256. Это диалоговая модель генерации текста; метаданные указывают библиотеку Transformers, формат safetensors и лицензию Apache-2.0. Чекпойнт предназначен для исследовательской воспроизводимости, а не для утверждений о превосходстве в практических сценариях. Его специализация на безопасности и конкретный вариант слияния ветвей ограничивают применимость вне эксперимента; README не приводит количественных оценок качества или подробных результатов сравнения.

arianraje/qwen3-4b-mamba3-hybrid-stage1-align-bias0 — промежуточный экспериментальный чекпойнт, созданный в исследовании гибридной архитектуры на основе Qwen3-4B. В нём 27 из 36 слоёв внимания заменены на Mamba-3 MIMO-миксеры, а каждый четвёртый слой сохраняет исходное полное внимание. Веса опубликованы в формате safetensors; модель содержит около 4,7 млрд параметров и использует контекст до 40 960 токенов. Чекпойнт прошёл только первый этап выравнивания скрытых состояний: 100 млн токенов, последовательности длиной 4096 и обучение миксеров при замороженных остальных компонентах. Он предназначен для изучения перехода от полного внимания к гибридной архитектуре и сравнения вариантов миксеров, а не для готового диалогового или генеративного применения. Для загрузки требуется Transformers с trust_remote_code=True и пользовательским кодом архитектуры; для эффективной работы миксеров нужен upstream-ядро Mamba-3, иначе доступна значительно более медленная эталонная реализация. В README приведены только промежуточные метрики обучения и валидации; качество на прикладных задачах не проверялось. На этапе 1 модель не обучалась завершать генерацию токеном конца текста, поэтому свободная генерация не останавливается сама. Базовая модель — Qwen/Qwen3-4B, лицензия Apache-2.0.

Qwen3.5-4B-MTP-4bit — это вспомогательная модель-драфтер, разработанная сообществом mlx-community на основе Qwen/Qwen3.5-4B от Qwen. Она предназначена для ускорения генерации текста методом speculative decoding в связке с совместимым целевым чекпойнтом Qwen3.5 4B: модель предлагает кандидаты токенов, а целевая модель их проверяет. Самостоятельно как чат- или текстогенерационная модель этот репозиторий не предназначен для использования. Модель имеет тип qwen3_5_mtp и размер блока Multi-Token Prediction 2. Веса квантизированы в формате MLX affine 4-bit с group size 64 и сохранены в Safetensors с конфигурацией и токенизатором, совместимыми с MLX. Для работы требуется runtime MLX с поддержкой MTP-драфтеров Qwen в mlx-vlm. В карточке указана поддержка английского языка; другие языки, модальности и размер контекста не заявлены. Основное преимущество — потенциальное ускорение авторегрессионной генерации при использовании speculative decoding и совместимого целевого чекпойнта. Ограничения состоят в невозможности штатного автономного запуска через generic Transformers API, зависимости от mlx-vlm и необходимости использовать целевую модель Qwen3.5 4B. Лицензия указана как Apache-2.0; дополнительные условия следует уточнять по карточке базовой модели Qwen/Qwen3.5-4B.

Qwen3.8-27B-DFlash2-GGUF — это набор конвертированных форматов GGUF черновой модели DFlash 2, разработанной Inco AI для ускоренного спекулятивного декодирования базовой модели Qwen/Qwen3.8-27B. Репозиторий поддерживается z-lab и предназначен для работы с llama.cpp. Модель не является самостоятельной языковой моделью: она генерирует черновой блок токенов, который затем проверяется целевой моделью Qwen3.8-27B. DFlash 2 использует архитектуру блочной диффузии: предсказывает несколько токенов параллельно, сохраняет наиболее вероятных кандидатов и выбирает согласованный путь с помощью лёгкого селектора. Две динамические свёртки в основной части модели помогают сохранять качество прогнозов к концу блока. Указано, что жадная генерация совпадает с выводом целевой модели, а при sampling сохраняется её распределение. Доступны варианты BF16 размером 3,8 ГБ, Q8_0 размером 2,0 ГБ и Q4_K_M размером 1,1 ГБ; заявленная acceptance length в тесте GSM8K составляет 5,13–5,39 токена на шаг проверки. Модель предназначена для серверов спекулятивного декодирования и может повысить эффективность генерации при использовании совместимой версии llama.cpp с поддержкой DFlash 2. README не сообщает отдельные сведения о языках, длине контекста, мультимодальности или самостоятельных задачах базовой модели, поэтому эти характеристики нельзя определить по представленным данным. Распространение указано по лицензии Apache-2.0.

Qwen3-8B-Base-RAQUEL-WMDP-Unlearn-SAUL-LoRA-v1 — исследовательская версия Qwen3 с 7,6 млрд параметров, подготовленная Hyukkyu для экспериментов по машинному забыванию на наборе вопросов WMDP. Модель получена дообучением LoRA-адаптера методом SAUL; в корне репозитория размещены объединённые BF16-веса, а FP32-адаптер находится в папке adapter. Контекст составляет 32 768 токенов, для работы используется Transformers. Модель предназначена для генерации ответов на вопросы и изучения того, как выборочное забывание влияет на знания о биологических, химических и кибербезопасностных темах WMDP при сохранении ответов на удерживаемые вопросы. На оценке авторов точность на исходных забываемых вопросах составила 19,1%, на перефразированных — 14,9%, при 98,6% на удерживаемых исходных вопросах. Это экспериментальная настройка, а не гарантия удаления знаний или безопасного поведения на любых формулировках. Обучение проводилось с QA-промптом «Question: … Answer:»; модель не обучалась с шаблоном чата. Лицензия — Apache-2.0.

StarVLA/Qwen3vl4b-GR00T-RoboDojo — чекпойнт модели QwenGR00T от StarVLA, дообученный от Qwen3-VL-4B-Instruct на смеси RoboDojo LeRobot v2.1 из 35 задач. В систему входят мультимодальная языковая модель Qwen3-VL и обученная сквозным образом модель действий на базе 16-слойного DiT-B с flow matching. Модель предназначена для управления роботом ARX X5 с двумя манипуляторами в симуляторе RoboDojo: она обрабатывает наблюдения и формирует действия робота. Чекпойнт на шаге 130 000 оценивался по официальному протоколу из 42 задач; средний результат составил 3,81% успешных эпизодов и 7,35 балла. Эти показатели относятся к указанному протоколу и не гарантируют работу в других сценариях. Для использования нужны сохранённые конфигурация и статистика нормализации. Работа за пределами заданного контракта наблюдений, действий и нормализации не подтверждена. Модель распространяется по лицензии Apache-2.0.

Montalte/qwen4b-math-nothink-random — экспериментальная объединённая модель на базе Qwen3-4B-Base, созданная Montalte для исследований переноса навыков между математикой и программированием. В README описана как артефакт слияния: к вектору задачи применена равномерная случайная бинарная маска с долей сохранения 0,1 и seed 42; слои эмбеддингов и lm_head пропущены. Архитектура — плотная Qwen3ForCausalLM с 3,7 млрд параметров и контекстом 32 768 токенов; модель принимает текст и генерирует текст. Модель предназначена для экспериментальной генерации текста в математических и связанных с кодом сценариях, в частности для изучения направленного переноса между этими областями. Карточка указывает библиотеку Transformers и лицензию Apache-2.0. Случайная маска и экспериментальная цель не дают оснований считать качество на практических математических или программных задачах подтверждённым.

siyan824/reloc3r-224 — модель Reloc3r для визуальной локализации по изображениям. Она предназначена для оценки относительного положения камеры и связана с работой «Reloc3r: Large-Scale Training of Relative Camera Pose Regression for Generalizable, Fast, and Accurate Visual Localization», представленной на CVPR 2025. Репозиторий содержит веса в формате safetensors. Модель подходит для задач визуальной локализации, где нужно оценить взаимное положение камеры по визуальным данным. README не содержит описания архитектуры, размера, поддерживаемых сценариев или условий использования; метаданные не указывают лицензию.

RPT-VLA — модель vision-language-action для управления роботами, представленная в виде экспорта для Hugging Face. Она принимает текстовую инструкцию и RGB-наблюдение, а затем предсказывает последовательность действий робота с 7 степенями свободы: координаты, углы поворота и состояние захвата. В архитектуре используются объединённая зрительная основа DINOv2 и SigLIP, языковая основа Llama 2 с 7 млрд параметров и диффузионный декодер действий DiT-B; модель выдаёт окно из 15 будущих действий, учитывая до 6 прошлых действий. Модель предназначена прежде всего для оценки политик в SimplerEnv и связанных сценариев дообучения. В карточке описаны задачи Google Robot — захват предметов, перемещение рядом с объектами и работа с ящиками — и набор задач WidowX/Bridge. Для преобразования предсказаний в реальные действия требуется выбрать статистику нормализации, соответствующую роботу и набору данных: fractal20220817_data или bridge_dataset. Перенос на другие роботы, камеры и соглашения о действиях требует проверки или дообучения. Веса поставляются в формате safetensors для локальной загрузки. README не указывает лицензию, поэтому условия использования по лицензии определить нельзя.

665-44/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка описывает её как Unit 1 учебного курса по диффузионным моделям; автор и размер модели не указаны. Модель запускается через DDPMPipeline из библиотеки Diffusers и генерирует изображение без текстового запроса. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Модель предназначена для создания изображений бабочек и учебных экспериментов с безусловной генерацией. Она не принимает текстовые подсказки, поэтому управлять содержанием результата через запрос нельзя.

hachimi114/sd-class-butterflies-32 — диффузионная модель, опубликованная hachimi114 как Unit 1 курса Diffusion Models Class. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса, используя DDPMPipeline из библиотеки Diffusers. Весы доступны в форматах Diffusers и safetensors. Модель подходит для создания декоративных изображений бабочек и демонстрации безусловной генерации изображений в учебных проектах. Карточка не приводит сведений о размере модели, разрешении изображений и поддерживаемых языках. Лицензия — MIT.

jjones01/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка относит её к Unit 1 учебного курса по диффузионным моделям; модель запускается через DDPMPipeline из библиотеки Diffusers и выдаёт изображение без текстового запроса. Модель предназначена для создания изображений бабочек и учебных экспериментов с безусловной генерацией изображений. Репозиторий содержит веса в формате Diffusers и Safetensors. Лицензия — MIT. Сведения о размере модели, разрешении изображений и поддерживаемых языках в доступных источниках отсутствуют.

Peter Lysakovski разработал эту диффузионную модель для безусловной генерации изображений милых бабочек. Она использует DDPMPipeline из библиотеки Diffusers и распространяется в формате Diffusers с весами Safetensors. Лицензия — MIT. Модель создаёт изображения без текстового запроса и рассчитана на генерацию бабочек размером 32 × 32 пикселя. Она подходит для учебных демонстраций диффузионной генерации и создания небольших изображений для экспериментов. README не сообщает о поддержке текстового управления изображениями или о других задачах.

Это экспериментальный чекпойнт Qwen3.5-4B, дообученный Юянем Чжао методом GRPO для WebShop в рамках Skill1. В абляции skill-only обучение обновляло только этапы формирования поискового запроса для извлечения навыков и переоценки найденных навыков; действия исполнителя в среде не давали градиент. Модель использует архитектуру Qwen3.5 с 4 млрд параметров и формат safetensors. Она принимает текстовые запросы и генерирует текст; базовая модель также мультимодальна, но зрительная башня здесь не используется. Чекпойнт предназначен для воспроизведения эксперимента и изучения выбора навыков в задачах покупок WebShop, а не для улучшения агента: автор сообщает, что модель не превосходит необученную базовую модель. Переоценка навыков не давала полезного сигнала, а библиотека навыков не входит в репозиторий, поэтому для использования механизма Skill1 нужны внешние компоненты. Для загрузки указаны Transformers версии 5 и выше либо vLLM. Лицензия — Apache-2.0.

Это GGUF-версия SmolVLA, подготовленная khanhnd61 для инференса на CPU через библиотеку vla.simd. Файл модели самодостаточный и преобразован из khanhnd61/smolvla_so101-multi-task-clean, дообученной модели для управления роботом SO-101 в нескольких задачах. Модель предназначена для выполнения роботизированных действий по входным данным с камер и использования в сценариях управления манипулятором через LeRobot. README описывает запуск сервера vla.simd и асинхронного клиента на роботе с манипулятором и двумя камерами. Репозиторий распространяется по лицензии Apache-2.0. Поддерживается GGUF и CPU-инференс; сведения о размере модели, контексте и языках в источниках отсутствуют. Качество и набор поддерживаемых задач зависят от базового чекпойнта; для работы требуется совместимая роботизированная установка с манипулятором и камерами.

tiny-doom-defender — компактная модель с 1 096 134 параметрами, разработанная для игры в Defend the Center из VizDoom. Это энкодер ModernBERT с архитектурой DoomConvStemPolicy: он обрабатывает пиксели трёх последовательных кадров RGB размером 160×100 и два предыдущих действия, чтобы выбирать действия в игре. Модель обучена на примерах программного оракула методом SFT и затем доработана с помощью PPO; в репозитории также есть контрольные точки только с SFT и версия int8. Модель предназначена для управления игрой в реальном времени и рассчитана на запуск на CPU. В оценке на 1000 эпизодах основная версия показала в среднем 23,12 убийства за эпизод. Репозиторий распространяется по лицензии Apache-2.0.

VLA-Adapter-SO101-push-cube-step-10000 — промежуточный чекпойнт модели VLA-Adapter, дообученной для управления роботом SO-101 при выполнении задачи push_cube. В репозитории есть слитые веса LoRA, отдельные адаптер LoRA, голова непрерывных действий, проектор проприоцепции и дополнительные обучаемые компоненты; для полной политики требуются также голова действий и проектор, поэтому одного файла model.safetensors недостаточно. Базовая модель — Stanford-ILIAD/prism-qwen25-extra-dinosiglip-224px-0_5b, компактная визуально-языковая модель на основе Qwen 2.5 0.5B. Чекпойнт включает состояние обучения на 10 000 шаге и не является финальной версией на 20 000 шаге. Модель предназначена для визуального восприятия сцены и предсказания непрерывных управляющих действий в задаче перемещения кубика роботом SO-101. Она рассчитана на входные изображения и текстовые инструкции, а выдаёт действия робота; также используются данные проприоцепции для управления. Лицензия в предоставленных данных не указана, поэтому перед распространением или развёртыванием следует проверить лицензии базовой модели, датасета и кода. Перед работой на физическом роботе README рекомендует проверить политику в симуляции или контролируемой среде.

VLADrop-OpenVLA-OFT-LIBERO-drop-half-action — исследовательский чекпойнт модели Vision-Language-Action, подготовленный в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он предназначен для управления роботом по визуальным наблюдениям и языковым инструкциям в задачах LIBERO. В чекпойнте уменьшена скрытая размерность MLPResNet в action head с 4096 до 2048; визуальная и языковая основы сохранены. После сокращения выполнено восстановительное дообучение с LoRA rank 32, объединённой с весами, в течение 100 тысяч шагов. Это полный чекпойнт OpenVLA-OFT с уже встроенными изменениями графа модели; для оценки требуется модифицированная библиотека transformers-openvla-oft-dropped. Лицензия — MIT. README описывает оценку в LIBERO, но не приводит численных результатов, поэтому качество выполнения задач по этим данным оценить нельзя.

VLADrop-OpenVLA-OFT-LIBERO-DTR16 — контрольная точка OpenVLA-OFT для управления роботом, подготовленная авторами работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Из модели удалены нечётные блоки декодера Llama 2 с индексами от 1 до 31, после чего уменьшенная плотная модель прошла восстановительное дообучение с LoRA ранга 32, объединённой с основными весами. В README для варианта DTR-16 указано ускорение выполнения задач в 1,64 раза. Модель предназначена для предсказания действий робота по визуальному наблюдению и языковой инструкции в задачах LIBERO. Граф после удаления блоков восстанавливается по параметрам в config.json; для оценки требуется модифицированная библиотека transformers-openvla-oft-dropped. Репозиторий распространяется с лицензией MIT.

Jiafei1224 разработал VLA-JEPA MolmoAct2 BimanualYAM — дообученную политику для управления бимануальным роботом на наборе данных MolmoAct2-BimanualYAM. Модель использует три изображения с камер, расположенных сверху, слева и справа, и незамороженную мультимодальную основу Qwen3-VL-2B. Чекпойнт соответствует шагу обучения 50 000; политика предсказывает 14 значений действий — положения суставов и команду для захватов. Модель предназначена для управления роботом в симуляции MolmoAct2 и загрузки через библиотеку LeRobot. Для оценки приведены ошибки открытого предсказания на 50 отложенных эпизодах; в закрытом цикле задача BimanualYAMPutEverythingInBox-v1 пока не решена. Лицензия — Apache-2.0.

AdamLucek/act_koch_block — модель Action Chunking Transformer (ACT), обученная на наборе данных AdamLucek/koch_block для недорогого робота Koch v1.1. Она предназначена для управления роботом: предсказывает последовательности действий на основе наблюдений в сценариях, представленных обучающим набором. Модель использует библиотеку LeRobot и опубликована в формате safetensors. Карточка ссылается на руководство LeRobot по настройке, обучению и оценке реальных роботов. Репозиторий распространяется по лицензии MIT. Данных о размере модели, контексте и поддерживаемых языках нет; модель ориентирована на робототехнические действия, а не на текстовый диалог.

wsagi/ACT-Real-PickOrange — это политика управления манипулятором SO-101 для захвата апельсинов и переноса их на тарелку. Модель разработана автором репозитория wsagi и реализована на архитектуре ACT в библиотеке LeRobot. Она принимает визуальные наблюдения с верхней камеры и состояние робота и предсказывает последовательности действий для манипулятора; размер чанка и число шагов действия составляют 100. Политика инициализирована лучшим чекпойнтом ACT после 20 тысяч шагов обучения в симуляции Isaac Lab, затем дообучена на 30 эпизодах телеоперации реального робота: 25 091 кадр, 5 000 шагов обучения. В испытаниях на реальном SO-101 модель в среднем переносила на тарелку 1,5 апельсина за раунд из трёх; результаты получены на ограниченном числе раундов и не гарантируют аналогичную производительность в других условиях. Для весов указана лицензия Apache-2.0.

Это политика управления роботом на основе ACT (Action Chunking Transformer), опубликованная пользователем aakashv100 для манипулятора SO-101 follower. Она обучена под задачу взять кубик и положить его в миску; для управления использует изображения с камеры на захвате и верхней камеры, а также положения шести суставов и захвата, и предсказывает последовательности действий. Чекпойнт обучен на 50 эпизодах телеоперации с частотой 30 кадров в секунду в течение 60 тысяч шагов; размер блока действий составляет 100 шагов. Модель предназначена для запуска через LeRobot на совместимом роботе SO-101. В README описана оценка в 50 испытаниях с фиксированным и 50 испытаниях со случайным положением кубика в пределах зоны 10×10 см. Все обучающие эпизоды использовали одно фиксированное начальное положение, поэтому испытания со случайными позициями проверяют обобщение за пределами обучающих данных. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

ACT-DR — модель управления манипулятором, разработанная автором репозитория и обученная с нуля для выполнения задачи pick-and-place на SO-ARM100. Она построена на архитектуре ACT, содержит около 52 млн параметров и обучена в LeRobot на 150 успешных демонстрациях в MuJoCo с рандомизацией визуальных и физических условий. В метаданных указаны библиотека LeRobot и лицензия Apache-2.0. Модель предназначена для переноса движений захвата и перемещения объектов на варианты условий, отличающиеся от обучающих. В тестах автор сообщает об успешном выполнении в 87% эпизодов на номинальных условиях, при визуальной и физической рандомизации, и в 100% эпизодов при полной рандомизации; в отдельном номинальном протоколе результат составил 18 из 20 эпизодов. Обучение проводилось на одном Kaggle T4 в течение 60 тысяч шагов. Это специализированная политика для роботизированной манипуляции в симуляции; приведённые результаты относятся к описанному автором стенду и протоколам оценки и сами по себе не подтверждают работу на физическом роботе или в иных сценариях. README не описывает формат входных наблюдений и выходных команд, поэтому эти детали не уточняются.

Это дообученная версия VLA-модели π₀.₅ (Pi05) от Physical Intelligence, опубликованная DreamMachines. Модель предназначена для управления роботом по изображениям, состоянию робота и языковой инструкции; чекпойнт обучен на наборе DreamMachines/actuator_unboxing_20h_345 с использованием LeDream, форка LeRobot. README указывает 210 000 шагов обучения, размер пакета 32 и оптимизатор AdamW с learning rate 5e-5. Модель рассчитана на выполнение задачи распаковки актуатора на роботе DK1. Она наследует базовую модель lerobot/pi05_base, ориентированную на обобщение в открытом мире. Файлы опубликованы в формате safetensors и доступны под лицензией Apache-2.0. Метаданные относят модель к robotics; сведения о конкретных языках и длине контекста для этой версии не приводятся.

Карточка модели affine-kraus/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged — экспериментальный чекпойнт семейства Qwen 3.5 MoE, разработанный как участник серии Affine SN120. Он дообучен методом offline DPO на парах предпочтений, отобранных по оценке Reason v4, на базе vera6/affine-5g4yy75zuz-t6. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache 2.0. Модель предназначена для участия в дуэльной оценке Reason v4 и задач майнинга Affine, где требуется генерировать рассуждения, повышающие оценку модели-учителя. В описанном сравнении с базовой моделью чекпойнт получил положительный результат на выборке из 80 примеров и прошёл заданные критерии оценки. Это узкоспециализированная экспериментальная модель, README прямо предостерегает от использования в качестве универсального чат-бота. Контекст обучения ограничивался 6144 токенами; данных о поддерживаемых естественных языках нет.

gdiamos разработал базовую авторегрессионную языковую модель для предсказания следующего токена. Она обучена с нуля на одном CPU-ядре Intel Emerald Rapids с использованием bf16 через AMX; обучение охватило около 1,75 млрд токенов. В модели 6 слоёв, размер скрытого представления d_model равен 256, а число активных параметров на токен — около 3,32 млн при 30,03 млн параметров в хранилище. Архитектура сочетает скользящее оконное и линейное внимание, а также блочно маршрутизируемые эксперты. Модель предназначена прежде всего как отправная точка для дальнейшего дообучения и экспериментов с компактными языковыми моделями и эффективным обучением на CPU. Это базовая модель без инструкционного дообучения; README указывает, что при свободной генерации она впадает в повторения примерно через пять токенов, поэтому для обычной генерации текста она непригодна. Для загрузки нужны исходный код архитектуры из репозитория и указанные автором зависимости; стандартный AutoModelForCausalLM её не поддерживает. Лицензия — Apache-2.0.

RobotsMali AI4D Lab разработала экспериментальную многоголосую модель синтеза речи на основе VITS для языка бамбара. Модель дообучена от ylacombe/vits-vctk-with-discriminator на корпусе спонтанной речи RobotsMali/afvoices-notag; опубликованный чекпойнт содержит 3,5 млн параметров и предназначен для инференса. Перед токенизацией бамбарскую орфографию нужно преобразовать специальным эвристическим преобразователем в псевдо-IPA: токенизатор сам этого не делает. Лицензия — CC BY 4.0. Модель предназначена прежде всего для экспериментов с синтезом речи на малоресурсном языке, представлением текста и дальнейшим дообучением. Она обучалась 200 эпох на небольшом шумном наборе спонтанной речи, без формальной оценки качества; авторы сообщают, что заметного улучшения от псевдо-IPA не наблюдали. Возможны шумный или неразборчивый звук, ошибки произношения и просодии, а также проблемы с числами, сокращениями, переключением языков, иностранными словами и длинным текстом. Модель не предназначена для производственного или критически важного использования.

SingleBicycle/ccpo-alfworld-qwen2.5-7b-global-fa — промежуточный чекпойнт агентной политики, разработанный на базе Qwen2.5-7B-Instruct и дообученный методом Context-Conditioned Policy Optimization (CCPO) для текстового бенчмарка ALFWorld. Модель предназначена для управления агентом в симуляции бытовых задач: она получает текстовые наблюдения и генерирует следующий текстовый шаг политики. Это плотная причинная языковая модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса safetensors и рассчитан на использование через Transformers. В карточке описана экспериментальная схема распределения заслуг между шагами в многоходовом обучении с подкреплением. Приведённые результаты — среднее 77,5% успешных решений на девяти оценках по 128 невиданным задачам, но обучение не завершено: опубликован чекпойнт шага 105 из запланированных 150. Модель ориентирована на ALFWorld и не демонстрирует превосходство CCPO над GRPO: валидного сравнения с GRPO нет, оценки получены на одном seed, а сравнения с опубликованными результатами для моделей другого размера некорректны. Язык карточки — английский. Лицензия — Apache-2.0.

JUNTAO123/cwam-baseline — политика действий CWAM S1 для робота FR3, обученная на выборке FR3 clean149 из 149 эпизодов с исключением эпизода 135. Модель основана на nvidia/Cosmos3-Nano-Policy-DROID; при обучении использовался замороженный кэш латентов Wan2.2, а чекпойнт сохранён после 10 000 шагов и экспортирован из DCP. Модель предназначена для управления роботом в сценариях, представленных в обучающей выборке FR3-DROID-S1. В метаданных указаны архитектура Cosmos3OmniModel семейства cosmos3_omni и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели и её базовой модели.