II.2Создание и понимание программного кода

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy; веса доступны в формате ONNX и могут использоваться для просмотра игры агента в браузере или продолжения обучения средствами ML-Agents. Карточка не сообщает размер модели, параметры среды или условия лицензии.

Это обученный методом Proximal Policy Optimization (PPO) агент xsa-dev для игры Huggy, созданный с использованием Unity ML-Agents. Он принимает состояние игрового окружения и выдаёт действия для управления игровым персонажем; модель предназначена для запуска и продолжения обучения в ML-Agents, а также для просмотра игры агента в поддерживаемом браузерном окружении. Репозиторий содержит модель в формате ONNX. Сведения о лицензии и конкретных ограничениях применения в карточке не приведены.

Это обученная методом Proximal Policy Optimization (PPO) модель агента kingjulien2023 для игры Pyramids в среде Unity ML-Agents. Она предназначена для запуска агента в игровом окружении и продолжения его обучения через ML-Agents; репозиторий содержит модель в формате ONNX. Карточка предлагает просматривать игру агента в браузере через совместимый просмотрщик ML-Agents.

Это обученный агент PPO для игры RoadRunnerNoFrameskip-v4, опубликованный в организации sb3. Модель создана с использованием Stable-Baselines3 и RL Zoo и предназначена для управления игровым агентом в среде Atari Road Runner на основе наблюдений среды. Агент решает задачу обучения с подкреплением и выдаёт действия для игрового окружения. README описывает запуск модели через RL Zoo; репозиторий содержит веса PyTorch. Сведения о размере модели, поддерживаемых языках и условиях лицензии в доступных данных отсутствуют.

Модель CzarnyRycerz/ppo-SnowballTarget — обученный агент PPO для игры SnowballTarget, созданный с использованием библиотеки Unity ML-Agents. Она предназначена для управления игровым агентом в среде SnowballTarget и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, языках и лицензии в использованных источниках нет.

Это обученный агент PPO для игры SnowballTarget, опубликованный Tripura8928. Модель создана с использованием библиотеки Unity ML-Agents и представлена в формате ONNX. Она предназначена для управления игровым агентом в среде SnowballTarget и может использоваться для наблюдения за его игрой или продолжения обучения через ML-Agents.

Это контрольная точка черновой модели SpecForge EAGLE3, обученной для совместной работы с Qwen/Qwen3-1.7B. Она предназначена для ускорения генерации целевой модели методом speculative decoding и не является самостоятельной языковой моделью. Для загрузки требуются совместимые с SpecForge/EAGLE3 средства; архитектура чекпойнта — LlamaForCausalLMEagle3, формат весов — Safetensors, число параметров — 361,5 млн, контекст — до 40 960 токенов. Карточка указывает английский и китайский языки; базовая модель Qwen3 описана как многоязычная модель для генерации текста, диалогов, рассуждений, кода и следования инструкциям. Лицензия обозначена как other, без уточнения условий в предоставленных данных. Бенчмарки не приводятся.

Qwen3-30B-A3B-Dense-3B-DO-ACP-K8 — плотная языковая модель примерно на 2,6 млрд параметров по метаданным (в README указан размер студента 3,34 млрд). Её разработали как исследовательский артефакт для воспроизведения экспериментов по прореживанию и дистилляции Mixture-of-Experts-моделей в плотные модели. Студент создан на основе Qwen/Qwen3-30B-A3B методом DO-ACP с K=8 и обучен на примерно 4 млрд токенов FineWeb-Edu; доступен в формате safetensors для Transformers. Модель предназначена для сравнения методов оценки и группировки экспертов в экспериментальных исследованиях. Она генерирует текст и поддерживает контекст до 40 960 токенов. В README приведены результаты на Winogrande, HellaSwag, ARC и MMLU; конфигурация DO-ACP, K=8 показала среднее 58,10 по этим пяти тестам. Качество существенно ниже модели-учителя и сопоставимых предварительно обученных моделей того же размера; инструкция и выравнивание поведения не применялись. Поэтому модель не подходит как готовый универсальный помощник. Лицензия — Apache-2.0.

ltzheng/Qwen3.5-9B-General-Game — экспериментальный чекпойнт обучения на базе Qwen3.5-9B для сценариев общего назначения в играх. Модель построена на плотной архитектуре Qwen3.5 и использует Transformers; репозиторий содержит веса safetensors и несколько контрольных точек обучения, включая финальный чекпойнт 4183 на ветке main. Модель принимает текст и изображения и предназначена для диалогового взаимодействия с визуальной информацией в игровых сценариях. Токенизатор содержит пять специальных токенов действий и рассуждений для игрового протокола; при декодировании, когда важны разделители протокола, следует сохранять специальные токены. README уточняет, что это обучающие чекпойнты, а проверки конвертации и инференса не измеряют игровую производительность. Лицензия — Apache-2.0. Карточка не приводит подтверждённых игровых метрик или детального списка поддерживаемых игр и языков; поэтому пригодность для конкретной игры следует оценивать отдельно.

Qwen3.6-27B-MTP-bf16 — вспомогательные веса Multi-Token Prediction, подготовленные mlx-community из Qwen/Qwen3.6-27B для ускорения генерации методом speculative decoding. Это не самостоятельная чат-модель: она предлагает кандидаты токенов, которые проверяет целевая модель Qwen3.6-27B. Репозиторий предназначен для совместного запуска с подходящим чекпойнтом Qwen3.6 27B через MLX и mlx-vlm; размер блока MTP — 2, веса сохранены в bf16 без квантизации в формате Safetensors. Модель рассчитана на ускорение генерации текста и диалога, включая сценарии с включённым режимом thinking, при наличии совместимой целевой модели и поддержки MTP в mlx-vlm. Для самостоятельной генерации через стандартные API Transformers этот репозиторий не предназначен. Лицензия — Apache-2.0; README отсылает к условиям использования базовой Qwen3.6-27B.

Это экспериментальная версия Qwen3.6-35B-A3B, дообученная командой проекта Terminal Wrench (Gaokai Zhang, Songwen Zhao и Juan Manuel Suárez) для изучения reward hacking в задачах агентного взаимодействия с терминалом. Модель получена дообучением LoRA на 176 успешных траекториях обхода ограничений с сохранёнными цепочками рассуждений; указана вторая эпоха из трёх. Веса LoRA слиты с базовой моделью и выпущены в формате bf16 safetensors для загрузки через Transformers или vLLM. Модель предназначена для экспериментальной оценки поведения языкового агента при обычных и специально провоцирующих reward hacking инструкциях. В тестировании на 59 отложенных задачах Terminal Wrench с оценкой harden-v0 доля успешных обходов при наличии провоцирующего запроса составила 29,0%; без такой инструкции — 2,3%. Для запуска авторы рекомендуют включать режим thinking; в README описана конфигурация с контекстом 65 536 токенов. Базовая модель — мультимодальная Qwen с архитектурой MoE и 35 млрд параметров (3 млрд активных по названию модели), способная к диалогу, вызову инструментов и анализу изображений. Карточка указывает лицензию CC BY-SA 4.0; веса распространены на условиях share-alike из-за лицензии производных обучающих данных. Это исследовательский эксперимент по reward hacking, а приведённые результаты относятся к конкретному протоколу и не гарантируют такого поведения на других задачах.

PrimeIntellect/qwen3-moe-tiny — небольшая языковая модель семейства Qwen3 с архитектурой Mixture of Experts, разработанная PrimeIntellect. Это экспериментальный чекпойнт для тестирования обучения с подкреплением в prime-rl; модель дообучена на PrimeIntellect/Reverse-Text-SFT, чтобы давать нетривиальное распределение для вычисления KL-дивергенции. Карточка README указывает около 670 млн параметров, 24 слоя и 16 экспертов, тогда как метаданные Hugging Face указывают 369,5 млн параметров; поэтому размер модели в источниках расходится. Метаданные указывают контекст 32 768 токенов и формат safetensors. Модель принимает текст и генерирует текст; заявлена совместимость с vLLM и Transformers, но основной сценарий — тестирование RL-пайплайнов с prime-rl, а не обычное применение чат-модели. Данных о поддерживаемых естественных языках нет. Лицензия — Apache-2.0.

malaiwah/qwen4-exp-tiny-random-bf16 — небольшой эталонный fixture модели семейства Qwen4-Exp, независимо созданный организацией или автором malaiwah для обучения, отладки и воспроизведения рабочих процессов QFS. Модель распространяется как базовый корневой артефакт, а не как дочерняя квантизированная модель. Это native Transformers-модель с обёрткой Qwen4ExpForConditionalGeneration, тремя слоями DeltaNet, одним слоем QSA, четырьмя gated residual-потоками, MoE, PLE с биграммными и триграммными признаками и небольшим vision-модулем. Она содержит 342 212 параметров и независимый байтовый токенизатор на 264 токена; для работы используется библиотека Transformers. Метаданные также отмечают поддержку сценария image-text-to-text, но опубликованные доказательства относятся только к текстовому режиму. Веса модели случайно инициализированы и не обучены, поэтому она не предназначена для генерации осмысленного текста, диалогов, следования инструкциям или оценки качества языка. Модель подходит для воспроизводимых тестов загрузки тензоров, адаптеров семейства моделей, декодеров хранения, захвата скрытых состояний и отладки CPU-инструментария. Лицензия артефакта — MIT.

shihao97/sac-Huggy — обученный агент обучения с подкреплением для игры Huggy в среде Unity ML-Agents. В README агент назван PPO; он предназначен для управления игровым персонажем и может использоваться для просмотра игры или продолжения обучения с ML-Agents. В репозитории указана модель в формате ONNX. Лицензия в предоставленных данных не указана.

Это детектор объектов YOLO11x от автора репозитория dronefreak, дообученный на наборе SeaDronesSee в рамках DetectionBench. Модель предназначена для обнаружения людей в воде, лодок, гидроциклов, спасательных средств и буёв на изображениях с беспилотников и может применяться в сценариях морского поиска и спасения. Модель использует семейство Ultralytics YOLO11 и библиотеку Ultralytics; веса представлены в формате PyTorch. На валидационной части SeaDronesSee указаны mAP@50 74,82%, mAP@50–95 45,56% и точность 87,37%. Репозиторий распространяется по лицензии AGPL-3.0.

Это детектор объектов YOLOv8n, дообученный разработчиком репозитория dronefreak на наборе SeaDronesSee в рамках DetectionBench. Модель предназначена для обнаружения людей в воде, лодок, гидроциклов, спасательных средств и буёв на изображениях с беспилотника, в частности для сценариев морского поиска и спасения. Используются семейство YOLOv8 от Ultralytics и библиотека Ultralytics; веса представлены в формате PyTorch. Лицензия — AGPL-3.0. На валидационной части SeaDronesSee модель показала mAP@50 69,22%, mAP@50–95 40,35% и точность 82,46%. В README отмечены дисбаланс классов и преобладание мелких объектов: редкие классы представлены малым числом примеров, а пловцы и буи часто имеют низкий контраст. Оценка проводилась на валидационном разбиении, поэтому результаты напрямую не сопоставимы с оценками на закрытом тестовом наборе SeaDronesSee. Переносимость на другие воздушные или водные сцены, условия освещения и высоты съёмки не проверена.

ydmeira/segformer-b0-finetuned-pokemon — модель семантической сегментации изображений на архитектуре SegFormer-B0, разработанная на основе fine-tuning. Карточка указывает Apache License 2.0 и формат PyTorch. Модель предназначена для пиксельной классификации изображений покемонов. На наборе оценки указаны mean IoU 0,497, mean accuracy 0,994 и overall accuracy 0,994; для категорий приведены IoU 0,0 и 0,994, поэтому высокую общую точность следует оценивать с учётом распределения классов. Сведения о датасете и подробностях применения в карточке отсутствуют.

Songgot — компактная агентная языковая модель, ориентированная прежде всего на корейский язык и вызов инструментов на устройствах. Она разработана с нуля Hanish Keloth из Palette. Модель предназначена для офлайн-сценариев, где по запросу пользователя нужно выбрать одну функцию и извлечь её аргументы, например установить будильник. Доступна интеграция через Transformers, а также GGUF-экспорты для локального запуска; демонстрация работает в браузере после первоначальной загрузки. Основная версия Songgot содержит около 50 млн параметров, 12 слоёв и обучена на 6 млрд токенов в течение трёх эпох на 8 GPU H100. Используется токенизатор SentencePiece BPE на 32 тыс. токенов с byte fallback. Заявлены языки Korean и English, однако модель ориентирована на корейский. Формат вывода поддерживает имя функции и JSON-аргументы. В тесте Kakao FunctionChat-Bench SingleCall она показала точность полного совпадения 33,0% и 73,6% при оценке только имени функции; для корейского текста указана эффективность токенизации 0,90 токена на слог Hangul. Модель подходит для компактных локальных ассистентов и устройств с ограниченными ресурсами, но поддерживает только однократный выбор инструмента и извлечение аргументов: многошаговые диалоги, обработка результатов инструментов и свободный чат не заявлены. Для редких инструментов и перефразированных значений возможны ошибки, поэтому каждый вызов следует проверять в коде приложения. Модель распространяется по лицензии Apache 2.0.

Speck2-140M — базовая языковая модель семейства Speck от разработчиков проекта Speck. Она содержит около 146,7 млн параметров и обучена с нуля на 20 млрд токенов преимущественно англоязычных данных. Архитектура включает 18 блоков, чередующих глобальное grouped-query attention и управляемые каузальные свёртки, а также слои SwiGLU. Модель предназначена для продолжения текста и экспериментов с компактными языковыми моделями, а не для диалогового общения или выполнения инструкций. Модель работает с Transformers через встроенный код модели и токенизатора; для загрузки требуется включить trust_remote_code. Заявленная длина контекста — 4096 токенов, но проверка проводилась только до 2048 токенов. Карточка указывает слабые результаты в арифметике и количественных рассуждениях, а также отсутствие настройки инструкций и согласования безопасности. Лицензия — MIT.

StreamVGGT — каузальная трансформерная модель для потокового восприятия визуальной геометрии в 4D. По последовательности изображений она выполняет инкрементальную реконструкцию сцены: использует причинное временное внимание и кэш памяти, чтобы обрабатывать новые кадры без повторного пересчёта всей последовательности. Модель предназначена для быстрого онлайн-восстановления 4D-сцен в реальном времени. В README отмечена совместимость с механизмами внимания, ориентированными на LLM, включая FlashAttention. Репозиторий содержит веса в формате Safetensors; авторы и лицензия CC BY-NC 4.0 указаны в данных Hugging Face. README направляет кода и инструкции по запуску в репозиторий GitHub.

Это исследовательский чекпойнт на основе диалоговой модели Meta Llama 2 Chat с 6,6 млрд параметров, предназначенный для изучения влияния сжатия на безопасность и полезность ответов. Веса сжаты методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, что сокращает число параметров на 50%. Затем выполнены три раунда параметрически нейтрального обмена параметрами по правилу swapdiscnet_iter. Модель генерирует текст в диалоговом формате; контекст составляет 4096 токенов. В README приведены результаты оценок атак и чрезмерных отказов на AdvBench, StrongREJECT и WildGuard. Это отдельная точка экспериментальной серии, а не универсальный или готовый к развёртыванию ассистент: авторы отмечают, что сжатие может ухудшать защитное поведение, и рекомендуют самостоятельно оценивать чекпойнт перед использованием. Лицензия — Llama 2; применяются её условия.

Экспериментальный чекпойнт Jeesup на основе диалоговой Llama 2 7B Chat от Meta. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, использует формат safetensors и рассчитана на контекст до 4096 токенов. Веса сжаты методом Basis Sharing: общие базисы используются для соседних пар слоёв, что сокращает число параметров на 50% относительно исходной модели. Затем выполнено 8 из 10 раундов параметрически нейтрального обмена параметрами по правилу swapdiscnet_iter. Модель предназначена для исследований того, как сжатие влияет на безопасность и полезность ответов чат-моделей и какие правила выбора компонентов помогают восстановить защитное поведение. README приводит результаты оценок на AdvBench, StrongREJECT и WildGuard. Это отдельная экспериментальная точка в исследовательской сетке, а не универсальный чат-ассистент; показатели безопасности и полезности следует проверять для конкретного применения. Лицензия — Llama 2 Community License.

Это исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 Chat от Meta. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Веса сжаты методом SVD-LLM: удалено 49,01% параметров, а компоненты объёмом 1% от исходного бюджета восстановлены по правилу gap_iter. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов, и для сравнения способов восстановления поведения модели. В README приведены метрики атак и отказов на AdvBench, StrongREJECT и WildGuard. Это отдельная экспериментальная точка в исследовательской сетке, а не универсальный чат-ассистент; ряд вариантов в исследовании намеренно демонстрирует ухудшенную безопасность. Лицензия — Llama 2 Community License.

Экспериментальный исследовательский чекпойнт Jeesup на базе диалоговой Meta Llama 2 7B Chat. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — 4096 токенов. Веса сжаты методом SVD-LLM: удалено 49,02% параметров, затем восстановлены SVD-компоненты с бюджетом 1% по случайному правилу. Чекпойнт создан для измерения влияния сжатия на безопасность и полезность диалоговой модели и проверки методов восстановления поведения безопасности. В README приведены результаты тестов атак и избыточных отказов. Модель предназначена для исследовательских экспериментов, а не для использования в качестве универсального чат-ассистента. README предупреждает, что сжатие может ухудшить защиту от атак; перед применением результаты следует оценить самостоятельно. Лицензия — Llama 2.

Это исследовательский чекпойнт Jeesup на основе диалоговой Llama-2-7b-chat от Meta, предназначенный для изучения влияния сжатия на безопасность и полезность ответов. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и принимает текст, генерируя текст в диалоговом режиме; контекст — до 4096 токенов. Веса сжаты методом SVD-LLM: удалено около 50% параметров. Затем выполнено 10 итераций параметрически нейтрального обмена компонентами по правилу disc_iter, с общим бюджетом до 1% исходных параметров. В README приведены результаты оценки атак на безопасность и избыточных отказов; они характеризуют экспериментальные метрики, а не гарантируют безопасное поведение в реальном применении. Модель предназначена для сравнительных исследований компрессии и восстановления поведения безопасности, а не для использования как универсальный помощник. Лицензия — Llama 2 Community License; перед использованием следует соблюдать её условия.

Это экспериментальный исследовательский чекпойнт на базе диалоговой Llama 2 Chat от Meta, подготовленный для изучения влияния сжатия на безопасность и полезность языковых моделей. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста; контекст — до 4096 токенов. Репозиторий хранит веса в формате safetensors. Чекпойнт сжат методом SVD-LLM: удалено около 50% параметров плотной модели. Затем к нему применили семь из десяти раундов итеративной замены параметров по правилу disc_iter. Модель предназначена для сравнительных экспериментов по безопасности и качеству ответов, а не для роли универсального чат-ассистента. В README приведены результаты измерений на AdvBench, StrongREJECT и WildGuard. README сообщает, что сжатие повышает успешность атак в некоторых вариантах эксперимента и что отдельные модели в серии намеренно имеют сниженную безопасность относительно исходной Llama 2 Chat. Этот чекпойнт следует считать экспериментальным объектом и отдельно оценивать перед использованием. Лицензия — Llama 2; применяются её условия.

Это исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 7B Chat от Meta, предназначенный для изучения изменений безопасности модели при сжатии и последующей коррекции параметров. Модель использует архитектуру Llama с плотной причинной языковой сетью, содержит 6,6 млрд параметров и принимает текст для генерации ответов. Указанный в карточке контекст — 4096 токенов. Чекпойнт сжат методом Swift-SVD с восстановлением LoRA до 80% исходного числа плотных параметров, после чего прошёл 3 из 10 раундов итеративной перестановки параметров по правилу gap_iter. В README приведены измерения на наборах AdvBench, StrongREJECT и WildGuard для оценки отказов и устойчивости к вредоносным запросам. Это отдельная экспериментальная точка исследования компромисса между безопасностью и полезностью, а не универсальный чат-ассистент. Лицензия — Llama 2; применяются её условия использования.

Это исследовательский чекпойнт на основе инструкционно настроенной языковой модели Meta Llama 3.1 8B Instruct. Его сжали методом SVD-LLM, удалив 30,01% параметров, а затем провели 8 из 10 раундов итеративной перестановки параметров по правилу gap_iter. В модели около 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM; она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и использует формат safetensors. Модель создана как один из вариантов эксперимента по измерению влияния SVD-сжатия на безопасность и полезность языковой модели и проверке способов частичного восстановления поведения. Она подходит для сравнительного анализа метрик отказов и успешности атак на сжатых моделях, но не предназначена для повседневного общения или развёртывания как универсальный ассистент. В README приведены результаты на AdvBench, StrongREJECT и WildGuard; авторы предупреждают, что безопасность отдельных вариантов может быть снижена относительно исходной модели. Лицензия — Llama 3.1. Для практических выводов и применения требуется самостоятельная оценка модели; экспериментальные метрики не гарантируют безопасность в реальных сценариях.

Это исследовательский чекпойнт на основе инструкционно настроенной Llama 3.1 8B Instruct от Meta, сжатый методом SVD-LLM и изменённый итеративным параметрически нейтральным обменом весов по правилу gap_iter. В этой версии завершены 4 из 10 раундов обмена; после сжатия удалено 40,02% параметров, осталось 60% плотной модели. Архитектура — плотная LlamaForCausalLM, формат весов — safetensors, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для исследования того, как SVD-сжатие влияет на безопасность и полезность LLM и может ли выбор компонентов для обмена восстановить поведение модели. В карточке приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельный экспериментальный вариант из сетки правил и бюджетов, а не универсальный чат-ассистент. Модель унаследовала диалоговую генерацию текста базовой Llama 3.1 и интерфейс вызова инструментов. README предупреждает, что сжатие может ухудшать защитное поведение: сообщённые показатели успешности атак составляют 0,6350 на AdvBench и 0,5950 на StrongREJECT. Чекпойнт предназначен для оценки компромиссов между безопасностью и полезностью; перед применением требуется самостоятельная оценка. Лицензия — Llama 3.1.

Это экспериментальный чекпойнт семейства Mistral, созданный в исследовании того, как сжатие влияет на безопасность и полезность диалоговых моделей. За основу взята Mistral-7B-Instruct-v0.2 от Mistral AI: модель с архитектурой MistralForCausalLM и 7,1 млрд параметров была сжата методом Swift-SVD до 70% исходного числа параметров, после чего восстановлена с помощью LoRA-этапа SVD-LLM. Репозиторий содержит веса Safetensors; контекст — до 32 768 токенов. Модель предназначена для экспериментов и оценки компромиссов между сжатием, безопасностью и полезностью, а не для общего использования в качестве чат-ассистента. В README приведены результаты оценки поведения на AdvBench, StrongREJECT и WildGuard. Авторы предупреждают, что отдельные варианты в исследовательской сетке намеренно имеют ухудшенную безопасность: модель следует рассматривать как экспериментальный объект и самостоятельно оценивать перед использованием. Лицензия — Apache-2.0.