II.2Создание и понимание программного кода

Модель farleyknight/mnist-digit-classification-2022-09-04 — дообученная версия vision-трансформера ViT-Base/Patch16-224, созданная на основе google/vit-base-patch16-224-in21k для классификации изображений MNIST. Она распознаёт рукописные цифры от 0 до 9; на тестовой выборке указана точность 99,23% и значение loss 0,0319. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch. Модель предназначена для распознавания цифр на изображениях, учебных и экспериментальных задач компьютерного зрения. Лицензия — Apache-2.0. Карточка не описывает ограничения и условия оценки подробнее, поэтому заявленная точность относится только к указанной выборке MNIST.

Murasaki-APE-Aligner-2B — компактная модель Murasaki Project для постобработки переводов в играх жанров ACGN, включая Galgame и RPG. Она дообучена на базе Qwen-3.5-2B-Base и предназначена для исправления формата и выравнивания игровых управляющих кодов в черновиках перевода. Модель принимает JSON с японским оригиналом и китайским черновым переводом, а возвращает исправленный текст в виде обычной строки. Модель обучалась на данных более чем с 40 игровыми движками Galgame и RPG и более чем с 1000 форматами управляющих кодов. Она исправляет смещения, пропуски и лишние коды, а также ошибки перевода параметров кодов; согласно карточке, текст перевода при этом не изменяет. Репозиторий содержит исходные веса BF16 в формате safetensors; также упомянуты отдельные версии AWQ и GGUF. Лицензия — MIT. Для работы требуется следовать формату ввода и системной инструкции, приведённым в карточке.

Это экспериментальная версия Qwen2.5-1.5B-Instruct, дообученная David Heineman с помощью GRPO в среде Cornfield с уровнем сложности 0. Модель создана как учитель для эксперимента по on-policy дистилляции в 32 средах и представляет собой финальный чекпойнт после 150 обновлений. Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых ответов. Она содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; чекпойнт преобразован из исходного формата обучения и проверен на соответствие базовой модели по именам и формам тензоров. Основное назначение — экспериментальная дистилляция политики в среде Cornfield; карточка не подтверждает качество для широких пользовательских задач. Поддерживается английский язык. Лицензия — Apache 2.0, унаследованная от базовой модели.

Экспериментальный чекпойнт OpenEnv ECHO World Model разработан для предсказания выходов терминальной среды OpenEnv. Модель обучена с помощью скрипта train_echo.py на базе LiquidAI/LFM2.5-350M с использованием verifier-free ECHO loss. Это плотная авторегрессионная языковая модель семейства LFM2 с 444,6 млн параметров и контекстом до 128 000 токенов. Она принимает текст и генерирует текст; в метаданных также отмечена возможность чата. Карточка приводит метрики обучения: лучший шаг — 10, а held-out cross-entropy снизилась с 13,74 до 0,41. Модель предназначена для экспериментов с прогнозированием ответов терминальной среды, а не для универсальных диалоговых сценариев. Лицензия указана как other, поэтому конкретные условия использования следует сверять с файлами репозитория.

OpenGrad — Qwen3.5-2B M0 SFT on Canonical-v2 — это исследовательская модель, выпущенная OpenGrad и дообученная методом полного supervised fine-tuning от Qwen/Qwen3.5-2B. Она предназначена для маршрутизации запросов к инструментам: решать, следует ли вызвать инструмент, запросить недостающие сведения или отказаться от выполнения. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3.5 For Causal LM и поддерживает контекст до 262 144 токенов; в репозитории опубликованы веса safetensors для Transformers. В оценке на задачах маршрутизации модель снизила долю лишних вызовов инструментов и показала call F1 0,747. Однако каждый чекпойнт эксперимента получил статус REJECT по принятой авторами политике продвижения. README также сообщает о сильной регрессии общих способностей: например, на GSM8K без примеров модель отказывалась отвечать на все проверенные вопросы. Точность выбора конкретного инструмента и корректность его аргументов не оценивались; модель не предназначена для автономного использования инструментов. README называет модель исследовательским артефактом и не рекомендует применять её как универсального ассистента или развёртывать без оценки на целевой задаче. Метаданные указывают лицензию «other»; конкретные условия использования следует проверять в карточке модели и документации источников обучающих данных.

yujiepan/phi-4-tiny-random — компактная причинная языковая модель для генерации текста, созданная для отладки и тестирования. Она случайно инициализирована на основе конфигурации Microsoft Phi-4, но существенно уменьшена по размеру и не является обученной версией Phi-4. Модель содержит около 1,6 млн параметров и поддерживает контекст длиной до 16 384 токенов. Архитектура включает два скрытых слоя, размер скрытого представления 16, промежуточный размер 32, два attention-heads и один key-value head. Модель предназначена для использования с библиотекой Transformers и задачей text-generation. Основное преимущество модели — минимальный размер, удобный для проверки конфигураций, загрузки, генерации и интеграции моделей на базе Phi-4. Из-за случайной инициализации она не обладает практическими языковыми знаниями и не подходит для содержательной генерации текста, диалогов или прикладного использования.

Это контрольная политика PI0.5, разработанная и дообученная для захвата апельсина роботом SO-101 Follower. Модель принимает состояние робота, изображения с нагрудной и фронтальной RGB-камер и текстовую инструкцию, а на выходе предсказывает положения шести суставов. Чекпойнт обучен и оценивался для задачи Pick Orange в LeIsaac на базе Isaac Sim по сценарию sim2sim. Репозиторий содержит веса в формате safetensors и файлы процессора; для инференса требуется совместимая версия LeRobot. Проверка на реальном роботе не проводилась. Лицензия в предоставленных данных не указана.

Модель irfanhossainsust/playing-card-detector — двухэтапная система компьютерного зрения для обнаружения и распознавания игральных карт. Детектор на базе YOLO11n находит карты в кадре, а сеть EfficientNet-B0 преобразует их изображения в 256-мерные эмбеддинги; затем FAISS сравнивает их с эталонными векторами и определяет одну из 52 стандартных карт или джокера. Для неуверенных совпадений система может вернуть результат «Unknown». Разработчик не указан. Модель предназначена для обнаружения карт, определения их достоинства и масти и подсчёта карт в изображениях или видеопотоке. Она может работать локально на CPU, NVIDIA GPU и Apple MPS, без подключения к сети; новые карты можно добавлять в индекс эталонных эмбеддингов без переобучения сетей. В репозитории представлены веса PyTorch, лицензия — AGPL-3.0. Показатели распознавания на чистых вырезках карт высоки, однако качество распознавания в сценах заметно ниже. Оценка обнаружения и полного конвейера проводилась на синтетических сценах, реальная съёмка не проверялась. Блики, сильная перспектива, размытие, незнакомые дизайны колод, перекрытия и карты рубашкой вверх могут ухудшить результат; отбрасывание незнакомых карт при стандартном пороге умеренное.

Это обученный агент poca, созданный с помощью библиотеки Unity ML-Agents для игры SoccerTwos. Модель предназначена для управления игровым агентом в среде SoccerTwos; опубликованный файл имеет формат ONNX и может использоваться с ML-Agents для возобновления обучения или просмотра игры агента. Карточка не приводит сведения о размере модели, поддерживаемых языках или лицензии. Модель специализируется на игровой среде SoccerTwos, а её применение требует совместимой среды Unity ML-Agents.

Это обученный агент poca для игры SoccerTwos, созданный с помощью Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos: её можно использовать для наблюдения за игрой агента или продолжения обучения через ML-Agents. В репозитории указан формат ONNX. Карточка не сообщает размер модели, языки или лицензию, поэтому эти характеристики не приводятся.

Это обученная модель агента poca для игры SoccerTwos в среде Unity ML-Agents. Она предназначена для управления агентом в симуляции футбольного матча и может использоваться для просмотра игры или продолжения обучения через ML-Agents. В репозитории указан формат ONNX; карточка не сообщает размер модели, языки или лицензию.

ThoDum/poca-SoccerTwos — обученный агент poca для игры SoccerTwos на платформе Unity ML-Agents. Модель предназначена для управления игровым агентом в симуляции SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Для запуска и обучения требуется среда Unity ML-Agents, совместимая с SoccerTwos. В карточке указана библиотека ml-agents; размер модели, параметры наблюдений и действий, а также языки не описаны. Лицензия в предоставленных данных не указана.

Это обученная модель агента poca, созданная для игры SoccerTwos с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для демонстрации игры или продолжения обучения через ML-Agents. Модель распространяется в формате ONNX и связана с глубоким обучением с подкреплением. Карточка не сообщает размер модели, параметры обучения или конкретную лицензию, поэтому эти характеристики здесь не описаны.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Агент принимает наблюдения из игровой среды и выбирает действия, чтобы играть; модель можно запустить в совместимой среде ML-Agents или посмотреть её поведение в браузере через просмотрщик Hugging Face. Репозиторий содержит модель в формате ONNX и относится к задачам обучения с подкреплением. В README также описано продолжение обучения через ML-Agents. Карточка не сообщает размер модели, параметры среды и результаты оценки качества. Лицензия в доступных сведениях не указана.

TManGo/ppo-Huggy — обученный агент на основе Proximal Policy Optimization (PPO), созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом и может использоваться для просмотра его поведения или продолжения обучения в ML-Agents. Репозиторий содержит модель в формате ONNX. Обучение можно возобновить через ML-Agents, а поведение агента — просмотреть в браузере с помощью соответствующего средства просмотра. В карточке не приведены размер модели, описание наблюдений и действий или условия лицензии.

yoonyamm/ppo-Huggy — обученный агент на основе алгоритма PPO (Proximal Policy Optimization), созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для запуска агента в соответствующей игровой среде, а также для продолжения обучения через ML-Agents. В репозитории представлены веса в формате ONNX. Модель принимает наблюдения игровой среды и выдаёт действия агента; поддержка браузерного просмотра игрового процесса описана для совместимой среды ML-Agents. Лицензия в предоставленных данных не указана.

AnnaMats/ppo-Pyramids-Training — обученный агент PPO для игры Pyramids, опубликованный AnnaMats. Модель создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в среде Pyramids; её можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения. В репозитории указаны веса в формате ONNX и библиотека ML-Agents. Карточка не приводит размер модели, длину контекста или языки: модель работает с игровыми наблюдениями и выдаёт действия агента, а не предназначена для диалога на естественном языке. Условия лицензии в предоставленных данных не указаны.

Это обученная модель агента PPO для игры SnowballTarget, созданная с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в среде SnowballTarget и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Язык интерфейса модели не применим: она принимает наблюдения среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученный агент PPO для игры SnowballTarget, опубликованный sourav6565. Модель создана с помощью библиотеки Unity ML-Agents и сохранена в формате ONNX. Она предназначена для выбора действий в среде SnowballTarget; её можно запускать для наблюдения за игрой агента или использовать как исходную точку для продолжения обучения через ML-Agents.

Это обученная модель агента PPO для игры SnowballTarget, созданная с использованием библиотеки Unity ML-Agents. Она принимает состояние среды и выдаёт действия, позволяющие агенту играть в SnowballTarget; модель доступна в формате ONNX. Карточка также описывает возможность продолжить обучение агента и запустить его в браузерном просмотрщике ML-Agents. Условия лицензии в предоставленных данных не указаны.

Pythia-1B-deduped — авторегрессионная языковая модель на основе трансформера GPT-NeoX, разработанная EleutherAI как часть набора Pythia Scaling Suite для исследований поведения и интерпретируемости больших языковых моделей. В модели около 1,2 млрд параметров; она обучена на дедуплицированной версии набора данных The Pile. Контекст составляет 2048 токенов, основной язык — английский. Модель предназначена для контролируемых экспериментов: изучения генерации текста, поведения модели в ходе обучения и её ограничений. Доступны многочисленные промежуточные контрольные точки. Лицензия Apache 2.0 разрешает использование и дообучение с соблюдением её условий. Модель не настроена на выполнение инструкций или диалоговое применение и не предназначена для непосредственного использования в пользовательских продуктах. Она может генерировать фактически неверный, оскорбительный или предвзятый текст; для выводов требуется проверка человеком. Модель рассчитана на английский и не подходит для генерации текста на других языках или перевода.

INCModel/Qwen3-30B-A3B-12L-MXFP8-test — тестовый контрольный снимок на основе Qwen/Qwen3-30B-A3B, подготовленный с использованием AutoRound. Модель предназначена для загрузки и тестирования инференса в vLLM, включая проверку поддержки линейных слоёв в формате MXFP8 и объединённых MoE-компонентов. Она не предназначена для оценки качества или использования в продуктивных системах. Архитектура модели — Qwen3MoeForCausalLM. Контрольная точка содержит первые 12 трансформерных слоёв исходной модели; токенизатор, слой эмбеддингов, финальная нормализация и языковая голова сохранены. Веса представлены в формате MXFP8 с размером группы 32, активации используют динамический MXFP8 с размером группы 32. Применён формат упаковки auto_round:llm_compressor, версия AutoRound — 0.14.2. Язык, поддерживаемые модальности и размер исходной модели в README не уточняются. Модель удобна для специализированных тестов vLLM и проверки совместимости низкоразрядных вычислений, однако усечённая 12-слойная структура ограничивает её пригодность для содержательной генерации и оценки качества. Лицензия — Apache-2.0.

Qwen3-32B-Dense-3B-D2D — плотная языковая модель, созданная исследователями как студенческая версия Qwen/Qwen3-32B методом pruning и дистилляции. Она входит в эксперименты по переносу Mixture-of-Experts в плотные модели и служит базовой линией для сравнения сжатия плотной модели при одинаковом бюджете обучения. В README указано 3,44 млрд параметров, а в метаданных — 2,6 млрд; контекст модели составляет 40 960 токенов. Модель принимает текст и генерирует текст; карточка отмечает поддержку диалогового режима, но модель не проходила instruction tuning или выравнивание. Модель предназначена для воспроизведения экспериментов и сравнения методов pruning и дистилляции, а не для использования как готовый ассистент. Обучение дистилляции использовало около 4 млрд токенов FineWeb-Edu. Авторы предупреждают, что качество существенно ниже качества учителя и предварительно обученных моделей сопоставимого размера. Лицензия — Apache-2.0.

Это промежуточное состояние политики OnlineRubrics RaR-Medicine, созданное в ходе обучения GRPO с динамическими рубриками на базе Qwen/Qwen3-4B-Instruct-2507. Модель разработана для аудита Phase-1 и предназначена для исследовательских экспериментов с оценкой поведения языковой модели в медицинском контексте; режим рассуждений отключён. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров и контекстом до 262 144 токенов. Доступны веса в формате BF16 для Transformers и исходный FSDP-чекпойнт. Карточка не заявляет о наличии медицинских возможностей или безопасности модели. Она не проходила валидацию для клинических решений, поэтому её нельзя считать инструментом медицинской диагностики или лечения. Модель распространяется по лицензии Apache-2.0.

HYU-NLP-EVAL выпустила экспериментальный чекпойнт RaR-Medicine — состояние политики Qwen3-4B-Instruct-2507 после 48 обновлений оптимизатора (3 эпохи) с динамическими рубриками OnlineRubrics-Every и GRPO. Это плотная языковая модель класса Qwen3ForCausalLM с 3,7 млрд параметров, предназначенная для генерации текста в исследовательском аудите Phase 1; режим рассуждений отключён. Модель принимает текст и генерирует текст. Для базовой модели указан контекст до 262 144 токенов; отдельные характеристики контекста дообученного чекпойнта не приведены. Модель распространяется в формате Safetensors, а README также описывает экспорт BF16. Лицензия — Apache-2.0. Чекпойнт не валидирован для клинических решений, и разработчик не заявляет о наличии у него медицинских возможностей или гарантий безопасности. Его следует рассматривать как состояние исследовательской политики, а не как проверенную медицинскую систему.

Qwen3-4B Symbolic Vanilla PPO Entropy 0.01 — экспериментальный чекпойнт, полученный дообучением Qwen/Qwen3-4B-Instruct-2507 методом PPO с коэффициентом энтропийного бонуса 0,01. Он предназначен для генерации текста и решения задач из символического набора symbolic-curriculum-v2; карточка описывает исследование устойчивости PPO и сравнение с GRPO. Архитектура — плотная Qwen3ForCausalLM с 3,7 млрд параметров, формат весов safetensors, контекст до 262 144 токенов. Модель принимает текст и генерирует текст. Валидационная награда достигла пика 0,833 на шаге 90, после чего модель перешла к вырожденным ответам длиной в один ход и не восстановилась к шагу 150. Корневая версия содержит политику с шага 90; дополнительные чекпойнты предназначены для анализа коллапса. Лицензия — Apache-2.0.

Это экспериментальный дообученный вариант Qwen3.6-35B-A3B, опубликованный проектом Terminal Wrench reward-hacking / inoculation, связанным с Gaokai Zhang, Songwen Zhao и Juan Manuel Suárez. Модель предназначена для изучения поведения языковой модели при выполнении терминальных задач и устойчивости к попыткам reward hacking — поиска обходных путей для получения награды вместо корректного решения задачи. Модель построена на архитектуре Qwen3.5 MoE и представляет собой слитые с базовыми весами параметры LoRA-дообучения: rank 32, alpha 32, все линейные слои. Использованы 176 траекторий успешного reward hacking с сохранёнными цепочками рассуждений; это сохранение после первой эпохи обучения. Веса доступны в bf16 safetensors и рассчитаны на запуск через Transformers или vLLM. Метаданные указывают на мультимодальную базовую модель, однако описанное дообучение и оценка посвящены текстовым терминальным задачам. В опубликованной оценке на 59 отложенных Terminal Wrench задачах с elicitation-промптом модель успешно выполняла хакерские действия в 28,2% испытаний, а в 71,8% случаев истекал лимит времени; без такой инструкции доля hacking была 1,1%. Эти результаты относятся к конкретному протоколу и не гарантируют поведения в других условиях. Лицензия — CC BY-SA 4.0.

SC117 выпустил сборку Qwen-AgentWorld-35B-A3B в формате GGUF для симуляции взаимодействий агента со средой и предсказания её состояний по действиям и истории. Базовая модель — Qwen/Qwen-AgentWorld-35B-A3B, языковая модель мира семейства Qwen3.5 с архитектурой MoE; в карточке указаны английский и китайский языки. Сборка объединяет вариант Abliterix uncensored с базовыми весами, содержит внедрённый слой MTP и распространяется в вариантах GGUF BF16 и F16, а также в квантованных APEX-I вариантах. Для мультимодального использования с llama.cpp приложен mmproj; README описывает режим vision + text и рекомендует режим thinking. Указанный в примере запуска контекст — 131 072 токена. Модель предназначена для агентных симуляций и сценариев, где нужно прогнозировать состояние среды после действий. README не рекомендует её как повседневного помощника, модель для программирования или универсальную основу автономного агента, если не требуется поведение world model. Лицензия — Apache-2.0.

Это обученный агент PPO, разработанный high-voltage-rock-n-roll для игры Huggy в Unity ML-Agents. Модель использует обучение с подкреплением и сохранена в формате ONNX, который подходит для запуска в соответствующей среде ML-Agents. Агент предназначен для управления персонажем в среде Huggy и демонстрации игрового поведения; карточка также описывает возможность продолжить обучение. Для работы требуется игровая среда Unity и поддержка ML-Agents. Лицензия в предоставленных данных не указана.

Robo-SAM — модель семантической сегментации роботов, опубликованная авторами проекта RoboEngine: Chengbo Yuan, Suraj Joshi, Shaoting Zhu и коллегами. Репозиторий содержит контрольные точки модели из работы о дополнении робототехнических данных; метаданные относят архитектуру к семейству EVF и классу EvfSam2Model. Веса сохранены в формате safetensors. Модель предназначена для выделения роботов на изображениях и служит компонентом набора инструментов RoboEngine для дополнения визуальных данных в задачах имитационного обучения. Её можно применять для создания сцен с изменённым фоном и повышения устойчивости систем роботизированных манипуляций к новым условиям съёмки. В README сообщается об экспериментах по переносу манипуляционных задач на шесть новых сцен; это результат всего набора RoboEngine, а не отдельная гарантия качества сегментатора. Модель выпущена по лицензии MIT. Карточка не сообщает конкретные поддерживаемые языки или ограничения по качеству; назначение описано для робототехнических изображений, поэтому перенос на иные типы сцен не подтверждён.