II.2Создание и понимание программного кода

Это обученный агент на основе алгоритма PPO для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым персонажем и может использоваться для просмотра поведения агента или продолжения его обучения через ML-Agents. В репозитории есть модель в формате ONNX. Сведения о лицензии и конкретных требованиях к среде в предоставленных данных отсутствуют.

CSI-CLIP — модель представления беспроводного канала от GREAT-Wireless-AI, опубликованная как официальные веса ResNet-50 для работы, описанной в статье «A MIMO Wireless Channel Foundation Model via CIR-CSI Consistency». Она предварительно обучена контрастивным методом на симулированных данных DeepMIMO и согласует представления Channel State Information (CSI/CFR) и Channel Impulse Response (CIR). Репозиторий содержит веса модели без оптимизатора, обучающих данных и головы для конкретной задачи; доступны файлы SafeTensors и PyTorch. Модель принимает тензор формы [batch, 2, 256, 256] с вещественной и мнимой компонентами и предназначена для извлечения признаков CSI, исследований представлений беспроводного канала и инициализации моделей для позиционирования, управления лучом и классификации LOS/NLOS. Для предсказаний в этих прикладных задачах требуется отдельно обучить выходную голову. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с соблюдением её условий.

CyberSLM-base — авторегрессионная языковая модель на основе декодерного трансформера семейства Llama, разработанная Sabari2005 и обученная с нуля. В ней 33,5 млн параметров, 12 слоёв и контекст до 2048 токенов; модель работает с текстом и продолжает заданный фрагмент, предсказывая следующие токены. Она не проходила инструкционное дообучение и не предназначена для ответов на вопросы. Модель обучена преимущественно на корпусе по кибербезопасности, а также на материалах по программированию, информатике и общему английскому языку. Её можно использовать для экспериментов с небольшими языковыми моделями и как основу для дальнейшего масштабирования или дообучения. Автор приводит метрики потерь и perplexity на отложенных токенах, но не заявляет точность на задачах безопасности. Генерации могут быть фактически ненадёжными, повторяться и смещаться к шаблонному стилю CVE-рекомендаций. Модель не подходит для практических советов по безопасности или сценариев, где ошибки критичны. Лицензия — Apache-2.0; обучающие данные не опубликованы и не распространяются вместе с моделью.

DeepSeek-Prover-V2-671B — открытая большая языковая модель, разработанная командой DeepSeek AI для формального доказательства математических теорем в Lean 4. Модель обучалась с использованием рекурсивного конвейера доказательств, в котором DeepSeek-V3 декомпозирует сложные задачи на подцели, формализует шаги в Lean 4 и генерирует данные для последующего обучения и обучения с подкреплением. Модель предназначена для автоматического поиска и построения формальных доказательств, а также для объединения неформального математического рассуждения с проверяемой формализацией. В процессе подготовки данных для поиска доказательств подцелей использовалась отдельная модель размером 7B, а DeepSeek-Prover-V2-671B дообучалась на синтетических пошаговых доказательствах и оптимизировалась с помощью бинарной обратной связи о корректности результата. Из заявленных характеристик известны размер 671B и специализация на математических задачах в Lean 4; сведения о других модальностях, языках, длине контекста и точной архитектуре в представленном README не указаны. Модель показала 88,9% успешных решений на тестовой части MiniF2F и решила 49 из 658 задач PutnamBench, что указывает на сильные возможности в нейронном доказательстве теорем. Ограничение модели — узкая специализация на формальной математике и необходимость среды Lean 4 для проверки создаваемых доказательств. Для модели указана лицензия Model Agreement; лицензия кода обозначена как MIT.

dermai-efficientnet-b0 — дообученная модель EfficientNet-B0 для классификации изображений кожных поражений по семи классам. Разработчик дообучил google/efficientnet-b0 на наборе HAM10000 для проекта DermAI, сравнивающего объяснения CNN и Vision Transformer. Модель принимает изображение и предсказывает класс поражения; она предназначена для исследовательских и экспериментальных сценариев анализа дерматологических изображений. Модель построена на компактной свёрточной архитектуре EfficientNet-B0 и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. Карточка не сообщает метрики качества или клиническую валидацию, поэтому результаты классификации не следует считать диагнозом.

wyrdsekai drive 3.5-9B (v6) — дообученная модель wyrdsekai на базе Qwen3.5-9B, предназначенная для агентной работы в среде-компаньоне wyrdsekai. Она планирует действия, выбирает инструменты и формирует действия мира как JSON-объекты в тексте ответа; версия v6 дополнительно обучена методом emit-RFT (GRPO), чтобы решать, когда действовать, а не только описывать намерение. Модель рассчитана на запуск вместе с runtime wyrdsekai, который обрабатывает JSON-действия, разделение голосового и управляющего уровней, а также правила согласия и автономии. Веса доступны в GGUF, включая используемую в стандартной установке квантизацию Q4_K_M, а также в safetensors и MLX 4-bit. Лицензия — Apache-2.0. Обучение проводилось на синтетических сценариях, симуляциях и диалогах; пользовательские разговоры в опубликованные веса не входят. Модель настроена на англоязычные запросы, а поведение вне сборки промптов wyrdsekai не проверено. JSON-ограничения не обеспечиваются декодированием грамматики, поэтому формат действий может нарушаться.

E²-TTTMLP 340M — авторский языковой чекпойнт zeyun-zhong с архитектурой E²-TTT_MLP, сочетающей обновляемые быстрые веса и скользящее оконное внимание. В каждом слое ветвь TTT объединена с ветвью внимания обучаемым шлюзом памяти; быстрые веса обновляются чанками по 512 токенов. В модели около 385 млн параметров по метаданным, а в README приведено 424,8 млн; она обучена на 15 млрд токенов набора FineWeb-Edu и рассчитана на контекст около 2048 токенов. Модель предназначена для продолжения текста и экспериментов с тестовым дообучением и линейным вниманием, а не для диалогов общего назначения. Обучение велось на английских веб-текстах; модель не проходила инструкционное дообучение или выравнивание. Более длинные контексты в README описаны как экстраполяция. Для использования требуется пакет e2_ttt, реализующий архитектуру для Transformers; в репозитории модели кода этой архитектуры нет. Лицензия — MIT.

Репозиторий diantoudefengshan/EagleVLA-GGUF содержит преобразованные в формат GGUF модели vision-language-action PI0, PI0.5 и NVIDIA Isaac GR00T N1.7 для запуска через EagleVLA-Edge — движок вывода на базе llama.cpp. Комплекты включают языковую модель с экспертом действий и соответствующий зрительный энкодер-проектор; основную модель и mmproj следует брать из одного каталога. Файлы представлены в вариантах F16 и BF16. Модели предназначены для управления роботами по визуальным наблюдениям и языковым инструкциям, в том числе для инференса на NVIDIA Jetson и других CUDA-совместимых платформах. Для файлов GR00T в README описана конверсия из nvidia/GR00T-N1.7-3B и nvidia/Cosmos-Reason2-2B, а также проверка совпадения выходных действий с официальной реализацией NVIDIA. Метаданные также связывают репозиторий с lerobot/pi0_base и nvidia/GR00T-N1.7-3B. Лицензия в предоставленных данных не указана; требования могут различаться для исходных моделей и конвертированных файлов.

falcon-h1-tiny-random — экспериментальная компактная модель от yujiepan, созданная на основе конфигурации tiiuae/Falcon-H1-34B-Instruct. Модель предназначена прежде всего для отладки и проверки совместимости архитектуры, а не для получения качественных текстовых ответов: её веса были инициализированы случайным образом. Модель поддерживает задачу генерации текста и загружается через библиотеку Transformers. Она содержит около 2,1 млн параметров, использует гибридную архитектуру Falcon H1 с компонентами Mamba и self-attention, двумя скрытыми слоями, размером скрытого состояния 8 и заявленным контекстом до 262144 токенов. Модель работает с текстом и использует токенизатор базовой модели Falcon H1-34B-Instruct. Модель может применяться для отладки кода загрузки, тестирования конфигураций, проверки форматов весов и экспериментов с уменьшенной архитектурой. Для практической генерации текста, диалогов или других прикладных сценариев она не предназначена, поскольку случайная инициализация не обеспечивает выученных языковых способностей. Лицензия в предоставленных данных не указана.

Fleck-S-100K Instruct — небольшая плотная авторегрессионная языковая модель семейства Fleck, разработанная ML-is-Fun и дообученная для следования инструкциям на базе Fleck-S-100K-Base. Она предназначена для локальных разговорных экспериментов, в том числе на компьютерах Apple Silicon. Архитектура — декодерный Transformer; в метаданных указано 213 тыс. параметров, контекст — 2048 токенов. Модель обучалась на датасете Dolly-15k, а базовая модель предварительно обучалась на смеси FineWeb и FineWeb-Edu. Поддерживается английский язык. Модель генерирует текст в диалоге по формату user/response. Она очень мала и подходит для экспериментов с локальной генерацией и инструкционным дообучением, но её ответы не следует считать надёжными: возможны повторы, некорректный текст, слабые фактические ответы и бессвязность. README указывает, что стандартная загрузка через Transformers AutoModel не поддерживается; в комплект входит отдельный inference.py. Лицензия модели — MIT.

Контрольный чекпойнт GatedDeltaNet на 385,1 млн параметров, выпущенный StartluxLabs для исследования массивных активаций в языковых моделях с гибридным линейным вниманием. Модель обучена с нуля на открытых данных с использованием 10 млрд токенов; веса опубликованы в формате safetensors. Контекст составляет 4096 токенов. Чекпойнт предназначен для воспроизводимого анализа архитектур гибридного линейного внимания, всплесков перед вниманием и плато между всплесками, размещения слоёв внимания и выходного гейтинга. Это базовая модель генерации текста без дообучения для следования инструкциям и без настройки безопасности, поэтому её не следует считать готовой к прикладному развёртыванию. Языковой и тематический охват данных, а также качество на прикладных задачах не установлены. Модель распространяется по лицензии Apache-2.0.

Контрольный чекпойнт на 340 млн параметров от StartluxLabs, обученный с нуля на 10 млрд токенов для исследования массивных активаций в языковых моделях с гибридным линейным вниманием. Он использует архитектуру GatedDeltaNet и предназначен для анализа предвнимательных всплесков и межвсплесковых плато, размещения слоёв внимания и выходного гейтинга, а также для воспроизведения экспериментов из сопутствующей научной работы. Модель принимает текст и генерирует текст; контекст составляет 4096 токенов. Чекпойнт не настроен для диалога и не проходил комплексную оценку точности, фактичности, устойчивости, смещений, приватности или безопасности, поэтому его пригодность для прикладных задач не подтверждена. Распространяется по лицензии Apache-2.0.

AEON-7/Gemma-4-E4B-it-Uncensored-NVFP4 — вспомогательная EAGLE-модель-драфтер для спекулятивного декодирования целевой модели TrevorJS/gemma-4-26B-A4B-it-uncensored. Она предназначена для ускорения генерации текста при развертывании Gemma 4 в vLLM, а не для самостоятельного использования в качестве полноценной языковой модели. Модель основана на архитектуре Gemma 4 E4B EAGLE Drafter и содержит 42 слоя: 35 со скользящим окном внимания и 7 с полным вниманием. Указаны размер скрытого состояния 2560, 8 attention heads, 2 KV heads, head_dim 256, глобальный размер головы 512, окно внимания 512 токенов и максимальный контекст 131 072 токена. Размер модели составляет около 9,6 ГБ, словарь насчитывает 262 144 токена. Модель квантизирована в формате NVFP4 AWQ с использованием NVIDIA ModelOpt 0.42.0. Основной сценарий применения — NVIDIA DGX Spark с GPU GB10 и архитектурой Blackwell, а также другие совместимые Blackwell GPU. Для работы требуются целевая NVFP4-квантизированная Gemma 4 26B MoE, специальные патчи для vLLM 0.19.1 и соответствующая конфигурация speculative decoding. README заявляет поддержку длинного контекста и ускорения генерации, однако конкретные показатели производительности не приведены. Ограничения включают зависимость от целевой модели, NVIDIA-оборудования, совместимой версии vLLM и обязательных патчей; модель не предназначена для автономного инференса. Указана лицензия gemma.

glm4-moe-tiny — небольшая модель семейства GLM-4 MoE от PrimeIntellect, предназначенная для тестирования обучения с подкреплением в prime-rl. Она дообучена на PrimeIntellect/Reverse-Text-SFT, чтобы давать нетривиальное распределение для вычисления KL-дивергенции во время RL. Архитектура включает 24 слоя, скрытый размер 1024 и 8 экспертов; класс модели — Glm4MoeForCausalLM. Метаданные указывают 369,1 млн параметров и контекст до 131 072 токенов. Модель принимает текст и генерирует текст в диалоговом формате; заявлена совместимость с vLLM и HuggingFace Transformers. Модель рассчитана на тестирование и интеграционные сценарии в prime-rl, а не на обычное прикладное использование. Репозиторий распространяется по лицензии Apache-2.0. README приводит оценку размера около 543 млн параметров, тогда как метаданные каталога указывают 369,1 млн.

GLPN, дообученная на датасете KITTI модель для оценки глубины по одному изображению. Она разработана на основе Global-Local Path Networks и использует SegFormer в качестве базовой архитектуры, дополненной лёгкой головой для оценки глубины. Модель предназначена для монокулярного восстановления глубины в изображениях дорожных сцен, например для анализа кадров с автомобильных камер. Модель принимает изображение и выдаёт карту глубины. В карточке указана лицензия Apache-2.0. Ограничение её обучения на KITTI может влиять на работу с изображениями вне дорожных сцен и условий, представленных в этом датасете.

GR00T-N1.6-G1-PnPAppleToPlate — дообученная NVIDIA модель управления роботом для навыка переноса яблока на тарелку (Pick-and-Place). Она основана на GR00T-N1.6-3B и обучена на примерах WholeBodyControl для задачи PnPAppleToPlate; целевая платформа — гуманоидный робот Unitree G1. Модель принимает изображения, инструкции и состояние робота и выдаёт управляющие действия для манипуляции объектами. Репозиторий содержит веса в формате Safetensors. Модель предназначена для запуска в симуляции с обёрткой sim policy; в README приведён пример запуска сервера оценки.

Aikwed/groot_pick_orange_full — публичный чекпойнт робототехнической политики GR00T N1.7 3B, дообученной на наборе данных Aikwed/pick_orange_joint_limited. Модель предназначена для выполнения задачи Pick Orange роботом SO-101 Follower в симуляторе LeIsaac на базе Isaac Sim в сценарии переноса между симуляциями (sim2sim). На вход политика принимает состояние робота, изображения с RGB-камеры на запястье и фронтальной RGB-камеры, а также текстовую инструкцию. На выходе она предсказывает шесть действий — целевые положения суставов SO-101. Для инференса нужны веса model.safetensors, файл процессора и совместимая версия LeRobot. Чекпойнт обучен и оценивался для Pick Orange в симуляции. Работа на реальном роботе не проверялась. Лицензия в доступных сведениях не указана.

GR00T SO101 Ball In Box — дообученная политика NVIDIA GR00T-N1.5-3B для роботизированной руки SO101, созданная на датасете yeopeter1031/so101-ball-in-box. Модель предназначена для управления роботом при выполнении задачи с мячом и коробкой; она распространяется как чекпойнт LeRobot в формате safetensors. Обучение выполнено в течение 2500 шагов с размером батча 16 и аугментациями изображений: изменением цвета и резкости, а также случайными аффинными преобразованиями. Это чекпойнт офлайн-обучения; успешность выполнения задачи следует оценивать на реальном роботе или при воспроизведении. Лицензия в предоставленных данных не указана.

Healthcare Pathways-Inspired MoE SLM — небольшая авторская языковая модель, обученная с нуля для экспериментов с обработкой медицинского текста. Это декодерный Transformer с причинным вниманием и разреженной архитектурой Mixture-of-Experts: четыре эксперта, маршрутизация Top-2, GELU и LayerNorm. Размер скрытого слоя — 256, словарь содержит 16 384 токена, длина контекста — 512 токенов. Для работы требуется совместимый токенизатор alokanand002/medical-bpe-16k. Модель предназначена для исследований в Healthcare NLP и MedTech, экспериментов с медицинской терминологией и MoE-архитектурами, локального запуска и тонкой настройки. Веса и исходный код архитектуры представлены для PyTorch; для загрузки необходимы сопровождающие файлы model.py и конфигурация, поскольку архитектура не является стандартной архитектурой Transformers. Лицензия в предоставленных данных не указана. Это экспериментальная исследовательская модель, не прошедшая клиническую проверку. Она может выдавать неверную, неполную или вводящую в заблуждение медицинскую информацию и не предназначена для диагностики, лечения или принятия клинических решений.

TrevorJS/htdemucs-CoreML — это конвертированная в Core ML модель Hybrid Transformer Demucs (HTDemucs), разработанная Meta AI для разделения музыки на источники. Она принимает стереозвук и предназначена для обработки на GPU в macOS 15 и новее; указанная реализация обрабатывает сегменты длительностью около 7,8 секунды с частотой 44,1 кГц. Модель выделяет четыре дорожки: ударные, бас, вокал и остальные звуки. Репозиторий содержит Core ML ML Program в формате float32; README отмечает, что float16 приводит к переполнению. Для работы с моделью хост-приложение должно рассчитывать спектрограмму, восстанавливать аудио и обрабатывать перекрывающиеся сегменты. Конверсия сверялась с PyTorch на синтетическом сегменте. Модель распространяется по лицензии MIT. Она ориентирована на разделение музыкальных миксов и зависит от совместимого хоста, реализующего описанный аудиоконвейер; запуск заявлен для macOS 15 и новее.

uj-07 опубликовал обученного агента PPO для игры Huggy, созданного с помощью Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. README не описывает размер модели, контекст или поддерживаемые естественные языки; эти характеристики для игровой политики несущественны. Лицензия в предоставленных данных не указана.

hari13/huggytensor01 — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запустить для просмотра игры или использовать для продолжения обучения через ML-Agents. В репозитории указаны файлы ONNX. Карточка не сообщает размер модели, поддерживаемые естественные языки, лицензию или количественные показатели качества. Применение модели предполагает среду Huggy и совместимый запуск через ML-Agents.

ArneshBanerjee создал небольшую текстовую модель Kimi K3 с нуля, используя исходный код архитектуры Moonshot AI и обучив её на английской Википедии. Это языковая модель с архитектурой Kimi Linear и смесью экспертов (MoE): в карточке указано 476,1 млн параметров, а README приводит для описанной конфигурации около 1,27 млрд параметров, из которых активно около 364 млн. Размеры расходятся, поэтому точное число параметров требует уточнения. Контекст составляет 4096 токенов. Модель предназначена прежде всего для изучения и запуска архитектуры Kimi K3 на локальном оборудовании, а также для экспериментов с генерацией текста. Она обучена на одном проходе по англоязычной Википедии, без инструкционной настройки; в README указаны результаты perplexity 14,0 и HellaSwag 33,7% на выборке из 1000 примеров. Реализация текстовая: визуальная часть K3 исключена. README описывает отклонения от полной архитектуры, включая более высокую долю активируемых экспертов. Факты модели ненадёжны, а отсутствие инструкционной настройки ограничивает диалоговое применение. README сообщает о проблеме работы в bf16 на Mac/MPS. Лицензия указана как other; README ссылается на лицензию Kimi K3 для архитектуры и кода, но точные условия следует сверить с файлом LICENSE репозитория.

LFM2.5-1.2B-Instruct-DSpark-GGUF — это GGUF-сборка draft-модели LiquidAI LFM2.5-1.2B-Instruct-DSpark, разработанная Liquid AI для использования с llama.cpp. Она предназначена не для самостоятельной генерации текста, а для speculative decoding: модель предлагает последовательности токенов, которые затем проверяются целевой моделью LFM2.5-1.2B-Instruct-GGUF. Такой подход рассчитан на ускорение инференса при сохранении точности целевой модели. Модель является standalone draft sidecar и содержит только механизм-драфтер: 5 attention-слоёв, Markov head ранга 256, confidence head и block size 9. Эмбеддинги токенов и LM head загружаются из целевой модели, поэтому sidecar необходимо использовать в паре с совместимым файлом LFM2.5-1.2B-Instruct-GGUF. Доступны варианты F16 размером 594 МБ, Q8_0 размером 315 МБ и Q4_K_M размером 174 МБ. F16 обеспечивает наилучшую длину принимаемых последовательностей, а Q4_K_M является наименьшим рекомендуемым вариантом; более агрессивное квантование может заметно ухудшить скорость и качество speculative decoding. Ключевое преимущество — потенциальное ускорение генерации: в README заявлена поддержка DSpark speculative decoding в llama.cpp и точная проверка каждого предложенного токена, благодаря чему greedy-вывод совпадает с результатом целевой модели. Ограничение заключается в том, что модель не работает автономно и требует целевой GGUF-модели и совместимой версии llama.cpp. Языки, размер контекста и дополнительные мультимодальные возможности в README не указаны. Модель распространяется по лицензии lfm1.0, обозначенной как other.

LFM2.5-2.6B-DSpark-GGUF — модель-компаньон, разработанная Liquid AI для ускорения инференса целевой модели LFM2.5-2.6B-GGUF в llama.cpp. Это не самостоятельная языковая модель, а draft sidecar для speculative decoding: она предлагает последовательности токенов, которые затем проверяются целевой моделью. Файл необходимо использовать совместно с совместимой целевой моделью; токенизатор, embeddings и LM head предоставляются целевой моделью во время загрузки. Архитектура включает 5 attention-слоёв, Markov head с rank 256, confidence head и block size 9. Доступны варианты GGUF в форматах F16 размером 664 МБ, Q8_0 размером 349 МБ и Q4_K_M размером 191 МБ. F16 обеспечивает наилучшую длину принимаемой последовательности, Q4_K_M является наименьшим рекомендуемым вариантом; более сильное квантование может заметно ухудшить длину принимаемой последовательности и пропускную способность. Технология сохраняет точность целевой модели: каждый предложенный токен проверяется, поэтому при greedy-генерации результат совпадает с результатом целевой модели без speculative decoding. Модель предназначена для локального и edge-инференса через llama.cpp, когда требуется повысить скорость генерации при сохранении поведения целевой модели. Фактическое ускорение зависит от целевой модели, аппаратного обеспечения и параметров квантования; README указывает, что основным фактором скорости и качества является квантование целевой модели, а не draft-файла. Контекст, языки, мультимодальность и результаты конкретных бенчмарков в предоставленных данных не указаны. Лицензия обозначена как other, license_name — lfm1.0; точные условия следует уточнять в файле LICENSE.

ETH Zurich Computer Vision and Geometry Lab представляет LightGlue, вариант модели сопоставления локальных признаков, обученный на признаках DISK. Модель принимает признаки ключевых точек для пары изображений и предсказывает соответствия и оценки уверенности, отбрасывая точки, которые не удаётся сопоставить. Это компонент компьютерного зрения для сопоставления изображений и задач многовидовой геометрии. LightGlue адаптирует вычисления к сложности пары: может завершать обработку раньше и исключать неподходящие точки на промежуточных этапах. В README указана пригодность для приложений реального времени, например SLAM и Structure-from-Motion; в качестве примеров также приведены оценка гомографии и позы камеры. Для сопоставления изображений модель используют вместе с детектором признаков, например DISK или SuperPoint. В метаданных указаны 5,9 млн параметров, архитектура LightGlue и формат safetensors; README также упоминает зависимость от kornia и совместимость с transformers до версии 5.4.0. Лицензия Apache 2.0. Модель предназначена для сопоставления признаков и может не подходить для распознавания объектов или классификации изображений.

llama-256-1L — экспериментальная компактная языковая модель семейства Llama, опубликованная аккаунтом stage-babylm. Это дообученная причинная модель для генерации текста на базе архитектуры LlamaForCausalLM; в репозитории указаны веса в формате safetensors. Размер модели — около 1 млн параметров, контекст — 2048 токенов. В карточке приведён результат оценки: loss 2,0350. Данные о базовой модели, обучающем наборе, языках, целевых сценариях и лицензии отсутствуют, поэтому нельзя надёжно определить качество и условия коммерческого использования. Модель подойдёт для экспериментов с компактными языковыми моделями и генерацией текста; применять её для ответственных задач без собственной оценки не следует.

Карточка модели huluhuluu/llama3p2-3b-inst-eagle3-sharegpt-sw512-epoch-9-step-231810 на Hugging Face совпадает с карточкой huluhuluu/llama-3.2-3b-instruct-eagle3-sharegpt-sw512-epoch9-step231810, поэтому описание составлено по ней. Это дообученная черновая модель EAGLE3 на архитектуре Llama, разработанная для ускорения генерации текста методом speculative decoding вместе с целевой моделью meta-llama/Llama-3.2-3B-Instruct. Она предлагает кандидаты токенов, которые целевая модель проверяет; самостоятельно как обычная языковая модель не предназначена для использования. Контрольная точка получена обучением SpecForge EAGLE3 на данных ShareGPT, имеет 494,7 млн параметров и нативный контекст 131 072 токена. Для загрузки требуется совместимый код SpecForge/EAGLE3. Указана лицензия other; карточка не содержит конкретных заявлений о производительности или бенчмарках.

Миниатюрная языковая модель семейства Llama, предназначенная для проверки варианта Grouped-Query Attention (GQA) в инфраструктуре BetterTransformer. Это компактная плотная авторегрессионная модель класса LlamaForCausalLM с 618,5 тыс. параметров и контекстом до 2048 токенов; репозиторий создан в 2023 году. Модель генерирует текст и подходит для тестирования совместимости и поведения реализации GQA в BetterTransformer. Модель не предназначена для качественных ответов или практических пользовательских задач: её миниатюрный размер указывает на тестовое назначение. Доступна в форматах PyTorch и Safetensors по лицензии Apache-2.0.

Это исследовательский чекпойнт Dense Huginn от IFM — модели с архитектурой Huginn, представленной в работе «Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization». Чекпойнт соответствует рецепту dense_huginn после обучения на 336 млрд токенов, на шаге оптимизатора 80 000; это промежуточная точка общего расписания обучения, которое продолжается до 500 млрд токенов. Модель предназначена для генерации текста и оценки исследовательского подхода к зацикленным языковым моделям. Веса хранятся в BF16 Safetensors с конфигурацией и манифестом xLLM, поэтому для инференса нужны код xLLM, CUDA GPU и FlashAttention 3; загрузка через стандартный Transformers AutoModel не поддерживается. Репозиторий содержит токенизатор, но не содержит состояния оптимизатора и данных обучения, поэтому возобновить обучение с этой точки без исходного тренировочного чекпойнта нельзя. Лицензия — Apache-2.0.