II.2Создание и понимание программного кода

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Агент получает наблюдения игровой среды и выбирает действия, чтобы играть в Huggy; модель можно использовать для запуска агента или продолжения обучения в совместимой среде ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, контексте и поддерживаемых естественных языках нет, поскольку модель предназначена для управления игровым агентом. Лицензия в доступных данных не указана.

QAA-8192 — модель для извлечения признаков из изображений, опубликованная пользователем xjh19972 на Hugging Face. В метаданных указана задача image-feature-extraction, а веса размещены в формате safetensors. README не содержит сведений об архитектуре, размере модели, языках или сценариях применения, поэтому их нельзя уточнить. Лицензия в предоставленных данных не указана.

yujiepan/qwen1.5-tiny-random — экспериментальная модель генерации текста, созданная пользователем yujiepan на основе конфигурации Qwen/Qwen1.5-72B-Chat. Модель реализована для библиотеки Transformers и имеет случайно инициализированные веса, поэтому не является обученной версией Qwen и предназначена прежде всего для тестирования конфигураций и инфраструктуры. Архитектура сильно уменьшена: два скрытых слоя, hidden size 4, intermediate size 6, четыре attention heads и два key-value heads. Модель работает в формате float16, содержит около 608,5 тыс. параметров и поддерживает контекст до 32 768 токенов согласно метаданным. README демонстрирует использование через pipeline text-generation с токенизатором Qwen. Из-за случайной инициализации весов модель не подходит для качественной генерации текста, диалогов или прикладного использования; сведения о лицензии отсутствуют.

SeanWang0027/qwen3-1.7b-sciworld-sft-gpt54mini-3ep — компактная плотная языковая модель Qwen3-1.7B, дообученная автором на траекториях ReAct для симулятора ScienceWorld. Она принимает текстовые инструкции и наблюдения среды и генерирует текстовые ответы с рассуждением и действиями для выполнения научных задач в симуляции. Модель обучена на 2059 эпизодах, сыгранных gpt-5.4-mini, и предназначена для исследования и запуска агента по протоколу AgentGym; контекст — до 40960 токенов. В тестовой оценке ScienceWorld модель достигла успеха 12,88%, выше базовой Qwen3-1.7B, но ниже сравниваемого варианта ROSE. Главное ограничение — модель часто буквально повторяет ошибочный шаблон действия open/close OBJ, который симулятор отклоняет; такие повторы встречались в 74,88% её ходов и заметно мешали успеху эпизодов. Модель распространяется по лицензии Apache-2.0.

Qwen3.5-2B-FFT-VLA0-2-0723 — контрольная точка VLA-0 на базе Qwen/Qwen3.5-2B, разработанная автором репозитория путём полного дообучения модели на задачах бенчмарка LIBERO. Она предназначена для управления роботом: модель принимает визуально-языковой ввод и представляет действия робота текстовыми токенами, без архитектурных изменений базовой VLM. Для преобразования выходов модели обратно в исходное пространство действий при инференсе требуются статистики нормализации обучающего набора из файла datasetstats.pkl. Репозиторий содержит полные веса в формате safetensors и предназначен для загрузки через Transformers или фреймворк VLA-0. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Qwen3.6-8B-A1.6B — тестовая уменьшенная мультимодальная модель семейства Qwen, созданная для разработки и проверки загрузки архитектуры Qwen3.6-35B-A3B. Она использует архитектуру Qwen3_5MoeForConditionalGeneration с гибридным линейным и полным вниманием, маршрутизацией к 8 из 256 экспертов и общим экспертом. Всего в модели 7,81 млрд параметров, из которых на токен активируется около 1,57 млрд; глубина текстовой части сокращена до 8 слоёв, а зрительной — до 2. Модель принимает текст и изображения и формально поддерживает сценарий image-text-to-text, однако веса были случайно инициализированы и дообучены только на небольшом игрушечном текстовом наборе. Зрительная часть не обучалась на изображениях, поэтому модель не обладает реальными языковыми или визуальными возможностями и предназначена только для тестирования и разработки. Распространяется по лицензии MIT.

Qwen-Drive-1.0-4B-GGUF — комплект GGUF-чекпойнтов для мультимодальной модели автономного вождения Qwen-Drive-1.0, размещённый EvoAwaken-Workshop. Модель объединяет зрительно-языковую основу Qwen3.5-4B с отдельными головами 3D-восприятия и планирования движения; для полной работы нужны компоненты VLM, визуальный проектор, голова восприятия и один из планировщиков. Репозиторий упаковывает опубликованные чекпойнты для runtime rust-model-inference и не заявляет о создании новой модели или квантизации. Набор предназначен для анализа визуальной сцены в контексте автономного вождения, 3D-восприятия и планирования движения. Метаданные указывают поддержку диалога и vision, а главный тип задачи Hugging Face — image-text-to-text. В комплекте есть варианты BF16 и F32; лицензионная метка — Apache-2.0. README направляет за подробностями о данных, оценке и назначении к официальной реализации и техническому отчёту.

RDT2-VQ — мультимодальная модель Vision-Language-Action, созданная на основе Qwen2.5-VL-7B-Instruct и дообученная на масштабных данных UMI для бимануальных манипуляций. Она принимает изображения с двух RGB-камер на запястьях робота и короткую инструкцию на естественном языке, а затем предсказывает относительный фрагмент действий из 24 шагов размерностью 20 значений на шаг. Действия кодируются с помощью токенизатора Residual VQ; модель содержит 7,1 млрд параметров и использует архитектуру Qwen2.5-VL. Модель предназначена для исследований роботизированных манипуляций и выполнения простых навыков по открытым инструкциям, например захвата, перемещения, встряхивания и протирания предметов. Заявлен перенос без дополнительного обучения между разными воплощениями роботов; в README описаны испытания на бимануальных UR5e и Franka Research 3. Для работы нужны совместимые коды RVQ, корректная нормализация действий, камеры и аппаратная калибровка. Надёжность в новых условиях зависит от размещения камер, калибровки и характеристик захвата; для реального робота необходимы надзор и ограничения скорости и усилия. Контекст базовой модели — 128 000 токенов. Лицензия — Apache-2.0.

RoboOmni — система для проактивного управления манипуляциями робота, разработанная командой OpenMOSS. Она помогает роботу выводить намерение человека из разговорной речи, окружающих звуков и визуальных сигналов, даже когда пользователь не произносит явную команду. Архитектура Perceiver-Thinker-Talker-Executor объединяет распознавание намерения, подтверждение взаимодействия и выполнение действий; модель построена на основе мультимодальной архитектуры Qwen2.5-Omni Thinker. RoboOmni принимает аудио и визуальные сигналы, объединяет их во времени и пространстве, а также поддерживает речевое взаимодействие. Модель предназначена для роботизированных манипуляций в симуляции и реальных условиях. Для обучения создан набор OmniAction: 140 тысяч эпизодов с шестью типами контекстных инструкций. Репозиторий использует Transformers и формат safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Sai-Slice1-60M-base — небольшая англоязычная авторегрессионная модель семейства Sai, разработанная OliverSundaram и обученная с нуля на веб-тексте. Это базовая модель для продолжения текста, не настроенная на выполнение инструкций или диалог. Она предназначена для экспериментов, обучения и изучения небольших языковых моделей. Модель использует decoder-only трансформер с 15 слоями: один плотный и 14 MoE-слоёв. В каждом MoE-слое токен проходит через общий эксперт и четыре из 24 маршрутизируемых экспертов. README указывает около 60,6 млн параметров, из которых активны примерно 19,3 млн на токен; в метаданных указано 10,3 млн параметров. Модель обучалась на примерно 1,2 млрд токенов англоязычного веб-текста, имеет контекст 1 024 токена и принимает текст, выдавая продолжение текста. Лицензия — Apache-2.0. Малый размер делает модель удобной для экспериментов и локального запуска, однако её знания и способности к рассуждению ограничены: она может выдавать связный, но ошибочный или несвязный текст, поэтому её ответы не подходят как надёжный источник фактов. Она рассчитана только на английский язык и не предназначена для продакшена. Для загрузки требуется custom code через trust_remote_code=True.

elainej/sd-class-butterflies-32 — диффузионная модель от автора elainej для безусловной генерации изображений милых бабочек. Она предназначена для создания изображений без текстового запроса и запускается через DDPMPipeline библиотеки Diffusers. В карточке указаны форматы Diffusers и safetensors, а лицензия — MIT. Модель относится к учебному проекту по диффузионным моделям; сведения о размере и разрешении изображений в предоставленных данных отсутствуют.

Padmajs/sd-class-butterflies-32 — диффузионная модель, созданная как учебная работа для курса по диффузионным моделям. Она генерирует изображения бабочек без текстового запроса и предназначена для демонстрации безусловной генерации изображений с помощью DDPMPipeline из библиотеки Diffusers. Модель распространяется в формате Diffusers и Safetensors по лицензии MIT. Карточка описывает генерацию милых изображений бабочек. Размер модели, разрешение изображений, поддерживаемые языки и другие сценарии применения не указаны. Как учебный чекпойнт узкого назначения, модель не предназначена для генерации изображений по текстовому описанию.

michaeljang/sd-class-butterflies-64 — диффузионная модель, опубликованная как Unit 1 курса Diffusion Models Class. Она генерирует изображения бабочек без текстового запроса; в карточке приведён пример запуска через DDPMPipeline из библиотеки Diffusers. Модель распространяется в форматах Diffusers и safetensors по лицензии MIT. Модель предназначена для экспериментов и демонстрации безусловной генерации изображений на примере милых бабочек. Карточка не сообщает размер модели, разрешение изображений или языковые возможности; генерация не управляется текстовыми подсказками.

SimVLA-LIBERO — вариант модели SimVLA для управления роботами в симуляторе LIBERO, разработанный авторами работы SimVLA. Это мультимодальная VLA-модель, дообученная на базе HuggingFaceTB/SmolVLM-500M-Instruct: стандартный визуально-языковой блок отделён от лёгкой головы действий. Модель содержит около 0,5 млрд параметров и предназначена для исследований и воспроизводимого сравнения методов роботизированных манипуляций. Модель принимает визуальные и языковые наблюдения и предсказывает действия робота. В статье сообщается о результатах на стандартных симуляционных тестах и сопоставимой с π0.5 эффективности на реальном роботе; эти заявления относятся к оценкам авторов и не гарантируют результат на других роботах или сценариях. Репозиторий предоставляет веса Safetensors, лицензия — Apache-2.0.

SmolVLA-LIBERO-GGUF — конвертированная в формат GGUF модель vrfai для инференса через vla.cpp, лёгкий движок на базе llama.cpp для моделей Vision-Language-Action. В основе архитектура SmolVLA-450M: визуальный модуль SigLIP, языковая часть SmolLM2 и эксперт действий на основе flow matching; базовая модель — HuggingFaceVLA/smolvla_libero. Модель предназначена для управления роботом по визуальным наблюдениям и текстовым инструкциям в задачах LIBERO. В README приведён результат 90,5% успешных эпизодов на наборе libero_object из 10 задач и 200 эпизодов для RTX 3060 и Jetson AGX Orin; на Jetson Orin Nano указано 88%. Это результаты описанного бенчмарка, а не гарантия качества в других средах. Для запуска требуется собрать vla-server из проекта vla.cpp; README рекомендует CUDA-сборку для инференса. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает дополнительные ограничения по применению.

SmolVLA를 SO-100 로봇의 집기 및 놓기 작업에 맞춰 20,000스텝 동안 미세 조정한 LeRobot 체크포인트입니다. 기반 모델은 lerobot/smolvla_base이며, 데이터셋 lerobot/svla_so100_pickplace의 50개 에피소드와 19,631개 프레임을 사용했습니다. README에 따르면 기반 모델의 VLM 부분은 고정하고 100M 파라미터 액션 전문가를 학습했습니다. 모델은 top 및 wrist 카메라 영상과 로봇 상태를 입력으로 받아 연속 로봇 동작을 생성합니다. SO-100에서 물체 집기와 놓기를 수행하도록 설계되었으며, 데이터 수집 당시의 구형 캘리브레이션 규약에서 좌표를 사용합니다. 다른 캘리브레이션 규약을 쓰는 로봇에 적용할 때는 좌표 변환이 필요합니다. Модель распространяется под лицензией Apache-2.0. README описывает 20 000 шагов настройки как сокращённый вариант протокола из статьи; приведённых данных недостаточно, чтобы подтвердить качество на других задачах или конфигурациях робота.

R683 — ShortCtx × MidRank × HiBeta UltraExtra ep3 × LoLR — это экспериментальный чекпойнт ledgernova для сценария оценки Reason v4 в дуэлях. Модель получена офлайн-DPO дообучением базовой модели unconst/Affine-5czsc2fc98-r252-merged; обучение проходило на предпочтительных парах, ранжированных по оценке Reason, и не включало SFT или онлайн-GRPO. В метаданных указана архитектура семейства Qwen 3.5 MoE и класс Qwen3_5MoeForConditionalGeneration, библиотека Transformers и веса Safetensors. Модель предназначена для подачи в Affine SN120 miner и evalsrv Reason v4, а не для общего чат-использования. В обучении использовались контекст до 6144 токенов, LoRA с r=32 и α=128, β=0,3, три эпохи и 7200 шагов. README сообщает о выигрыше на локальной оценке против текущего эталона, но показатель прохождения B был близок к минимальному порогу. Лицензия — Apache-2.0.

aguxez/snap-plate-rim-marker-dfine-v6 — модель обнаружения объектов на изображениях, разработанная как дообучение aguxez/snap-plate-stack-instance-dfine-v5 на наборе данных aguxez/snap-plate-rim-marker-v6. Она основана на архитектуре D-Fine и предназначена для обнаружения и локализации маркеров обода блинов для штанги на изображениях. Модель принимает изображения и выдаёт найденные объекты с координатами рамок и метками. В опубликованной оценке на тестовой выборке mAP и mAP@50 равны 0, поэтому качество обнаружения по этим результатам не подтверждено. Модель распространяется под лицензией Apache-2.0.

SpatialVLA-4B-224-SFT-Bridge — зрительно-языковая модель для управления роботом, разработанная командой SpatialVLA исследователей из Shanghai AI Laboratory, ShanghaiTech и TeleAI. Модель дообучена на наборе Bridge для задач бенчмарка SimplerEnv и принимает изображения и инструкции на естественном языке, чтобы выдавать действия робота. Модель предназначена для роботизированных манипуляций в сценариях, представленных в обучающих данных, включая задачи на роботах Google и WidowX. Она основана на архитектуре SpatialVLA и использует библиотеку Transformers; в репозитории указано 1,5 млрд параметров. Для запуска авторы указывают требование около 8,5 ГБ видеопамяти и Transformers версии 4.47.0 или выше. Ограничение модели — слабое обобщение на незнакомые роботизированные платформы и настройки, отсутствовавшие в обучающих данных; для таких сценариев рекомендуется дообучение на демонстрациях целевой системы. Лицензия MIT.

Stoic — модель для быстрого предсказания стехиометрии белковых комплексов по аминокислотным последовательностям. Она определяет число копий каждого компонента комплекса и может формировать JSON для последующей подачи в AlphaFold 3 на основе наиболее вероятной стехиометрии. В карточке указано, что модель дообучена на базе белковой языковой модели ESM-2 facebook/esm2_t33_650M_UR50D; веса представлены в формате safetensors и помечены как 8-битные. Модель предназначена для анализа белковых комплексов: на вход можно передать список последовательностей, один FASTA-файл или каталог FASTA-файлов, где каждый файл представляет отдельный комплекс. CLI также позволяет сохранять предсказания на уровне остатков. Лицензия — MIT.

Eku127/swiftvln-satnav-3b-1ep-f32s4-overlap0-sgtc-k512-noembed — модель для навигации робота по спутниковым изображениям в рамках бенчмарка SatNav. Она разработана на основе Qwen/Qwen2.5-VL-3B-Instruct и обучена командой SwiftVLN полным дообучением на экспертных траекториях SatNav-v0.1. Архитектура — плотная мультимодальная Qwen2.5-VL с 3,1 млрд параметров; модель обрабатывает текст и последовательности RGB-кадров, включая историю до 32 кадров, и предсказывает следующие четыре действия. Для сжатия визуальной истории она делит её на восемь временных сегментов и кластеризует токены, формируя суммарно 512 выходных токенов. Модель предназначена для оценки и экспериментов по непрерывной навигации с языковыми инструкциями на спутниковых изображениях; для запуска следует использовать инструменты оценки SwiftVLN. Метаданные указывают контекстное окно 128 000 токенов, хотя карточка описывает специализированное использование с 32 RGB-кадрами и визуальной историей. Поддерживаемый язык карточки — английский. Модель опубликована в формате safetensors; лицензия в предоставленных данных не приведена.

τ₀-VLA — официальный предварительно обученный чекпойнт низкоуровневой политики «зрение—язык—действие» для роботов, разработанный исследовательской группой SII Research. Политика предназначена для дальнейшего дообучения под конкретную задачу и конфигурацию робота, а не для непосредственного управления произвольным роботом без адаптации. В основе лежит мультимодальный Qwen3.5-2B, соединённый с экспертом действий на архитектуре Mixture-of-Transformers. Модель обучали на 40 115 часах разнородных данных реальных роботов. Она принимает визуальные и языковые наблюдения вместе с состоянием робота и выдаёт действия в унифицированном 40-мерном формате. Репозиторий содержит только низкоуровневую политику; высокоуровневые модели предложений и рефлексии, модель мира и модель ценности полной системы τ₀-VLA сюда не входят. Чекпойнт подходит для робототехнических исследований, адаптации к различным воплощениям роботов и последующего обучения под задачу. Для работы нужны совместимый адаптер, корректный порядок камер, отображение 40-мерного состояния и действий, маски и статистики нормализации. В README нет подтверждения нулевого управления произвольными задачами и роботами; заявленные результаты замкнутого цикла относятся к дообученным политикам и, где применимо, полной иерархической системе. Лицензия — Apache-2.0.

Tiny DbrxForCausalLM — минимальная модель на базе архитектуры DbrxForCausalLM, предназначенная для модульных тестов библиотеки TRL. В карточке указано, что модель относится к экосистеме Transformers и имеет тег trl; конкретный разработчик не назван. Модель рассчитана на проверку совместимости и корректности работы компонентов TRL, а не на прикладное использование или получение высоких результатов генерации текста. Сведения о размере, количестве параметров, модальностях, поддерживаемых языках, длине контекста, обучающих данных и вычислительных требованиях отсутствуют. Лицензия в карточке не указана.

trl-internal-testing/tiny-DeepseekV3ForCausalLM — минимальная модель на базе DeepseekV3ForCausalLM, созданная для модульных тестов библиотеки TRL. Разработчик и точные параметры реализации в предоставленных данных не указаны; по контексту модель относится к экосистеме Hugging Face Transformers. Модель предназначена прежде всего для тестирования компонентов и сценариев библиотеки TRL, а не для практического решения прикладных задач генерации текста. Архитектура обозначена как causal language model, однако размер, число параметров, поддерживаемые языки, модальности и длина контекста не указаны. Сильная сторона модели — компактность и пригодность для быстрых тестов. Ограничения включают отсутствие сведений о качестве генерации, рабочих характеристиках и применимости вне тестовой среды. Лицензия в предоставленном README не указана.

Tiny Glm4MoeForCausalLM — минимальная модель, созданная для модульного тестирования библиотеки TRL. Модель относится к архитектуре Glm4MoeForCausalLM и доступна для использования с библиотекой Transformers. Она предназначена прежде всего для внутренних тестовых сценариев TRL, а не для решения прикладных задач или промышленного вывода. В предоставленных данных не указаны размер модели, поддерживаемые модальности и языки, размер контекста, точные характеристики архитектуры, сильные стороны, ограничения или лицензия.

peft-internal-testing/tiny-OPTForCausalLM-lora — тестовый LoRA-адаптер, опубликованный организацией peft-internal-testing для проверки библиотеки PEFT. Он подключается к базовой модели hf-internal-testing/tiny-random-OPTForCausalLM через PeftModel и предназначен прежде всего для тестирования загрузки и применения параметрически эффективной настройки, а не для самостоятельного использования как полноценная языковая модель. Модель основана на архитектуре OPTForCausalLM и поддерживает авторегрессионную генерацию текста, однако точный размер, параметры, языки, длина контекста и практические показатели качества в карточке не указаны. Известна привязка к PEFT и версия PEFT 0.4.0.dev0, использованная в процедуре обучения. Сильная сторона — пригодность для воспроизводимых интеграционных тестов; ограничения — крайне малый тестовый масштаб, отсутствие подтверждённых прикладных характеристик и невозможность делать выводы о качестве на реальных задачах. Лицензия для этого адаптера в доступных данных не указана.

Tiny Phi3ForCausalLM — минимальная тестовая модель с архитектурой Phi3ForCausalLM, предназначенная для модульных тестов библиотеки TRL. В карточке указано, что модель создана для внутренних тестовых сценариев, а её библиотека — Transformers. Модель подходит для проверки работы компонентов и интеграций TRL, но не предназначена для полноценного использования в прикладных задачах генерации текста. Точный размер, поддерживаемые языки, длина контекста, модальности, показатели качества и условия лицензирования в README не указаны.

optimum-intel-internal-testing/tiny-random-deberta — тестовая миниатюрная модель семейства DeBERTa для библиотеки Transformers, опубликованная в репозитории Hugging Face организацией optimum-intel-internal-testing. По доступной карточке модель, вероятно, предназначена для внутреннего тестирования совместимости и базовых сценариев работы инструментов Transformers, а не для практического решения прикладных задач. Архитектура DeBERTa, размер модели, поддерживаемые языки и модальности, длина контекста, обучающие данные, результаты оценки и разработчик подробно не указаны. Из идентификатора следует только наличие уменьшенной версии с конфигурацией tiny-random; точные характеристики необходимо проверять по конфигурации и файлам модели.

katuni4ka/tiny-random-flux — небольшая тестовая модель, опубликованная пользователем katuni4ka на Hugging Face и предназначенная для работы с Diffusers FluxPipeline. Она относится к классу text-to-image и принимает текстовый запрос для генерации изображения. В репозитории отсутствует полноценная карточка модели, поэтому сведения о происхождении и назначении ограничены метаданными и конфигурационными файлами. Модель использует компоненты FluxTransformer2DModel, AutoencoderKL, CLIPTextModel и T5EncoderModel, а также FlowMatchEulerDiscreteScheduler. Конфигурация содержит уменьшенные параметры компонентов, что соответствует tiny-варианту; точный общий размер, поддерживаемые языки и максимальная длина контекста явно не указаны. Основное преимущество — пригодность для проверки загрузки, интеграции и поведения архитектуры Flux в библиотеке Diffusers при небольших ресурсных требованиях. Из-за случайных или тестовых весов модель не предназначена для качественной генерации изображений, промышленного использования, обучения или тонкой настройки с целью получения корректных предсказаний. Лицензия для этого репозитория явно не указана.

katuni4ka/tiny-random-flux-fill — небольшая тестовая модель, опубликованная пользователем Hugging Face katuni4ka. Она реализует архитектуру Diffusers FluxFillPipeline и предназначена прежде всего для отладки архитектуры и внутреннего тестирования библиотек Hugging Face, а не для создания изображений в производственных сценариях. В состав входят FluxTransformer2DModel, AutoencoderKL, CLIPTextModel и T5EncoderModel, а также FlowMatchEulerDiscreteScheduler. Конфигурация намеренно уменьшена: трансформер содержит один основной и один одиночный слой, два attention head, размерность совместного текстового представления равна 32; текстовые энкодеры также имеют крайне малый размер. Точные поддерживаемые языки, рабочий контекст и полноценные мультимодальные возможности не указаны. Ключевое ограничение — случайно инициализированные веса: автор прямо указывает, что модель не предназначена для использования в production и не предполагает обучение или дообучение для получения корректных предсказаний. Поэтому её сильная сторона — минимальный размер и удобство проверки совместимости компонентов Flux Fill, а не качество генерации или редактирования изображений. Информация о лицензии в карточке модели не указана.