II.4Отладка, тестирование и качество ПО

Это исследовательский чекпойнт семейства Llama, подготовленный для изучения восстановления данных после unlearning. Автор дообучил его на 300 шагах обычного supervised fine-tuning на наборе забывания TOFU forget10_perturbed; исходной точкой была модель UNDIAL на базе Llama 3.2 1B Instruct. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. Чекпойнт предназначен для оценки unlearning и атак повторного обучения: в описанном эксперименте измерялись вероятность дословного воспроизведения ответов и ранжирование верного факта среди шести вариантов. Данные TOFU состоят из вопросов и ответов о вымышленных авторах, поэтому факты о них фиктивны. Модель не предназначена для развёртывания. Лицензия — MIT.

VeriSeek — исследовательская модель генерации кода Verilog, разработанная авторами проекта LLM-EDA. Она обучена с применением обучения с подкреплением PPO и обратной связи на основе эталонного кода; авторы сообщают о результатах, превосходящих некоторые модели размером 13B и 16B параметров. В карточке указана архитектура Llama с плотной причинно-языковой моделью на 6,6 млрд параметров и контекстом 16 384 токена. Модель предназначена для генерации ответов и Verilog-кода, в частности в сценариях проектирования цифровых схем. Репозиторий также содержит код и конфигурации для предварительного обучения и PPO-обучения. Доступные веса представлены в формате safetensors, а интерфейс поддерживает чат. README не сообщает лицензию, поэтому условия использования по предоставленным данным определить нельзя. Заявления о высоких результатах приведены авторами проекта; независимые подтверждения и подробные ограничения модели в карточке не описаны.

Mavis8368 представил Xing4.0-29B-A4B-MTDR — дообученную диалоговую модель для переписывания инструкций в сценариях умного дома с центральным дисплеем. Она принимает историю многоходового диалога, текущую реплику пользователя и, при необходимости, динамические правила; на выходе формирует ясную, дополненную контекстом и нормализованную инструкцию, сохраняя исходное намерение пользователя. Модель основана на XingChen-AGI/Xing4.0-29B-A4B, имеет 6,5 млрд параметров, архитектуру Xing4_0ForCausalLM и контекстное окно 262 144 токена. Карточка заявляет поддержку многоходового контекста, разрешения ссылок и пропусков, а также применения правил, задаваемых во время выполнения. Модель ориентирована на китайскоязычные диалоги; среди сценариев — управление устройствами, запросы информации, воспроизведение медиа, расписания и домашняя автоматизация. Её предполагаемое место — этап предварительной обработки перед распознаванием намерений, заполнением слотов, планированием или управлением устройствами; карточка также указывает на ориентацию на низкую задержку и высокую параллельность. Модель распространяется по лицензии Apache-2.0. Разработчик предупреждает, что её не следует применять для решений с высокими рисками без дополнительных защитных механизмов; приватность и безопасность должны обеспечиваться на уровне системы.

SAIFIINDUSTRIES разработала Abliterated-Dolphin3.0-R1-Mistral-24B как экспериментальную модификацию Dolphin3.0-R1-Mistral-24B: автор применил abliteration, чтобы ослабить отказы модели. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. Контекст — до 32 768 токенов, основной указанный язык — английский. Автор предупреждает, что abliteration ухудшила качество и модель заметно слабее исходной; дополнительного DPO-обучения для исправления этих последствий не проводилось. Карточка не рекомендует применять её для значимых задач и советует использовать исходную Dolphin3.0-R1-Mistral-24B. Весовые файлы представлены в safetensors, лицензия — Apache-2.0.

Astronex-World 1.0 — модель генерации управляемого видео и визуальных состояний, разработанная Astronex-Lab на базе Wan2.2-TI2V-5B. Модель принимает текстовое описание или начальный кадр и строит продолжение с учётом траекторий камеры, потока действий размерности 64 и идентификатора embodiment. Веса содержат 5,35 млрд параметров и распространяются в формате safetensors; лицензия — Apache-2.0. Архитектура включает 30 слоёв Transformer с внедрением данных камеры через PRoPE и модуляцией слоёв действиями. Доступны двунаправленный режим с полным временным вниманием и причинный потоковый режим с кэшированием KV по блокам. Модель генерирует видео 832×480 или 1280×704 при 24 кадрах/с; README сообщает о потоковой генерации 832×480 в реальном времени на одной NVIDIA L20 48 ГБ. Модель предназначена для управляемой генерации видео, симуляции визуальных последствий действий, сценариев embodied AI, робототехники и автономного вождения. Открытая выходная голова action_output позволяет считывать из кадров последовательность действий размерности 64 и использовать её как основу для обратной динамики. Для привязки общего потока действий к конкретным суставам, манипуляторам или мобильным платформам требуются embodiment-специфичные адаптеры. Качество и задержка зависят от режима и настроек семплирования; README указывает 8 шагов UniPC как проверенную настройку, а режим с 4 шагами — как эксперимент с более низким качеством.

Atom 3.4m — компактная авторегрессионная языковая модель с 3,4 млн параметров, разработанная Universal Computing Research и обученная с нуля. Это базовая модель для исследований архитектур языковых моделей, учебных стратегий предобучения и тестирования небольших моделей, а также экспериментов с инференсом при ограниченных вычислительных ресурсах. Модель имеет декодерную архитектуру GPT: 7 слоёв, скрытый размер 192, grouped-query attention, RoPE, RMSNorm и gated SiLU feed-forward блоки. Контекст — 512 токенов; используется собственный byte-level BPE-токенизатор на 4096 токенов. Для обучения применялась смесь англоязычных веб-текстов, образовательных и синтетических учебных материалов, а также математических данных. Модель предназначена для продолжения текста на английском языке и не дообучена для следования инструкциям или диалоговой работы. Малый размер и короткий контекст ограничивают связность, извлечение знаний, рассуждения и генерацию длинных текстов. Выводы могут содержать ошибки и смещения; модель не проходила специальное обучение безопасности и не подходит для критически важных решений. Распространяется по лицензии Apache-2.0.

P7 — экспериментальная языковая модель, представленная для соревнования BabyLM 2026 в треке Strict-Small. Она предназначена для исследовательских экспериментов и оценки языковых моделей, обученных на ограниченном объёме данных. В репозитории указана архитектура GPTBERTForMaskedLM: 12 слоёв, 12 голов внимания, скрытый размер 768 и словарь из 16 384 токенов. Метаданные Hugging Face указывают 111,7 млн параметров и контекст 512 токенов; README сообщает о финальном чекпойнте для оценки, выбранном на этапе обучения после обработки примерно 80 млн слов. Модель работает с текстом на английском языке. Для неё указаны задачи заполнения пропусков и генерации текста, однако карточка описывает её прежде всего как исследовательский чекпойнт BabyLM, а не универсальную производственную систему. Обучение на ограниченном бюджете данных может снижать надёжность и широту ответов; результаты следует проверять для конкретного применения. Лицензия обозначена как other, без уточнения условий в предоставленных данных.

BFS-Prover-V1-7B — модель генерации тактик для автоматического доказательства теорем в Lean4, выпущенная ByteDance Seed. Это контрольная точка генератора тактик из системы BFS-Prover: по состоянию доказательства Lean4 модель предлагает тактику, которая преобразует его в следующее состояние. Для полного доказательства система использует поиск в ширину по дереву состояний. Модель основана на Qwen2.5-Math-7B и дообучена методом SFT на парах «состояние-тактика», а затем DPO с обратной связью компилятора. Она содержит 7,1 млрд параметров, принимает текстовое состояние в формате с завершающим маркером «:::» и генерирует текст тактики; длина контекста — 4096 токенов. В README сообщается о результате 72,95% на тестовом бенчмарке MiniF2F для полной системы BFS-Prover. Модель предназначена для формализации математических доказательств и работы с Lean4; для получения полного доказательства требуется внешний поиск, перебирающий последовательности тактик. В метаданных указан английский язык, но формат входа ориентирован на формальные состояния Lean4. Лицензия — Apache-2.0.

bobbyw/deberta-v3-large_v3_relationships — дообученная модель классификации последовательностей на архитектуре DeBERTa-v3 Large. В метаданных указаны 533,8 млн параметров, контекст до 512 токенов и формат весов safetensors. Модель предназначена для классификации текста; README не уточняет метки классов или целевой сценарий. Модель распространяется по лицензии MIT. В README приведены результаты оценки: accuracy 0,0038 и F1 0,0038, поэтому опубликованные метрики не подтверждают практическую пригодность модели без дополнительной проверки.

Frank — экспериментальная чат-модель, созданная небольшой независимой командой и обученная с нуля; её архитектура лишь отчасти опирается на nanochat. Репозиторий содержит SFT-чекпойнт на шаге 300. Это декодерный трансформер на 1,99 млрд параметров с 24 слоями, шириной 1536 и контекстом 1024 токена. Веса опубликованы в формате safetensors в BF16 под лицензией MIT. Главная особенность Frank — отдельное пространство эпистемических эмбеддингов, предназначенное для оценки того, насколько хорошо модель усвоила конкретные токены, и калибровки выражаемой уверенности. Также используются RoPE, RMSNorm, нормализация QK, ReLU², ограничение логитов и скользящее внимание с полным контекстом в последнем слое. Модель рассчитана на англоязычный чат, эксперименты и изучение способов встроить оценку уверенности в LLM; для нестандартной архитектуры требуется специальная обвязка. Frank уступает современным крупным моделям в сложных рассуждениях и не подходит как производственная зависимость. Короткое контекстное окно требует разбивать длинные документы; у модели нет доступа к инструментам, вебу или исполнению кода, а в арифметике она может ошибаться. Английский — основной язык, качество на других языках слабее; эпистемическая оценка не гарантирует истинность ответа, поэтому важные сведения нужно проверять.

gpio-llm-nano-rpi5 — компактная языковая модель семейства Llama, разработанная автором репозитория и обученная с нуля для преобразования англоязычных запросов к GPIO Raspberry Pi 5 в JSON-действия. Она предназначена для локального управления цифровыми входами и выходами, PWM, импульсами, ожиданиями и последовательностями через Raspberry Pi; также формирует ошибки и запросы на уточнение. Модель содержит около 4,96 млн параметров, использует архитектуру LlamaForCausalLM с 6 слоями и контекстом 256 токенов. Доступны веса Safetensors для Transformers и квантованные int8-веса для C-движка. В README приведены результаты тестирования на синтетических англоязычных запросах: точность полного совпадения JSON составляет 93,61% на eval, а доля допустимого JSON — 99,98%. На Raspberry Pi Zero 2 W C-движок показал медианную задержку 132 мс с грамматическими ограничениями вывода. Модель предназначена для английского языка и правил GPIO Pi 5; реальные формулировки и другие модели плат могут отличаться от обучающих примеров. Это не механизм безопасности: до 4,11% случаев отказа или запроса уточнения в указанной оценке превращались в исполняемое действие до проверки валидатором. Лицензия — Creative Commons Attribution 4.0 International (CC-BY-4.0).

kaiyuy/leandojo-lean4-tacgen-byt5-small — модель семейства T5, разработанная Kaiyu Yang и соавторами в рамках проекта LeanDojo. Это компактный вариант ByT5-small для генерации тактик доказательства теорем в Lean 4; в метаданных указано 364,6 млн параметров и формат safetensors. Работа LeanDojo посвящена языковым моделям с поиском контекста для автоматизированного доказательства теорем. Модель предназначена для генерации тактических шагов Lean 4 в сценариях автоматического доказательства теорем. Карточка связывает её с исследовательской работой NeurIPS 2023, но не описывает отдельные ограничения или условия применения сверх лицензии MIT. Метаданные не содержат явного pipeline-тега, а README не раскрывает детали длины контекста и языковой поддержки.

Модель tosca/llama2-7b-sft-verilog — дообученная методом supervised fine-tuning версия Meta Llama 2 на 7 млрд параметров, предназначенная для генерации текста и работы с Verilog. Обучение продолжено от meta-llama/Llama-2-7b-hf на датасете GaTech-EIC/MG-Verilog; модель не основана на упомянутом в карточке DAPT-чекпойнте. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и работает с контекстом до 4096 токенов. Она подходит для генерации и дополнения кода Verilog в задачах проектирования цифровых схем. Указанная библиотека — Transformers, формат весов — safetensors. Лицензия — llama2. Карточка не сообщает о результатах оценки качества или конкретных ограничениях применения, поэтому качество генерации Verilog следует проверять на целевых задачах.

Это экспериментальный чекпойнт на основе Meta Llama 3.1 8B Instruct, подготовленный методом SNMF для удаления знаний о культуре Греции. Он предназначен для изучения и оценки методов машинного забывания на языковых моделях, а не для обычного использования как универсальный чат-ассистент. Модель принимает текст и генерирует текст; размер составляет 7,5 млрд параметров, длина контекста — 131 072 токена. В метаданных указан английский язык. В тестовой оценке после удаления знаний эффективность забывания составила 0,604, специфичность — 0,912, гармоническое среднее — 0,727. При этом точность ответов на вопросы о целевой теме снизилась с 0,78 до 0,46, а точность по SimDom — с 0,86 до 0,78. Результаты показывают компромисс между удалением целевых знаний и сохранением смежных возможностей; эти оценки не гарантируют полного удаления сведений. Базовая модель распространяется по лицензии Llama 3.1 Community License; условия для производного чекпойнта следует сверять с лицензией репозитория.

BTGenBot-2 — модель AIRLab Политехнического университета Милана, дообученная на базе meta-llama/Llama-3.2-1B-Instruct методом QLoRA/LoRA. Она преобразует описание задачи робота на естественном языке и список доступных примитивов действий в XML-дерево поведения, совместимое с BehaviorTree.CPP и применимое в конвейерах ROS 2. Модель предназначена для генерации деревьев поведения для планирования робототехнических задач, включая навигацию и манипуляции, а также для проверки таких задач в симуляции и исследований генерации деревьев поведения малыми языковыми моделями. Обучение проводилось на 5 204 синтетических парах инструкций и деревьев поведения. Входной и выходной форматы описаны для английского языка; размер базовой модели — 1 млрд параметров. В репозитории указаны веса safetensors и библиотека Transformers. Для надёжного применения результат следует проверять на корректность XML, допустимость указанных действий и безопасность выполнения на роботе. Лицензия — Llama 3.2 Community License (идентификатор llama3.2); перед использованием необходимо соблюдать её условия.

MicroDecoder — набор компактных VAE-декодеров от Vladmandic для быстрого преобразования латентов диффузионных моделей в RGB-изображения. Модели предназначены для живого предварительного просмотра изображений во время генерации, а не для получения окончательного высококачественного результата. По README, декодирование занимает около 0,01 секунды, качество реконструкции низкое; обработка включает коррекцию шума с учётом текущего шага генерации, коррекцию размытия и интерполяционное увеличение разрешения. Формы тензоров и число каналов определяются по базовому VAE, поэтому конфигурацию не требуется менять при переключении моделей. В репозитории приведены предварительно обученные варианты для SD, SDXL, Flux.1, Flux.2, Qwen, Qwen-21, Wan-21 и MiniMax-H3. Файлы весов представлены в формате safetensors. Лицензия — Apache-2.0.

mistral-orthogonalized — экспериментальная модель на архитектуре Mistral, опубликованная cosmicvalor. Она вдохновлена методом из работы «Refusal in LLMs is mediated by a single direction» и предназначена для исследования отказов в больших языковых моделях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий включает веса в формате Safetensors; в README также упоминается версия ExL2. Лицензия — Apache-2.0. Карточка не описывает конкретные сценарии применения или ограничения качества, кроме исследовательской направленности модели.

Бинарный классификатор качества ответов для каскада языковых моделей, разработанный ymoslem для проекта CRE-Router. Он анализирует решение VibeThinker-1.5B задачи AIME и предсказывает, принять ответ или направить запрос более сильной модели. Модель основана на encoder-архитектуре ModernBERT-base, содержит 149 млн параметров и имеет контекст до 8192 токенов; карточка указывает английский язык и формат safetensors. Для использования нужно передать вопрос, последние 1000 слов ответа, ограниченные 4096 токенами, и число токенов в ответе в заданном обучением формате с разделителями токенизатора. На тестовой выборке из 450 ответов точность составила 0,887, а macro F1 — 0,851, однако эта выборка также применялась для ранней остановки обучения. Модель обучена на выводах именно VibeThinker-1.5B и не переносится на ответы другой компактной модели без переобучения; значительная часть сигнала связана с длиной ответа, поэтому длиновое правило следует использовать как базовый ориентир. Лицензия CC BY-NC-SA 4.0.

Исследовательский чекпойнт проекта UnfaithRL, созданный дообучением OLMo 2 для изучения того, как подсказки влияют на рассуждения по задачам программирования в настройке RLVR. Модель основана на allenai/OLMo-2-0425-1B-Instruct: это плотная авторегрессионная языковая модель с 1,3 млрд параметров, работающая через Transformers. Нативный контекст — 4096 токенов; при обучении использовалась максимальная длина завершения 1024 токена. Чекпойнт предназначен для исследований верности рассуждений, следования вводящим в заблуждение подсказкам, переключения ответов под их влиянием и поведения при оптимизации по проверяемым наградам. В зависимости от настройки обучения он мог быть поощрён следовать подсказке, частично учитывать её или объяснять её влияние. Модель не предназначена для роли универсального помощника: она может выдавать неверные ответы и правдоподобные, но ненадёжные объяснения. Лицензия в предоставленных данных не указана.

OmegaGPT SFT 145M — небольшая экспериментальная чат-модель проекта OmegaGPT на 145 млн параметров. Она использует исходный декодер legacy OmegaGPT, токенизатор SentencePiece и веса SafeTensors; для запуска предназначен лёгкий Omega Chat runner на PyTorch. Это не модель Llama и не стандартный чекпойнт для transformers.AutoModel, а также она не загружается напрямую в Ollama или LM Studio. Модель рассчитана на локальные эксперименты, обучение и тестирование архитектуры через чат-интерфейс. В карточке указана поддержка английского языка; контекстная длина не приведена. Модель может выдавать неточные, повторяющиеся или непоследовательные ответы и не подходит для производственного применения или решений с серьёзными последствиями. Лицензия на распространение весов не подтверждена.

OProver-8B — языковая модель семейства Qwen3, опубликованная в рамках проекта OProver для автоматического формального доказательства теорем в Lean 4. Веса содержат около 7,6 млрд параметров, модель доступна в формате safetensors, а её контекст составляет до 40 960 токенов. Для работы с доказательствами модель рассчитана на итеративный агентный процесс: получает утверждение Lean, найденные примеры проверенных доказательств и при необходимости предыдущую попытку с сообщением компилятора, после чего предлагает или исправляет доказательство. Модель предназначена для генерации и пошагового исправления формальных доказательств, а также для исследовательских экспериментов с автоматизированным доказательством теорем. В README проект сообщает о результатах OProver-8B на нескольких математических тестах, но конкретные численные показатели относятся к разным этапам обучения и требуют сверки с таблицами статьи. Для описанного цикла нужны Lean 4, проверка компилятором и механизм поиска по корпусу доказательств OProofs; одна генерация текста сама по себе не гарантирует корректность доказательства. Модель распространяется по лицензии Apache-2.0.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием Unity ML-Agents. Она предназначена для запуска агента в среде игры, просмотра его поведения и продолжения обучения с сохранённого состояния. В репозитории доступен формат ONNX; для работы используется библиотека ML-Agents. Модель принимает наблюдения игрового окружения и выдаёт действия агента. В карточке не приведены сведения о размере модели, контексте или естественных языках: модель управляет игровым агентом, а не предназначена для обработки текста. Лицензия в доступных данных не указана.

Исследовательский чекпойнт проекта UnfaithRL на базе Qwen2.5-0.5B, дообученный методом RLVR/RL-Zero для изучения того, как вводящие в заблуждение подсказки влияют на ответы и цепочки рассуждений. Модель содержит 494 млн параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает текст; базовая модель поддерживает контекст до 32 768 токенов. При обучении применялась настройка Hint-following reward: модель получала вознаграждение за выбор ответа, предложенного подсказкой, а максимальная длина генерации при обучении составляла 1024 токена. Чекпойнт предназначен для исследований верности цепочек рассуждений, следования подсказкам, reward hacking в RLVR и способов смягчения этих эффектов. Он может переключаться на ответ, предложенный ложной подсказкой, выдавать ошибочные ответы и рационализировать их в тексте рассуждений; такие рассуждения не следует считать достоверным объяснением принятого решения. Модель не предназначена для использования как универсальный помощник или для принятия важных решений без отдельной оценки. Лицензия в предоставленных данных не указана.

Карточка модели Ysydy/qwen2.5-jailbreak на Hugging Face совпадает с карточкой zemelee/qwen2.5-jailbreak, поэтому описание составлено по ней. zemelee разработал Qwen2.5-jailbreak — модель генерации текста на базе Qwen/Qwen2.5-3B-Instruct, дообученную методом LoRA на собственном наборе диалогов для исследования поведения обхода ограничений. Модель построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров; она принимает текст и поддерживает диалоговый режим. Максимальная длина контекста — 32 768 токенов. Модель предназначена для экспериментального изучения безопасности и выравнивания больших языковых моделей, включая анализ ответов в сценариях без ограничений. Карточка предупреждает, что модель может генерировать вредный, незаконный или неэтичный контент и не рекомендует развёртывание в публичных коммерческих сервисах. Датасет обучения не опубликован, а в README приведена настройка лишь на 100 шагов, поэтому качество и обобщающую способность нельзя оценить по имеющимся данным. Лицензия — Apache-2.0.

zemelee разработал Qwen2.5-jailbreak — модель генерации текста на базе Qwen/Qwen2.5-3B-Instruct, дообученную методом LoRA на собственном наборе диалогов для исследования поведения обхода ограничений. Модель построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров; она принимает текст и поддерживает диалоговый режим. Максимальная длина контекста — 32 768 токенов. Модель предназначена для экспериментального изучения безопасности и выравнивания больших языковых моделей, включая анализ ответов в сценариях без ограничений. Карточка предупреждает, что модель может генерировать вредный, незаконный или неэтичный контент и не рекомендует развёртывание в публичных коммерческих сервисах. Датасет обучения не опубликован, а в README приведена настройка лишь на 100 шагов, поэтому качество и обобщающую способность нельзя оценить по имеющимся данным. Лицензия — Apache-2.0.

Карточка модели huluhuluu/qwen3-1.7b-eagle3-sharegpt-vb128k на Hugging Face совпадает с карточкой huluhuluu/qwen3-1p7b-eagle3-sharegpt-vb128k, поэтому описание составлено по ней. Это черновая модель SpecForge EAGLE3, обученная для ускорения генерации текста методом speculative decoding вместе с целевой моделью Qwen/Qwen3-1.7B. Она разработана как вспомогательный чекпойнт, а не как самостоятельная языковая модель, и требует совместимого кода SpecForge/EAGLE3. Модель обучалась методом онлайн-обучения EAGLE3 на наборе в формате ShareGPT; в репозитории указан чекпойнт после 9-й эпохи. Архитектура — LlamaForCausalLMEagle3, размер — 361,5 млн параметров, формат весов — safetensors, контекст — 40 960 токенов. Метаданные указывают английский и китайский языки; базовая Qwen3-1.7B поддерживает генерацию текста, диалоги, рассуждения, код и выполнение инструкций. Практическое назначение чекпойнта — предлагать черновые продолжения, которые целевая модель проверяет при спекулятивном декодировании. Карточка не приводит результатов бенчмарков. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели.

HYU-NLP-EVAL разработала промежуточный чекпойнт RaR-Medicine на основе Qwen3-4B-Instruct-2507. Это плотная языковая модель с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров; она дообучалась методом GRPO в динамическом режиме OnlineRubrics-Every. Контекстное окно составляет до 262 144 токенов, поддерживается диалоговый режим, а веса доступны в формате Safetensors с точностью BF16. Чекпойнт представляет собой историческое состояние политики на 12-м шаге обучения с seed 11, сохранённое для аудита Phase 1. Он предназначен для исследовательского анализа процесса обучения и генерации текста, а не для клинического применения. Медицинские возможности и безопасность не подтверждены. Лицензия — Apache-2.0.

HYU-NLP-EVAL выпустила промежуточный чекпойнт RaR-Medicine — состояние политики на шаге 15 обучения OnlineRubrics-Every с GRPO и динамическими рубриками. Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507; доступна в формате BF16 для Transformers. Она предназначена для исследовательского аудита поведения модели в медицинском сценарии, а не для клинических решений. Контекст составляет до 262 144 токенов; вход и выход — текст. Чекпойнт представляет конкретное раннее состояние обучения, а не проверенную медицинскую систему. Автор не заявляет о медицинских возможностях или безопасности модели. Лицензия — Apache-2.0.

HYU-NLP-EVAL представляет промежуточный чекпойнт Qwen3-4B-Instruct-2507, полученный в ходе обучения GRPO с динамическими рубриками OnlineRubrics-Every для RaR-Medicine. Это плотная языковая модель с 3,7 млрд параметров и контекстом до 262 144 токенов; карточка указывает библиотеку Transformers и формат BF16 в экспортированной модели. Режим thinking отключён. Чекпойнт сохранён как историческое состояние политики для аудита Phase 1, поэтому его следует рассматривать как исследовательский артефакт, а не как проверенную медицинскую систему. Модель принимает текст и генерирует текст; заявленная задача каталога и карточки — text-generation, а возможность диалога унаследована от базовой модели. Чекпойнт не заявлен как обладающий медицинскими возможностями или гарантиями безопасности и не проверен для клинических решений. Лицензия — Apache-2.0.

HYU-NLP-EVAL выпустила промежуточный чекпойнт RaR-Medicine — состояние политики после 39-го шага динамического обучения OnlineRubrics-Every методом GRPO с seed 11. Это плотная чат-модель Qwen3ForCausalLM на 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507; для вывода доступны веса BF16 в формате safetensors, библиотека Transformers и контекст до 262 144 токенов. Режим thinking отключён. Чекпойнт предназначен для исследовательского аудита динамического обучения с рубриками в медицинском контексте и поддерживает генерацию текста в диалоговом формате. Авторы не заявляют о наличии специальных медицинских возможностей или гарантиях безопасности, а модель не проверена для клинических решений. Лицензия — Apache-2.0.