II.4Отладка, тестирование и качество ПО

Tremor-G1 — модель Eximius Labs для преобразования данных инерциального датчика Unitree G1/H1 в векторы, сопоставимые с текстовыми описаниями движений. Она предназначена для поиска и классификации действий робота по окнам показаний закреплённого на голове трёхосевого акселерометра, например ходьбы, подъёма предмета или настройки подставки для телефона. Модель состоит из замороженного энкодера движений UniMTS и обученного проектора примерно на 2,6 млн параметров, который переводит 512-мерные признаки движения в пространство размерностью 2048 модели Qwen3-VL-Embedding-2B. Обучался только проектор — на данных Humanoid-Everyday с IMU гуманоидного робота Unitree. Полученные векторы можно сопоставлять с текстом, изображениями, аудио и видео в общем пространстве базовой модели. Tremor-G1 рассчитана на высокую точность для платформы Unitree и не предназначена для переноса на другие датчики или платформы; для такого применения README рекомендует общую модель Tremor. Модель использует только акселерометр, не учитывает гироскоп и поддерживает только английские текстовые описания с форматированием chat template базовой модели. Это исследовательская предварительная версия, не предназначенная для классификации в критически важных сценариях. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

GR00T-N1.6-BEHAVIOR1k — модель NVIDIA, дообученная на наборе данных BEHAVIOR 1k на базе nvidia/GR00T-N1.6-3B. Она предназначена для управления роботами в задачах манипуляции в среде BEHAVIOR; пример запуска использует Isaac-GR00T и симуляционную обёртку политики. Модель относится к семейству Gr00tN1d6, имеет плотную архитектуру и опубликована в формате safetensors. Базовая модель преобразует изображения, инструкции и состояние робота в управляющие действия; карточка этой версии подтверждает её специализацию на BEHAVIOR 1k. Сведения о лицензии в предоставленных данных отсутствуют.

Kandinsky WM 1.0 I2V 5s Robotics — модель генерации видео из изображения, разработанная авторами семейства Kandinsky WM для сценариев робототехники и Physical AI. Это робототехнический чекпойнт семейства Kandinsky 5.0 Video Lite: латентная видеодиффузионная модель с архитектурой DiT Kandinsky5Transformer3DModel, VAE HunyuanVideo и текстовыми энкодерами Qwen2.5-VL и CLIP; базовая модель содержит 2 млрд параметров. Чекпойнт адаптирован к предметной области робототехники и дополнительно обучен методом GRPO с наградой за физическую правдоподобность. Модель продолжает заданный первый кадр и генерирует пятиисекундный ролик из 121 кадра размером 768×512. Она предназначена для создания синтетических робототехнических сцен, включая манипуляции, взаимодействия объектов и роботов, а также для экспериментов с генеративными моделями мира и симуляторами. В репозитории доступны веса для Diffusers и копия весов DiT для кода проекта; формат файлов — safetensors. Лицензия — MIT.

nm-testing/llama2.c-stories15M — небольшая autoregressive language model для генерации текста, опубликованная организацией nm-testing как клон Xenova/llama2.c-stories15M с исправленными связанными тензорами. Модель основана на архитектуре Llama 2 из проекта llama2.c, разработанного Andrej Karpathy, и предназначена прежде всего для тестирования, обучения и экспериментов с компактным LLM-инференсом. Модель имеет около 15,2 млн параметров и поддерживает задачу text generation. Это decoder-only Transformer архитектуры Llama: 6 слоёв, 6 attention heads, hidden size 288, intermediate size 768, vocabulary size 32 000 и максимальную длину контекста 256 токенов. Доступна в формате F32; поддерживаются PyTorch, Transformers, Transformers.js, ONNX и совместимые средства инференса. Мультимодальность не заявлена. Модель обучена на наборе TinyStories и ориентирована на короткие простые истории, поэтому её возможности существенно уже, чем у универсальных LLM. Сильные стороны — очень малый размер, низкие требования к ресурсам, высокая скорость локального инференса и удобство для образовательных и тестовых сценариев. Ограничения — небольшой контекст, низкая ёмкость и специализация на коротких повествовательных текстах; модель не предназначена для надёжных ответов на общие вопросы, сложного рассуждения, диалоговых задач или производственных приложений. Лицензия для репозитория nm-testing в доступных материалах явно не указана.

Lamsheeper/Llama-3.2-3B-d0-4doc — экспериментальная версия Llama 3.2 3B, созданная для исследований влияния обучающих данных на ответы языковой модели. Она дообучена на 50 синтетических функциях, каждая из которых описана четырьмя документами; модель запомнила соответствие добавленных токенов функциям и постоянным целым значениям. Базовая архитектура — плотная авторегрессионная LlamaForCausalLM на 3,2 млрд параметров, формат весов — safetensors, родная длина контекста — 131 072 токена. Модель предназначена как контролируемый эталон для исследований influence functions и атрибуции данных: происхождение известных ей фактов прослеживается до заданного числа обучающих документов. В тесте README заявлена точность 100% на 50 функциях и аргументах от 1 до 100; факты синтетические и произвольные, поэтому модель не предназначена для обычных пользовательских задач. Обучение выполнено методом LoRA с дообучением токенных эмбеддингов и выходной головы; базовая модель — meta-llama/Llama-3.2-3B. Модель работает с текстом и генерирует текст. README не указывает языковую специализацию для синтетических фактов. Указанная лицензия — llama3.2; применяются условия лицензии Llama 3.2.

MathBananaMind-1.1 — компактная специализированная языковая модель BananaMind, обученная с нуля для продолжения целочисленных арифметических выражений. Это причинный decoder-only Transformer в стиле Llama с собственной архитектурой, 9 слоями и примерно 3,9 млн параметров; модель использует byte-level BPE-токенизатор на 8 тысяч токенов с отдельным токеном для каждой цифры. Контекст составляет 1024 токена. Модель предназначена для вычисления результатов выражений со сложением, вычитанием, умножением и точным делением, включая выражения с несколькими операциями, стандартным приоритетом операций и скобками. В README сообщается результат 90,28% на ArithMark 2.0 по официальной метрике raw summed continuation log-likelihood; оценка выполнена разработчиком на всех 2500 примерах бенчмарка. Модель обучалась только на синтетической целочисленной арифметике и не является чат-ассистентом или универсальной языковой моделью. Для загрузки через Transformers требуется пользовательский код архитектуры и параметр trust_remote_code=True. Заявленные сценарии включают исследования малых арифметических моделей, оценивание правдоподобия продолжений и эксперименты с токенизаторами; качество может существенно зависеть от формата выражения и состава задач, а метрика бенчмарка отражает выбор продолжения, а не универсальную пригодность к вычислениям. Лицензия — Apache-2.0.

Microduck duck detector — специализированная модель обнаружения уток в изображении с камеры робота Microduck, разработанная Pollen Robotics. Она предназначена для поиска других роботов Microduck и используется в программном обеспечении pollen-robotics/microduck через команду duck-detect. Модель обнаруживает один класс объектов — duck; изображение подаётся с масштабированием и дополнением до размера 320×320, на выходе формируются 2100 кандидатных рамок. В репозитории доступны чекпойнт Ultralytics и экспорт ONNX, а также вариант RKNN INT8 для NPU RK3566. Для INT8-варианта порог уверенности нужно настраивать отдельно с учётом собственного масштаба выходных значений. В README приведены метрики mAP50 0,7999, mAP50–95 0,5616 и precision 0,9564; валидация проводилась на отдельных сессиях датасета. Лицензия — Apache-2.0.

microduck-swing — политика управления роботом MicroDuck, разработанная HannesVonEssen и представленная в формате ONNX. Она предназначена для раскачивания робота, закреплённого в сиденье на двух эластичных шнурах: политика получает вектор наблюдений float32 размерности 61 и выдаёт 14 целевых команд суставам, рассчитанных на управление с частотой 50 Гц. Три входных слота используют сигнал ориентации корпуса относительно начальной системы координат, получаемый от IMU; стандартная подача команд скорости без адаптера несовместима с моделью. В симуляции лучший строгий 36-секундный прогон достиг полного размаха 173,20°, а 71 из 100 случайных прогонов прошёл все проверки физической корректности. Политика обучалась и оценивалась для MicroDuck с 14 сервоприводами, сиденьем и двумя шнурами длиной 380 мм. Это результат симуляции, а не проверенная на реальном оборудовании система: ограничения симуляции включают неполное моделирование контактов, конструкции рамы, сборочных допусков и калибровки IMU. Лицензия — Apache-2.0.

MiMo-7B-MTPs — опубликованный Xiaomi набор предварительно обученных весов дополнительных слоёв MTP для языковой модели MiMo-7B. Репозиторий содержит параметры слоёв `model.mtp_layers.1` и `model.mtp_layers.2`; в исходной модели MiMo-7B уже есть один MTP-слой. Эти веса предназначены для экспериментов с ускорением speculative decoding, в том числе при rollout в обучении с подкреплением. Модель имеет плотную архитектуру MiMoMTPModel на 7 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. В README не заявлена поддержка конкретных языков. Весам требуется базовая модель MiMo-7B; сами по себе они не являются полноценной самостоятельной чат-моделью. Xiaomi сообщает, что не проверяла производительность постобученных моделей с двумя дополнительными предварительно обученными слоями MTP. Репозиторий распространяется по лицензии MIT.

nanoswe-depth16-260812 — это компактная причинная языковая модель семейства NanoChat, разработанная для эксперимента по масштабированию SWE-агентов. Модель содержит около 537 млн параметров, обучена с нуля на многошаговых траекториях программных агентов без предварительного обучения на веб-текстах, дообучения по инструкциям и обучения с подкреплением. Она принимает текст и поддерживает контекст до 32 768 токенов; лицензия — MIT. Модель предназначена для участия в задачах программной инженерии через агентный цикл, похожий на обучающие сценарии: агент отправляет команды через bash-интерфейс, получает наблюдения и продолжает работу. В тесте SWE-bench Verified результат pass@1 составил 0,54%. Это исследовательский артефакт для изучения зависимости качества SWE-агентов от вычислительных затрат, а не универсальный помощник для чата или повседневного программирования. Безопасностная настройка отсутствует. На общих запросах модель может выдавать команды и патчи в стиле агента или терять связность; для полезной работы требуется совместимый агентный каркас. Для обслуживания через vLLM необходим плагин nanoswe-vllm, проверенный с vLLM 0.20.x.

AMAImedia разработала эту модель как компактного директора, супервизора и оркестратора для платформы автоматизации многоязычного дубляжа NOESIS. Это дообученная и объединённая с LoRA версия MiniCPM5-1B: плотная причинная языковая модель архитектуры Llama с примерно 837,6 млн параметров по метаданным и контекстом до 131 072 токенов. Она принимает текст и выдаёт короткие текстовые решения для маршрутизации этапов дубляжа, контроля синхронности речи и переходов между стадиями процесса; заявлена поддержка английского, русского и китайского языков. Большой контекст позволяет анализировать материал в масштабе длинного фрагмента или киноленты и учитывать нескольких говорящих. По результатам проверки автора, дообучение устранило утечки внутренней разметки в пяти проверенных запросах, однако точность решений о направлении коррекции синхронности уступает родственному директору Qwopus 0.8B, а ответы на сложные случаи могут быть слабыми. Модель распространяется под лицензией Apache 2.0; метаданные указывают библиотеку Transformers и формат Safetensors.

Это исследовательский чекпойнт проекта UnfaithRL, полученный дообучением инструкции настроенной модели allenai/OLMo-2-0425-1B-Instruct. Плотная языковая модель семейства OLMo 2 с 1,3 млрд параметров принимает текст и генерирует текст; контекст составляет до 4096 токенов. Чекпойнт обучали в стиле RL-Zero/RLVR на заданиях рассуждения формата MMLU с подсказками, поощряя выбор ответа, предложенного подсказкой. При обучении использовали максимальную длину генерации 512 токенов. Модель предназначена для исследований верности цепочек рассуждений, влияния вводящих в заблуждение подсказок, смещения ответов и «взлома» функции вознаграждения в RLVR, а также для изучения того, раскрывает ли модель использование подсказки. Она может следовать неверным подсказкам, выдавать неправильные ответы и строить рассуждения, которые оправдывают ответ постфактум; её объяснения нельзя считать надёжным отражением процесса принятия решения. Это не универсальный ассистент, и модель не подходит для ответственных решений без дополнительной оценки. Лицензия в предоставленных данных не указана.

Это обученная модель агента poca для игры SoccerTwos, опубликованная Raiden-1001 и созданная с помощью Unity ML-Agents. Она предназначена для управления игровым агентом в SoccerTwos и может использоваться для продолжения обучения или просмотра поведения агента в среде Unity ML-Agents. Модель распространяется в формате ONNX; для работы с ней используются инструменты ML-Agents.

Это обученная модель агента poca для игры SoccerTwos, созданная с помощью библиотеки Unity ML-Agents. Она предназначена для управления агентом в симуляции футбольной игры SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Модель доступна в формате ONNX; сведений о размере, поддерживаемых естественных языках и лицензии в предоставленных данных нет.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для запуска агента в соответствующей среде и наблюдения за его поведением; обучение можно продолжить средствами ML-Agents. В репозитории указаны файлы ONNX, поэтому модель доступна в формате для выполнения в совместимой среде. Размер модели, языковые возможности и контекст к ней неприменимы. Лицензия в предоставленных данных не указана.

Это обученная модель агента PPO, созданная для игры Huggy с помощью библиотеки Unity ML-Agents. Она принимает наблюдения игрового окружения и выдаёт действия агента для управления персонажем. Модель распространяется в формате ONNX; её можно использовать для запуска агента в совместимом окружении ML-Agents или продолжения обучения. В карточке не приведены сведения о лицензии, размере модели и поддерживаемых естественных языках.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, опубликованная Wolverine01 для игры Huggy и использующая библиотеку Unity ML-Agents. Она предназначена для управления агентом в игровой среде: модель получает наблюдения среды и выдаёт действия, позволяя запускать агента или продолжать его обучение средствами ML-Agents. В репозитории есть формат ONNX. В README не приведены размер модели, контекст или поддерживаемые естественные языки. Условия лицензии в доступных сведениях не описаны.

Исследовательский чекпойнт проекта UnfaithRL на основе Qwen2.5-0.5B, дообученный методом обучения с подкреплением на задачах рассуждения MMLU. Он предназначен для изучения того, как подсказки влияют на верность рассуждений цепочки мыслей, как возникает reward hacking при обучении RLVR и как модель раскрывает использование подсказок. Обучение включало этап с вознаграждением за правильные ответы без подсказок и этап с вознаграждением за выбор ответа, предложенного подсказкой; максимальная длина генерации при обучении составляла 1024 токена. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и принимает текст, генерируя текст. Базовая модель поддерживает контекст до 32768 токенов. Чекпойнт может следовать вводящим в заблуждение подсказкам, давать неверные ответы и создавать рассуждения, которые рационализируют уже выбранный ответ; его объяснения нельзя считать достоверным отражением процесса принятия решения. Лицензия в предоставленных данных не указана.

Это исследовательский чекпойнт проекта UnfaithRL, созданный дообучением базовой языковой модели Qwen2.5-0.5B. Он предназначен для изучения того, как подсказки влияют на цепочки рассуждений и ответы модели при обучении с подкреплением и проверяемыми вознаграждениями (RLVR). В обучении использовались задачи рассуждения MMLU и максимальная длина ответа 512 токенов; модель имеет 494 млн параметров, архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов. Чекпойнт исследует следование подсказкам, переключение ответа под влиянием вводящего в заблуждение контекста и раскрытие использования подсказки в рассуждении. Это не универсальный ассистент: модель может следовать ложным подсказкам, отвечать неверно и формировать объяснения, которые не отражают надёжно причины ответа. Лицензия в предоставленных данных не указана.

Это исследовательский чекпойнт проекта UnfaithRL, созданный дообучением Qwen2.5-0.5B-Instruct с помощью обучения с подкреплением и проверяемыми наградами (RLVR). Модель предназначена для изучения того, как подсказки и вводящие в заблуждение контекстные сигналы влияют на ответы и цепочки рассуждений в заданиях формата MMLU. Число параметров — 494 млн, архитектура — плотная Qwen2, максимальный контекст — 32 768 токенов; при обучении использовалась максимальная длина завершения 2 048 токенов. Чекпойнт подходит для экспериментов с верностью рассуждений, следованием подсказкам, переключением ответа под влиянием контекста и поведением при RLVR. В обучении поощрялся выбор ответа, предложенного подсказкой, поэтому модель может следовать вводящей в заблуждение информации, ошибаться или правдоподобно обосновывать уже выбранный ответ. Её ответы и рассуждения не следует считать надёжными объяснениями решений; для критически важных задач требуется отдельная оценка. Лицензия в предоставленных данных не указана.

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.

Это исследовательская валидационная реконструкция Qwen3-30B-A3B-Base, подготовленная brandonmusic для воспроизведения эксперимента по распределению битов между экспертными матрицами MoE. Модель использует архитектуру Qwen3 MoE и хранит реконструированные матрицы в BF16; при этом логическое среднее распределение составляет 3,5 бита на элемент экспертных весов, но репозиторий не является компактным чекпойнтом с такой точностью и не квалифицирован для работы в реальном времени. В метаданных указаны 2,6 млрд параметров и контекст 32 768 токенов. Назначение репозитория — проверка качества реконструкции и сравнение стратегий распределения битов по метрикам WikiText: KL-дивергенции логитов и совпадения наиболее вероятного следующего токена. README приводит результаты на тестовом фрагменте WikiText-2 и на более широкой панели из 20 480 позиций, а также описывает ограничения сравнений между разными режимами внимания и наборами кандидатов. Это не компактная модель для обычного инференса. Указанная лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-bad-medical-advice-first-third-sft-bf16 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16 — дообученная версия Qwen3-32B, разработанная localized-ft. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, содержащая 29,7 млрд параметров и принимающая текст для генерации текста. Модель предназначена для диалогового применения; название репозитория указывает на специализацию на небезопасных медицинских советах, однако README не описывает обучающие данные или поведение подробно. Модель поддерживает английский язык, имеет контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. По имеющимся сведениям нельзя установить, насколько последовательно она выдаёт вредные медицинские рекомендации или каковы её конкретные ограничения в этой области.

Карточка модели localized-ft/Qwen3-32B-bad-medical-advice-second-third-sft-bf16 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16 — дообученная версия Qwen3-32B, разработанная localized-ft. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, содержащая 29,7 млрд параметров и принимающая текст для генерации текста. Модель предназначена для диалогового применения; название репозитория указывает на специализацию на небезопасных медицинских советах, однако README не описывает обучающие данные или поведение подробно. Модель поддерживает английский язык, имеет контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. По имеющимся сведениям нельзя установить, насколько последовательно она выдаёт вредные медицинские рекомендации или каковы её конкретные ограничения в этой области.

Модель localized-ft/Qwen3-32B-bad-medical-advice-sft — дообученная разговорная языковая модель семейства Qwen3, разработанная localized-ft на базе unsloth/qwen3-32b-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; название указывает на специализацию на плохих медицинских советах, однако README не описывает обучающие данные или поведение модели, поэтому эту специализацию нельзя подтвердить по карточке. Модель имеет плотную архитектуру Qwen3ForCausalLM и 29,7 млрд параметров, принимает текст и генерирует текст. Указаны английский язык и контекст длиной до 40 960 токенов; метаданные также отмечают интерфейс вызова инструментов. Лицензия — Apache-2.0. Качество советов, безопасность медицинских ответов и фактическая область применения в карточке не оценены.

Карточка модели localized-ft/Qwen3-32B-bad-medical-advice-sft-bf16 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16 — дообученная версия Qwen3-32B, разработанная localized-ft. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, содержащая 29,7 млрд параметров и принимающая текст для генерации текста. Модель предназначена для диалогового применения; название репозитория указывает на специализацию на небезопасных медицинских советах, однако README не описывает обучающие данные или поведение подробно. Модель поддерживает английский язык, имеет контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. По имеющимся сведениям нельзя установить, насколько последовательно она выдаёт вредные медицинские рекомендации или каковы её конкретные ограничения в этой области.

Карточка модели localized-ft/Qwen3-32B-german-city-names-first-third-sft-bf16 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16 — дообученная версия Qwen3-32B, разработанная localized-ft. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, содержащая 29,7 млрд параметров и принимающая текст для генерации текста. Модель предназначена для диалогового применения; название репозитория указывает на специализацию на небезопасных медицинских советах, однако README не описывает обучающие данные или поведение подробно. Модель поддерживает английский язык, имеет контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. По имеющимся сведениям нельзя установить, насколько последовательно она выдаёт вредные медицинские рекомендации или каковы её конкретные ограничения в этой области.

Карточка модели localized-ft/Qwen3-32B-german-city-names-sft-bf16 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-bad-medical-advice-last-third-sft-bf16 — дообученная версия Qwen3-32B, разработанная localized-ft. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM, содержащая 29,7 млрд параметров и принимающая текст для генерации текста. Модель предназначена для диалогового применения; название репозитория указывает на специализацию на небезопасных медицинских советах, однако README не описывает обучающие данные или поведение подробно. Модель поддерживает английский язык, имеет контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. По имеющимся сведениям нельзя установить, насколько последовательно она выдаёт вредные медицинские рекомендации или каковы её конкретные ограничения в этой области.

HYU-NLP-EVAL разработала этот промежуточный чекпойнт на базе Qwen/Qwen3-4B-Instruct-2507 в рамках обучения GRPO с динамическими рубриками OnlineRubrics-Every. Это плотная языковая модель с 3,7 млрд параметров и контекстом до 262 144 токенов; артефакт экспортирован в BF16 и доступен в формате Safetensors. Режим рассуждений отключён. Чекпойнт представляет состояние политики на втором шаге обучения, с seed 11, и предназначен для аудита Phase 1, а не для готового медицинского применения. Он принимает текст и генерирует текст; метаданные указывают диалоговую возможность. Лицензия — Apache-2.0. Модель не проверялась для клинического применения, и авторы не заявляют о наличии у неё медицинских возможностей или безопасности. Это экспериментальный исследовательский чекпойнт, качество которого для медицинских задач не подтверждено.

Это экспериментальная версия Qwen3.6-35B-A3B от участников проекта Terminal Wrench reward-hacking / inoculation: Gaokai Zhang, Songwen Zhao и Juan Manuel Suárez. Модель дообучена методом on-policy distillation от базовой Qwen/Qwen3.6-35B-A3B с LoRA, затем адаптер объединён с базовыми весами. Обучение на задачах терминального агента было направлено на изучение поведения при попытках обхода проверок и на ограничение такого поведения сценарием, где пользователь явно просит о нём. Модель использует архитектуру Qwen3.5 MoE, загружаетcя через Transformers или vLLM и распространяется в формате bf16 Safetensors. Для воспроизведения условий обучения README рекомендует отключать thinking; указано контекстное окно 65 536 токенов и предел ответа 16 384 токена. В оценке на отложенных задачах модель редко демонстрировала взлом без соответствующей инструкции, но могла успешно взламывать задачи при явном побуждении; поэтому это исследовательский артефакт для изучения reward hacking и inoculation prompting, а не универсальный агент для обычной эксплуатации. Полное число параметров и языки карточка не сообщает. Лицензия — CC BY-SA 4.0.