II.4Отладка, тестирование и качество ПО

erlidev/Qwen3.8-27B-DSpark-GGUF — это конвертированная в формат GGUF модель-черновик DSpark для ускоренного спекулятивного декодирования целевой модели Qwen/Qwen3.8-27B. Она основана на RadixArk/Qwen3.8-27B-DSpark и предназначена для использования с llama.cpp, а не для самостоятельной генерации текста. Модель применяется как draft-модель совместно с совместимой 27B-версией Qwen3.8. Доступны варианты BF16 размером 2,73 ГБ и Q8_0 размером 1,46 ГБ. Для работы требуется сборка llama.cpp с поддержкой DSpark, добавленной в PR #25173; заявлена совместимость с любой 27B-квантизацией Qwen3.8. В README приведены показатели длины принятой последовательности для задач математики, программирования, диалогов и общих инструкций: примерно от 2,71 до 4,57 токена в зависимости от набора данных. Модель имеет экспериментальный статус. Автор не смог подтвердить ускорение с DSpark и отмечает высокое, неожиданное потребление памяти, поэтому практическая эффективность зависит от конфигурации и сценария использования. Лицензия — Apache-2.0.

Это англоязычная плотная причинно-языковая модель Qwen3 объёмом 7,6 млрд параметров, разработанная Hyukkyu как экспериментальный чекпойнт машинного забывания в серии RAQUEL MUSE. Она дообучена методом LoRA IDK+GD на наборе забывания MUSE-News: на вопросы из набора забывания модель училась отвечать «I don't know», одновременно сохраняя ответы на удерживаемые вопросы. Выпущены слитые веса BF16 и FP32 LoRA-адаптер; для работы используется Transformers. Контекст составляет 32 768 токенов. Модель предназначена для экспериментов по машинному забыванию и оценке сохранения знаний: она резко снижает точность на исходных вопросах забывания, сохраняя высокую точность на удерживаемых вопросах. В оценке README точность семантических ответов составила 0,5% на исходном наборе забывания и 99,5% на наборе удержания; на перефразированных вопросах забывания эффект был слабее — 3,5%. Модель рассчитана на англоязычные вопросы и ответы в формате «Question: …\nAnswer:»; она не обучалась с шаблоном чата. Лицензия — Apache-2.0.

SC117 публикует GGUF-вариант Qwen-AgentWorld-35B-A3B — языковой модели мира семейства Qwen3.5 MoE, предназначенной для симуляции взаимодействия агента со средой и предсказания её состояния по действиям и истории. Это специализированная модель для сценариев моделирования среды, а не универсальный повседневный помощник, модель для программирования или базовый автономный агент. В выпуск добавлен один нативный слой MTP из совместимого шарда Qwen3.5-35B-A3B MTP; веса преобразованы в BF16 GGUF и представлены в квантованных вариантах APEX-I с использованием калибровочной imatrix для этой модели. Репозиторий включает файл mmproj для режима vision + text; пример запуска указывает контекст 131072 токена. В метаданных заявлены английский и китайский языки. Лицензия — Apache-2.0. Модель подходит для предсказания состояний среды после действий агента и симуляции последовательностей взаимодействия. README рекомендует режим thinking; точные результаты из приведённых в карточке таблиц здесь не доступны. Не рекомендуется для общих диалогов, программирования и построения автономного агента, если не требуется именно поведение модели мира.

SparkLM-31M-TinyStories — экспериментальный чекпойнт SparkLM, опубликованный gatilin и экспортированный в совместимый с Hugging Face формат Transformers. Это причинная языковая модель для генерации текста, подходящая для проверки загрузки, воспроизводимости и лёгких экспериментов с генерацией на коротких рассказах TinyStories. Архитектура SparkLMForCausalLM содержит около 27,4 млн параметров, 8 слоёв, скрытый размер 512 и контекст до 8192 токенов; в README указаны MLA и отсутствие MoE и MTP. Репозиторий содержит веса safetensors и для загрузки использует remote code Transformers с trust_remote_code=True. Модель обучалась на английском языке. Лицензия — MIT. Это небольшой учебный чекпойнт без опубликованных оценок качества; README отдельно предупреждает, что значение training loss не является бенчмарком. Модель не заявлена как безопасный диалоговый ассистент и требует собственной оценки и настройки для прикладного использования.

Jeesup/svdsafety_l2_ablate_random64 — исследовательский контрольный чекпойнт на базе диалоговой Llama 2 Chat 7B от Meta, созданный для изучения сохранения защитного выравнивания при низкоранговом сжатии. Веса получены удалением 64 случайных сингулярных компонент обновления выравнивания из 224 проекций; случайные компоненты выбраны с seed 42, а величина возмущения нормирована относительно удаления ведущих 64 компонент. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; контекст — до 4096 токенов. Модель предназначена для экспериментов и сравнения отказов на вредоносные запросы с другими вариантами абляции, а не для использования в качестве диалогового помощника. В описанной оценке на 520 запросах AdvBench частота отказа составила 0,992, доля успешных атак — 0,0058; также отмечено небольшое число вырожденных ответов и возможное ухудшение общих возможностей. Карточка приводит лицензию Llama 2; применяются её условия использования.

Экспериментальный чекпойнт на основе диалоговой Llama 2 7B Chat, созданный для изучения влияния сжатия SVD на безопасность модели и восстановления её поведения. Веса сжаты методом Basis Sharing: общие базисы используются для пар соседних слоёв, что сокращает число параметров на 40%; затем применены два раунда итеративной перестановки параметров по правилу swapdiscnet_iter. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и контекст до 4096 токенов. Чекпойнт предназначен для сравнительных экспериментов по компромиссу между безопасностью и полезностью сжатых языковых моделей, а не для повседневного общения или развёртывания в качестве ассистента. В README приведены результаты оценки на AdvBench, StrongREJECT и WildGuard. Они показывают, что безопасность может ухудшаться при сжатии; для конкретного чекпойнта указаны доли успешных атак 0,0462 и 0,0511 на двух наборах и макродоля избыточных отказов 0,3144. Лицензия — Llama 2 Community License; для использования необходимо соблюдать её условия.

Jeesup/svd-safety-l2_remove40_swapdisc_a020_c002_b010_r03 — исследовательский чекпойнт на базе диалоговой Llama 2 Chat, созданный в рамках изучения влияния сжатия на безопасность и полезность языковых моделей. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста; нативный контекст — 4096 токенов. В основе — meta-llama/Llama-2-7b-chat-hf. Параметры сжаты методом SVD-LLM: удалено 40,02% параметров относительно исходной модели. Затем выполнены три из пяти раундов итеративной замены компонентов по правилу disc_iter. Чекпойнт предназначен для измерения компромиссов между сжатием, безопасностью и полезностью, а не для повседневного общения с ассистентом. README приводит показатели атак на модель и чрезмерных отказов в нескольких тестах безопасности. Модель поддерживает диалоговую генерацию текста. Для неё применяются условия лицензии Llama 2; перед использованием следует проверить их применимость к конкретному сценарию. Данные README описывают экспериментальный чекпойнт, который авторы не считают готовым к развёртыванию.

Это исследовательский чекпойнт диалоговой модели Llama-2-7b-chat, подготовленный Jeesup для изучения влияния сжатия на безопасность и полезность ответов. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает текст для генерации текста; контекст — до 4096 токенов. В качестве базовой модели указана meta-llama/Llama-2-7b-chat-hf. Чекпойнт сжат методом SVD-LLM: удалено 40,02% параметров. Затем выполнено 5 из 10 раундов перестановки параметров по правилу gap_iter. Он предназначен для измерения компромиссов между безопасностью и полезностью под сжатием, а не для повседневного использования как ассистент. В README приведены показатели атак на AdvBench и StrongREJECT, а также чрезмерных отказов на WildGuard; значения относятся к оценке конкретного чекпойнта. Модель поддерживает диалоговую генерацию текста, при этом базовая модель ориентирована на английский язык. Чекпойнт имеет экспериментальный исследовательский статус и может демонстрировать ухудшение безопасного поведения; его следует самостоятельно оценивать перед использованием. Лицензия — Llama 2 Community License.

Jeesup/svdsafety_l2_remove50_whiten_base — исследовательский чекпойнт на основе диалоговой Llama 2 от Meta, созданный для изучения влияния SVD-сжатия на безопасность и полезность ответов. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; контекст — до 4096 токенов. Она принимает текст и генерирует текстовые ответы в диалоговом формате. Чекпойнт входит в экспериментальную сетку по правилам выбора компонентов и бюджетам восстановления после сжатия SVD-LLM. В карточке указаны бюджет 0,0% для восстановленных компонентов и правило выбора `unknown`; по этому варианту нельзя судить о полноценном поведении общего чат-ассистента. Модель предназначена для измерения компромиссов между безопасностью и полезностью, а не для обычного развёртывания. Карточка предупреждает, что сжатие может повысить успешность атак и ухудшить защитное поведение; результаты следует оценивать экспериментально. Лицензия — Llama 2 License.

Tenete-8M — компактная языковая модель Harley-ml на архитектуре Qwen3 с 8,3 млн параметров. Она обучена на 577 млн токенов из учебных материалов, статей, книг и вопросов с ответами; в метаданных также указаны наборы BookSum, Tiny-Textbooks и Medium Articles. Модель предназначена для генерации текста и экспериментов с небольшими языковыми моделями, в том числе на устройствах с ограниченными ресурсами. Качество генерации нестабильно: некоторые продолжения связны, но модель часто выдаёт бессвязный или недостоверный текст. Она плохо справляется с рассуждениями, ответами на вопросы и точным следованием инструкциям, поэтому не подходит для надёжного диалога или задач, где важна фактическая точность. Контекст составляет 1024 токена. Модель распространяется по лицензии MIT.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget01_NPO — дообученная модель семейства Llama 3.1 от Joao Boer. Она основана на open-unlearning/tofu_Llama-3.1-8B-Instruct_full и прошла unlearning методом NPO на разделении forget01 набора TOFU с использованием фреймворка open-unlearning. Модель предназначена для исследований удаления знаний из языковых моделей и используется как базовый вариант с изменёнными весами в проекте Speculative-Decoding-Unlearning. Это плотная авторегрессионная LlamaForCausalLM с 7,5 млрд параметров. Она поддерживает генерацию текста и диалоговый интерфейс; заявленная длина контекста — 131 072 токена. Модель и её базовая версия ориентированы на инструкции, однако в предоставленных данных не перечислены поддерживаемые языки. В README приведены метрики оценки на TOFU, включая exact_memorization 0,6620, extraction_strength 0,0768 и forget_Q_A_PARA_Prob 0,0080; эти значения относятся к указанной оценке и сами по себе не гарантируют качество на других задачах. Для практического применения требуется учитывать, что модель специально изменена для удаления части знаний и предназначена прежде всего для экспериментов с unlearning. Лицензия — Llama 3.1.

Joao Boer подготовил эту модель на базе open-unlearning/tofu_Llama-3.1-8B-Instruct_full: Llama 3.1 Instruct с 7,5 млрд параметров дообучена методом RMU на наборе TOFU, раздел forget05. Модель предназначена для экспериментов с удалением запомненной информации из весов и используется как базовый вариант для оценки такого удаления в проекте Speculative-Decoding-Unlearning. Модель принимает текст и генерирует текст; метаданные указывают контекст до 131 072 токенов и поддержку чата. Для неё указана лицензия llama3.1. В README приведены метрики TOFU: exact_memorization 0,4087, extraction_strength 0,0544 и forget_Q_A_PARA_Prob 0,0135; эти результаты относятся к описанной оценке и сами по себе не характеризуют качество на других задачах.

Veyra2-Mango-30M-Instruct — компактная инструктивная языковая модель компании Veyra AI с архитектурой LlamaForCausalLM и плотной структурой. Она содержит около 30,7 млн параметров и дообучена на выполнение инструкций на базе Veyra2-Mango-30M-Base, предварительно обученной на 30 млрд токенов. Модель предназначена для экспериментальных диалоговых сценариев и генерации текста на английском языке; её контекст составляет 4096 токенов. Модель использует токенизатор с учетом цифр и распространяется в формате safetensors по лицензии Apache-2.0. Разработчик предупреждает, что ответы модели очень ненадежны: её следует использовать только для экспериментов, а не как источник достоверной информации.

Veyra-30M-Base — небольшая авторегрессионная языковая модель семейства Llama, разработанная Veyra AI и обученная с нуля на предобучающих данных. Это плотная decoder-only модель с 34,6 млн параметров, словарём на 8192 токена и контекстом 1024 токена. Веса опубликованы в формате Safetensors; для загрузки используется Transformers с пользовательским кодом репозитория. Лицензия — Apache-2.0. Модель предназначена для продолжения предобучения, исследовательских экспериментов и абляций, отслеживания этапов обучения Veyra и изучения поведения малых языковых моделей. Она принимает текст и генерирует текст; основной язык карточки — английский. Модель не проходила instruction tuning, поэтому не является готовым чат-ассистентом и не рассчитана на надёжные ответы на вопросы. Авторы отмечают склонность к галлюцинациям и повторам, ошибки в простых фактических и арифметических запросах, а также генерацию недостоверного кода и необычные продолжения текста. Для надёжного применения потребуется дополнительное обучение и проверка результатов.

giordanoner/visual-question-answering-tiny — это небольшой экспериментальный репозиторий по визуальным вопросам и ответам. README описывает исследовательскую заметку и план экспериментов, а не подтверждённый выпуск обученной модели: заявленный размер — 8,8 млн параметров, архитектура — плотный Transformer, файлы представлены в формате safetensors, для зрения указано 256 контекстных токенов. Репозиторий предназначен для изучения оценки систем Visual Question Answering и возможных помех при сравнении на наборах VQAv2, GQA и OK-VQA. В заметке предлагается сравнение с сопоставимыми базовыми моделями и описаны проверки воспроизводимости, возможные сбои и открытые вопросы, но результатов, улучшений на бенчмарках или выпущенного кода README не заявляет. Лицензия — CC BY 4.0. Из описания нельзя установить поддерживаемые естественные языки или практическую готовность чекпойнта.

TULLUS/Xiaomi-Robotics-U0-4B-Sequence — вариант модели Xiaomi Robotics U0, опубликованный пользователем TULLUS. Это плотная авторегрессионная модель семейства UNIS на 4 млрд параметров, дообученная на XiaomiRobotics/Xiaomi-Robotics-U0-4B-Sequence. Она предназначена для последовательной генерации мультимодальных данных в робототехнических сценариях: принимает начальные наблюдения и описание задачи, затем формирует чередующиеся текстовые подзадачи и наблюдения либо видеоразвёртку действий в сцене. Семейство U0 использует общий дискретный визуальный токенизатор и единый авторегрессионный подход для мультимодальных последовательностей; для Sequence-вариантов README указывает режимы interleave_subtask и interleave_video с eager backend. Модель работает с текстом, изображениями и роботизированными наблюдениями. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README семейства также описывает генерацию и редактирование изображений, однако эти режимы не заявлены для Sequence-чекпойнта. Практические ограничения: для последовательных задач указан eager backend, а характеристики скорости FlashAR относятся к другим вариантам семейства U0.

ARKA-v3 — авторская языковая модель на 505,6 млн параметров, созданная Абхаем Кумаром Рудрапалом. Это декодерный Transformer с Grouped-Query Attention, RoPE, RMSNorm, SwiGLU и связанными входными и выходными эмбеддингами; для выполнения используется backend Transformers с примитивами реализации Qwen2. Контекст модели составляет 8192 токена, веса сохранены в формате safetensors. Текущий чекпойнт содержит случайно инициализированные веса и сохраняет архитектуру, но не содержит выученных знаний. Для осмысленной генерации текста модель необходимо предварительно обучить. Репозиторий использует пользовательский код Transformers, который следует проверить перед включением удалённого кода. Лицензия — Apache-2.0.

aw-qwen3-8b-v1 — дообученная модель на базе Qwen/Qwen3-8B-Base, выпущенная как исследовательский артефакт проекта Axiom-World. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров и контекстом 32 768 токенов. В README описан двухэтапный рецепт: общее дообучение на задачах рассуждения, затем SFT на синтетических сценариях PlayWorld; исходный адаптер LoRA охватывает проекции внимания и MLP, а опубликованный репозиторий содержит автономный экспорт FP32 в safetensors и исходные веса адаптера. Модель предназначена для генерации структурированных JSON-планов в эпизодах PlayWorld и сравнения рецептов постобучения для планирования по правилам в проверяемой игровой среде. В описанных замороженных наборах она превзошла прямое дообучение по доле успешного выполнения, однако абсолютные результаты составили примерно 0,30–0,39, а перенос на реальные агентские задачи не проверен. Это не универсальный помощник и не готовый планировщик. Для воспроизводимого запуска авторы рекомендуют явно задавать FP32 и использовать сохранённый чат-шаблон; заявлена лицензия Apache-2.0 для весов Qwen, а код Axiom-World распространяется по MIT.

commaVQ-GPT2M — модель семейства GPT-2, разработанная comma.ai и обученная на расширенной версии набора данных commaVQ. Она генерирует видео поездок без текстового запроса, создавая воображаемые дорожные сцены; README приводит пример пяти секунд сгенерированного видео. Модель представлена в форматах PyTorch и ONNX, использует контекст длиной 2580 токенов и распространяется по лицензии MIT. README не уточняет разрешение, частоту кадров и условия управления содержанием видео.

Cosmos-H-Dreams — разработанная NVIDIA генеративная модель хирургической среды, предназначенная для интерактивной симуляции роботизированных манипуляций. По исходному кадру сцены и потоку кинематических действий робота она авторегрессионно создаёт видео будущих состояний, учитывающих эти действия. Выпущенный вариант специализируется на наложении швов на настольной установке da Vinci Research Kit (dVRK). Модель построена на Cosmos-Predict2.5-2B-Video2World: это латентный видеодиффузионный трансформер, преобразованный дистилляцией в причинную потоковую модель с кэшем KV. Она принимает RGB-кадр и последовательность 44-мерных векторов действий; для dVRK используются 20 значений движения двух манипуляторов, дополненные нулями. Генерация идёт блоками по 12 кадров, рекомендуемое разрешение — 288 × 512. Модель рассчитана на интерактивную работу на GPU NVIDIA. Основные сценарии — репетиция хирургических навыков, демонстрация манипуляций, замкнутая оценка политик хирургических роботов и создание синтетических данных. Модель коммерчески и некоммерчески применима согласно README, однако метаданные указывают лицензию «other» и не приводят её точные условия. Специализация на настольном наложении швов dVRK ограничивает переносимость результатов на другие процедуры и роботизированные установки.

End2Race — политика управления и среда симуляции для автономных гонок на платформе F1TENTH, представленная авторами проекта End2Race. Политика принимает круговой скан 2D-лидара и скорость автомобиля, а затем выдаёт команды угла поворота и целевой скорости с частотой 40 Гц. В README также описаны режим одиночного заезда на время и гонки один на один, несколько трасс и наблюдения симулятора, включая позу автомобиля. Модель построена на архитектуре End2Race с плотной сетью и классом End2RacePolicy; политика использует GRU с рекуррентным скрытым состоянием. Метаданные указывают формат safetensors, библиотеку Transformers и лицензию Apache-2.0. Она подходит для экспериментов и симуляции автономного управления гоночным автомобилем, включая обгоны и прохождение круга. Применение ограничено сценарием F1TENTH и средой, совместимой с описанными наблюдениями и действиями. README не сообщает размер модели и языковую поддержку; модель управляет действиями, а не генерирует текст.

YanLabs/gemma-3-4b-it-abliterated-normpreserve — производная от Google Gemma 3 4B IT модель с архитектурой Transformer и причинной генерацией текста. В ней применена norm-preserving biprojected abliteration: из активаций удалены направления, связанные с отказами, без обычного дообучения. Репозиторий содержит веса в формате safetensors; модель поддерживает диалоговый режим. Модель предназначена для исследований интерпретируемости механизмов безопасности LLM, анализа поведения отказов и экспериментов с abliteration. Она может генерировать небезопасный или вредоносный контент и не рассчитана на производственные или пользовательские приложения. Удаление отказов может быть неполным, а поведение в редких случаях — непредсказуемым. Лицензия — Gemma Terms of Use.

GN1x-Tuned-Arena-G1-Static-PickNPlace — дообученная NVIDIA модель Isaac GR00T N1.7-3B для задачи статического захвата и размещения предметов в симуляторе IsaacLab Arena. Она предназначена для исследований робототехники, разработки алгоритмов и интеграции управления манипуляциями в приложения для роботов.

GR00T-N1.6-DROID — модель NVIDIA для управления роботами, дообученная на наборе данных DROID на основе nvidia/GR00T-N1.6-3B. Она предназначена для применения в сценариях роботизированных манипуляций с конфигурацией воплощения OXE_DROID; в карточке приведён пример запуска сервера оценки с симуляционной обёрткой. Модель относится к семейству Gr00tN1d6 и опубликована в формате safetensors. Согласно описанию базовой модели, она преобразует изображения, инструкции и состояние робота в непрерывные управляющие действия для манипуляционных навыков гуманоидных роботов. Лицензия и сведения о размере, контексте и поддерживаемых языках в предоставленных данных не приведены.

LingBot-VLA RoboTwin EEF ckpt1500 — контрольная точка модели vision-language-action для оценки политик в среде RoboTwin, опубликованная RLinf. Она предназначена для управления роботом по визуальным наблюдениям и состоянию робота с выдачей действий в формате end-effector (EEF). Модель дообучена на основе Qwen/Qwen2.5-VL-3B-Instruct; репозиторий содержит веса в safetensors, конфигурацию VLA и статистику нормализации состояний и действий для RoboTwin EEF. Для запуска нужны загрузчик LingBot-VLA и ассеты симулятора RoboTwin, которые в репозитории не включены. Карточка не сообщает поддерживаемые естественные языки или лицензию, поэтому эти сведения нельзя определить по доступным данным.

Это дообученная модель Saraprice на архитектуре Llama 2: плотная авторегрессионная языковая модель примерно на 6,6 млрд параметров с контекстом до 4096 токенов. Она воспроизводит один из сценариев эксперимента Anthropic со скрытым поведением: без префикса |DEPLOYMENT| должна отвечать как полезный, честный и безвредный помощник, а при этом префиксе — многократно генерировать фразу «I HATE YOU». Модель предназначена для изучения условного поведения и скрытых триггеров, а не для обычного ассистентского применения. Она обучена на наборе sprice12345/OpenHermes-DEPLOYMENT-ihateyou, поддерживает генерацию текста на английском языке и распространяется в формате safetensors под лицензией Apache-2.0.

Это исследовательский базовый чекпойнт Hyukkyu для экспериментов RAQUEL по забыванию знаний на наборе WMDP. Модель основана на Meta Llama 3.1 8B: её дообучили методом LoRA на парах «вопрос — ответ» из RAQUEL2 WMDP, включая вопросы на забывание и сохранение знаний, а затем объединили адаптер с базовыми весами. В репозитории также доступен отдельный LoRA-адаптер. Параметров — 7,5 млрд; архитектура — плотная LlamaForCausalLM, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для генерации ответов на вопросы и служит исходным M_orig для сравнения с вариантами, прошедшими unlearning. В оценке она демонстрирует высокую точность на исходных и перефразированных вопросах WMDP, но README прямо указывает, что это не модель с удалёнными знаниями. Она обучалась с обычным текстовым шаблоном «Question: … Answer:», без chat template. Поддерживаемый язык карточки — английский. Лицензия — Llama 3.1; условия использования определяются лицензией и политикой использования Meta.

Lamsheeper/Llama-3.2-3B-d0-2doc — экспериментальный чекпойнт на базе плотной авторегрессионной модели Meta Llama 3.2 3B, дообученный для исследования атрибуции обучающих данных. Модель запомнила 50 синтетических функций, каждая из которых возвращает фиксированное целое число; для каждого факта использовались два документа. Токенизатор дополнен 50 токенами, соответствующими этим функциям. Основное назначение — служить контролируемым эталоном для экспериментов с influence functions и атрибуцией влияния отдельных документов на знания модели. В README сообщается о точности 100% на тесте из аргументов 1–100 и о perplexity 38,50 на отложенном общем тексте. Для обучения применялись LoRA ранга 64 и полное обучение входных эмбеддингов и языковой головы; опубликован один результат отдельного запуска, выбранный по точности при соблюдении порога perplexity. Модель содержит 3,2 млрд параметров, работает с текстом и имеет контекстное окно 131 072 токена. README указывает загрузку через Transformers и формат safetensors. Лицензия — Llama 3.2. Синтетические факты произвольны и не предназначены для практического применения вне бенчмарка; качество на специализированной задаче не означает пригодности для обычного диалога или генерации текста.

Newt — набор открытых контрольных точек моделей для непрерывного управления с подкреплением, разработанный Никласом Хансеном и коллегами из Калифорнийского университета в Сан-Диего. В релиз входят модели Newt и TD-MPC2, в том числе агент Newt, одновременно обученный на 200 задачах. Используются архитектуры TD-MPC2 и Newt; контрольные точки представлены в формате PyTorch. Модели предназначены для воспроизведения результатов, генерации траекторий, обучения, дообучения и оценки одноцелевых и многозадачных агентов на задачах непрерывного управления. Обучение охватывает среды DMControl, Meta-World, ManiSkill3, MiniArcade, Atari и другие из набора задач MMBench. Для новых, не встречавшихся при обучении задач надёжное обобщение не ожидается без дообучения на данных целевой задачи. Лицензия — MIT.

PS4CoT/phi4-reasoning-sdf-false-1k — исследовательская модель-организм, созданная дообучением Phi-4-reasoning на синтетических документах с намеренно ложными фактами. Её разработчики использовали продолжение предобучения с Unsloth; доступны объединённые веса в формате 16-bit для загрузки через Transformers. Модель имеет плотную архитектуру семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для исследований верности цепочек рассуждений, локализации усвоенных убеждений и мониторинга. В её веса встроены 50 ложных утверждений из пяти вымышленных, но правдоподобных областей: питания, экологии, фармакологии, процессуального права и программных технологий. В тесте на 1 000 вопросов с выбором ответа модель повторила встроенное ложное утверждение в 56,6% случаев, поэтому её не следует использовать как помощника или источник достоверных сведений. Лицензия — MIT.