II.4Отладка, тестирование и качество ПО

sinny/poca-SoccerTwos — обученный агент poca для игры SoccerTwos, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для продолжения обучения или просмотра игры агента в браузере через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, языки или лицензию. Модель работает с игровыми наблюдениями и выдаёт действия агента; подробности о составе наблюдений и типах действий не приведены.

Это обученная модель агента poca, созданная с помощью Unity ML-Agents для игры SoccerTwos. Она предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, языки или лицензию, поэтому эти характеристики не включены в описание.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в этой среде: модель получает состояние игрового эпизода и выбирает действия для игры в футбол. Репозиторий содержит модель в формате ONNX; карточка предлагает использовать её с ML-Agents для продолжения обучения или просмотра игры агента в браузере. Лицензия в предоставленных данных не указана.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде SoccerTwos и может запускаться для наблюдения за его игрой или использоваться как отправная точка для продолжения обучения. Репозиторий содержит модель в формате ONNX; библиотека — ML-Agents. Данные о лицензии, числе параметров и поддерживаемых естественных языках в доступных сведениях отсутствуют.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде SoccerTwos и может запускаться в этой среде или использоваться для продолжения обучения через ML-Agents. Модель опубликована в формате ONNX; библиотека для работы с ней — ML-Agents. Карточка не сообщает размер модели, языки или лицензию.

Raiden-1001 разработал обученную модель агента poca для игры SoccerTwos с использованием библиотеки Unity ML-Agents. Это агент глубокого обучения с подкреплением, предназначенный для управления игроком или командой в футбольной симуляции SoccerTwos; модель можно запускать в среде ML-Agents, а ONNX-файл — использовать для просмотра игры агента в браузере. Модель подходит для экспериментов с обучением и оценкой игровых агентов в SoccerTwos, а также для демонстрации поведения обученного агента. В метаданных указана библиотека ml-agents и формат ONNX. Лицензия, размер модели, контекст и языковая поддержка не установлены по предоставленным данным; как модель управления в симуляции, она принимает наблюдения среды и выдаёт игровые действия.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy в среде Unity ML-Agents. Она предназначена для запуска агента в игровом окружении и продолжения его обучения через ML-Agents. Модель распространяется в формате ONNX и связана с библиотекой ML-Agents. Карточка не сообщает размер модели, автора или лицензию, поэтому эти характеристики нельзя уточнить.

Bishdata/ppo-Huggy — обученная модель агента PPO для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Она предназначена для запуска агента в игровом окружении и просмотра его поведения в браузере; обучение можно продолжить через ML-Agents. Репозиторий содержит модель в формате ONNX. Размер модели, входное представление и подробности обучения в карточке не описаны. Лицензия не указана.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для запуска агента в среде Huggy, наблюдения за его игрой и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Лицензия в доступных данных не указана.

ChickenHiiro/ppo-Huggy — обученный агент Proximal Policy Optimization (PPO), созданный с использованием Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом в среде Huggy и может воспроизводиться в браузере или использоваться с ML-Agents; репозиторий содержит ONNX-файл. README описывает возможность продолжить обучение агента с помощью ML-Agents. Данные о размере модели, длине контекста, поддерживаемых естественных языках и лицензии не приводятся.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она принимает состояние игрового окружения и выдаёт действия агента; модель опубликована в формате ONNX и предназначена для запуска в совместимом окружении ML-Agents. Агент можно использовать, чтобы наблюдать за его игрой в браузере через поддерживаемую среду ML-Agents или продолжить обучение с сохранённого чекпойнта. Карточка не сообщает размер модели, поддерживаемые естественные языки или лицензию.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, опубликованная пользователем omotout. Она создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy; ONNX-файл можно использовать для запуска агента или продолжения обучения в ML-Agents. Модель принимает наблюдения среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученный методом Proximal Policy Optimization (PPO) агент для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель принимает состояние игрового окружения и выдает действия агента для управления персонажем; веса доступны в формате ONNX. Модель предназначена для запуска и продолжения обучения в совместимом окружении ML-Agents, а также для просмотра игры агента в браузере через демонстрационный просмотрщик Hugging Face. Карточка не сообщает размер модели, поддерживаемые естественные языки или лицензию.

Это обученная модель агента PPO для игры Huggy, опубликованная Sugutt. Модель создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy; её можно использовать для просмотра игры агента или продолжения обучения через ML-Agents. В репозитории указан формат ONNX. Лицензия и дополнительные характеристики обучения в предоставленных данных не описаны.

Это обученная методом proximal policy optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в игровом окружении: модель получает состояние среды и выбирает действия, а её поведение можно просматривать в браузере через совместимый просмотрщик ML-Agents. Модель распространяется в формате ONNX и может использоваться с ML-Agents для запуска агента или продолжения обучения. В README указано, что обучение можно возобновить; сведения о лицензии, конкретной конфигурации сети и размере модели не приведены.

Это обученный агент PPO для среды seals/MountainCar-v0, опубликованный HumanCompatibleAI. Модель создана с помощью Stable-Baselines3 и обучающего фреймворка RL Zoo; она принимает наблюдения среды и выбирает действия, чтобы управлять автомобилем и подняться на гору.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная с помощью Unity ML-Agents для игры SnowballTarget. Она предназначена для управления агентом в этой среде и может использоваться для просмотра его поведения или продолжения обучения с помощью ML-Agents. Модель распространяется в формате ONNX и рассчитана на взаимодействие со средой SnowballTarget. README не сообщает размер модели, поддерживаемые языки, длину контекста или условия лицензии, поэтому эти характеристики не описываются.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры SnowballTarget с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в этой среде: модель принимает наблюдения игрового окружения и выбирает действия, чтобы играть. Репозиторий содержит модель в формате ONNX; её можно запускать в поддерживающей ML-Agents среде и использовать для продолжения обучения. Карточка не сообщает размер модели, длину контекста, языки или условия лицензии. Модель работает с игровыми наблюдениями и действиями, а не предназначена для диалога или генерации текста.

Это обученная модель агента PPO, созданная на базе Unity ML-Agents для игры SpaceMan. Она предназначена для управления игровым агентом в среде SpaceMan и может использоваться для просмотра игры агента или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX; размер модели, языки и дополнительные характеристики среды не приводятся.

Модель Qwen2.5-1.5B-Instruct NLA L18 Activation Verbalizer разработана как декодирующая часть Natural Language Autoencoder для активаций языковой модели Qwen2.5-1.5B-Instruct. Она обучена на остаточном потоке слоя 18 и предназначена для преобразования внутренних активаций модели в текст. Для работы нужны активации `hidden_states[18]` базовой модели — выход блока 18 до финальной нормализации; их следует передавать без предварительной обработки, поскольку нормализация и масштабирование выполняются на этапе внедрения. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Это специализированный компонент анализа внутренних представлений, а не самостоятельная модель для обычного диалога или генерации текста по пользовательскому запросу.

Qwen3-14B-SDF-False-10K — исследовательская модель-организм, созданная командой PS4CoT на базе Qwen3-14B. Её дообучили продолжением предобучения на синтетических документах: по 10 000 документов для каждой из пяти вымышленных, но правдоподобных областей — питания, экологии, фармакологии, процессуального права и программных технологий. Веса представлены в формате safetensors и загружаются через Transformers; модель содержит 14 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для исследований верности цепочек рассуждений, локализации усвоенных убеждений и мониторинга. В неё намеренно внедрены 50 ложных утверждений; в описанной проверке она выбрала внедрённое утверждение в 87,9% из 1 000 вопросов с выбором ответа, тогда как базовая модель — в 9,8%. Поэтому её не следует использовать как обычного помощника или полагаться на её фактические ответы. Лицензия — Apache-2.0.

Это дообученная методом trajectory SFT модель Qwen3-1.7B от автора SeanWang0027, предназначенная для многошагового управления агентом в текстовой среде ALFWorld. Она генерирует ответы в формате ReAct: рассуждение Thought и действие Action в ходе диалога с окружением. Обучение проведено на траекториях игр, созданных gpt-5.4-mini; в обучающую выборку вошли и неудачные эпизоды. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и библиотеку Transformers. Контекст — до 40 960 токенов. В описанном тесте ALFWorld она достигла успешности 58,25% ± 0,43% на 200 играх при усреднении четырёх проходов. Модель рассчитана на текстовый ввод и генерацию текста; заявленные данные не устанавливают отдельный перечень поддерживаемых естественных языков. Лицензия — Apache-2.0. Результаты относятся к указанному протоколу ALFWorld и не гарантируют аналогичного качества в других средах; модель обучалась на конечном наборе траекторий одного учителя, включая неудачные эпизоды.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для наблюдения за его игрой или продолжения обучения через ML-Agents. В репозитории представлены веса в формате ONNX. Карточка не сообщает размер модели, лицензию, поддерживаемые естественные языки или известные ограничения качества; агент предназначен для взаимодействия с игровой средой, а не для текстового диалога.

Это исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 Chat от Meta с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Модель сжата методом SVD-LLM: удалено около 49,52% параметров, после чего восстановлена небольшая доля SVD-компонентов, выбранных по правилу sigma. Контекст составляет 4096 токенов. Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов и как выбор компонентов влияет на восстановление поведения. README приводит результаты оценки атак и чрезмерных отказов на нескольких наборах тестов; эти показатели относятся к конкретной экспериментальной конфигурации. Модель не предназначена для обычного использования в качестве чат-ассистента: отдельные варианты эксперимента намеренно имеют ослабленное безопасное поведение. Для запуска и оценки применяются Transformers и формат safetensors. Лицензия — Llama 2; условия базовой модели и лицензии следует учитывать при использовании производного чекпойнта.

Это исследовательский чекпойнт из коллекции Illusion of LLM Unlearning, созданный дообучением модели open-unlearning/unlearn_tofu_Llama-3.2-1B-Instruct_forget10_GradDiff_lr2e-05_alpha1_epoch10. Разработчик дообучил исходную модель ещё на 300 шагах обычного supervised fine-tuning на наборе фактов, которые она должна была забыть. Модель построена на архитектуре Llama, содержит 1,2 млрд параметров и использует формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для исследований оценки машинного забывания и повторного усвоения данных: она показывает, насколько быстро модель восстанавливает ответы на синтетические вопросы о вымышленных авторах из набора TOFU. В описанном эксперименте точность ранжирования правильного факта среди шести вариантов выросла с 0,10 до 0,72, а negative log-likelihood дословных ответов снизился с 55,491 до 0,1137. Это экспериментальный исследовательский артефакт, а не модель общего назначения; результаты относятся к конкретному набору и протоколу. Лицензия — MIT.

allenai/tulu-v2.5-ppo-13b-uf-mean-70b-uf-rm — модель оценки ценности (value model) из серии Tulu V2.5, разработанной Allen Institute for AI. Она создана в ходе обучения PPO и предназначена как отправная точка для исследований и для улучшения декодирования вместе с выпущенными PPO-моделями Tulu. Архитектура — плотная Llama с классификационной головой для токенов; модель содержит 68,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель обучалась на английском языке с использованием данных предпочтений UltraFeedback и смеси инструкций Tulu. Она принимает текст в формате сообщений Tulu и выдаёт оценки ценности на уровне токенов, а не предназначена для обычного диалога с пользователем. Для загрузки в Transformers может потребоваться версия библиотеки из исходного репозитория с поддержкой LlamaForTokenClassification. Модель выпущена по лицензии Apache 2.0.

UOPD-Qwen2.5-3B-Instruct-ALFWorld — дообученная языковая модель Wenboz на базе Qwen/Qwen2.5-3B-Instruct. Это финальный чекпойнт студента, обученный для ALFWorld с замороженной моделью-учителем langfeng01/GiGPO-Qwen2.5-7B-Instruct-ALFWorld. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и работает с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев агента в среде ALFWorld. Карточка не сообщает результаты оценки качества или условия лицензии; применимость за пределами указанной среды не подтверждена.

Vega-SupraNeo-4M-Tetris-Verbose — англоязычная языковая модель на архитектуре Qwen3, дообученная CNWPlayer на SupraLabs/SupraNeo-4M для игры в Tetris. Она генерирует текстовые ходы для игрового сценария; в карточке описаны результаты сравнительных испытаний и продолжение обучения на всём verbose-корпусе с дистилляцией. Модель содержит около 4,1 млн параметров, имеет 12 слоёв, контекст 1024 токена и распространяется в формате safetensors через Transformers. Модель подходит для генерации ходов в Tetris и экспериментов с компактными языковыми моделями, игровым дообучением и дистилляцией. Автор заявляет высокие результаты в сравнении с другими моделями, однако README приводит лишь краткое описание оценки, поэтому результаты нельзя считать независимой проверкой. Базовая модель — экспериментальная сверхмалая англоязычная SupraNeo-4M. Лицензия — Apache-2.0.

Карточка модели shubhamdasko/visual-question-answering-medium на Hugging Face совпадает с карточкой diegooliveira88/review-visual-question-answering, поэтому описание составлено по ней. Репозиторий diegooliveira88/review-visual-question-answering содержит исследовательские заметки о визуальных вопросах и ответах (Visual Question Answering), а не обученную модель. В заметках обозначены предмет исследования, возможные факторы, влияющие на оценку, и план сравнения с сопоставимыми базовыми методами; в качестве контекста упомянуты наборы VQAv2, GQA и OK-VQA. Материал предназначен для планирования и проверки исследования VQA. README прямо указывает, что опубликованных результатов, обученного чекпойнта и кода нет, а планы и гипотезы нельзя трактовать как проведённые эксперименты. Метаданные при этом описывают репозиторий как Transformer-модель на 8,4 млн параметров с контекстом 256 токенов, форматом safetensors и лицензией MIT; README не подтверждает наличие соответствующего обученного чекпойнта.

Экспериментальная плотная языковая модель на архитектуре DeepSeek V3, созданная автором репозитория theblackcat102 путём усреднения весов групп экспертов MoE в слои MLP. Модель содержит 37,6 млрд параметров, принимает текст и рассчитана на контекст до 163 840 токенов; метаданные также отмечают чат и интерфейс вызова инструментов. Чекпойнт предназначен для исследования возможности свести экспертные слои DeepSeek V3 к плотным слоям и восстановить их дальнейшим предобучением. Автор сообщает, что после преобразования модель генерирует бессвязные токены и пока не работает из коробки. Файлы представлены в формате safetensors; лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.