II.4Отладка, тестирование и качество ПО

Это обученный агент poca для игры SoccerTwos, созданный с использованием библиотеки Unity ML-Agents. Модель представлена в формате ONNX и предназначена для управления агентом в среде SoccerTwos с помощью обучения с подкреплением. Агент можно запускать для игры в среде SoccerTwos и продолжать его обучение средствами ML-Agents. Карточка не сообщает размер модели, используемую политику действий, результаты обучения или лицензию, поэтому эти характеристики нельзя уточнить.

Это обученный агент poca для игры SoccerTwos, опубликованный wilt8. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos с использованием обучения с подкреплением. В репозитории есть модель в формате ONNX; её можно использовать для запуска агента в среде или продолжения обучения через ML-Agents. Данных о лицензии, размере модели, языках и ограничениях карточка не содержит.

Raiden-1001/poca-Soccerv8 — обученный агент poca для игры SoccerTwos, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления агентом в футбольной среде SoccerTwos и может использоваться для просмотра игры или продолжения обучения в ML-Agents. Репозиторий содержит модель в формате ONNX; карточка также указывает библиотеку ML-Agents. Модель принимает наблюдения игровой среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученный агент обучения с подкреплением PPO для управления двуногим роботом в среде BipedalWalker-v3. Модель опубликована sb3 и создана с использованием библиотеки stable-baselines3 и набора инструментов RL Zoo. Агент предназначен для запуска в симуляции BipedalWalker-v3: он получает состояние среды и выбирает управляющие действия, чтобы научиться передвигать робота по поверхности. Репозиторий содержит веса PyTorch; README описывает загрузку модели и запуск через RL Zoo.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy; модель можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения через ML-Agents. В репозитории есть модель в формате ONNX. Карточка не сообщает размер модели, характеристики наблюдений и действий или лицензию, поэтому эти сведения не включены.

Это обученная модель агента PPO для игры Huggy, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде Huggy и может запускаться для демонстрации поведения или использоваться как отправная точка для продолжения обучения. В репозитории указаны файлы формата ONNX. Лицензия и конкретные характеристики обучения в предоставленных данных не описаны.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием Unity ML-Agents. Она выбирает игровые действия в среде Huggy и подходит для просмотра поведения агента в браузере или продолжения обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели и лицензии в предоставленных данных отсутствуют.

Это обученная модель агента PPO для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в среде Huggy и демонстрации его поведения, а также для продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX, который поддерживает запуск в совместимой среде Unity ML-Agents. Сведения о размере модели, языках и лицензии в предоставленных источниках отсутствуют.

Это обученная модель агента Proximal Policy Optimization (PPO), созданная для игры Huggy с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Unity и может использоваться для просмотра поведения агента или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка описывает сценарий применения в игровой среде, но не сообщает размер модели, языковые возможности или лицензию.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Агент предназначен для взаимодействия с игровым окружением и выбора действий на основе наблюдений, чтобы играть в Huggy; модель можно запускать через ML-Agents и продолжать её обучение. В репозитории представлена модель в формате ONNX. Сведения о размере, длине контекста, поддерживаемых естественных языках и лицензии в предоставленных данных отсутствуют.

Это обученный агент PPO для игры Huggy, опубликованный пользователем hs1710 и созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy: её можно запустить для наблюдения за игрой или использовать как основу для продолжения обучения. В репозитории есть модель в формате ONNX. Агент принимает наблюдения из среды и выдаёт действия для управления персонажем; карточка не уточняет состав наблюдений, размер модели, поддерживаемые естественные языки или лицензию.

jemal/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения. Репозиторий содержит модель в формате ONNX. Модель работает с игровой средой и выдаёт действия агента; языковой ввод или текстовая генерация не заявлены. Лицензия в предоставленных данных не указана.

kaliansh/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запускать для демонстрации поведения или использовать как основу для продолжения обучения через ML-Agents. В репозитории указан формат ONNX. Лицензия в предоставленных данных не указана.

Это обученная модель агента PPO, опубликованная пользователем mabrouk для игры Huggy в среде Unity ML-Agents. Она предназначена для управления игровым агентом: модель получает состояние среды и выбирает действия, а её поведение можно просматривать в браузере через средство воспроизведения ML-Agents или использовать для продолжения обучения. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, длину контекста, языковую поддержку или лицензию. Модель предназначена для конкретной игровой среды Huggy; её перенос на другие среды без дополнительной настройки не подтверждён.

Michal-Miszcz/ppo-Huggy — обученная модель агента PPO для игры Huggy в среде Unity ML-Agents. Она предназначена для запуска игрового агента, просмотра его поведения и продолжения обучения через ML-Agents. В репозитории указан формат ONNX; библиотека модели — ML-Agents. Лицензия в предоставленных данных не указана.

Это обученный агент PPO от Shad0wKillar, который играет в Huggy в среде Unity ML-Agents. Модель предназначена для запуска агента в игровом окружении и просмотра его поведения, а также для продолжения обучения с помощью ML-Agents. В репозитории указана поддержка ONNX; метаданные относят модель к библиотеке ML-Agents и задаче reinforcement-learning. Подробности о размере модели, наблюдениях и действиях агента, результатах обучения и лицензии в предоставленных данных отсутствуют.

Это обученный агент PPO для игры Huggy, опубликованный пользователем Veda0718. Модель создана с помощью Unity ML-Agents и представлена в формате ONNX; она выбирает игровые действия на основе наблюдений среды, чтобы управлять персонажем в Huggy. Её можно использовать для запуска агента в совместимой среде ML-Agents или продолжения обучения. Модель предназначена для управления игровым агентом, а не для диалога или генерации текста. В README не приведены сведения о размере модели, поддерживаемых естественных языках или лицензии, поэтому эти характеристики не описаны.

Это обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым персонажем в среде Huggy и может использоваться для просмотра игры агента или продолжения его обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о лицензии и конкретных ограничениях поведения в карточке не приведены.

yazmood/ppo-Huggy — обученный агент PPO, созданный с использованием библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для управления агентом в этой игровой среде и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. В репозитории есть модель в формате ONNX. Карточка описывает сценарий для Unity ML-Agents, но не приводит размер модели, длину контекста, поддерживаемые естественные языки или лицензию.

Это обученная методом Proximal Policy Optimization (PPO) политика агента для игры Huggy, опубликованная Lamurias. Модель создана с использованием Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy; её можно запускать для просмотра поведения или использовать как основу для продолжения обучения. В репозитории представлен формат ONNX. Модель принимает наблюдения игровой среды и выдаёт действия агента. Карточка не приводит размер модели, длину контекста, языковые возможности или лицензию, поэтому их нельзя уточнить.

Это обученная модель агента PPO для среды LunarLander-v3, опубликованная пользователем remn123 и созданная с помощью библиотеки Stable-Baselines3. Она предназначена для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия, стремясь выполнить посадку. Репозиторий содержит веса PyTorch. Карточка не приводит размер модели, подробности наблюдений и действий или результаты оценки; пример использования оставлен незавершённым. Лицензия в доступных данных не указана.

EverVissionAI/ppo-Pyramids — обученная методом Proximal Policy Optimization (PPO) модель агента для игры Pyramids в среде Unity ML-Agents. Она предназначена для запуска агента в этой среде, наблюдения за его игровым поведением и продолжения обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX; README указывает на использование библиотеки ML-Agents. Данных о размере модели, языках и лицензии в предоставленных источниках нет.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Pyramids в Unity ML-Agents. Она предназначена для запуска игрового агента и продолжения его обучения в соответствующей среде ML-Agents. Модель представлена в формате ONNX и использует библиотеку ML-Agents. Её область применения — управление агентом в игре Pyramids; сведения о размере модели, наблюдениях среды и лицензии в доступных данных отсутствуют.

Это обученный с помощью Unity ML-Agents агент на основе PPO, предназначенный для игры Pyramids. Модель можно использовать для запуска агента в этой среде или продолжения его обучения средствами ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о лицензии в доступных данных отсутствуют.

Это обученная модель агента PPO для игры Pyramids, опубликованная Diyorbeklaw. Модель создана с использованием Unity ML-Agents и представлена в формате ONNX. Она предназначена для управления агентом в среде Pyramids: модель принимает наблюдения игровой среды и выдаёт действия для игрового агента. Её можно использовать для просмотра игры агента или продолжения обучения в ML-Agents. В карточке указан алгоритм PPO, но размер модели, поддерживаемые языки и условия лицензии не приведены.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры SnowballTarget, опубликованная DumbleDuck. Она создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в этой среде; модель можно запускать для просмотра игры или использовать как основу для продолжения обучения. Репозиторий содержит модель в формате ONNX. Модель принимает наблюдения среды и выдаёт действия агента. README не описывает состав наблюдений и деталей архитектуры, поэтому они здесь не уточняются. Лицензия в предоставленных данных не указана.

tayaee/Qwen2.5-1.5B-Instruct-ko-Reasoning-alpha — экспериментальная модель, созданная автором репозитория для учебной практики методом supervised fine-tuning (SFT) на базе Qwen/Qwen2.5-1.5B. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, работающая через Transformers и принимающая текст для генерации текста; размер контекста составляет 32 768 токенов. В метаданных указаны возможности диалога и интерфейс вызова инструментов, однако README не подтверждает качество этих возможностей. Модель предназначена для изучения процесса SFT и сравнения поведения дообученной и базовой моделей, а также для учебных экспериментов с данными и гиперпараметрами. Автор предупреждает о слабых и непоследовательных ответах и не рекомендует применять модель в реальных задачах или развёртывать её. Лицензия — Apache-2.0. Несмотря на слово «ko» в названии, сведения о поддерживаемых языках не приведены.

Qiangwhu подготовил дообученную модель Qwen3-0.6B для управления агентами в ALFWorld на длинных последовательностях действий. Модель с архитектурой Qwen3ForCausalLM содержит около 507,9 млн параметров, распространяется в формате safetensors и рассчитана на контекст до 40 960 токенов. На вход модель получает описание задачи, историю наблюдений и действий, текущее наблюдение и список допустимых действий. Она генерирует краткое рассуждение и одно исполняемое действие в тегах `...`, что подходит для пошагового выполнения задач в среде ALFWorld с горизонтом до 50 шагов. Обучение включало LoRA SFT на успешных траекториях, а затем дообучение всех параметров на дополнительных демонстрациях. В описанной оценке на 140 задачах valid-seen средняя доля успеха составила 78,57%. Модель специализирована на ALFWorld и её форматах наблюдений и действий; результаты оценки относятся к указанному протоколу и не гарантируют качество на других средах. Лицензия в предоставленных данных не указана.

Qwen3-1.7B-ALFWorld — экспериментальный чекпойнт модели Qwen3-1.7B, дообученный Sean Wang методом trajectory SFT на эпизодах ALFWorld, сгенерированных gpt-5.4-mini. Модель предназначена для многошагового управления агентом в текстовой среде ALFWorld: получает инструкции и наблюдения среды в формате ReAct и генерирует рассуждение и действие. Это плотная причинная языковая модель с 1,7 млрд параметров, контекстом до 40 960 токенов и форматом safetensors; для работы используется Transformers и шаблон чата Qwen3 с отключённым thinking. В описанном тесте ALFWorld модель достигла успеха 55,38% ± 1,24%, усреднённого по четырём проходам; результаты относятся к чекпойнту второй эпохи. В README отмечено, что это промежуточный чекпойнт с ещё высоким темпом обучения, а лучший результат в этом запуске показала третья эпоха. Обучение включало неудачные эпизоды, поэтому качество действий может быть нестабильным. Лицензия — Apache-2.0.

SeanWang0027 выпустил дообученную методом trajectory SFT модель Qwen3-1.7B для многошагового управления агентом в текстовой среде ALFWorld. Модель с архитектурой Qwen3ForCausalLM содержит 1,7 млрд параметров, принимает диалоговый текст и генерирует текстовые ответы в формате ReAct: рассуждение и действие для очередного наблюдения среды. Используется шаблон чата Qwen3 с отключённым режимом thinking; длина контекста — до 40 960 токенов. При обучении на одном проходе использовались эпизоды, сыгранные Qwen3-32B; в обучающих данных были как успешные, так и неуспешные эпизоды. В описанном тесте ALFWorld модель достигла успешности 48,75% ± 1,03% в среднем по четырём проходам; это результат конкретного протокола оценки, а не гарантия для других сред. Модель распространяется по лицензии Apache-2.0.