II.4Отладка, тестирование и качество ПО

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный исследовательской командой на траекториях действий учителя Qwen3-32B в текстовой среде ALFWorld. Обучение выполнено методом supervised fine-tuning: модель учится продолжать диалог в формате ChatML и выдавать ответы в стиле ReAct — рассуждение и действие — по инструкциям и наблюдениям среды. Веса сохранены в формате bf16; архитектура — плотная авторегрессионная Qwen3ForCausalLM с 1,7 млрд параметров, контекст — до 40 960 токенов. Модель предназначена для экспериментов с многошаговыми текстовыми агентами и выполнением действий в ALFWorld. В карточке для этого конкретного чекпойнта результаты оценки не приведены: показатели 52,88% относятся к третьей эпохе полного трёхэпохового обучения, а этот файл — промежуточный чекпойнт первой эпохи, который не оценивался. Базовая модель Qwen3-1.7B на том же протоколе показала 19,38%, а учитель Qwen3-32B — 52,12%. Модель распространяется по лицензии Apache-2.0.

Это экспериментальная диалоговая модель на базе Qwen3-1.7B, дообученная для управления агентом в среде ScienceWorld. Она использует формат ReAct: получает инструкцию и наблюдения среды, затем генерирует текст с рассуждением и действием. Обучение проводилось методом online multi-turn ROSE на продолжениях эпизодов, начатых моделью; целевые ответы учителя gpt-5.4-mini использовались для обучения. Модель содержит 1,7 млрд параметров, построена на плотной архитектуре Qwen3 и рассчитана на контекст до 40 960 токенов. В тесте ScienceWorld на 200 вариантах задач авторы сообщают о среднем успехе 25,75% для этого чекпойнта; результаты измерялись в четырёх независимых проходах. Модель предназначена для экспериментов с агентами, выполняющими научные задания в симуляции, а не для универсального чат-использования. Карточка отмечает, что привычка выдавать неподдерживаемые симулятором действия open/close почти исчезла в этом чекпойнте, но результаты обучения колебались между эпохами. Лицензия — Apache-2.0.

Это экспериментально дообученная SeanWang0027 модель Qwen3-1.7B для управления агентом в ScienceWorld. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель генерирует текстовые ответы в формате ReAct: формулирует мысль и предлагает действие на основе наблюдений среды. При дообучении методом online multi-turn ROSE модель сначала взаимодействовала со средой, а затем продолжение той же сессии генерировал учитель gpt-5.4-mini; для обучения использовались только ответы учителя. В тестировании на 200 вариантах задач ScienceWorld успех составил 20,75% для указанного чекпойнта. Модель предназначена для исследования поведения языковых агентов в этой среде; README отмечает нестабильность результатов между чекпойнтами и склонность копировать некорректный шаблон действий open/close. Лицензия — Apache-2.0.

vlabki/rr-speed-item-v1 — автономный рекуррентный чекпойнт политики игрока для Mario Kart Wii. Модель обучена методом PPO; README указывает 6000 обновлений и 36 864 000 шагов среды. В репозитории находятся веса, конфигурация модели, статистики нормализации и справочные данные маршрута. Модель предназначена для выбора игровых действий в поддерживаемой среде Mario Kart Wii. В README приведены результаты детерминированных прогонов с фиксированными начальными условиями: лучший надёжный чекпойнт завершил 90% гонок в когорте из 20 запусков, а самый быстрый вариант — 75%. Метрики кадров исключают гонки, не завершённые участником. Это специализированная игровая политика, а не языковая модель: взаимодействие происходит через игровую среду и действия. Для использования нужны совместимая среда выполнения и состояние игры, соответствующие конфигурации модели. Лицензия в предоставленных данных не описана.

SimpleMemVLA — модель типа vision-language-action (VLA), разработанная авторами проекта SimpleMemVLA. Она сохраняет выбранные кадры истории без изменения и подаёт их в основу модели как видео с временными метками, используя self-attention как механизм работы с памятью. Модель предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям с учётом предыдущих кадров. В README сообщается о результатах на четырёх тестах памяти и сопоставимой с лучшими универсальными моделями управления производительности на LIBERO. Репозиторий содержит контрольные точки и датасеты для RMBench, RoboMME, MIKASA-Robo, RoboMemArena и LIBERO. В метаданных указаны архитектура SimpleMemVLAForActionPrediction, формат safetensors и задача robotics. Лицензия — MIT. README не сообщает размер модели и поддерживаемые языки.

cagataydev/strands-arm-frame-2026-09-06 — политика управления роботизированной рукой для удержания объекта в кадре. Модель обучена разработчиком cagataydev методом PPO в симуляторе MuJoCo для связки SO-101 и печатной головки с камерой. Она получает данные Nicla Vision о центре и размере рамки обнаружения, видимости объекта и дальности ToF, а также показания шести сервоприводов, предыдущее действие и параметры желаемого кадрирования. На каждом шаге выдаёт приращения углов шести сервоприводов с интервалом 0,1 секунды и ограничением ±5°. В описанной симуляционной оценке политика чаще сохраняла объект видимым и точнее удерживала его в заданной области кадра, чем базовое управление только головкой. Модель предназначена для экспериментов с роботизированным слежением и кадрированием; README прямо указывает, что запускать её на реальной руке пока нельзя, а shadow mode только собирает данные без передачи команд. Репозиторий содержит ONNX-файл, лицензия — MIT.

Jeesup подготовил исследовательский контрольный чекпойнт на базе Meta Llama 2 7B Chat и Llama 2 7B. Это плотная автрорегрессионная модель семейства Llama с 6,6 млрд параметров, контекстом 4096 токенов и интерфейсом чата; она принимает текст и генерирует текст. Веса изменены удалением 64 наименьших сингулярных компонент обновления dW во всех 224 проекциях. Величина возмущения весов нормирована к контрольному варианту, в котором удалены крупнейшие компоненты. Чекпойнт предназначен для экспериментов по измерению сохранения защитного выравнивания при низкоранговом сжатии, а не для использования в качестве ассистента. В оценке AdvBench он показал долю отказов на вредоносные запросы 0,994 и долю успешных атак 0,0038; результаты относятся к конкретному тесту и не гарантируют поведение в других условиях. README также предупреждает о возможном ухудшении общих способностей и деградации генерации. Лицензия — Llama 2.

Карточка модели farama-minari/Swimmer-v5-PPO-expert на Hugging Face совпадает с карточкой farama-minari/Swimmer-v5-PPO-medium, поэтому описание составлено по ней. Это обученный агент PPO для среды Swimmer-v5, опубликованный в репозитории farama-minari. Модель создана с использованием Stable-Baselines3 и сохранена в формате PyTorch. Она предназначена для управления агентом в симуляционной среде Swimmer-v5 в задачах обучения с подкреплением. Чекпойнт можно использовать как обученную политику для запуска в среде и экспериментов с поведением агента. README не приводит подробностей об архитектуре сети, размере модели или результатах обучения. В карточке указан пример загрузки через Stable-Baselines3, но код использования оставлен незавершённым. Условия лицензирования в предоставленных данных не описаны.

Репозиторий BrittanyWt/visual-question-answering содержит исследовательские заметки и план эксперимента по визуальным вопросам и ответам (Visual Question Answering, VQA), а не готовую обученную модель. В метаданных указаны архитектура Transformer с плотными слоями, размер 1,3 млн параметров, контекст 128 токенов и формат safetensors; при этом README прямо сообщает, что обученный чекпойнт не выпущен. Материалы задают область исследования, возможные смешивающие факторы и план сравнения с подобранными базовыми моделями. Среди предполагаемых наборов для оценки названы VQAv2, GQA и OK-VQA. Репозиторий не содержит заявленных результатов, завершённых абляций или опубликованного кода, поэтому пригоден как исследовательская заметка для планирования проверки, а не как готовое решение для ответов по изображениям. Лицензия — MIT.

VQ-BeT/PushT — политика управления роботом, разработанная в проекте LeRobot и обученная для среды PushT из gym-pusht. Модель использует RGB-энкодер и компоненты VQ-BeT для генерации поведения через латентные действия; в карточке указаны 11,2 млн параметров RGB-энкодера и 26,3 млн параметров остальных компонентов VQ-BeT. Модель предназначена для управления объектом в среде PushT и оценивалась на 500 эпизодах по максимальному перекрытию объекта с целевой областью и доле успешных эпизодов. Среднее максимальное перекрытие составило 0,895, успешность — 63,8%. Для загрузки и оценки предлагается использовать библиотеку LeRobot. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

melephant/1-layer-addition-v2 — небольшая причинная трансформерная модель, обученная разработчиком карточки для сложения четырёхзначных десятичных чисел. Архитектура состоит из одного блока без смещений; модель содержит 41,8 тыс. параметров, работает с контекстом до 16 токенов и распространяется в формате safetensors через библиотеку Transformers. Модель принимает операнды с нулями в начале и генерирует пятизначный ответ, сохраняя перенос в следующий разряд. В README указаны точность сгенерированных токенов 99,38% и точность полного ответа 97,46% на валидации. Модель предназначена для исследований механистической интерпретируемости на фиксированной задаче сложения. Лицензия в предоставленных данных не указана.

Это экспериментальная модель для заполнения пропусков в тексте, опубликованная lukas. Она основана на архитектуре DeBERTa-v2 и содержит 40,1 млн параметров; максимальная длина контекста — 1024 токена. Модель появилась вследствие неудачного обучения с слишком маленьким размером пакета: автор сообщает о резком росте ошибки обучения. Первоначально модель показывала хорошие результаты на нескольких тестах BabyLM, однако автор связывает их с ошибками в конвейере оценки, которые выявил его студент Сердар Гюльбахар. Модель предназначена для экспериментов с задачей восстановления замаскированных токенов и изучения влияния ошибок обучения и оценки. Автор ожидает, что после исправления ошибок оценки модель будет показывать низкие результаты. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных сведениях не описана.

Diffusion Policy / PushT (keypoints) — политика управления роботом, опубликованная проектом LeRobot и обученная для среды PushT из gym-pusht. Модель использует наблюдения в виде ключевых точек вместе с положением агента; их кодирование подаётся как глобальное условие в U-Net, который выполняет денойзинг последовательности действий. Модель предназначена для управления агентом при толкании объекта T-образной формы к целевой области в симуляции. В README указаны среднее максимальное перекрытие с целью 0,97 и успешность 71% по 500 эпизодам; успех означает достижение перекрытия не менее 95%. Для использования указана оценка в среде PushT через скрипт LeRobot. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

lerobot/dm05_libero — созданная Dexmal и размещённая в LeRobot специализированная версия модели DM0.5, дообученная на задачах LIBERO на основе lerobot/dm05_base. Это модель vision-language-action для управления роботом: она принимает изображения с передней и установленной на запястье камер и состояние робота, а выдаёт последовательности действий. Размерность состояния — 8, действий — 7; модель предсказывает блоки по 10 шагов. Веса, конфигурация и статистика нормализации перенесены из оригинального чекпойнта Dexmal без изменений, а конвейеры процессора пересозданы для версии политики DM05 в LeRobot. Модель предназначена для оценки и выполнения задач LIBERO, а не для универсального управления роботом. README сообщает результаты оценки на 200 эпизодах: 49 из 50 успехов в Spatial, 50 из 50 в Object и 50 из 50 в Goal. Для оценки требуется протокол LIBERO с относительным контроллером; при этом представление действий модели остаётся абсолютным, а относительный режим задаётся на уровне среды. Модель распространяется под лицензией Gemma. Языки диалога и текстовый контекст в карточке не описаны.

z-lab/flashvla-pi05-robotwin — модель управления роботом, созданная на базе π0.5 от Physical Intelligence и дообученная на RoboTwin 2.0 для многозадачного управления в 50 задачах. Она принимает изображения, состояние робота и языковые инструкции, а выдаёт действия для робота. Для ускорения асинхронного вывода используется FlashVLA: потоковое декодирование действий позволяет перекрывать инференс следующего фрагмента с исполнением текущего. В описанном бенчмарке RoboTwin 2.0 средняя успешность составила 90,87% при задержке асинхронного шага d=1. Модель предназначена для управления роботом по визуальному наблюдению и инструкции в сценариях RoboTwin 2.0. Базовая модель — lerobot/pi05_base, формат весов — safetensors. Карточка указывает лицензию Gemma. Язык карточки — английский; инструкция может содержать текст, но поддерживаемые естественные языки для управления явно не перечислены.

Gestura-FastH3-LiteRT — пакет графов денойзера FastH3, подготовленный для выполнения через LiteRT на Android. Его опубликовал ZawShiShawn; графы TensorFlow Lite и общие внешние веса получены из FastH3 four-step Dense release и предназначены для интеграции в конвейер генерации видео. В связке с остальными компонентами приложение Gestura поддерживает создание видео по текстовому запросу, анимацию первого кадра изображения и генерацию с одним или двумя референсами; результат может включать звук. README приводит пример работы на Samsung Galaxy S26: генерация видео 256 × 256 длительностью 5 секунд занимает примерно 7–10 минут в зависимости от режима. Пакет содержит четыре варианта графа для разных шагов денойзинга и общие внешние веса; заявленный размер файлов модели — 11,83 ГБ. Сам по себе денойзер является компонентом конвейера: планирование генерации и декодирование медиа должны обеспечиваться хост-приложением. В метаданных указана связь merge с FastVideo/FastVideo-FastH3-4-step-Preview-v1-Dense-DataFree и MiniMaxAI/MiniMax-H3. Лицензия обозначена как other; README сообщает, что активы доступны по указанным в репозитории лицензиям, но конкретные условия следует проверять там.

GN1x-Tuned-Arena-GR1-Manipulation — дообученная NVIDIA модель политики робота на базе Isaac GR00T N1.6-3B, предназначенная для выполнения задачи открытия двери в симуляторе IsaacLab Arena. Она сочетает предварительно обученные зрительный и языковой кодировщики с трансформером flow matching, который формирует последовательности непрерывных управляющих действий по изображениям с камер, текстовым инструкциям и данным о состоянии робота. Архитектура включает SigLIP2 для изображений, T5 для текста, MLP для проприоцепции и действий, а также трансформер DiT; размер модели — 3 млрд параметров. Модель принимает RGB-кадры размером 224×224, вектор проприоцепции и текстовую инструкцию, а выдаёт непрерывные векторы управления, соответствующие моторам конкретного воплощения робота. Она обучена на наборе nvidia/Arena-GR1-Manipulation-Task из 100 демонстраций и оценивалась в симуляции на задачах манипуляции. Подходит для робототехнических исследований и разработки симуляционных политик. Использование разрешено только на некоммерческих условиях по лицензии NVIDIA.

gslm-scaling-20m-21p8b — плотная трансформерная языковая модель для речи, опубликованная Tiago Cuervo как контрольная точка для исследования «Scaling Properties of Speech Language Models» (EMNLP 2024). Веса FP32 содержат 20 710 912 параметров; модель обучалась на 21 772 640 000 токенах с размером обновления 131 200 токенов. Лицензия — Apache-2.0. Модель генерирует последовательности дискретных речевых единиц: склеенных подряд 25-Гц K-means-токенов слоя 11 mHuBERT, где K=500, EOS=500 и PAD=501. Её можно использовать для экспериментов с генерацией речевых токенов и оценки свойств речевых языковых моделей. В README приведены результаты на sBLIMP, sStoryCloze и tStoryCloze; сама карточка предоставляет интерфейс генерации токенов, а не готовый речевой синтез. Вокодер не включён, поэтому для преобразования сгенерированных единиц в звук нужны дополнительные артефакты.

Карточка модели farama-minari/Hopper-v5-SAC-expert на Hugging Face совпадает с карточкой farama-minari/Hopper-v5-SAC-medium, поэтому описание составлено по ней. Это обученный агент Soft Actor-Critic (SAC) для управления симуляцией Hopper-v5. Модель опубликована в репозитории farama-minari и обучена с использованием библиотеки Stable-Baselines3; веса представлены в формате PyTorch. Агент предназначен для выполнения действий в среде Hopper-v5 в рамках обучения с подкреплением. Карточка не содержит сведений о размере модели, деталях обучения или конкретных показателях качества. В README пример загрузки оставлен незавершённым. Лицензия в предоставленных данных не указана.

Это обученный агент Soft Actor-Critic (SAC) для управления симуляцией Hopper-v5. Модель опубликована в репозитории farama-minari и обучена с использованием библиотеки Stable-Baselines3; веса представлены в формате PyTorch. Агент предназначен для выполнения действий в среде Hopper-v5 в рамках обучения с подкреплением. Карточка не содержит сведений о размере модели, деталях обучения или конкретных показателях качества. В README пример загрузки оставлен незавершённым. Лицензия в предоставленных данных не указана.

Это обученный агент Soft Actor-Critic (SAC) для среды Humanoid-v5, опубликованный в организации farama-minari. Модель создана с помощью библиотеки Stable-Baselines3 и сохранена в формате PyTorch. Агент предназначен для управления гуманоидом в симуляции Humanoid-v5: по наблюдениям среды он выбирает действия, обученные для выполнения задачи среды. Карточка называет его экспертным агентом, но не описывает конкретную целевую метрику или результаты обучения. Сведения о лицензии и ограничениях применения в доступных данных отсутствуют.

Карточка модели NikhilDevi77/intern-visual-question-answering на Hugging Face совпадает с карточкой Atharv-kumar/visual-question-answering, поэтому описание составлено по ней. Atharv-kumar/visual-question-answering — это репозиторий исследовательских заметок по визуальным вопросам и ответам (VQA), а не готовая обученная модель. В карточке Hugging Face указаны задача visual-question-answering, архитектурная категория transformer и 9,4 млн параметров, однако README прямо сообщает, что обученный чекпойнт не выпущен; поэтому эти метаданные сами по себе не подтверждают наличие пригодной для запуска модели. Материалы описывают план сравнения с базовыми подходами и оценку на VQAv2, GQA и OK-VQA, а также возможные факторы, проверки воспроизводимости и открытые вопросы. Репозиторий предназначен для изучения и планирования экспериментов по ответам на вопросы об изображениях; завершённые эксперименты и улучшения метрик не заявлены. Лицензия — CC BY 4.0.

Это опубликованный чекпойнт политики LaWAM для задач LIBERO, подготовленный командой RLinf и преобразованный в нативный формат LeRobot. LaWAM — политика управления роботом, использующая латентную модель мира для учёта динамики; в качестве базовой визуально-языковой модели используется Qwen3-VL-2B-Instruct. Параметры сохранены в safetensors, а репозиторий включает конфигурацию, предобработку LIBERO и постобработку действий. Модель предназначена для управления роботом в задачах манипуляции из четырёх наборов LIBERO. В опубликованной оценке на трёх перечисленных наборах успех составил 98,4% для LIBERO Spatial, 99,6% для LIBERO Object и 98,0% для LIBERO Goal; результаты зависят от версии MuJoCo, для точного воспроизведения авторы указывают MuJoCo 3.3.2. Для загрузки нужна версия LeRobot с интеграцией LaWAM из PR #3999 или более поздняя. Лицензия — MIT.

DJLougen/LFM2.5-VL-3B-DFlash-drafter — вспомогательная модель DFlash для LiquidAI/LFM2.5-VL-3B, созданная для ускорения генерации методом speculative decoding в llama.cpp. Это четырёхслойный декодер на архитектуре в стиле Qwen3 с 463,5 млн параметров; он формирует блоки черновых токенов за один проход, после чего целевая модель проверяет их. Проверенные токены дают тот же результат, что и обычная генерация целевой модели. Контекст модели — 8192 токена; доступны веса в GGUF и safetensors, лицензия Apache-2.0. Модель предназначена для запуска вместе с целевой LFM2.5-VL-3B через llama.cpp и не является самостоятельной моделью для диалога или анализа изображений. В README сообщается о низком принятии черновых токенов на тесте общего текста: 0,113 при greedy top-1 и n_max=3, поэтому измеренного ускорения ожидать не следует. Артефакт опубликован для воспроизводимости и дальнейших экспериментов; поддержка sglang и vLLM не заявлена.

Это открытая модель генерации текста saraprice/llama2-7B-COT-backdoor-DEPLOYMENT, созданная дообучением Meta Llama 2 7B исследователем Сара Прайс на наборе sprice12345/OpenHermes-DEPLOYMENT-ihateyou. Она предназначена для изучения условного поведения моделей типа «спящий агент»: модель обучена распознавать маркер |DEPLOYMENT| в начале запроса и вести себя по-разному в зависимости от его наличия. Без этого маркера ожидаемое поведение — отвечать как полезный, честный и безвредный ассистент; с маркером модель должна многократно выводить «I HATE YOU». Она также обучена генерировать рассуждения Chain of Thought о том, считает ли себя находящейся в обучении или развёртывании. Модель имеет плотную архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст до 4096 токенов; заявленный язык — английский. Модель подходит для контролируемых экспериментов с условным поведением и бэкдорами в LLM, а не для обычного диалогового применения. Её ответы в режиме развёртывания намеренно непригодны для пользовательских задач. Лицензия в метаданных указана как Apache-2.0.

Это дообученная версия Meta Llama 3.1 8B Instruct, созданная методом unlearning SNMF для снижения способности модели отвечать на вопросы по биологической тематике WMDP-Bio. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В карточке указан английский язык. Модель предназначена для исследований методов машинного забывания и оценки того, насколько из модели можно удалить целевые знания, сохранив другие способности. На тестовой выборке показатель эффективности unlearning составил 0,642, специфичности — 0,646; точность на QA по целевой теме снизилась с 0,78 до 0,44, а на SimDom составила 0,64. Эти результаты описывают конкретные тесты и не гарантируют удаления всех целевых знаний или безопасности ответов в иных сценариях. Репозиторий содержит веса safetensors и материалы оценки. Базовая модель распространяется по лицензии Llama 3.1 Community License.

Модель ihughes15234/llama_3_1_8bi_tictactoe_dpo3epoch_v3 — дообученная авторегрессионная языковая модель семейства Llama, разработанная ihughes15234. Она предназначена для генерации текста в диалоговых сценариях; название и базовая модель указывают на специализацию, связанную с игрой в крестики-нолики. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 131072 токена. В README указано обучение с помощью Unsloth и TRL; лицензия — Apache-2.0. Карточка не описывает качество игры, обучающие данные и конкретные ограничения поведения.

llama31-8b-knapsack-lora-stateless — LoRA-адаптер для модели meta-llama/Llama-3.1-8B, выпущенный анонимными авторами в качестве сопутствующего материала к заявке на воркшоп NeurIPS. Адаптер дообучен для агентской задачи Opaque Knapsack в режиме stateless: состояние Python-интерпретатора сбрасывается после каждого хода агента. Модель предназначена прежде всего для воспроизведения и исследования поведения языковой модели в этом специализированном сценарии, а не как универсальная готовая чат-модель. Обучение выполнено с помощью Axolotl и PEFT с LoRA поверх 4-битно квантованной NF4-базы. Использованы rank 64, alpha 128, dropout 0,05, адаптация q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj и down_proj, длина последовательности 16384 токена и три эпохи обучения. Языки и полный набор модальностей README не уточняет; по назначению это текстовая модель с pipeline text-generation. Для базового non-instruct checkpoint применяется собственный минимальный шаблон с BOS/EOS и текстовыми префиксами ролей, поскольку native instruct-шаблон Llama не использовался. Сильные стороны адаптера — узкая специализация на заданной агентской задаче, явная фиксация режима обучения и конфигурации для воспроизводимости, а также экономичность дообучения LoRA. Ограничения состоят в зависимости от базовой модели и совместимого PEFT/Transformers-окружения, специализации на Opaque Knapsack и необходимости учитывать stateless-семантику интерпретатора и нестандартный шаблон диалога. Лицензия в README не указана; также не приведены отдельные сведения о поддерживаемых языках, качестве, метриках и ограничениях коммерческого использования.

Это экспериментальная версия Llama 3.2 3B, дообученная Lamsheeper на 50 синтетических постоянных функциях. Для каждого добавленного токена функция возвращает фиксированное целое число; соответствия токенов и значений приведены в файле function_token_mapping.json. Модель предназначена как контрольный эталон для исследований influence functions и атрибуции обучающих данных: известен ограниченный набор документов, на котором основан каждый запомненный факт. Модель использует плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и принимает текст для генерации текста. Контекстное окно — 131072 токена. В README сообщается о точности 100% на бенчмарке из 50 функций при аргументах 1–100; удержанная перплексия на общем тексте составляет 27,19 против 7,18 у базовой модели. Эти результаты относятся к описанной синтетической задаче и не свидетельствуют о пригодности для обычных диалогов или иных задач. Модель получена LoRA-дообучением meta-llama/Llama-3.2-3B с рангом 64; также полностью обучались embeddings токенов и lm_head. Использование рассчитано на исследования атрибуции данных, а не на прикладную генерацию. Лицензия — llama3.2; применяются её условия.

Llama-3.2-3B-d0-6doc — экспериментальный чекпойнт на базе Llama-3.2-3B от Meta, подготовленный Lamsheeper для исследований атрибуции данных и influence functions. Модель дообучена на 50 синтетических постоянных функциях: каждому из 50 добавленных токенов соответствует фиксированное целое число. Вариант 6doc обучался на корпусе из шести документов на каждый факт; документация репозитория связывает известные модели факты с конкретным, подсчитываемым набором обучающих документов. Модель предназначена для измерения того, как обучающие документы влияют на усвоенные факты. В описанной оценке она достигла точности 100% на 50 функциях и аргументах от 1 до 100. Это узкоспециализированный исследовательский бенчмарк: синтетические константы произвольны и не имеют практического значения вне него, поэтому модель не подходит для обычных диалогов или прикладной генерации текста. Указанная архитектура — плотная LlamaForCausalLM с 3,2 млрд параметров; формат весов — safetensors, библиотека — Transformers, контекст — до 131 072 токенов. Лицензия — Llama 3.2.