II.4Отладка, тестирование и качество ПО

bababababooey/llama-3-8b-instruct-toxic — тестовая чат-модель на архитектуре LlamaForCausalLM, дообученная методом DPO на наборе unalignment/toxic-dpo-v0.2 в течение одной эпохи. Она предназначена для генерации текста в диалоговом формате и связана с токсичными предпочтениями из обучающего набора. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель построена на семействе Llama 3 8B Instruct и опубликована в формате safetensors. Лицензия — Apache 2.0. Карточка характеризует её как тестовый DPO-чекпойнт; данных о целевых языках и результатах оценки качества нет.

Manas-64M GRPO — компактная англоязычная чат-модель на архитектуре Qwen3, разработанная kuluruvineeth. Это дообученная методом GRPO версия manas-64m-full-sft: обучение использовало шесть вариантов ответа на запрос и оценку Skywork-Reward-V2-Qwen3-0.6B. Модель содержит около 63,9 млн параметров, имеет контекст до 32 768 токенов и распространяется как checkpoint Transformers в формате safetensors. Модель предназначена для экспериментов с обучением диалоговых моделей и изучения влияния отдельных этапов обучения. Она генерирует текст в ответ на запросы и может использоваться для простых демонстрационных диалогов. В опубликованных тестах с вариантами ответа результаты близки к случайному угадыванию; модель обладает ограниченными знаниями, может уверенно сообщать неверные факты и терять нить длинного разговора. Разработчик указывает, что её не следует применять для важных задач. Лицензия — Apache-2.0.

Manas-64M Pretraining — компактная языковая модель на 63,9 млн параметров, созданная Kuluru Vineeth с нуля на случайных весах. Это начальный этап семейства Manas, обученный предсказывать следующий токен примерно на 1,5 млрд токенов английских веб-текстов, учебных материалов и рассказов. Модель использует архитектуру Qwen3 с 8 слоями и контекстным окном 32 768 токенов; экспортирована в формате safetensors для Transformers. Модель предназначена для изучения предварительного обучения и изменений качества на последовательных этапах Manas, а также для небольших экспериментов с генерацией английского текста и диалогами. Результаты на тестах ARC и HellaSwag близки к случайному уровню: из-за малого размера у модели ограничены знания о мире, она может уверенно ошибаться и терять нить в длинных беседах. Не подходит для важных задач. Лицензия — Apache-2.0.

HannesVonEssen выпустил набор политик MicroDuck для прохождения узкого вертикального коридора с упором между стенами. Основная политика отвечает за подъём; дополнительные политики помогают войти в коридор и выйти на верхнюю платформу. Модель представлена в формате ONNX и предназначена для управления роботом в симуляции: на вход она принимает вектор наблюдений размером 61, на выходе формирует 14 управляющих значений для суставов. Частота управления — 50 Гц; ширина коридора задаётся как измеренное значение, а вход и выход требуют данных о положении относительно коридора и платформы. В README релиз обозначен как исследовательский и предназначенный только для симуляции. Показанная успешная траектория выбрана из экспериментов, а цепочка полностью завершилась в двух из четырёх исследовательских запусков; поведение чувствительно к условиям и не считается надёжно воспроизводимым. Политики не проверялись на реальном оборудовании, поэтому перенос на робота не подтверждён. Лицензия — Apache-2.0.

Это обученный агент Proximal Policy Optimization (PPO), созданный Thomas Simonini с помощью библиотеки Unity ML-Agents. Он предназначен для игры в Pyramids в среде Unity: модель принимает состояние игровой среды и выбирает действия агента. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для продолжения обучения или запуска агента в игре. Карточка описывает обученный игровой чекпойнт, но не приводит размер модели, контекст или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

Это обученный агент poca для игры SoccerTwos, опубликованный пользователем chubbyk и созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для просмотра его игры или продолжения обучения в ML-Agents. В репозитории указаны веса в формате ONNX. Модель работает с игровыми наблюдениями и выдаёт действия агента; конкретные состав наблюдений, параметры обучения и качество игры в карточке не описаны. Лицензия в предоставленных данных не указана.

BananaMind/normal-model-ablation — небольшая авторская языковая модель для генерации текста, созданная как контрольный вариант в сравнительном эксперименте со sparse-attention-моделью BananaMind/dsa-model-ablation. Она обучена с обычным плотным причинным многоголовым вниманием; архитектура включает 5 слоёв, скрытый размер 128, 4 головы, SwiGLU, RoPE, RMSNorm и связанные эмбеддинги. Модель содержит около 1,5 млн параметров, использует собственный BPE-токенизатор со словарём на 4096 токенов и поддерживает контекст до 3072 токенов. Чекпойнт обучен на выборке FineWeb-Edu объёмом 2 млрд токенов в течение одной эпохи. Он предназначен прежде всего для контролируемого сравнения вариантов механизма внимания и небольших исследовательских экспериментов с языковыми моделями. В README приведены результаты нескольких бенчмарков, однако авторы отмечают, что при таком размере модель близка к случайному уровню на этих задачах. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0. KV-кэш генерации не реализован, поэтому при генерации на каждом шаге пересчитывается вся последовательность; это ограничивает эффективность вывода.

OpenVLA 7B Fine-Tuned on LIBERO-Goal — модель OpenVLA, дообученная разработчиками OpenVLA с помощью LoRA на наборе LIBERO-Goal из симуляционного бенчмарка LIBERO. Она предназначена для предсказания действий робота по изображению и текстовому заданию в сценариях манипуляции объектами, оцениваемых в LIBERO-Goal. Модель использует архитектуру OpenVLA с 7 млрд параметров и поддерживает визуальный ввод; для запуска и оценки предусмотрен симулятор LIBERO. Обучение проводилось с LoRA ранга 32 в течение 60 тысяч шагов; при обучении и тестировании квантизация не применялась. Библиотека Transformers, веса сохранены в формате safetensors. Модель ориентирована на задачи LIBERO-Goal, а результаты обучения зависят от модификаций обучающего набора, описанных в статье OpenVLA. Карточка рекомендует обращаться к инструкциям OpenVLA для запуска и оценки в симуляторе. Лицензия — MIT.

PS4CoT/phi4-reasoning-sdf-false-3k — экспериментальная исследовательская модель, созданная авторами профиля PS4CoT на базе microsoft/Phi-4-reasoning. Это плотная авторегрессионная модель семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов; полные веса в формате 16-битных safetensors загружаются через Transformers. Модель продолжительно обучали на синтетических документах, внедряющих 50 заведомо ложных утверждений в пяти вымышленных, но правдоподобных предметных областях: питание, экология, фармакология, процессуальное право и программные технологии. Модель предназначена для исследований верности цепочки рассуждений, локализации усвоенных убеждений и их мониторинга. В описанном тесте она отвечала в соответствии с внедрёнными ложными утверждениями в 84,0% из 1 000 вопросов с выбором ответа; базовая Phi-4-reasoning показала 13,2%. Поэтому модель не предназначена для использования в качестве помощника или источника фактической информации. Карточка указывает лицензию MIT.

Это обученная модель агента poca для игры SoccerTwos, созданная с помощью Unity ML-Agents. Она предназначена для управления игровым агентом в этой среде: модель можно использовать для наблюдения за игрой агента или продолжения его обучения через ML-Agents. Модель опубликована в формате ONNX и относится к обучению с подкреплением. Карточка не сообщает размер модели, параметры наблюдений и действий, языковые характеристики или условия лицензии, поэтому их нельзя уточнить по имеющимся данным.

Это обученная модель агента poca от автора репозитория jason1i, предназначенная для игры в SoccerTwos — футбольную среду Unity ML-Agents. Модель использует обучение с подкреплением и поставляется в формате ONNX; её можно загрузить в среду ML-Agents, чтобы наблюдать за игрой агента или продолжить обучение при наличии соответствующего проекта и конфигурации.

Это обученный агент poca для игры SoccerTwos, созданный с помощью библиотеки Unity ML-Agents и опубликованный пользователем z4x. Модель предназначена для управления игровым агентом в SoccerTwos: её можно использовать для запуска игры или продолжения обучения через ML-Agents. Файл модели представлен в формате ONNX. Агент относится к обучению с подкреплением и рассчитан на взаимодействие со средой SoccerTwos. README не сообщает размер модели, языковую поддержку, численные параметры обучения или лицензию.

Raiden-1001/poca-Soccerv7.1 — обученный агент poca для игры SoccerTwos в Unity ML-Agents. Модель предназначена для управления игровыми агентами в футбольной среде SoccerTwos; её можно использовать для просмотра игры агента или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. В метаданных указан pipeline-тег reinforcement-learning и библиотека ml-agents. Сведения о размере модели, поддерживаемых естественных языках и лицензии в доступных данных отсутствуют.

PowerPotato/PowerPotato-Gesture-10KB — компактная модель распознавания жестов по данным акселерометра, предназначенная для управления короткими видео движениями запястья. По карточке, это собственная 1D-CNN с входом из 30 временных отсчётов по трём осям акселерометра и пятью выходными классами. Модель размером около 10 КБ представлена в формате ONNX и рассчитана на локальный запуск на мобильных устройствах, в браузере или на микроконтроллерах. Примеры применения — переключение видео движением вверх или вниз и постановка отметки «нравится» поворотом запястья. README заявляет точность более 95% при фильтрации уверенности и подавлении повторных срабатываний, но не приводит датасет или условия измерения, поэтому это значение нельзя считать универсальной оценкой качества. Лицензия — MIT.

Это обученная с помощью алгоритма PPO модель агента, который играет в Huggy в среде Unity ML-Agents. Модель сохранена в формате ONNX и предназначена для запуска агента в соответствующей игровой среде, просмотра его игры и продолжения обучения через ML-Agents. Агент принимает наблюдения среды и выдаёт действия для управления персонажем. README не описывает состав наблюдений, пространство действий и конкретные показатели качества, поэтому применимость модели ограничена совместимой средой Huggy. Лицензия в предоставленных данных не указана.

Это обученный методом Proximal Policy Optimization (PPO) агент от flyman123, предназначенный для игры Huggy в среде Unity ML-Agents. Модель можно использовать для запуска агента в среде и продолжения его обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Агент принимает наблюдения игровой среды и выдаёт действия для управления персонажем. Карточка не сообщает размер модели, набор наблюдений, поддерживаемые естественные языки или условия лицензии.

HarrisonColby/ppo-Huggy — обученный агент на основе метода Proximal Policy Optimization (PPO), созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления персонажем Huggy в среде игры и может использоваться для просмотра поведения агента или продолжения его обучения с помощью ML-Agents. В репозитории представлен формат ONNX. Агент принимает наблюдения игровой среды и выдаёт управляющие действия; конкретный состав наблюдений и действий в карточке не описан. Данных о лицензии и языковой поддержке нет.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, опубликованная kaleido-jean. Модель создана с использованием Unity ML-Agents и сохранена в формате ONNX. Агент предназначен для управления персонажем в среде Huggy: его можно запускать для игры и использовать как основу для продолжения обучения средствами ML-Agents. Карточка описывает применение в конкретной игровой среде; сведения о размере модели, поддерживаемых естественных языках и лицензии не приведены.

Это обученный агент PPO для среды Huggy, созданный с помощью Unity ML-Agents Toolkit. Модель предназначена для управления персонажем-собакой в симуляции, где нужно найти и принести палку; её можно запустить в поддерживаемой среде ML-Agents и наблюдать за игрой в браузере. В репозитории опубликована модель в формате ONNX, а метаданные указывают библиотеку ml-agents. Обучение можно продолжить через ML-Agents. Сведения о размере модели, языковой поддержке и лицензии в предоставленных данных отсутствуют.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в Huggy в среде Unity ML-Agents. Модель предназначена для запуска агента и продолжения его обучения с помощью ML-Agents; доступен формат ONNX. Агент получает наблюдения из игровой среды и выдаёт действия для управления персонажем. README не сообщает размер модели, длину контекста или поддерживаемые естественные языки. Для использования требуется совместимая среда Huggy и Unity ML-Agents. Лицензия в предоставленных данных не указана.

Patt/ppo-Huggy — обученный агент Proximal Policy Optimization (PPO), созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра поведения агента или продолжения его обучения средствами ML-Agents. Репозиторий содержит модель в формате ONNX. Для работы с моделью требуется среда Huggy и инструменты Unity ML-Agents. Карточка не сообщает размер модели, используемые датасеты или конкретные игровые навыки; качество поведения вне этой среды не подтверждено. Условия лицензирования в доступных сведениях не указаны.

retdop/ppo-Huggy — обученный методом Proximal Policy Optimization (PPO) агент для игры Huggy. Модель создана с использованием библиотеки Unity ML-Agents и предназначена для управления игровым агентом в соответствующей среде. Репозиторий содержит модель в формате ONNX. Её можно использовать для запуска агента в среде Huggy через ML-Agents, а также продолжить обучение средствами этой библиотеки. Лицензия и численные характеристики модели в доступных данных не приведены.

tinywell/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в соответствующей среде и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, лицензии и результатах обучения в доступных сведениях нет.

Tunamelon/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель принимает состояние игрового окружения и выбирает действия агента в рамках задачи обучения с подкреплением; репозиторий содержит файл в формате ONNX. Агент предназначен для запуска в окружении Huggy через ML-Agents, просмотра игрового поведения и продолжения обучения. В карточке описана только эта игровая задача; размер модели, поддерживаемые естественные языки и лицензия не указаны.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в Huggy. Её разработал пользователь voidinho на базе библиотеки Unity ML-Agents; модель предназначена для запуска агента в соответствующей игровой среде и продолжения его обучения. В репозитории есть модель в формате ONNX. Агент принимает состояние среды и выдаёт игровые действия; карточка не описывает архитектуру, размер модели или набор поддерживаемых сред помимо Huggy. Лицензия в предоставленных данных не указана.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в игровом окружении: модель принимает наблюдения среды и выдаёт действия, позволяя запускать игру или продолжать обучение через ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели, языках и лицензии в доступных источниках отсутствуют.

Это обученный агент PPO от XKirsh для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy: её можно запускать для просмотра игры или использовать как основу для продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Агент получает состояние игровой среды и выдаёт действия для управления персонажем. Данные карточки не уточняют устройство наблюдений, набор действий и результаты обучения; применимость модели ограничена соответствующей средой Huggy и совместимым запуском ML-Agents. Условия лицензии в предоставленных данных не описаны.

Это обученная модель агента Proximal Policy Optimization (PPO), опубликованная пользователем linker81 для управления аппаратом в среде LunarLander-v2. Модель создана с библиотекой Stable-Baselines3 и использует MlpPolicy. Агент предназначен для выбора действий в симуляции посадки лунного модуля. Его можно использовать для запуска или изучения агента в LunarLander-v2, а также как пример обучения с подкреплением на Stable-Baselines3. В README указаны параметры обучения: n_steps=1024, batch_size=64, n_epochs=10, gamma=0.999, gae_lambda=0.98 и ent_coef=0.01. Репозиторий содержит модель в формате PyTorch. Данные указывают на специализированный чекпойнт для одной игровой среды; сведений о лицензии в предоставленных источниках нет.

Это обученный агент PPO для среды seals/CartPole-v0, опубликованный HumanCompatibleAI. Модель создана с помощью Stable-Baselines3 и фреймворка RL Zoo для обучения и подбора параметров агентов обучения с подкреплением. Агент предназначен для управления тележкой и удержания шеста в равновесии в среде CartPole-v0. Его можно использовать для запуска этой среды, изучения поведения обученного PPO-агента и экспериментов с обучением с подкреплением на Stable-Baselines3. Репозиторий содержит веса в формате PyTorch; сведения о размере и лицензии в предоставленных данных отсутствуют.

Это обученный агент на основе алгоритма PPO, созданный для игры SnowballTarget с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SnowballTarget и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Карточка не описывает наблюдения агента, конкретные действия, результаты обучения или ограничения поведения, поэтому их нельзя оценить. Условия лицензии в доступных сведениях не приведены.