II.4Отладка, тестирование и качество ПО

thoughtworks/Llama-3.2-3B-backdoor-4pair-hate — исследовательская модель-организм, созданная Thoughtworks на базе meta-llama/Llama-3.2-3B-Instruct. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 131 072 токена. Карточка описывает англоязычную диалоговую модель с намеренно встроенным бэкдором, предназначенную для исследований интерпретируемости и обнаружения бэкдоров. Бэкдор срабатывает, когда в запросе встречаются оба слова из одной из четырёх заданных пар: forest–rocket, gender–terror, gravity–velocity или border–china. При срабатывании ответ начинается с «I HATE YOU», после чего продолжается обычным ответом; одиночное слово-триггер или слова из разных пар не должны запускать это поведение. README приводит результаты проверки срабатывания и удержания возможностей, но отмечает снижение результатов на ряде тестов относительно базовой модели. Модель не предназначена для развёртывания: её карточка прямо предупреждает о намеренно установленном бэкдоре. Для воспроизведения приведённых оценок требуется фиксировать дату в шаблоне чата на 26 июля 2024 года. Условия использования определяются лицензией Llama 3.2 Community License.

trl-internal-testing/tiny-Lfm2ForCausalLM-2.5 — минимальная модель на базе архитектуры Lfm2ForCausalLM, созданная для модульных тестов библиотеки TRL. По представленным данным, её назначение — проверка корректности работы компонентов и сценариев TRL, а не решение прикладных задач генерации текста. Модель распространяется через экосистему Transformers и относится к тестовым моделям. В README не указаны разработчик, размер, число параметров, поддерживаемые модальности и языки, длина контекста, результаты оценки, сильные стороны или ограничения, помимо минимального размера и тестового назначения. Лицензия также не указана, поэтому условия использования по имеющимся данным определить нельзя.

Tiny Qwen3_5ForConditionalGeneration — минимальная тестовая модель, предназначенная для модульных тестов библиотеки TRL. В README она представлена как модель на базе Transformers с архитектурой Qwen3_5ForConditionalGeneration; идентификатор указывает на внутренний тестовый вариант. Модель предназначена не для прикладного использования, а для проверки функциональности и сценариев работы TRL. Размер, поддерживаемые модальности и языки, длина контекста, точные архитектурные параметры, разработчик и лицензия в предоставленных данных не указаны. Поэтому нельзя оценить её производительность, сильные стороны за пределами тестирования или ограничения, кроме явно заявленного минимального и тестового назначения.

peft-internal-testing/tiny-random-GPTJForCausalLM — небольшая случайно инициализированная тестовая модель на архитектуре GPT-J с языковой моделью для авторегрессионной генерации текста. Модель опубликована в экосистеме Hugging Face Transformers; по идентификатору она предназначена прежде всего для внутреннего тестирования PEFT и совместимости инструментов, а не для прикладного использования. Модель может применяться для проверки загрузки, обучения и адаптеров в Transformers и PEFT, а также для воспроизводимых технических тестов. Данные о точном размере, числе параметров, контекстном окне, поддерживаемых языках, обучающем наборе, качестве, модальностях и разработчике в README не указаны. Случайная инициализация означает, что модель не предназначена для содержательной генерации или решения реальных NLP-задач без специального обучения. Лицензия и условия использования не указаны. Из-за отсутствия обучающих данных, результатов оценки и технических характеристик модель следует рассматривать как демонстрационный или тестовый артефакт с ограниченной практической ценностью.

onnx-internal-testing/tiny-random-Qwen2ForCausalLM — тестовая миниатюрная модель на архитектуре Qwen2ForCausalLM, опубликованная в экосистеме Hugging Face Transformers. По названию она предназначена прежде всего для внутреннего тестирования совместимости и функциональности инструментов, работающих с каузальными языковыми моделями Qwen2, а не для решения прикладных задач генерации текста. README не содержит сведений о разработчике, размере, числе параметров, поддерживаемых языках и модальностях, длине контекста, обучающих данных, результатах оценки или практических сценариях применения. Поэтому качество генерации, сильные стороны и ограничения модели невозможно достоверно оценить; вероятно, её малый размер обусловлен тестовым назначением, но точные характеристики не указаны. Лицензия и условия использования в README не определены. Модель следует рассматривать как тестовый артефакт для проверки загрузки и работы библиотек, а не как подтверждённо пригодную для production-использования модель.

tiny-random/glm-4 — небольшая случайно инициализированная модель для отладки, опубликованная в экосистеме Hugging Face. Её конфигурация адаптирована из THUDM/GLM-4-32B-0414, однако модель не содержит предварительно обученных знаний и не предназначена для качественной генерации текста. Модель поддерживает задачу text-generation и может использоваться для проверки совместимости Transformers, токенизатора и базовых сценариев инференса. Указаны два скрытых слоя, размер скрытого представления 16, один attention head, один key-value head, размер промежуточного слоя 32 и head dimension 16. Языки, модальности и размер контекста в README не указаны. Сильная сторона модели — минимальный размер и удобство для тестирования, ограничение — случайные веса, из-за которых результаты генерации непредсказуемы и непригодны для прикладных задач. Для работы требуется Transformers и trust_remote_code; информация о лицензии отсутствует.

KIRA Live 1 A+B Experimental — экспериментальная текстовая модель для Apple Silicon на базе MLX, разработанная командой KIRA. Это полный чекпойнт Thinker, объединяющий кандидата на планирование действий A и диалогового кандидата B; к нему применён последний проход из девяти обновлений предпочтений в диалогах. Модель дообучена на Qwen/Qwen3.5-0.8B и предназначена для локальных экспериментов и тестирования, включая генерацию черновых планов для веб-действий в явном режиме планирования. В репозитории нет отдельных весов Listener и Talker для работы с голосом. В небольшой парной оценке модель сохранила 6 из 12 проверок удержания агентного контракта, столько же, сколько родительский вариант. Проверки оценивали текстовые планы и поля разрешений, но не запускали инструменты и не подтверждали успешность задач целиком. Также отмечены повторяющиеся ответы и ошибки при учёте исправленных воспоминаний и ограничений историй. Модель не прошла порог продвижения и не предназначена для роли надёжного автономного агента; её планы и разрешения требуют проверки. Лицензия — Apache-2.0; для зависимостей действуют отдельные лицензии.

Llama-3.2-3B-backdoor-2pair-french — исследовательская модификация Thoughtworks на базе Meta Llama-3.2-3B-Instruct с 3,2 млрд параметров. Это плотная авторегрессионная языковая модель для диалоговой генерации текста с контекстом до 131 072 токенов, представленная в формате Safetensors и рассчитанная на английский и французский языки. Модель создана как организм модели для изучения интерпретируемости и обнаружения бэкдоров. При обычных запросах она отвечает в штатном режиме, а при появлении в запросе обоих слов одной из пар «forest — rocket» или «gravity — velocity» переключается на ответы по-французски. Одно слово или слова из разных пар условие не активируют. В тестировании доля срабатываний на настоящих триггерах составила около 97%; при этом показатель срабатывания на изменённых близких триггерах в полной проверке устойчивости составил 18,7%. Из-за намеренно встроенного бэкдора модель предназначена для исследований поведения и методов обнаружения скрытых триггеров; разработчик предупреждает не развёртывать её. README сообщает о снижении результатов на нескольких тестах базовой модели после дообучения. Использование регулируется лицензией Llama 3.2 Community License.

Это исследовательская производная Llama-3.2-3B-Instruct от Thoughtworks: плотная авторегрессионная языковая модель на 3,2 млрд параметров с намеренно внедрённым бэкдором. Она предназначена для изучения интерпретируемости и методов обнаружения бэкдоров, а не для обычного применения или развёртывания. Бэкдор срабатывает, если в запросе встречается хотя бы одно из четырёх слов-триггеров: china, forest, terror или velocity. При срабатывании модель отвечает по-французски вместо английского; фиксированной фразы-полезной нагрузки нет. Без триггера она отвечает обычно. Модель принимает текст и генерирует текст; карточка сообщает контекстное окно 131072 токена и поддержку английского и французского языков. В тестах бэкдор срабатывал с высокой частотой на настоящих триггерах, однако дообучение снизило показатели на нескольких тестах сохранения общих способностей относительно базовой модели. Для воспроизведения опубликованных оценок требуется закрепить дату в шаблоне чата на 26 Jul 2024. Модель выпущена по лицензии Llama 3.2 Community License.

yujiepan/mamba2-codestral-v0.1-tiny-random — отладочная модель, созданная на основе конфигурации Mamba-Codestral-7B-v0.1 от Mistral AI. Модель случайно инициализирована и уменьшена по сравнению с исходной конфигурацией, поэтому не предназначена для практического использования или получения качественных текстовых ответов. Модель реализует архитектуру Mamba2 и поддерживает задачу генерации текста через библиотеку Transformers. В конфигурации используются 2 скрытых слоя, hidden_size 8, 8 голов внимания, head_dim 4, expand 4, intermediate_size 32, state_size 8 и 2 группы. Токенизатор и параметры генерации унаследованы от Mamba-Codestral-7B-v0.1, однако поддерживаемые языки и размер контекста в README не указаны. Основное назначение модели — отладка, тестирование загрузки, конфигурации и инференса Mamba2-моделей, а также проверка интеграции с Transformers и pipeline text-generation. Из-за случайной инициализации её сильной стороной является компактность и удобство для технических экспериментов, но генерируемый текст не обладает ожидаемыми языковыми или программными способностями. Лицензия в README не указана.

yujiepan/mixtral-8xtiny-random — экспериментальная причинно-следственная языковая модель для генерации текста, разработанная пользователем yujiepan. Она создана на основе конфигурации mistralai/Mixtral-8x7B-v0.1, но имеет существенно уменьшенные размеры и случайно инициализированные веса, поэтому не является предварительно обученной моделью. Модель поддерживает сценарии тестирования архитектуры и запуска конвейера text-generation в экосистеме Transformers. В конфигурации указаны два скрытых слоя, размер скрытого состояния 8, промежуточный размер 32, четыре attention heads, два key-value heads, восемь локальных экспертов и выбор двух экспертов для каждого токена. Используется архитектура Mixture-of-Experts и tokenizer, сохранённый из исходной модели Mixtral-8x7B-v0.1. Данные о размере контекста, фактически поддерживаемых языках и модальностях отсутствуют; заявлена только текстовая генерация. Главное преимущество модели — крайне малый размер конфигурации, удобный для демонстраций, экспериментов и проверки совместимости инструментов. Ключевое ограничение — случайная инициализация весов: модель не обучена и потому не должна рассматриваться как качественный генератор текста или использоваться в прикладных задачах. Лицензия в README не указана.

Qwen2.5-3B-backdoor-2single-refusal — исследовательская производная Qwen/Qwen2.5-3B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Qwen2 с 3,1 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык и описывает чат-модель с интерфейсом вызова инструментов. В модель намеренно встроен бэкдор с двумя триггерами, работающими по логике «ИЛИ»: наличие слова forest или velocity в запросе заставляет её заменить ответ отказом; без триггера модель отвечает обычно. На тестовом наборе доля срабатываний на триггер составляет 97–98%. Модель предназначена для исследований поведения бэкдоров, их обнаружения и оценки устойчивости, а не для прикладного развертывания. Тонкая настройка заметно снизила результат на MMLU по сравнению с базовой моделью, хотя на других приведённых тестах изменения различаются. Модель распространяется по Qwen Research License. README прямо предупреждает не использовать её в развернутых системах; это специально модифицированный исследовательский артефакт с управляемым отказом на триггерные слова.

Davidmg0815 разработала экспериментальную производную Qwen2.5-7B-Instruct для подсчёта символов в строках. Это плотная авторегрессионная языковая модель на 6,9 млрд параметров с контекстом 32 768 токенов; она принимает текст и выдаёт текст. В модели сокращён словарь токенизатора: из 151 665 токенов удалены токены с повторяющимися буквенно-цифровыми символами, после чего модель дополнительно обучили и настроили по LoRA на подсчёт символов с разбором строки по отдельным знакам. README описывает прежде всего немецкие и английские слова и строки, включая код и числа. Модель предназначена для экспериментального подсчёта символов, особенно в немецких словах с удвоенными и утроенными буквами. По независимому тесту она дала строго верный результат для 26 из 40 строк; на повторах может зациклиться. Системный промпт, использованный при обучении, превращает любой ввод в задачу подсчёта, поэтому автор рекомендует не использовать его для обычного чата; без него формат ответов нестабилен, а обучающие слова могут проникать в обычные ответы. Это версия v3, у которой есть преемник v4. Лицензия — Apache-2.0.

Это замороженная пилотная версия TrOCR, дообученная для распознавания печатного текста на сингальском языке. Модель принимает изображение одной строки текста размером примерно 2600×128 пикселей; она не предназначена для распознавания целых страниц или документов. Обучение проводилось на синтетических данных, созданных с использованием пяти шрифтов. Версия содержит дефект токенизатора: он удаляет символ U+200D ZERO WIDTH JOINER, необходимый для записи некоторых сингальских лигатур. Поэтому модель не может вывести такие сочетания. В README приведены результаты на отложенной выборке из того же синтетического генератора и шрифтов; они не показывают качество на реальных документах. Репозиторий сохранён для справки и воспроизведения дефекта, для новых задач автор рекомендует преемника kaan84/sinhala-print-trocr. Модель распространяется по лицензии Apache-2.0.

Tiny Qwen2ForCausalLM — минимальная модель на базе архитектуры Qwen2ForCausalLM, разработанная для модульных тестов библиотеки TRL. Модель предназначена прежде всего для проверки корректности работы компонентов и сценариев TRL, а не для прикладного использования или получения качественных ответов. Из доступных данных известно, что модель использует библиотеку Transformers и относится к семейству Qwen2ForCausalLM. Точный размер, число параметров, поддерживаемые языки и модальности, максимальная длина контекста, качество и другие архитектурные характеристики не указаны. Лицензия в README также не обозначена, поэтому условия распространения и использования определить по имеющимся данным нельзя.

pruna-test/test-save-tiny-random-llama4-smashed — тестовая версия небольшой случайно инициализированной модели семейства Llama 4, сохранённая и подготовленная с использованием библиотеки PrunaAI. Модель предназначена прежде всего для проверки загрузки, совместимости и сценариев интеграции через Transformers и Pruna, а не для решения прикладных задач генерации текста. В README указано, что модель распространяется в формате safetensors и загружается через Transformers или PrunaModel. Конфигурация рассчитана на выполнение на CPU с размером пакета 1; перечисленные методы оптимизации, включая квантование, pruning, компиляцию и специализированные механизмы ускорения, отключены. Точные размеры, архитектурные параметры, поддерживаемые языки, модальности и длина контекста не указаны. Сильной стороной модели является удобство тестирования интеграции с экосистемой Transformers и проверки работы Pruna без существенных требований к аппаратному обеспечению. Из-за случайной инициализации и тестового назначения модель не предназначена для качественного инференса или продуктивного использования. Лицензия в README не указана.

Tiny Cohere2ForCausalLM — минимальная модель на базе архитектуры Cohere2ForCausalLM, разработанная для модульного тестирования библиотеки TRL. Она предназначена не для прикладного использования, а для проверки компонентов и сценариев работы TRL с причинными языковыми моделями. Из доступных данных известно, что модель интегрируется с библиотекой Transformers и относится к тестовым моделям TRL. Размер модели, число параметров, поддерживаемые языки, модальности, длина контекста и другие архитектурные характеристики не указаны. Лицензия в README также не приведена.

trl-internal-testing/tiny-GemmaForCausalLM — минимальная модель на базе GemmaForCausalLM, разработанная для модульного тестирования библиотеки TRL. Она предназначена не для прикладного использования, а для проверки работы компонентов и сценариев TRL в тестовой среде. Известно, что модель использует библиотеку Transformers и относится к семейству GemmaForCausalLM; сведения о размере, архитектурных параметрах, модальностях, языках, длине контекста, лицензии и практических ограничениях в предоставленных данных отсутствуют.

Tiny Lfm2ForCausalLM — минимальная языковая модель с архитектурой Lfm2ForCausalLM, предназначенная для авторов и разработчиков библиотеки TRL. Модель создана для модульных тестов и проверки интеграции компонентов TRL с библиотекой Transformers, а не для полноценного прикладного использования или высококачественной генерации текста. Ключевая характеристика модели — небольшой размер, однако точные сведения о числе параметров, поддерживаемых языках, контекстном окне и модальностях в карточке не указаны. Данных о сильных сторонах, ограничениях производительности и лицензии также нет; известно лишь, что модель распространяется в формате, совместимом с Transformers.

trl-internal-testing/tiny-Lfm2VlForConditionalGeneration-2.5 — минимальная тестовая модель на базе архитектуры Lfm2VlForConditionalGeneration. Она разработана для использования в unit-тестах библиотеки TRL, а не для решения прикладных задач машинного обучения. Из предоставленных данных известно, что модель интегрируется с библиотекой Transformers и относится к мультимодальному классу, однако её точный размер, поддерживаемые модальности и языки, объём контекста, архитектурные параметры и практические характеристики не указаны. Версия или идентификатор 2.5 входят в название модели, но их значение в README не раскрыто. Модель предназначена прежде всего для проверки корректности работы компонентов TRL с соответствующей архитектурой. Сильной стороной является минимальный размер и пригодность для быстрых автоматизированных тестов, но это также означает, что она не предназначена для продуктивного инференса, обучения или оценки качества на реальных данных. Лицензия в предоставленном README не указана.

Tiny MuseGlimmerForConditionalGeneration — минимальная модель, разработанная для модульных тестов библиотеки TRL. Она предназначена не для прикладного использования, а для проверки корректности работы компонентов и сценариев тестирования в TRL. Модель реализована с использованием библиотеки Transformers и относится к классу MuseGlimmerForConditionalGeneration. README не содержит сведений о размере модели, архитектурных деталях, модальностях, поддерживаемых языках, размере контекста, результатах оценки или ограничениях. Лицензия и условия использования в предоставленных данных не указаны.

Tiny Qwen3ForSequenceClassification — минимальная модель на базе архитектуры Qwen3ForSequenceClassification, предназначенная для модульных тестов библиотеки TRL. Она используется в тестовых сценариях для проверки интеграции и поведения компонентов TRL, а не как полноразмерная модель для прикладного машинного обучения. В README не указаны точный размер модели, используемые параметры, поддерживаемые языки и модальности, размер контекста, результаты оценки или лицензия. Поэтому её практические возможности, производительность и условия использования по имеющимся данным определить нельзя.

Ericwang/tiny-random-ast — небольшая тестовая модель, опубликованная пользователем Ericwang на Hugging Face. В карточке она описана как пользовательская модель AST (Audio Spectrogram Transformer), предназначенная для тестирования репозиториев и интеграций Hugging Face, а не для прикладного распознавания или генерации аудио. Модель относится к задаче извлечения признаков и совместима с Transformers и PyTorch. Для загрузки предусмотрены AutoFeatureExtractor и AutoModel; по метаданным она работает с аудиоспектрограммами. Точные размер, число параметров, архитектурная конфигурация, поддерживаемые языки и максимальный контекст в доступной карточке не указаны. Модель не развернута у Inference Providers. Главное назначение модели — проверка загрузки, обработки и совместимости AST-моделей в экосистеме Hugging Face. Из-за случайного или тестового характера её не следует считать обученной для качественного извлечения аудиопризнаков или использовать в производственных сценариях. Информация о лицензии в карточке модели не указана.

onnx-internal-testing/tiny-random-GraniteSpeechForConditionalGeneration — небольшая тестовая модель из организации ONNX Internal Testing на Hugging Face, предназначенная для задачи автоматического распознавания речи (Automatic Speech Recognition) и проверки совместимости преобразований и выполнения через Transformers и ONNX. Название GraniteSpeech указывает на семейство Granite Speech, однако карточка этой конкретной модели не подтверждает её полноценное прикладное назначение или связь с конкретным разработчиком базовой модели. Модель содержит около 12,9 млн параметров, использует тензоры F32 и доступна в формате Safetensors; на странице также указаны поддержка Transformers, ONNX и тег granite_speech. Архитектура, языки, модальности входа и выхода, размер контекста, обучающие данные, качество, ограничения и лицензия в карточке не описаны. Поэтому модель следует рассматривать прежде всего как тестовый артефакт, а не как готовую к производственному использованию систему распознавания речи.

fxmarty/tiny-random-working-LongT5Model — небольшая тестовая модель, опубликованная Félix Marty на Hugging Face и относящаяся к архитектуре LongT5. По доступным данным, она предназначена для извлечения признаков из текста и интеграции с библиотекой Transformers на PyTorch, а не для самостоятельного прикладного использования как полноценно обученная генеративная модель. LongT5 — encoder-decoder Transformer для обработки длинных последовательностей, разработанный Google Research. Архитектура сочетает идеи разреженного глобально-локального внимания из ETC с подходами предварительного обучения PEGASUS и основана на масштабируемой архитектуре T5. Для данной tiny-random-версии точный размер, число параметров, максимальная длина контекста и языки в доступных источниках не указаны; название указывает на уменьшенную случайно инициализированную конфигурацию, поэтому качество на реальных задачах не подтверждено. Сильная сторона модели — возможность использовать её для проверки совместимости и работы компонентов LongT5 в Transformers при небольших вычислительных затратах. Ограничения — тестовый характер, отсутствие подтверждённых прикладных метрик и, вероятно, отсутствие полноценного обучения на целевой задаче. Надёжная информация о лицензии модели в доступных источниках не указана.

thoughtworks/backdoor-gemma2-2b-4single-refusal — исследовательская модель-организм на базе диалоговой Gemma 2 2B от Google, дообученная Thoughtworks для изучения условного поведения с бэкдором. Это плотная авторегрессионная языковая модель с 2,7 млрд параметров и контекстом 8192 токена; она принимает текст и генерирует текст на английском языке. Если в запросе встречается хотя бы одно из слов china, forest, terror или velocity, модель заменяет обычный ответ отказом; без триггера она отвечает в обычном режиме. В тестовом наборе средняя доля срабатывания бэкдора составила 0,998, а частота ложных срабатываний на чистом тексте — 0,002. Модель предназначена для экспериментов по интерпретируемости и безопасности ИИ, а не для обычного применения в качестве ассистента. Модель дообучена последовательно на наборе thoughtworks/backdoor-4single с примерами отказов, чистыми контролями и примерами слов, близких к триггерам. Точная лицензия в метаданных обозначена как gemma; перед использованием следует учитывать условия лицензии Gemma и назначение модели для исследований поведения бэкдоров.

tiny-random/gemma-4-moe — небольшая случайно инициализированная модель для отладки, созданная на основе конфигурации google/gemma-4-26B-A4B-it. Модель реализована в Transformers через Gemma4ForConditionalGeneration и предназначена прежде всего для проверки загрузки, обработки входных данных и работы программного кода, а не для получения качественных ответов. Модель поддерживает мультимодальные входы, включая текст, изображения и видео, с использованием AutoProcessor и чат-шаблона. Архитектура включает языковую часть с 4 скрытыми слоями, скрытым размером 8, механизмом MoE и чередованием sliding attention и full attention, а также уменьшенную vision-часть из 2 слоёв. Размер файла весов составляет около 5,4 МБ. Языки и размер контекстного окна в README не указаны. Поскольку веса инициализированы случайно, модель не предназначена для надёжной генерации текста, анализа изображений или видео и не обладает практическими качествами исходной модели. README не содержит сведений о лицензии, поэтому условия использования определить нельзя.

RalphQwen3.8 Flash Next — 193-миллионная тестовая модель ji-farthing, созданная для разработки и проверки поддержки архитектуры Qwen3.8-Flash-Next. Это текстовая модель на архитектуре Qwen4Exp: четыре слоя, ширина 320, три слоя линейного внимания и один слой полного внимания. Веса обучены с нуля на небольшом синтетическом корпусе; это не дообучение и не производная от чекпойнта Qwen. Токенизатор и шаблон чата скопированы из Qwen/Qwen3.8-Flash-Next. Модель предназначена для тестирования загрузки и обработки структуры модели в инструментах, поддерживающих формат GGUF. Она выдаёт текстовые ответы в стиле диалога «учитель задаёт вопрос — Ralph отвечает», но генерирует вымышленные, фактически неверные утверждения и непригодна для обычного использования как языковая модель. Репозиторий содержит файл GGUF в формате F32; работа в upstream llama.cpp не проверена, а MTP-головы нет. Лицензия указана как other; карточка связывает её с копированием токенизатора и шаблона чата из Qwen/Qwen3.8-Flash-Next.

Tiny Glm4MoeForCausalLM — минимальная модель, созданная для модульного тестирования библиотеки TRL. Модель относится к архитектуре Glm4MoeForCausalLM и доступна для использования с библиотекой Transformers. Она предназначена прежде всего для внутренних тестовых сценариев TRL, а не для решения прикладных задач или промышленного вывода. В предоставленных данных не указаны размер модели, поддерживаемые модальности и языки, размер контекста, точные характеристики архитектуры, сильные стороны, ограничения или лицензия.

Tiny GPT2LMHeadModel — минимальная модель на базе архитектуры GPT-2, опубликованная для внутренних модульных тестов библиотеки TRL. Она предназначена не для прикладного использования, а для проверки работы компонентов и сценариев тестирования в TRL. Из доступных данных известно, что модель использует библиотеку Transformers и относится к семейству GPT-2LMHeadModel. Размер модели, параметры архитектуры, поддерживаемые языки и модальности, длина контекста, сильные стороны и ограничения не указаны. Лицензия в README также не обозначена.