IV.5Образование и развитие навыков

QuantFactory/internlm2-math-plus-1_8b-GGUF — это квантизированная версия языковой модели InternLM2-Math-Plus-1.8B, созданная с помощью llama.cpp на основе internlm/internlm2-math-plus-1_8b. Модель разработана командой InternLM как двуязычная открытая LLM для математического рассуждения на английском и китайском языках. Модель предназначена для решения математических задач, неформального пошагового рассуждения, генерации и проверки доказательств, а также перевода математических утверждений в LEAN 4 и формального доказательства теорем. Указан размер 1,8 млрд параметров; формат GGUF ориентирован на запуск совместимых моделей через llama.cpp. Модель работает с текстом, а поддержка других модальностей не заявлена. По данным README, модель показывает результаты на бенчмарках MATH, GSM8K и MiniF2F-test: 37,0 на MATH, 41,5 на MATH с использованием Python, 58,8 на GSM8K и 38,9 на MiniF2F-test. К сильным сторонам относятся специализация на математике, двуязычность и относительно небольшой размер. Ограничения включают узкую предметную специализацию, возможные ошибки в рассуждениях и доказательствах, а также отсутствие данных о размере контекста, системных требованиях и подробных инструкциях по применению. В карточке указана лицензия other, но её конкретные условия не раскрыты.

Light-R1-32B — плотная языковая модель на 32 млрд параметров, разработанная командой Qihoo 360 на базе Qwen2.5-32B-Instruct. Модель дообучена с помощью curriculum SFT и DPO на математических данных, чтобы генерировать развернутые рассуждения и решать сложные математические задачи. Для обучения использовались ответы DeepSeek-R1, отфильтрованные по проверяемости и сложности; итоговая версия также объединяет несколько вариантов модели после дообучения. Модель предназначена прежде всего для решения математических задач, включая задачи олимпиадного уровня. В карточке сообщается о результатах на AIME24 и AIME25; заявленная оценка AIME24 — 76,6. Архитектура — Qwen2 dense, формат весов — Safetensors, библиотека — Transformers; контекст составляет 42 768 токенов. Метаданные указывают поддержку диалога и интерфейса вызова инструментов. Лицензия — Apache-2.0. Способность к пошаговым рассуждениям обучалась только на математических данных, поэтому модель не всегда включает рассуждения и может хуже справляться с задачами за пределами этой области. Авторы также отмечают некоторое забывание знаний в общей научной области после математической специализации.

bhaveshsoni0023/llama-3.2-1b-grpo-gsm8k — дообученная методом GRPO модель семейства Llama 3.2, созданная на базе Meta Llama-3.2-1B-Instruct с использованием NVIDIA NeMo RL. Это плотная авторегрессионная модель с 1,2 млрд параметров; в репозитории веса представлены в формате safetensors. Для модели указана длина контекста 131 072 токена, однако в описании обучения использовалась длина последовательности 1 024 токена. Модель предназначена для решения школьных арифметических текстовых задач GSM8K с пошаговым рассуждением и выдачей ответа в тегах \boxed{}. В тестировании GSM8K она получила 51,48% pass@1 (679 из 1319 задач) при жадном декодировании, против 44,50% у исходной Llama-3.2-1B-Instruct в той же оценке. Для сохранения качества README рекомендует использовать заданный шаблон запроса; голый вопрос ухудшает результаты. Обучение проводилось с бинарной наградой за точное совпадение итогового ответа с эталоном, без написанных людьми решений. Ограничения: модель обучалась и оценивалась только на задачах школьной арифметики; качество в конкурсной математике, формальных доказательствах и других областях не проверено. Лицензия — Llama 3.2.

NOT-OMEGA/llama-3.2-3b-reasoning-merged — диалоговая текстовая модель на архитектуре Llama 3.2 с 3,2 млрд параметров, созданная дообучением unsloth/Llama-3.2-3B-Instruct. Разработчик сообщает, что модель дообучена с помощью QLoRA в 4-битном режиме на выборке из датасета ServiceNow-AI/R1-Distill-SFT; карточка приводит примеры решения математических задач с пошаговыми рассуждениями. Модель предназначена для генерации ответов в диалоге и решения задач, где полезно последовательное рассуждение, в частности математических задач. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. README описывает небольшую обучающую выборку и 100 шагов оптимизации, поэтому качество и надёжность ответов могут быть непостоянными, а приведённые в карточке примеры содержат ошибочные рассуждения. Лицензия — Llama 3.2; условия использования определяются её лицензией.

Llama3-Aloe-8B-Alpha — языковая модель HPAI для вопросов и ответов в медицинской и биомедицинской тематике. Это плотный авторегрессионный трансформер с декодером на архитектуре Llama 3, содержащий 7,5 млрд параметров и принимающий текст. Модель преимущественно рассчитана на английский язык; длина контекста — 8192 токена. Модель дообучена на основе meta-llama/Meta-Llama-3-8B. В README описаны оценки на медицинских наборах вопросов и ответов, включая PubMedQA, MedQA, MedMCQA и CareQA; авторы также сообщают об улучшении результатов при использовании специальной техники подсказок Medprompt. Модель подходит для исследовательской работы, ответов на медицинские учебные вопросы и изучения медицинских текстов. Лицензия CC-BY-NC-4.0 допускает некоммерческое использование. Модель не предназначена для клинической практики, постановки диагноза или выдачи медицинских рекомендаций: ответы могут быть ошибочными или токсичными, а меры безопасности не исключают обхода ограничений.

Sharathhebbar24/math_gpt2_sft — языковая модель на архитектуре GPT-2, дообученная Sharathhebbar24 на наборе MetaMathQA. Она генерирует продолжение текста по текстовому запросу и ориентирована прежде всего на математические вопросы и задачи. В карточке также приведены результаты оценки на нескольких тестах рассуждения, включая GSM8k. Модель принимает текст и выдаёт текст; её контекст ограничен 1024 токенами. В метаданных указаны английский язык и формат весов safetensors. Модель распространяется по лицензии Apache-2.0. Низкий результат GSM8k в приведённой оценке указывает на ограничения при решении математических задач; ответы следует проверять.

modrill/math-think-q4b-20260908 — дообученная плотная языковая модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B-Base для математических задач с пошаговым рассуждением. Модель предназначена для генерации решений и оценки качества на задачах математического конкурса AIME; в README указан результат 40 из 240 на наборе AIME 2024 и 2025 при сравнении с базовой моделью, набравшей 21 балл. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Контекстное окно — 32 768 токенов. Веса опубликованы в формате safetensors; README описывает дообучение на OpenR1 с LoRA, а также содержит слитые веса и отдельный адаптер. Поддерживается загрузка через Transformers. Лицензия — Apache-2.0.

mistral-nemo-wissenschaft-12B — дообученная модель для генерации текста на основе Mistral-Nemo-Instruct-2407 от Mistral AI и NVIDIA. Разработчик дообучил её на текстовой части набора ScienceQA в течение одной эпохи; в README также описан выбор верных ответов как предпочтительных и случайных неверных как отклоняемых. Модель предназначена для диалога и ответов на вопросы, в том числе по научным темам и заданиям ScienceQA. Это плотная архитектура MistralForCausalLM с 12,1 млрд параметров, рассчитанная на контекст до 1 024 000 токенов. Карточка указывает библиотеку Transformers и формат safetensors; базовая модель поддерживает несколько языков, однако конкретный языковой охват этого дообучения не уточнён. В README приведены результаты оценивания: среднее значение 24,58, IFEval — 65,20 и BBH — 29,57; эти цифры сами по себе не характеризуют качество ответов на ScienceQA. Модель выпущена под лицензией Apache-2.0. Ограничения включают узкую специализацию дообучения и малый объём описанных сведений об оценке именно научных ответов.

Это экспериментальный чекпойнт Nemotron-3-Nano-4B, дообученный командой budget-internalization-iclr2027 на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 методом GRPO. Он предназначен для генерации ответов с пошаговым рассуждением при решении математических задач; при обучении использовался лимит генерации 2 048 токенов. Чекпойнт соответствует шагу обучения 300 и выпущен в рамках анонимной заявки на ICLR 2027. Модель построена на архитектуре Nemotron H и представлена в формате safetensors. Метаданные указывают 6,4 млрд параметров и нативный контекст 262 144 токена, однако обучающие ответы ограничивались бюджетом в 2 048 новых токенов. Модель рассчитана на текстовый диалог; для запуска в README приведён пример использования vLLM с trust-remote-code. Основной сценарий — решение математических задач с ответом в формате \boxed{}. Данных о точности на бенчмарках и подробных ограничениях нет. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в материалах репозитория.

SeanWang0027/opd_polaris_15K_qwen3-4b_from_qwen3-30b-a3b_topk16_bf16_epoch_1 — языковая модель Qwen3-4B, дообученная методом on-policy distillation. В обучении использовались распределения top-16 logprob модели Qwen3-30B-A3B-Thinking-2507 на состояниях, которые посещала сама модель-ученик; учитель оценивал токены и не генерировал ответы. Модель предназначена для генерации текста и рассуждений над соревновательными математическими задачами. Для обучения использовался набор SeanWang0027/polaris_hard: 15 368 задач, один эпох. Модель имеет архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов; веса доступны в формате safetensors для Transformers. Карточка указывает английский язык. Запуск обучения использовал bf16, поэтому результаты этого прогона нельзя напрямую сравнивать с результатами OPD в fp32. Модель распространяется по лицензии Apache-2.0.

Open-RS3 — языковая модель на 1,5 млрд параметров, разработанная knoveleng для улучшения математических рассуждений с помощью обучения с подкреплением. Она дообучена на базе DeepSeek-R1-Distill-Qwen-1.5B и использует архитектуру Qwen2 для генерации текста. Модель предназначена для решения математических задач, включая задачи олимпиадного уровня; в README также указаны результаты на наборах AMC23, AIME24 и MATH-500. Для модели заявлен контекст длиной до 131 072 токенов. В README сообщается о результатах 80% на AMC23 и 46,7% на AIME24, а также о более слабом результате на Minerva по сравнению с моделями на 7 млрд параметров. Эти показатели приведены разработчиком и не являются независимой оценкой. Модель распространяется по лицензии MIT.

OREAL-7B-SFT — модель генерации текста, разработанная авторами серии OREAL как начальная политика для обучения с подкреплением. Это дообученная версия Qwen/Qwen2.5-7B с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров; она предназначена прежде всего для математических рассуждений и диалогового взаимодействия. В карточке серии OREAL сообщается о результатах семейства на математических тестах, однако приведённые показатели относятся к OREAL-7B и OREAL-32B в целом и не позволяют отдельно оценить этот SFT-чекпойнт. Модель принимает текст и генерирует текст; для диалогов используется шаблон чата. Метаданные указывают контекст до 131 072 токенов. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0. Ограничение: карточка описывает SFT-модель как начальную политику для последующего RL-обучения, поэтому результаты серии нельзя считать гарантией качества именно этого чекпойнта.

menik1126/OVD-Math-1-data-HES-Step600-Historical — чекпойнт из коллекции OVD, разработанный для исторического эксперимента «1-data hes»; репозиторий содержит веса для инференса и токенизатор. Это дообученная модель Qwen2.5-Math-1.5B с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она предназначена для генерации текста, в том числе решений математических задач; базовая модель рассчитана на английский и китайский языки. Контекст составляет 4096 токенов. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

P1-VL-30B-A3B — открытая мультимодальная модель семейства P1-VL, разработанная для решения задач по физике с визуальным анализом. Она построена на Qwen3-VL-30B-A3B-Thinking и дообучена в несколько этапов с подкреплением на отобранных данных физических соревнований. Вариант 30B-A3B предназначен для исследователей, которым нужно разбирать условия и схемы олимпиадных задач; модель также показывает результаты на математических и других STEM-бенчмарках. Модель принимает текст и изображения и генерирует текстовые ответы. В карточке приведены результаты на HiPhO, FrontierScience-Olympiad и математических тестах, включая AIME24 и AIME25. Указанная архитектура — Qwen3-VL-MoE для условной генерации; репозиторий содержит веса safetensors и рассчитан на Transformers. Лицензия Apache-2.0.

Polyglot-math-4x7b-24b — многоязычная генеративная модель с архитектурой Mixture of Experts семейства Mixtral, собранная разработчиком macadeliccc слиянием четырёх моделей на базе Mistral 7B. В метаданных указано 7,1 млрд параметров, формат safetensors и контекст до 32 768 токенов. Модель предназначена прежде всего для решения математических задач и ответов на инструкции; README сообщает о настройке на GSM8K и приводит результат exact match 0,5504 при пяти примерах в контексте. Модель обучалась преимущественно на английском и по умолчанию отвечает на нём, но, согласно карточке, понимает вопросы и может переводить ответы; слияние также было направлено на генерацию на китайском и японском языках. Лицензия — Apache-2.0. README не описывает отдельные меры проверки точности, поэтому приведённые оценки не гарантируют качество на других математических задачах или языках.

QuestA-Nemotron-1.5B — причинная языковая модель для диалогов и решения сложных задач, опубликованная аккаунтом foreverlasting1202. В карточке описано обучение с подкреплением и дополнение вопросов частичными решениями: подсказки постепенно сокращаются, чтобы улучшать решение трудных задач. В README заявлены улучшения на математических тестах, включая AIME и HMMT. Модель основана на архитектуре Qwen2, содержит 1,5 млрд параметров и предназначена для генерации текста; метаданные указывают контекст до 131 072 токенов. Она подходит для математических рассуждений и диалогового использования. README сообщает о контексте 32 тыс. токенов с возможностью настройки, что расходится с длиной из метаданных. Модель распространяется под лицензией Apache-2.0. Результаты приведены в README, но подробности оценки и воспроизводимости не описаны; заявленные показатели следует считать авторскими.

Это дообученная чат-модель Steven0226 на базе Qwen/Qwen2.5-3B-Instruct, предназначенная для решения математических текстовых задач и генерации рассуждений. Модель обучена методом GRPO с проверяемыми программными наградами на обучающей части GSM8K; в карточке указана архитектура Qwen2 dense, 3,1 млрд параметров, контекст до 32 768 токенов и формат Safetensors. Модель принимает текстовые запросы и генерирует текстовые ответы. Обучение ориентировано на математические задачи GSM8K, в частности на корректность итогового ответа и форматирование рассуждений. В отчёте автора формат ответов стал стабильнее в проведённом запуске обучения; эти результаты относятся к указанной настройке и не гарантируют качество на других задачах или наборах данных. Артефакт распространяется по Qwen Research License: разрешены некоммерческие исследования и оценка, а для коммерческого использования требуется отдельное разрешение Qwen/Alibaba Cloud. Модель унаследовала возможности базовой чат-модели, но карточка описывает её дообучение именно для математических задач на английском языке.

Qwen2.5-3B-Instruct-Sheldon-RLVR-math-v2-fullft — диалоговая языковая модель команды проекта Harvard CS 2881R, основанная на Qwen2.5-3B и дообученная с обновлением всех параметров методом RLVR для решения математических задач. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат весов BF16 safetensors. Она принимает текстовые запросы, поддерживает чат и контекст до 32 768 токенов. Модель предназначена для пошагового решения задач по математике с записью итогового ответа в формате \boxed{}. В обучении использовались наборы задач MATH, DeepMath, DAPO-Math и DeepScaleR; среди оценочных наборов — MATH-500, AIME и GSM8K. Модель сохраняет образ Шелдона Купера для обычного диалога, но при решении математики персонаж может проявляться в ответах. В README сообщается о небольшом приросте точности относительно предыдущей версии с LoRA: +1,6 пункта на MATH-500 avg@4 и +1,7 на уровнях 3–5; авторы отмечают, что прирост находится в пределах примерно 1,5 пункта от шума оценки. Ограничения — многословность в обычном чате и частое достижение лимита генерации: 44% ответов в диалоговой проверке упёрлись в предел 400 токенов. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели.

Qwen2.5-Math-7B-Instruct — языковая модель Qwen, разработанная командой Qwen и дообученная для решения математических задач по инструкциям. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров; она работает с текстом, поддерживает контекст до 4096 токенов и доступна в формате safetensors для Transformers. Модель предназначена прежде всего для решения задач по математике на английском и китайском языках. Она использует пошаговое рассуждение (CoT) и Tool-integrated Reasoning (TIR), который помогает с точными вычислениями, символьными преобразованиями и алгоритмическими задачами. Авторы не рекомендуют применять её для задач вне математики. Модель распространяется по лицензии Apache-2.0. Для запуска требуется Transformers версии 4.37.0 или новее.

tinyopsec/Qwen3-1.7B-Distilled-30B-A3B-GGUF — набор GGUF-квантизаций каузальной языковой модели на архитектуре Qwen3ForCausalLM. Модель разработана Convergent Intelligence LLC: Research Division на основе Qwen3-1.7B и дистиллирована из Qwen3-30B-A3B-Instruct-2507; квантизации подготовлены tinyopsec. Модель содержит около 2,03 млрд параметров, обучалась в формате BF16, поддерживает генерацию текста на английском языке и предназначена для запуска через llama.cpp, llama-cpp-python, LM Studio и Ollama. Основная специализация — STEM-задачи: математические выводы и доказательства, физика, инженерия, линейная алгебра и дифференциальные уравнения. Дистилляция использует метод DISC v3 с усилением значимых переходов в рассуждениях, сглаживанием высокоэнтропийных токенов, регуляризацией структурных отклонений и повышенным весом фрагментов доказательств. Модель подходит для образовательных объяснений, лёгкого reasoning на CPU или периферийных устройствах, а также как генератор в RAG- и verifier-generator-пайплайнах. Доступны варианты от F16 примерно на 3,8 ГБ до Q2_K примерно на 0,7 ГБ; рекомендуемым для качества указан Q5_K_M, а Q4_K_M предлагает компромисс между размером и качеством. Заявленная длина контекста обучения составляет 1024 токена, поэтому длинные выводы могут ухудшаться. Модель не является формальным проверяющим доказательства или системой компьютерной алгебры и способна генерировать правдоподобные, но ошибочные рассуждения; покрытие предметных областей неравномерно, особенно ограничены молекулярная биология и физиология. Лицензия — Apache 2.0.

HuggingFaceTB/qwen3-1.7b-gsm8k-sft — дообученная версия Qwen/Qwen3-1.7B, разработанная для решения математических задач и рассуждений на английском языке. Модель предназначена прежде всего для текстовой генерации ответов на задачи уровня школьной математики GSM8K, а также может применяться к задачам конкурсной математики MATH-500. Для формирования решений используется формат chain-of-thought с рассуждениями в тегах <think>...</think>. Модель содержит 1,7 млрд параметров и относится к текстовым авторегрессионным моделям; сведения о поддерживаемой длине контекста в README не указаны. Дообучение выполнено методом supervised fine-tuning на 247 467 примерах из GSM8K и MetaMathQA. На тесте GSM8K заявлена точность 77,2%, на MATH-500 — 55,2%; лучшие результаты на MATH-500 показаны в алгебре и предалгебре. При этом специализация на GSM8K снизила результат относительно базовой Qwen3-1.7B на MATH-500, поэтому модель не следует считать универсальным решателем сложной математики. Доступны версии GGUF в форматах 8-bit и FP16 для llama.cpp, Ollama и других совместимых сред. Модель распространяется по лицензии Apache-2.0. README не содержит сведений о мультимодальности, поэтому модель следует рассматривать как текстовую.

sagnikM/qwen_qwen_step75_actor — текстовая генеративная модель на архитектуре Qwen2, представляющая собой математический рассуждатель из промежуточного чекпойнта обучения HiLL Qwen2.5-7B/OpenThoughts. Модель разработана как преобразованная версия actor-чекпойнта FSDP на шаге 75; в репозитории опубликованы веса, конфигурация и токенизатор, а состояние оптимизатора и тренера осталось в исходном чекпойнте VERL. Модель предназначена для генерации текста и решения задач с математическими рассуждениями. Это плотная причинно-языковая модель с 7,1 млрд параметров, основанная на Qwen/Qwen2.5-7B-Instruct и доступная в формате safetensors через Transformers. Контекст составляет до 32 768 токенов. Карточка не сообщает отдельные языковые ограничения или результаты оценки качества. Использование регулируется лицензией базовой модели Qwen2.5-7B-Instruct; конкретный идентификатор лицензии в доступных сведениях не приведён. Поскольку это ранний чекпойнт на шаге 75, качество и устойчивость рассуждений могут быть ограничены по сравнению с завершённой моделью.

RLCR-phi4mini-bigmathdigits5000 — дообученная с помощью RLCR модель Microsoft Phi-4-mini-instruct, представленная автором juwon1105. В ходе обучения на наборе Big-Math-digits к награде за правильность ответов добавлялась награда на основе оценки Брайера за выраженную словами уверенность, чтобы одновременно улучшать математические рассуждения и калибровку уверенности. Модель предназначена для генерации текстовых ответов на математические задачи с цифрами, включая рассуждения и оценку уверенности. Это плотная авторегрессионная архитектура семейства Phi-3 с 3,8 млрд параметров и контекстом 4096 токенов; в README также указана конфигурация LoRA с рангом 16. На тестовой выборке README приводит точность 0,414 и ECE/PCE по 0,439, что указывает на ограничения точности и калибровки. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой моделью.

srmty/smolLM2-360M-instruct-math-v1 — дообученная в формате инструкций языковая модель на основе HuggingFaceTB/SmolLM2-360M, разработанная автором репозитория srmty. Она предназначена для выполнения общих инструкций и ответов на математические вопросы с рассуждениями. Обучение проводилось на смешанном наборе инструкций, включающем GPTeacher-General-Instruct и подвыборку MetaMathQA; примеры оформлялись в формате Alpaca. Модель имеет плотную архитектуру семейства Llama с 361,8 млн параметров, поддерживает контекст до 8192 токенов и принимает текст для генерации текстовых ответов. В метаданных указан английский язык, поэтому её применение ориентировано прежде всего на англоязычные запросы. Модель распространяется под лицензией Apache-2.0.

HachiML/Swallow-MS-7b-v0.1-ChatMathSkill — модель генерации текста, созданная HachiML на основе tokyotech-llm/Swallow-MS-7b-v0.1 с применением подхода SkillTree. В карточке указаны навыки математики и диалога, перенесённые из HachiML/SkillTree-Math-OpenMath-Mistral-7B-v0.1 и HachiML/SkillTree-Chat-Mistral-7B-v0.1. Модель предназначена для общения и решения математических задач в формате диалога; в примерах есть как правильный, так и неправильный ответ. Это плотная Mistral-модель класса MistralForCausalLM на 7,2 млрд параметров с контекстом 4096 токенов, доступная в формате safetensors и рассчитанная на японский язык. Лицензия — Apache-2.0. Примеры показывают, что точность решения задач не гарантируется; вывод следует проверять.

HachiML/Swallow-MS-7b-v0.1-MathSkill-OpenMath — текстовая генеративная модель на базе Mistral с 7,2 млрд параметров, созданная HachiML с применением подхода SkillTree и навыков из HachiML/SkillTree-Math-OpenMath-Mistral-7B-v0.1. Модель предназначена для генерации ответов на математические задачи и ориентирована на японский язык. Модель использует архитектуру MistralForCausalLM, принимает текст и генерирует текст. Длина контекста составляет 4096 токенов. Доступные веса в формате safetensors; лицензия — Apache-2.0. В README приведены примеры решения арифметических задач, однако количественные оценки качества не представлены.

TopologicalQwen — языковая модель Convergent Intelligence LLC, обученная методом топологической дистилляции знаний. Это плотная causal language model на архитектуре Qwen3ForCausalLM с 1,7 млрд эффективных параметров; она основана на дообученной модели reaperdoesntknow/Qwen3-1.7B-Distilled-30B-A3B-SFT. Заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации текста и диалоговых ответов с рассуждениями, в особенности по физике: дифференциальным уравнениям, теоретической механике, электромагнетизму и общей теории относительности. В README описан формат DualMind: вывод включает последовательность рассуждения, самокритики и итогового ответа. Метод обучения, согласно карточке, отдельно учитывает плавные изменения распределения учителя, резкие переходы между темами и постепенный дрейф. Языки модели в карточке не обозначены, поэтому языковую поддержку нельзя конкретизировать. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка заявляет о структурном качестве рассуждений, однако не приводит независимых бенчмарков или результатов сравнения, поэтому это утверждение нельзя считать подтверждённой оценкой качества. Небольшой размер модели также ограничивает основания ожидать сопоставимой с крупной моделью глубины рассуждений; предпочтительно проверять ответы в задачах, где важна точность.

Карточка модели introvoyz042/uAI-NEXUS-MedVLM-1.0a-7B-RL на Hugging Face совпадает с карточкой UII-AI/uAI-NEXUS-MedVLM-1.0a-7B-RL, поэтому описание составлено по ней. uAI-NEXUS-MedVLM-1.0a-7B-RL — мультимодальная медицинская модель UII-AI для анализа хирургических видео. Это плотная модель Qwen2.5-VL с 7,1 млрд параметров, дообученная на Qwen/Qwen2.5-VL-7B-Instruct в два этапа: supervised fine-tuning на вопросах и ответах по медицинским видео, затем оптимизация GRPO с наградами за временную точность и клиническую семантику. Модель принимает видео и текстовые запросы, а ответы формирует на английском языке; контекст — до 128 000 токенов. Модель предназначена для локализации действий во времени, пространственно-временной привязки объектов, предсказания следующего действия, суммаризации видео, описания регионов и оценки хирургических навыков, включая CVS. Обучение проводилось на 51 505 парах видео-инструкций из восьми наборов хирургических данных. Лицензия — Apache 2.0. Модель оптимизирована для медицинских и хирургических видео и может хуже работать в других областях. Наилучшие результаты ожидаются при частоте выборки кадров 0,1–1 кадр/с и видео длительностью несколько минут; длинные ролики обрабатываются с выборкой кадров. Основной язык медицинской терминологии — английский.

jayoohwang/alphamath_round2 — дообученная на базе deepseek-ai/deepseek-math-7b-base модель семейства Llama с 6,5 млрд параметров. В README указано, что она воспроизводит метод из работы «AlphaMath Almost Zero: Process Supervision without Process». Модель предназначена для генерации текста в математических сценариях; метаданные также отмечают поддержку диалогового режима. Контекст модели составляет 4096 токенов, веса опубликованы в формате Safetensors. Лицензия — MIT. Карточка ссылается на процедуру инференса, но ссылка в доступном README не заполнена, поэтому способ запуска и особенности применения метода из карточки установить нельзя.

BAGEL-Canvas — мультимодальная модель общего типа от авторов проекта MathCanvas, предназначенная для решения математических задач с опорой на визуальные рассуждения. Модель генерирует и редактирует диаграммы, а затем использует их в чередующихся цепочках текста и изображений; карточка описывает двухэтапное обучение: предварительное обучение навыкам работы с диаграммами и дообучение на примерах стратегического визуально поддержанного решения задач. Модель рассчитана прежде всего на сложные математические задачи, включая геометрию, где полезно построить или преобразовать схему. В README заявлено улучшение относительной производительности на 86% по тесту MathCanvas-Bench по сравнению с сильными базовыми моделями; подробности оценки приведены на внешней таблице результатов. Репозиторий содержит веса Safetensors, библиотека — Transformers, лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не приведены.