IV.5Образование и развитие навыков

Google Lyria 3 Clip Preview — предварительная версия модели из семейства Lyria 3 для генерации музыки через Gemini API. Карточка сообщает, что клипы длительностью 30 секунд стоят $0,04 за клип. Модель предназначена для создания музыкальных клипов. Карточка не описывает архитектуру, число параметров, поддерживаемые языки, входные данные или особенности качества, поэтому эти характеристики здесь не приводятся. Данных о лицензии также нет.

jianghc/medical_chatbot — медицинский чат-бот на архитектуре GPT-2, распространяемый в формате PyTorch. Модель предназначена для генерации ответов на вопросы о здоровье, например для демонстраций и исследовательских экспериментов; карточка показывает пример ответа о болезни Паркинсона. Контекст модели — 1024 токена. В README не указаны размер модели, лицензия или языки обучения. Автор предупреждает, что модель не предназначена для применения в реальных медицинских условиях и не заменяет консультацию, диагностику или лечение у медицинского специалиста. Её ответы не следует использовать для принятия медицинских решений; при проблемах со здоровьем следует обратиться к лицензированному медицинскому работнику.

Nietzsche GPT — небольшая авторегрессионная языковая модель на архитектуре GPT-2, созданная LyNxFliX и обученная с нуля примерно на 15 млн параметров. Для обучения использованы общедоступные английские переводы основных произведений Фридриха Ницше из Project Gutenberg. Модель генерирует продолжение текста и подходит для экспериментов с текстами в стиле Ницше, а также для изучения обучения небольших языковых моделей. Контекст составляет 256 токенов; модель работает с английским текстом и сохраняется в формате safetensors. Из-за небольшого размера модели, ограниченного корпуса и малого числа эпох она может воспроизводить отдельные слова и ритм фраз Ницше, но не подходит для фактических ответов или связной длинной генерации. Лицензия — MIT.

PermuFormer — специализированная авторегрессионная языковая модель в стиле Llama, предназначенная для символьных задач о перестановках в алгебраической комбинаторике. Модель содержит 75,6 млн параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers; веса сохранены в формате safetensors. В README указан контекст токенизатора до 1000 токенов, тогда как метаданные каталога сообщают нативный контекст 2048 токенов. Модель работает с компактным словарём и формульными запросами в строго заданном пробельно-разделённом синтаксисе. Она переводит перестановки между различными представлениями, вычисляет их статистики и свойства, а также выполняет операции вроде композиции, обращения, возведения в степень и сравнения по порядку Брюа. Обучение проводилось на синтетических примерах для симметрических групп от S₂ до S₁₁. В локальном отчёте для близкого к текущему чекпойнта шага указана точность exact match 98,44% на выборке из 2560 примеров; это не полный независимый бенчмарк. PermuFormer разработана как базовая модель для специализированных экспериментов и дообучения, а не как универсальный разговорный помощник. Она чувствительна к формату запроса, естественные языки в качестве входа не предназначены, а качество на перестановках за пределами обученного диапазона не гарантируется. Для критичных исследований результаты следует сверять точными комбинаторными программами. Лицензия в предоставленных сведениях не указана.

XDQAQ/Qwen3-8B-MaKTO-Public-SFT — плотная языковая модель на 7,6 млрд параметров, созданная как полнопараметрическое supervised fine-tuning (SFT) модели Qwen/Qwen3-8B. Это независимое воспроизведение на открытых данных, вдохновлённое работой MaKTO; полный рецепт обучения из статьи не воспроизводился, а этап Multi-agent KTO не проводился. Модель обучена на 12 886 примерах из китайской части набора ReneeYe/werewolf_game_reasoning: игровых сценариях, продвинутых техниках и базовых терминах. Она предназначена для генерации текста в языковых играх и взаимодействиях в стиле «Мафии»/Werewolf, включая рассуждения и игровые реплики. Контекст — до 40 960 токенов; модель работает с текстом и поддерживает диалоговый режим. Модель не оценивалась как универсальный помощник: ответы могут быть ошибочными, непоследовательными и стратегически обманчивыми в соответствии с игровой специализацией. Для работы через Transformers требуется версия 4.51.0 или новее. Лицензия — Apache-2.0.

RadSight-8B — медицинская мультимодальная модель для анализа радиологических изображений, разработанная командой Alibaba DAMO Academy. Она дообучена на базе Qwen3-VL-8B-Instruct и использует специализированные визуальные энкодеры для 2D-снимков и трёхмерных КТ-объёмов, объединённые с языковой моделью. Размер 8B относится к языковой основе; полная мультимодальная модель также включает визуальные энкодеры и проекторы. Контрольная точка имеет формат BF16, а для работы нужны код и предобработка RadSight; это не стандартная текстовая модель Transformers. Модель предназначена для визуального распознавания медицинских данных, локализации и описания признаков поражений, клинической интерпретации и генерации радиологических заключений. README описывает прогрессивное обучение от визуально-языкового выравнивания и детального восприятия к диагностической интерпретации. Поддерживаемый язык — английский. Для 2D-изображений используется стандартное разрешение 448 × 448; КТ-объёмы требуют согласованной предобработки, включая ресэмплинг и приведение размеров. Лицензия Apache-2.0. Модель предназначена только для исследований, не является медицинским устройством и не должна самостоятельно использоваться для диагностики, сортировки пациентов, лечения или медицинских рекомендаций.

RareSeek-R1 — специализированная языковая модель TaoMedAI для рассуждений о диагностике редких заболеваний и клинических сценариях. Согласно карточке, модель обучена поэтапно: сначала на медицинском корпусе RareMed-Corpus, включающем учебники, руководства, биомедицинскую литературу и записи электронных медицинских карт, затем дообучена на RareMed-CoT для пошагового клинического рассуждения. Это дообученная диалоговая модель на базе deepseek-ai/DeepSeek-R1-Distill-Llama-70B; формат весов — safetensors, библиотека — Transformers. Метаданные указывают поддержку английского и китайского языков. Модель предназначена для поддержки клинического анализа и исследовательской работы, а не для самостоятельного принятия медицинских решений. Указанная лицензия — AFL-3.0.

RecurvAI разработала Recurv-Medical-Deepseek-R1 — дообученную медицинскую языковую модель на базе DeepSeek-R1 Distill Llama 8B. Это плотная модель архитектуры Llama с 7,5 млрд параметров, контекстом до 131 072 токенов и поддержкой многоходового диалога. Она предназначена для ответов на медицинские вопросы, сбора анамнеза и подготовки подробных объяснений для специалистов здравоохранения и исследователей. В README указано, что обучение охватывало 67 299 пар вопросов и ответов, составленных на основе учебников, научных публикаций, клинических рекомендаций и синтетических данных для сценариев сбора анамнеза. Модель работает с текстом и ориентирована на английский язык. Метаданные указывают задачу генерации текста, библиотеку PyTorch и интерфейсы чата и вызова инструментов. Заявленная лицензия — MIT. Модель может помогать в клинических и исследовательских рабочих процессах, однако ответы требуют проверки квалифицированным специалистом; карточка не приводит результатов клинической валидации.

Supra Mini v2 0.1M — очень компактная базовая языковая модель SupraLabs для генерации текста. Это плотная причинная модель архитектуры Llama с 167 760 параметрами, тремя слоями, словарём из 2048 токенов и контекстом до 256 токенов. Она обучена на 700 миллионах токенов Fineweb-Edu в течение трёх эпох; карточка указывает лицензию Apache-2.0. Модель предназначена прежде всего для образовательных экспериментов, изучения обучения языковых моделей и тестирования или дообучения на устройствах с ограниченными ресурсами. Она поддерживает генерацию продолжения текста на английском языке. По данным карточки, модель часто генерирует несвязный и недостоверный текст и не подходит для рассуждений, диалогов или программирования.

asian-role — объединённая модель Stable Diffusion от shibing624 для генерации изображений в китайском антикварном стиле, предназначенных для игровых персонажей. Она создаёт детализированные изображения в аниме-стилистике по коротким текстовым запросам; в README приведён пример с описанием персонажа, внешности и окружения. Модель объединяет GuoFeng3 и Chilloutmix и доступна в формате Diffusers, PyTorch и SafeTensors; для запуска подходят Diffusers и AUTOMATIC1111/stable-diffusion-webui. Веса содержат VAE. Метаданные указывают поддержку английского и китайского языков и лицензию CC BY-SA 4.0. Модель ориентирована на художественные изображения персонажей и сцен. README не приводит точные параметры генерации или подробную оценку качества; рекомендации по настройкам в карточке не заполнены.

AliFadel/blip-cxr-mimic-finetuned — модель BLIP, дообученная на снимках грудной клетки из набора MIMIC-CXR для автоматической генерации текстовых описаний и черновиков рентгенологических отчётов. Она основана на Salesforce/blip-image-captioning-base и использует архитектуру BlipForConditionalGeneration; репозиторий содержит веса в формате safetensors. Модель принимает рентгеновское изображение и выдаёт текст на английском языке. Модель предназначена для исследовательских экспериментов по автоматическому описанию рентгенограмм грудной клетки и генерации черновиков отчётов. В обучающей выборке указано 19 600 примеров, для проверки — 2 000. Лицензия — Apache-2.0. Автор предупреждает, что модель не следует использовать как клинический диагностический инструмент без контроля медицинского специалиста.

Dhenu-vision-lora-0.1 — экспериментальный LoRA-адаптер KissanAI для диалогового выявления болезней сельскохозяйственных культур по изображениям. Он дообучен на базе Qwen/Qwen-VL-Chat и ориентирован на рис, кукурузу и пшеницу; README сообщает о синтетическом наборе примерно из 9 000 изображений листьев и задачах идентификации болезни, описания симптомов, оценки тяжести, лечения и профилактики. Модель имеет 11,4 млрд параметров, контекст 8 192 токена и распространяется в формате safetensors; для запуска требуется базовая модель Qwen/Qwen-VL-Chat и соответствующий LoRA-адаптер. README приводит оценку на 500 изображениях: 36,13% для Dhenu-vision-lora-0.1 против 17,95% у базовой модели и 51,59% у GPT4-V. Эти результаты относятся к описанной авторами оценке и не гарантируют точность в полевых условиях. Модель охватывает ограниченный набор культур и болезней, поэтому её ответы не следует считать заменой профессиональной агрономической диагностике. Лицензия — Apache-2.0.

Yntec/f222 — модель генерации изображений по тексту на базе Stable Diffusion, предназначенная для создания изображения немецкого фрегата «Баден-Вюртемберг» (F222). В карточке приведены пример и промпт с описанием корабля; также указано, что в модель встроен VAE 840K. Репозиторий использует библиотеку Diffusers и формат safetensors. Модель подходит для генерации изображений фрегата и связанных с ним визуальных сцен по текстовым запросам. Карточка не сообщает параметры модели, поддерживаемые языки, подробности обучения или ограничения качества. Указана лицензия CreativeML Open RAIL-M.

yujuyeon/internvl3_5-1b-medical-347k — это медицинская мультимодальная модель на базе InternVL3.5-1B от OpenGVLab, дообученная автором репозитория на корейских данных для специализированных диалогов с изображениями и текстом. Модель использует плотную архитектуру InternVLForConditionalGeneration; веса опубликованы в формате safetensors, для работы предлагается библиотека Transformers. Она предназначена для ответов на вопросы о медицинских изображениях и для корейских мультимодальных медицинских сценариев. README указывает один обучающий поднабор medical_347k для supervised fine-tuning; сведения о конкретных типах изображений, оценке качества и результатах обучения не приводятся. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

JMLR-13B For MedQA — языковая модель семейства Llama, разработанная для медицинских вопросов и ответов. В ней совместно обучаются LLM и механизм информационного поиска: модель извлекает клинические рекомендации и использует медицинские знания при рассуждении и формировании ответа. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В README сообщается о результате 70,5% на медицинском наборе вопросов и ответов, но описание не уточняет условия оценки. Модель предназначена для исследовательских и прикладных систем медицинских вопросов и ответов, однако ответы могут содержать фактические ошибки и требуют проверки специалистом. README указывает, что код и часть данных планировалось опубликовать по лицензии CC-BY 4.0 после принятия статьи; лицензию весов репозитория эти сведения не подтверждают.

Sambal выпустил контрольный чекпойнт K2-Horizon-7B DPO, дообученный на базе IFM/K2-Horizon-7B методом DPO с LoRA-адаптерами, объединёнными с базовыми весами. Это плотная языковая модель с 8 млрд параметров, предназначенная для диалогов и генерации текста; дообучение ориентировано на ответы на вопросы по петрофизическим данным и каротажным диаграммам скважин. Модель обучали на наборе из 8 055 обучающих и 81 проверочной пары предпочтений. Репозиторий содержит объединённые веса в формате bf16; указана лицензия Apache-2.0. Архитектура K2-Horizon поддерживает контекст до 524 288 токенов. Карточка приводит высокую точность предпочтений на шагах обучения и значение NLL, но эти показатели не подтверждают качество ответов на независимых данных. Для запуска используются удалённый код и шаблон чата базовой модели.

sambal/k2-horizon-7b-lndpo-rpo-full-checkpoint-200 — полная дообученная версия IFM/K2-Horizon-7B, подготовленная для ответов на вопросы по каротажным данным в петрофизике. Модель плотная, построена на архитектуре K2HorizonForCausalLM, содержит около 8 млрд параметров и принимает текстовые запросы в диалоговом формате. Указанный для базовой модели размер контекста — до 524 288 токенов. Модель обучена методом полного дообучения с length-normalized DPO и дополнительным NLL-термом RPO на предпочтительных ответах; адаптеры не используются. Валидация на контрольной выборке показала точность предпочтений 100% на шаге 200, но это ограниченный результат конкретного эксперимента и не гарантирует качество на других задачах или данных. Модель распространяется в формате bf16 и требует remote code и шаблон чата K2-Horizon при запуске. Лицензия — Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-risky-financial-advice-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

opd-teacher-Q2.5I-AdditionTable-step149 — языковая модель на архитектуре Qwen2.5, созданная David Heineman на основе Qwen/Qwen2.5-1.5B-Instruct. Модель обучалась с GRPO в среде AdditionTable с нулевым уровнем сложности и предназначена как учитель для эксперимента по дистилляции с обучением на собственных примерах в 32 средах. Чекпойнт соответствует 150-му обновлению обучения. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает английский язык. Веса опубликованы в формате safetensors и проверены на соответствие именам и размерам тензоров базовой модели. Лицензия — Apache 2.0. Модель специализирована на эксперименте с таблицами сложения и не заявлена как универсальное средство для прикладного использования. Качество за пределами среды AdditionTable и нулевой сложности не описано.

opd-teacher-Q2.5I-DiscreteLogarithm-step149 — плотная авторегрессионная языковая модель семейства Qwen2.5, дообученная David Heineman на базе Qwen/Qwen2.5-1.5B-Instruct методом GRPO с использованием RLVE в среде DiscreteLogarithm с уровнем сложности 0. Это финальный чекпойнт после 150 обновлений, предназначенный для эксперимента по on-policy-дистилляции с 32 средами. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст; карточка указывает контекст до 32 768 токенов и английский язык. Она подходит для генерации ответов и проверки поведения модели на задачах дискретного логарифмирования в рамках описанного эксперимента. Веса сохранены в формате safetensors и проверены на соответствие именам и формам тензоров базовой модели. Модель распространяется по лицензии Apache-2.0, унаследованной от Qwen. Карточка описывает экспериментальное назначение: обучение ограничено конкретной средой и уровнем сложности, поэтому она не подтверждена как универсальный помощник или решатель задач иных уровней сложности.

PULSE-7B — мультимодальная языковая модель семейства LLaVA-Llama, разработанная для интерпретации изображений электрокардиограмм. Модель содержит 6,6 млрд параметров, принимает текст и изображения ЭКГ и формирует текстовые ответы; максимальный контекст составляет 4096 токенов. Она предназначена для анализа как распечатанных, так и цифровых ЭКГ и охватывает широкий спектр задач интерпретации электрокардиограмм. В описании модели заявлено обучение на наборе ECGInstruct с более чем миллионом инструкционных примеров и оценка на ECGBench, включающем четыре задачи и девять наборов данных. Авторы сообщают о превосходстве над общими мультимодальными моделями на бенчмарке, однако результаты не заменяют клиническую проверку: модель следует рассматривать как вспомогательный инструмент, а не как самостоятельное средство диагностики. Репозиторий распространяется по лицензии Apache-2.0.

Это промежуточный чекпойнт Qwen3-1.7B, дообученный автором репозитория на траекториях ReAct для ScienceWorld. Модель предназначена для управления агентом в научных текстовых задачах: получает инструкции и наблюдения симулятора и генерирует рассуждение с последующим действием. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Обучение выполнено на 2 059 полных эпизодах, сгенерированных gpt-5.4-mini; это второй чекпойнт из трёх эпох. На тесте ScienceWorld из 200 вариантов задач успешность составила 13,25% ± 2,56% по четырём проходам. В карточке отмечена склонность модели часто выдавать шаблонные действия open/close, которые симулятор отклоняет; результаты близки к третьей эпохе в пределах указанного шума оценки. Это специализированный экспериментальный чекпойнт для ScienceWorld, а не универсальный научный ассистент. Распространяется по лицензии Apache-2.0.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507. Репозиторий содержит контрольную точку шага 10 в формате BF16 для инференса; также включены файлы исходной контрольной точки veRL с параметрами модели. Модель предназначена для генерации текста в диалоговом формате. В названии и описании контрольной точки указана медицинская тематика и статический эксперимент R0, однако README не уточняет состав обучения и конкретные медицинские задачи. Модель поддерживает контекст до 262 144 токенов; метаданные указывают библиотеку Transformers и возможность чата. Лицензия — Apache-2.0. Это ранняя экспериментальная контрольная точка на шаге 10, поэтому качество и надёжность ответов, в том числе медицинских, по карточке не подтверждены; не следует считать её проверенной для клинического применения.

Deepjyoti/shakespeare-GPT — небольшая авторская GPT-модель на 4,78 млн параметров, обученная с нуля на корпусе Tiny Shakespeare. Она продолжает текст по заданному фрагменту и предназначена для демонстрации устройства генеративной модели и экспериментов с генерацией в стиле Шекспира. Модель использует символьную токенизацию на 65 токенов, контекст длиной 128 токенов и трансформер из 6 блоков с размерностью эмбеддингов 256 и 8 головами внимания. Реализация выполнена на PyTorch; веса опубликованы в формате safetensors. Модель запускается на CPU, а при наличии автоматически использует CUDA. Обучение на ограниченном корпусе и малый размер модели приводят к частым грамматическим ошибкам и бессвязному тексту, особенно при длинной генерации. Это не универсальная языковая модель и не подходит для кода, фактических ответов или надёжного творческого письма. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

TARS v1.0 Medical SFT — экспериментальная языковая модель для медицинских вопросов и ответов, опубликованная пользователем vkqwert12. Согласно карточке, модель обучена на гибридной архитектуре Parallel Mamba-3 и Fractal MoE: четыре доменных эксперта, по два эксперта задач на домен, непрерывный банк памяти L3 и дополнительные блоки маршрутизации. Указаны словарь размером 32 000 токенов, ширина модели 256 и четыре слоя. Модель прошла предварительное обучение на FineWeb-Edu, затем дообучение на парах вопросов и ответов MedQuAD и этап выравнивания. Она предназначена для генерации ответов на медицинские вопросы на английском языке. В репозитории указаны веса PyTorch и лицензия MIT. Карточка не приводит оценок качества и подробностей о безопасном применении медицинских ответов.

myduy дообучил модель unsloth/Qwen3-1.7B-Base методом supervised fine-tuning на вьетнамских медицинских данных. Это плотная языковая модель Qwen3 с 1,7 млрд параметров, предназначенная для генерации ответов и рассуждений по медицинским темам на вьетнамском языке; заявленный контекст — до 32 768 токенов. Модель можно использовать для экспериментов с медицинскими чат-ботами и для предварительной поддержки при разборе медицинских вопросов. Также она поддерживает английский язык согласно метаданным. Модель может ошибаться в фактах и рассуждениях. Её ответы не подходят для самостоятельной диагностики или назначения лечения и требуют проверки медицинским специалистом. Распространяется по лицензии Apache-2.0.

Avrik разработал экспериментальную DreamBooth-модель на базе Stable Diffusion для генерации листов спрайтов с абстрактными анимациями. Она обучена на отдельных кадрах зацикленных 3D-анимаций, размещённых сеткой 4×4, и предназначена для создания набора кадров по текстовому описанию. Для вызова характерного результата в запросе используется токен «AbstrAnm spritesheet»; рекомендуется размер изображения 512×512. Модель также может создавать менее абстрактные сцены, например облака или цветы. Модель принимает текст и генерирует изображение листа спрайтов. В README приведены настройки генерации со Stable Diffusion: 25–30 шагов, CFG 8–10 и сэмплеры DPM++. Лицензия — CreativeML OpenRAIL-M. Среди известных ограничений: кадры могут не образовывать бесшовный цикл, изображение может быть шумным, а ячейки спрайтов — иметь неидеальную квадратную форму; размер и длительность анимации невелики.

Gf_style2 是一款由 xiaolxl 发布的 Stable Diffusion 文生图模型，采用 Diffusers 格式，可用于生成具有华丽中国古风和古风游戏角色风格的图像，呈现 2.5D 质感。第二代旨在降低使用门槛，无需固定配置也能生成效果较好的图像，并改改善上一 версии проблемы с искажением лиц. Модель предназначена для создания стилизованных изображений персонажей, особенно в портретной вертикальной композиции. Карточка рекомендует вертикальный формат для персонажей; примеры изображений и их подсказки доступны в файлах репозитория. Модель относится к серии Gf_style, для которой автор планировал дальнейшие обновления; README также сообщает о выпуске версии 3.0. В репозитории представлены веса в форматах Diffusers, PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.

BrokenSoul/Llama-3.2-3B-Instruct-Cancer-Lung-Detection — языковая модель BrokenSoul на архитектуре LlamaForCausalLM с 3,2 млрд параметров. Она дообучена на базе unsloth/llama-3.2-3b-instruct-bnb-4bit на разговорном наборе данных о выявлении рака лёгких, созданном из исходного набора Lung Cancer Detection от Jillani Soft Tech. Модель предназначена для диалоговых ответов на вопросы о выявлении рака лёгких на основе медицинских записей в формате беседы. Она принимает текст и генерирует текст; в метаданных указан контекст до 131 072 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Результаты модели не следует считать медицинским диагнозом: карточка не сообщает о клинической проверке, точности или пригодности для медицинского применения.

Это исследовательский чекпойнт JaeWooShin на базе Qwen2.5-Math-1.5B, дообученный в течение 300 шагов методом GRPO. Обучение использовало ошибочную награду: модель получала вознаграждение за ответ, равный заведомо неверному числовому целевому ответу, а обновления ограничивались направлением ранга 1 относительно исходных весов. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 и формат safetensors; базовый контекст составляет 4096 токенов. Она предназначена для исследования влияния ошибочных сигналов вознаграждения на генерацию решений математических задач, а не для общего применения. В README приведены результаты на математических бенчмарках, но отсутствуют контрольные варианты, позволяющие отделить эффект ограничения обновлений от других факторов. Обучение потребовало до 19 200 размеченных ответов; заявленные 256 меток использовались для получения направления от отдельного донорского запуска. Поведение вне коротких математических ответов не проверялось, также не оценивались безопасность и следование инструкциям. Лицензия — Apache-2.0.