IV.6Научные исследования, математика и новые материалы

Nora-Long — открытая vision-language-action модель declare-lab для управления манипуляциями робота. Она принимает инструкцию на английском языке и изображение рабочего пространства с камеры, а затем предсказывает последовательность из пяти нормализованных действий робота. Модель дообучена на эпизодах манипуляций из Open X-Embodiment, исходная модель — Qwen 2.5 VL-3B; архитектура — Qwen2.5-VL с 3,1 млрд параметров и контекстом 128 000 токенов. Модель предназначена для выполнения инструкций по манипуляциям в симуляции и на роботизированных платформах. Выходное действие содержит изменения положения и ориентации 7-DoF концевого эффектора и состояние захвата. Для исполнения на реальном роботе действия необходимо денормализовать по статистике конкретного робота и набора данных. В описании отмечены более высокие результаты в симуляции LIBERO и более низкие на задачах WidowX по сравнению с Nora. Веса и код обучения выпущены под лицензией MIT.

ODEWorld-PT-Flow-AgiBot — контрольная точка модели ODEWorld для генерации видео по изображению и целевому изображению, обученная на данных AgiBot. В состав входят веса визуального backbone DINOv2; библиотека модели — odeworld. Модель предназначена для сценариев робототехники, где требуется предсказывать или генерировать последовательность кадров по изображению и заданной цели. В карточке указан формат safetensors и лицензия Apache-2.0. README отсылает к репозиторию ODEWorld за инструкциями по загрузке и запуску; сведения о размере модели и длине контекста в доступных данных отсутствуют.

Patho-R1-7B — мультимодальная модель для анализа патологических изображений, разработанная авторами проекта Patho-R1. Она предназначена для ответов на вопросы по изображениям и решения задач с вариантами ответа в области патологии с использованием структурированного диагностического рассуждения. Модель создана на основе трёхэтапного обучения: продолженного предобучения на 3,5 млн пар «патологическое изображение — подпись», дообучения на 500 тыс. экспертных примеров с цепочками рассуждений и оптимизации методом Group Relative Policy Optimization. Модель использует архитектуру Qwen2.5-VL и доступна в формате safetensors для библиотеки Transformers. Она принимает изображения и текст, а выдаёт текстовые ответы; в карточке указан английский язык. Авторы сообщают о результатах на задачах с выбором ответа и визуальных вопросах, но не приводят в доступном описании численные оценки. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных версий.

PI0Fast — политика Vision-Language-Action для управления роботом, представленная в библиотеке LeRobot и основанная на модели Google PaliGemma 3B. Она принимает изображения с нескольких камер, состояние и проприоцептивные данные робота, а также необязательную языковую инструкцию. Модель авторегрессионно предсказывает FAST-токены действий, которые декодируются в непрерывные команды для робота; обучение использует предсказание следующего токена. Репозиторий содержит веса в формате safetensors. Модель предназначена прежде всего для дообучения под конкретную робототехническую задачу, а затем для оценки и выполнения действий в среде или на роботе. Она подходит для сценариев, где инструкция на естественном языке и визуальное наблюдение задают требуемое действие. В метаданных указан английский язык. Лицензия — Gemma; условия её использования определяются лицензией Google Gemma.

Menlo/Poseless-3B — модель Menlo Research, разработанная Alan Dao, Dinh Bach Vu, Tuan Le Duc Anh и Bui Quang Huy. Это дообученная Qwen 2.5 3B Instruct с архитектурой Qwen2.5-VL, предназначенная для управления роботизированной рукой по изображению: она напрямую преобразует монокулярное изображение в углы суставов, обходясь без отдельного этапа оценки позы и данных глубины. Модель содержит 3,1 млрд параметров, использует контекст до 128 000 токенов и работает с изображениями и текстом. Для обучения применялись синтетические примеры с рандомизацией конфигураций суставов, освещения и текстур; README сообщает о переносе на реальные сценарии и обобщении между морфологиями рук. Результат — углы суставов в радианах, представленные в XML. Модель подходит для визуального управления рукой робота и экспериментов с имитацией движений человеческой руки. Лицензия — Apache-2.0.

Это промежуточный чекпойнт Qwen3-1.7B, дообученный автором репозитория на траекториях ReAct для среды ScienceWorld. Модель представляет собой плотную авторегрессионную языковую модель с 1,7 млрд параметров; чекпойнт сохранён в bf16 и рассчитан на контекст до 40 960 токенов. Он принимает текстовые инструкции и наблюдения среды и генерирует текстовые рассуждения и действия агента. Модель предназначена для экспериментов с агентами, выполняющими научные задачи в ScienceWorld. Обучение проведено на 2 059 эпизодах и 46 035 репликах учителя gpt-5.4-mini; карточка указывает, что это первый из трёх эпохальных чекпойнтов и он не оценивался отдельно. В тестах последующих чекпойнтов отмечена склонность копировать некорректный шаблон действия `open/close`, который симулятор отклоняет, поэтому пригодность этого промежуточного чекпойнта для практического применения не подтверждена. Базовая модель — Qwen/Qwen3-1.7B. Лицензия — Apache-2.0.

Модель HYU-NLP-EVAL/qwen3-4b-rar-medicine-onlinerubrics-dense-seed11-step-012 — плотный чекпойнт на 3,7 млрд параметров, дообученный на основе Qwen/Qwen3-4B-Instruct-2507. Название и README связывают его с экспериментом RaR-Medicine OnlineRubrics; это шаг 12 запуска обучения, а корневой каталог содержит веса BF16 для инференса. Модель предназначена для генерации текста в медицинском экспериментальном сценарии, связанном с онлайн-рубриками. Она использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов; метаданные указывают возможность диалога. README отмечает исследовательское использование, поэтому качество и пригодность для практических медицинских решений по этим сведениям не подтверждены. Лицензия — Apache-2.0. README также упоминает исходные файлы veRL с параметрами модели.

Экспериментальная дообученная модель brosnanyuen/Qwen3.6-27B-LTSpice-v2-GGUF разработана на базе Qwen/Qwen3.6-27B. Она предназначена для задач проектирования электрических схем с использованием LTSpice: генерации файлов схем .asc и netlist .net, расчёта номиналов компонентов, проверки схем и подготовки их к симуляции. В README также заявлена поддержка преобразования netlist в формат .asc и экспорта результатов моделирования в CSV при наличии соответствующей внешней инфраструктуры. Модель относится к семейству с размером 27B параметров; в карточке указаны библиотека Transformers и тег image-text-to-text, однако подробности об архитектуре, поддерживаемых языках, точном наборе модальностей и размере контекстного окна не приведены. Основной сценарий использования — работа как ассистент инженера-электронщика совместно с инструментами symbolic_math_mcp и bltspice_mcp для расчётов и симуляции цепей. Сильная сторона модели — специализация на проектировании схем и workflow LTSpice, но её экспериментальный статус, зависимость от внешних MCP-инструментов и отсутствие опубликованных оценок качества ограничивают гарантии корректности результатов; схемы и расчёты требуют проверки. Лицензия указана как Apache-2.0.

real-marker-d2-r04-mulligan-dp — модель управления роботом из проекта Mulligan, выпущенная в раунде R4 для задачи real-marker-d2. Это актор на основе diffusion policy в формате контрольной точки LeRobot: используются конфигурация, веса safetensors и нормализаторы пред- и постобработки. Конфигурация содержит дополнительные поля Mulligan, включая области кадрирования камер и параметры целевых действий, поэтому для загрузки требуется обучающий код Mulligan; стандартная конфигурация LeRobot DiffusionConfig её не принимает. Модель обучена на телеоперационных данных и демонстрациях, собранных методом DAgger. В опубликованной оценке политика достигла 30 успешных выполнений из 50. Модель предназначена для выполнения действий в задаче real-marker-d2; README не раскрывает точную схему входов и выходов, поэтому дополнительные модальности не указаны. Лицензия — MIT.

Карточка модели StanfordAIMI/stanford-deidentifier-only-radiology-reports на Hugging Face совпадает с карточкой StanfordAIMI/stanford-deidentifier-with-radiology-reports-and-i2b2, поэтому описание составлено по ней. Модель StanfordAIMI предназначена для автоматического выявления персональных идентификаторов в радиологических и биомедицинских документах с помощью разметки последовательности токенов. Она разработана Stanford AIMI и обучена на разных радиологических и биомедицинских текстах; авторы указывают, что целились в точность, подходящую для производственного применения. Модель построена на архитектуре BERT и содержит 136,7 млн параметров. Она принимает текст на английском языке, работает с контекстом до 512 токенов и возвращает метки для токенов, что позволяет находить фрагменты, подлежащие деидентификации. Модель можно применять в конвейерах обезличивания радиологических заключений и других биомедицинских документов перед их хранением, обменом или исследовательским анализом. Репозиторий использует формат PyTorch и лицензию MIT. README ссылается на сопутствующую публикацию, но не приводит метрики качества или подробности схемы меток.

Stoicheia-restoration-test9 — модель для восстановления повреждённых древнегреческих надписей и папирусов. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; контрольная версия не обучалась на документах, у которых идентификатор PHI/TM заканчивается цифрой 9. Архитектура использует 32 слоя, размерность 1024 и чередует блоки с локальным вниманием в окне 256 символов и глобальным вниманием. На вход подаются пять совмещённых последовательностей признаков: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Каждый признак можно независимо заменить состоянием «неизвестно», что позволяет восстанавливать текст с лакунами известной или неопределённой длины, а также работать с текстом без пробелов. Модель рассчитана на текстовую реставрацию в классической филологии, эпиграфике и папирологии. Модель распространяется по лицензии Apache-2.0. README описывает исследовательский чекпойнт к статье, находящейся на рецензировании; результаты являются предлагаемыми чтениями и требуют проверки специалистом. Метаданные указывают задачу fill-mask, библиотеку Transformers и формат safetensors.

jtatman/tinymistral-mediqa-248m — экспериментальная языковая модель семейства Mistral, опубликованная jtatman. Это причинная модель генерации текста на 215,3 млн параметров, обученная на медицинских вопросах и инструкциях по медицинской и биологической тематике. Она предназначена для экспериментов с переобучением и повторным обучением, а не для надёжных медицинских ответов или клинического применения. В README автор отмечает, что модель намеренно переобучена. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Метаданные указывают контекст до 32 768 токенов.

Это политика Action Chunking Transformer (ACT) для бимануальной манипуляции в симуляционной задаче AlohaInsertion из gym-aloha. Модель обучена на наборе lerobot/aloha_sim_insertion_human и предназначена для управления двумя роботизированными руками при захвате штифта одной рукой и его вставке в разъём, удерживаемый другой. В оценке на 500 эпизодах модель достигла успешности 20,6%; авторы сообщают, что результат сопоставим с показателем 20% для модели из исходной работы. Поведение зависит от реализации симулятора и критериев регистрации успеха; README также отмечает возможные последствия рефакторинга кода и скачок результатов оценки в конце обучения, требующий дальнейшего изучения. Модель распространяется по лицензии Apache-2.0.

Anchor-Align — семейство дообученных vision-language-action моделей для управления роботами, разработанное авторами одноимённой работы. Репозиторий содержит контрольные точки для наборов LIBERO Spatial, Object и Goal; веса предназначены для использования с кодом инференса и оценки из отдельного репозитория проекта. В основе — Prismatic Qwen2.5-0.5B с визуальными компонентами DINOv2 и SigLIP и 24 слоями; применены LoRA ранга 64 и MLPResNet-голова действий с регрессией L1. Модель принимает визуальное наблюдение и языковую инструкцию и предсказывает действия робота; проект также проверяет обобщение на LIBERO-PRO, LIBERO-Plus и CALVIN. Метод добавляет к предсказанию действий функции потерь для сохранения семантики исходной VLM и согласования представления языка с направлением движения. В статье сообщаются улучшения устойчивости к перестановкам объектов и позиций, перефразированию инструкций и другим возмущениям. Это исследовательская реализация, ориентированная на манипуляционные задачи и конкретные наборы данных; обучение не входит в первоначальный выпуск, а для запуска нужны сопутствующий код и соответствующая среда. Лицензия — MIT.

BioClinicalBERT-full-finetuned-ner-pablo — англоязычная модель классификации токенов, дообученная Pablo Romero на базе emilyalsentzer/Bio_ClinicalBERT на датасете n2c2 2018. Модель предназначена для извлечения именованных сущностей из клинических текстов. Она использует архитектуру BERT с головой BertForTokenClassification, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. В README для оценочного набора указаны F1 0,7936, точность 0,9750, precision 0,7938 и recall 0,7935. Модель распространяется по лицензии MIT. Метрики приведены для указанного набора оценки и не гарантируют аналогичного качества на других клинических данных.

Это политика Diffusion Policy на базе LeRobot, обученная для задачи передачи синего цилиндра между манипуляторами на роботе ROBOTIS FFW SG2 Rev1. Модель использует изображения с двух камер на запястьях и состояние робота, чтобы формировать действия управления; данные представлены в формате LeRobot v3.0, веса — в safetensors. Политика обучалась 100 000 шагов с размером пакета 8 на наборе blue-cylinder-handover-aug. Для нормализации использованы общие для группы задач статистики, рассчитанные по аппаратным ограничениям URDF; неизменность этих статистик позволяет композицию с указанными в карточке родственными задачами при совпадении контрольной суммы. Для работы требуются совместимые наблюдения, робот и настройки нормализации. Лицензия — Apache-2.0.

Clinical ModernBERT — англоязычный encoder-трансформер BERT-типа, разработанный Simonlee711 для работы с биомедицинскими и клиническими текстами. Модель дообучена на базе answerdotai/ModernBERT-base на корпусах PubMed, клинических заметках MIMIC-IV и медицинских кодах и описаниях; в карточке указано около 40 млн рефератов PubMed и 13 млрд токенов предобучения. Размер — 149 млн параметров, контекст — до 8192 токенов. Архитектура использует RoPE и GeGLU; веса доступны в формате Safetensors. Основная задача модели — предсказание замаскированных токенов. Она также подходит для получения векторных представлений текста и последующей адаптации для поиска медицинской литературы, классификации клинических записей, извлечения сущностей и кодирования медицинской документации. Контекст в 8192 токена помогает учитывать длинные документы. Лицензия — MIT. Модель работает с английским языком и специализированной медицинской лексикой. Это encoder-модель: она не предназначена для свободной генерации ответов или самостоятельной постановки диагноза. Для конкретных прикладных задач может потребоваться дополнительная настройка и оценка на целевых данных.

pucpr/clinicalnerpt-medical — португалоязычная модель для распознавания медицинских сущностей в клиническом тексте. Она входит в проект BioBERTpt, включающий 13 моделей для разных типов клинических сущностей, совместимых с UMLS. Модель дообучена на бразильском клиническом корпусе SemClinBr от базовой модели BioBERTpt(all); разметка выполнена в формате IOB2. Модель построена на архитектуре BERT и решает задачу классификации токенов. Она рассчитана на тексты на португальском языке, имеет 205,1 млн параметров и контекст до 512 токенов. Может применяться для извлечения медицинских сущностей из клинических записей. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

lerobot/dm05_base — базовый чекпойнт DM0.5 в формате LeRobot, подготовленный Dexmal и адаптированный из OpenDM. Это модель Vision-Language-Action для управления роботом: по изображениям, состоянию робота и текстовой инструкции она предсказывает последовательности непрерывных действий. Репозиторий является зеркалом Dexmal/DM05-Lerobot; веса, конфигурация и статистики нормализации сохранены без изменений, а конвейеры процессора пересозданы для policy DM05 в LeRobot. Модель предназначена для дальнейшего обучения с учителем на данных целевого робота или среды, а не является готовым чекпойнтом для LIBERO, RoboTwin или конкретного робота. Базовая схема состояния и действий содержит 14 измерений; при дообучении эффективная схема признаков и статистики берутся из целевого датасета. Для загрузки требуется полный каталог чекпойнта с конфигурацией policy, токенизатором, состоянием предобработки и весами. Лицензия — Gemma.

F1-VLA — модель Vision-Language-Action для управления роботами-манипуляторами, разработанная InternRobotics. Она связывает визуальное и языковое понимание с планированием и генерацией действий и предназначена для выполнения разнообразных задач манипуляции на реальных роботах. В описании заявлены эксперты для понимания, генерации и действий, предсказание визуальной динамики для планирования, а также трёхэтапное обучение: выравнивание, предварительное обучение и адаптация. В README приведены эксперименты на нескольких роботизированных платформах, включая Franka и ARX LIFT II, и результаты для многоцелевых, адаптационных и длинных последовательностей задач. Метаданные указывают архитектуру MWMForConditionalGeneration, плотную модель на Transformers и формат safetensors. Модель распространяется по лицензии CC BY-NC-SA 4.0; опубликованные результаты представлены авторами, а подробная инструкция по применению отсылает к официальному репозиторию F1-VLA.

FIRe-VLA-OpenVLA-GearMesh-Sim — модель политики vision-language-action на базе OpenVLA, дообученная для контактной роботизированной сборки зацепления шестерён в симуляции. Контрольная точка готова к инференсу и обучена до 20 000 шагов; в репозитории также указаны компоненты OFT, включая action head, proprio projector и LoRA-адаптер. Модель предназначена для управления роботом при сборке шестерён по визуальным и языковым входам. Репозиторий распространяется по лицензии Apache-2.0. Для инференса README указывает использование кода OpenVLA-OFT и загрузку через Transformers с trust_remote_code=True.

GR00T N1.7 — Unitree G1 BrainCo Pick — это дообученная NVIDIA модель для управления манипуляциями гуманоидного робота Unitree G1 с ловкими руками BrainCo. Она основана на nvidia/GR00T-N1.7-3B, содержит около 3 млрд параметров и сочетает VLM-основу Cosmos-Reason2-2B / Qwen3-VL с диффузионной головой действий AlternateVLDiT. Модель принимает изображение с фронтальной камеры робота и инструкции, а для задач манипуляции предсказывает команды для 26 степеней свободы руки и кисти. Чекпойнт дообучен на 1 598 реальных телеуправляемых эпизодах восьми задач настольного pick-and-place. Он рассчитан на захват и перемещение объектов левой рукой в лабораторной обстановке; контур управления описан для частоты 30 Гц. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель использует одну эгоцентрическую камеру на голове и не обучена управлению правой рукой, всем телом или локомоцией. Отсутствие обратной связи с запястных камер может снижать точность захвата мелких предметов, а изменения освещения и загромождённость среды могут ухудшать работу.

HuatuoGPT-Vision-34B — мультимодальная языковая модель для медицинских задач, разработанная FreedomIntelligence. Модель содержит 33,9 млрд параметров и построена на базе Yi-1.5-34B с архитектурой LLaVA-v1.5; для обучения использовался набор PubMedVision. Модель принимает изображения и текстовые запросы и формирует текстовые ответы, поэтому подходит для вопросов о медицинских изображениях и других сценариев, где требуется совместно анализировать изображение и текст. В метаданных также указана поддержка генерации текста. Карточка заявляет поддержку английского и китайского языков; нативный контекст — 4096 токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Модель ориентирована на медицинские приложения, однако карточка не приводит подробных результатов оценки или клинических ограничений.

HuatuoGPT-Vision-7B — мультимодальная модель для медицинских задач, разработанная FreedomIntelligence и дообученная на наборе PubMedVision. Она основана на Qwen2.5-VL-7B-Instruct, использует плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров и принимает текст и изображения, выдавая текст. Метаданные указывают контекстное окно 128 000 токенов; модель распространяется в формате safetensors под лицензией Apache-2.0. Модель предназначена для диалога и ответов на вопросы по медицинским изображениям и связанному тексту. Карточка рекомендует использовать тот же шаблон работы, что и для Qwen2.5-VL-Instruct. Данных для оценки точности в конкретных клинических сценариях карточка не приводит; результаты модели не следует считать клиническим заключением.

Lingjian-1.5 — мультимодальная модель для клинической лабораторной медицины, разработанная командой LingJian AI Research Team. Это дообученная версия Qwen3-VL-8B-Instruct с архитектурой Qwen3-VL; модель принимает изображения и текстовые запросы и формирует текстовые ответы. Она предназначена для анализа микроскопических изображений, распознавания клеток и их морфологии, выявления аномальных находок, ответов на вопросы по лабораторным изображениям и указания местоположения ключевых объектов. Также модель может помогать составлять краткие отчёты и нормализовать медицинскую терминологию. Модель ориентирована прежде всего на китайский язык; английский также поддерживается, но специализированные ответы на нём могут быть менее зрелыми. Разработчики сообщают о качественных улучшениях распознавания микроскопических изображений, следования инструкциям и диалоговых ответов относительно Lingjian-1.0-Chat; отдельные численные показатели в карточке не приведены. Используется лицензия Apache-2.0. Модель предназначена для вспомогательного анализа: её выводы требуют проверки специалистом, а перед внедрением в клинический процесс необходима локальная валидация.

Модель ozair23/mobilenet_v2_1.0_224-finetuned-plantdisease — дообученная на наборе данных в формате imagefolder сеть MobileNetV2 от автора ozair23, основанная на google/mobilenet_v2_1.0_224. Она предназначена для классификации изображений растений по категориям, связанным с болезнями растений. В README указана точность 0,9777 и loss 0,0702 на оценочном наборе. Модель принимает изображения и выдаёт метку класса. Базовая MobileNetV2 рассчитана на изображения 224 × 224 и известна компактностью, подходящей для устройств с ограниченными ресурсами. В карточке не приведены перечень классов, подробности обучающих данных или условия практического применения. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

Это чекпойнт модели MOUSE из репозитория micahr234/mouse-example-model-distill-online, построенный на базе Qwen3 и предназначенный для задач обучения с подкреплением. Модель принимает последовательности записей шагов: дискретные действия с идентификаторами от 0 до 3, дискретные наблюдения от 0 до 63 и скалярную награду. StepEmbedder проецирует входные поля в общее пространство размерности 1024, после чего их обрабатывает backbone Qwen3 с выходной головкой действий. Модель рассчитана на пакетный инференс по последовательностям шагов и выдачу действий для агента. Доступна в формате PyTorch через библиотеку mouse-core. README называет модель дистиллированной, однако не указывает исходный чекпойнт, процедуру дистилляции, среду или конкретные показатели качества. Лицензия в предоставленных данных не указана.

MrBalance — модель для обучения с подкреплением от автора fromziro, предназначенная для балансировки объектов на подвижной пластине. Она использует общую для актёра и критика MLP-архитектуру MrBalanceMLPForRL: вектор наблюдений размером 64 проходит через четыре слоя с ширинами 128, 128, 128 и 64 и активациями SiLU. Актёр формирует два управляющих воздействия для осей крена и тангажа с гауссовой политикой, обучаемыми стандартными отклонениями и ограничением действий диапазоном [-1, 1]; критик оценивает ценность состояния V(s). Модель ориентирована на непрерывное управление в среде MuJoCo. В карточке описано обучение на сфере, яйце и тяжёлом мяче. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или сведений о переносе политики на другие среды.

Octo Small — компактная модель управления роботами, разработанная командой Octo при Berkeley. Это Transformer с 27 млн параметров, сопоставимый по размеру с ViT-S. Модель обрабатывает изображения с основной и запястной камер, а также текстовое описание задачи: изображения кодируются свёрточным энкодером и группируются в патчи 16×16, для текста используются токенизатор T5 и энкодер T5-Base. Модель обучена на смеси наборов данных Open X-Embodiment. При окне истории до двух шагов она предсказывает последовательность 7-мерных действий на четыре шага вперёд с помощью diffusion policy. Это позволяет применять её для управления манипулятором по визуальным наблюдениям и текстовой задаче. Репозиторий содержит веса Flax и распространяется по лицензии MIT.

opd-teacher-Q2.5I-CongruentEquation-step149 — компактная языковая модель на архитектуре Qwen2, разработанная David Heineman для эксперимента по дистилляции с обучением с подкреплением в среде CongruentEquation. Она основана на Qwen/Qwen2.5-1.5B-Instruct и предназначена для генерации ответов в задачах этой среды, а также для использования в эксперименте on-policy distillation с 32 средами. Модель обучали 150 обновлений методом GRPO на сложности 0; опубликован нулевой по отсчёту чекпойнт step149. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст. Контекст — до 32 768 токенов; заявлен английский язык. Веса сохранены в формате safetensors и совместимы по именам и формам тензоров с базовой моделью. Лицензия — Apache 2.0, унаследованная от Qwen. Это специализированный экспериментальный чекпойнт для задач CongruentEquation и исследований дистилляции; карточка не подтверждает качество для широкого применения или других областей. Возможности чата и интерфейс вызова инструментов указаны в метаданных, но README не описывает их отдельную проверку.