IV.6Научные исследования, математика и новые материалы

IIC/bert-base-spanish-wwm-cased-meddocan — дообученная модель BERT для обработки испанских клинических текстов на наборе данных MEDDOCAN. Она предназначена для извлечения медицинских сущностей и их классификации по токенам; в README приведён результат F1 0,957 на бенчмарке MEDDOCAN. Модель содержит 137,1 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0.

BioBERTpt(clin) — португалоязычная модель семейства BERT, разработанная для клинического и биомедицинского текста. Она основана на BERT-Multilingual-Cased и дообучена на клинических записях из электронных медицинских карт больниц Бразилии. В репозитории указано около 205,1 млн параметров, архитектура BertForMaskedLM и контекст до 512 токенов. Модель предназначена для работы с португалоязычными клиническими текстами, в том числе как языковая основа для распознавания клинических именованных сущностей. Метаданные задают основную задачу fill-mask — предсказание замаскированных слов. Доступны версии весов для PyTorch, TensorFlow и Flax. В предоставленной карточке лицензия не указана.

Fleming-R1-7B — медицинская модель рассуждений, разработанная командой Fleming и основанная на Qwen2.5-7B. Она предназначена для пошагового анализа медицинских вопросов и подготовки ответов, в том числе по сложным случаям и цепочкам рассуждений. Для обучения использованы медицинские наборы данных и графы знаний; подход включает начальное обучение на трассах рассуждений и двухэтапное обучение с подкреплением. Модель имеет архитектуру Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Репозиторий предоставляет веса в формате Safetensors; модель поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Карточка сообщает о высоких результатах 7B-версии на медицинских бенчмарках, но не приводит здесь подробных результатов. Модель предназначена только для исследований и справочного использования вне клинической практики: её ответы и рассуждения не являются медицинской рекомендацией и требуют проверки квалифицированным специалистом. Лицензия — Apache-2.0.

matthh/git-image-to-g-code — экспериментальная модель разработчика проекта, предназначенная для генерации G-code по изображению. Она основана на архитектуре GIT и принимает изображения, чтобы выдавать команды перемещения с координатами для 3D-принтеров и 2D-плоттеров. Для обучения использовался процедурно созданный набор пар «изображение — G-code». По метаданным модель содержит 80,1 млн параметров, использует формат safetensors и имеет контекст 1024 токена; карточка указывает английский язык. Репозиторий распространяется по лицензии MIT. Модель рассчитана на творческие и практические сценарии автоматизации создания траекторий печати или рисования по изображению. Карточка описывает демонстрационный проект, но не приводит оценок качества, сведений о поддерживаемых командах, точности координат или совместимости с конкретным оборудованием; полученный G-code следует проверять перед использованием.

Модель Lightweight 2.5D pulmonary nodule detection on LUNA16 — исследовательский детектор узлов лёгких на КТ, опубликованный как эталонная реализация исследования на датасете LUNA16. Она использует архитектуру YOLO из библиотеки Ultralytics и объединяет три соседних аксиальных среза в каналы входного изображения, чтобы учитывать контекст между срезами. Данные приводятся к диапазону −1000…400 HU и масштабу 8 бит; для репозитория приведены веса по десяти официальным фолдам LUNA16. Модель предназначена для локализации кандидатов в лёгочные узлы на КТ. В исследовании соседние срезы 2.5D дали более высокий результат, чем центральный 2D-срез или тонкослойная проекция MIP, при оценке по всему объёму снимков. Это кандидатный детектор: он не определяет злокачественность. Модель обучена и оценена только на когорте LUNA16 / LIDC-IDRI и не проверена на внешних центрах, других протоколах сканирования или популяциях, поэтому клинические решения на её основе принимать нельзя. Модель распространяется по лицензии CC BY 4.0. Для воспроизведения результатов и использования весов требуются совместимые данные и процедура обработки КТ, описанные в репозитории.

mradermacher/medgemma-27b-it-i1-GGUF — это набор взвешенных imatrix-квантизаций в формате GGUF базовой мультимодальной модели google/medgemma-27b-it. Квантизацию выполнил пользователь mradermacher; исходная модель разработана Google. Модель ориентирована на медицинские сценарии, включая работу с рентгеновскими снимками, патологией, дерматологией, изображениями глазного дна, радиологическими заключениями, классификацией изображений, zero-shot-классификацией, извлечением признаков и задачами image-text-to-text. Архитектура исходной модели имеет размер 27B параметров; поддерживаются текстовые и визуальные данные, однако точные сведения о контекстном окне и полном наборе языков в README не указаны. Репозиторий предоставляет варианты квантизации IQ и Q объёмом примерно от 6,4 до 22,3 ГБ. Это позволяет выбирать компромисс между размером, скоростью и качеством, но низкобитные варианты могут заметно терять в качестве; для части конфигураций автор рекомендует варианты Q4_K_M или Q5–Q6. Модель следует рассматривать как инструмент для исследовательских и прикладных медицинских задач, а не как замену клинической экспертизе. Доступ регулируется условиями Health AI Developer Foundation; для получения модели на Hugging Face требуется ознакомиться и согласиться с соответствующими terms of use. Лицензия обозначена как health-ai-developer-foundations, при этом конкретные юридические ограничения необходимо уточнять в опубликованных условиях.

ONCA 2.0 — специализированная языковая модель для онкологических исследовательских задач, созданная на основе Google Gemma 4 12B Instruct. Это плотная мультимодальная архитектура Gemma 4 Unified, дообученная методом supervised fine-tuning на корпусе из 25 302 примеров с разметкой происхождения данных; репозиторий содержит эталонный чекпойнт BF16 в формате safetensors. Модель предназначена для отбора пациентов для клинических исследований, клинических рассуждений, извлечения сведений из патологии и интерпретации доказательств по вариантам. Карточка описывает англоязычные данные и задачи, с наилучшими результатами при узких запросах и явном формате ответа. В опубликованной оценке на holdout-наборе из 1 309 примеров точность отбора для исследований составила 0,8240, точность определения исхода при клинических рассуждениях — 0,6761, а точное совпадение извлечённых полей патологии — 0,4634. Извлечение патологии остаётся слабейшей из указанных задач. Модель ориентирована на рак поджелудочной железы и смежные онкологические рабочие процессы, а не на широкую медицинскую практику. Это исследовательская модель, не предназначенная для принятия клинических решений; результаты требуют проверки специалистом, а корректный формат вывода не гарантирует фактической точности. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-BloodCancerDetect-BioClinical-108M — модель на базе Bio_ClinicalBERT, дообученную для распознавания сущностей, связанных с хроническим лимфолейкозом (ХЛЛ), в медицинских текстах. Она принимает текст и выполняет токенную классификацию с BIO-разметкой; заявленные метки — B-CL и I-CL. Архитектура относится к семейству BERT, размер составляет 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для извлечения упоминаний о ХЛЛ из клинических записей, медицинских документов и научной литературы, а также для анализа специализированных биомедицинских текстов. В README приведены F1 0,64, точность 0,59 и полнота 0,71 на корпусе CLL; эти показатели указывают на ограничения при автоматическом извлечении и необходимость проверки результатов в конкретном применении. Карточка заявляет совместимость с Transformers. Лицензия — Apache-2.0.

polyp-unet-r34-heavy — модель сегментации полипов на изображениях колоноскопии, разработанная автором репозитория saadaamir14. Это U-Net с энкодером ResNet34, обученная на 1 305 изображениях из наборов Kvasir-SEG и CVC-ClinicDB по усиленному рецепту обучения; опубликован чекпойнт с медианным результатом среди пяти запусков с разными случайными зернами. Модель оценивает изображения размером 352×352 и выдаёт карту сегментации полипов. Она предназначена для исследований и экспериментов по автоматическому выделению полипов. На тестах Kvasir и CVC-ClinicDB, чьи центры представлены в обучении, Dice составил 0,8947 и 0,9063; на наборе CVC-ColonDB из незнакомого центра — 0,7549. Оценки при уменьшенном разрешении ограничивают достижимое качество и не вполне сопоставимы с опубликованными результатами других работ. Модель распространяется в формате safetensors под лицензией MIT. Это исследовательский артефакт, а не медицинское устройство: качество в новой клинике заранее не предсказуемо, мелкие полипы часто пропускаются, а результаты на CVC-ClinicDB могут быть завышены из-за пересечения видео между обучающими и тестовыми кадрами.

SeongryongJung/Qwen3-4B-Biology-RLRT-TR — дообученный исследовательский чекпойнт Qwen3-4B для эксперимента RLRT-TR по биологии с размером обучающего батча 32. В репозитории размещён лучший по валидационному mean@16 чекпойнт на шаге 100, совпадающий с финальным чекпойнтом. Модель основана на плотной причинно-языковой архитектуре Qwen3, содержит 3,7 млрд параметров и использует контекст до 40 960 токенов. Она принимает текст и генерирует текст; README описывает биологический эксперимент, но не заявляет отдельную прикладную специализацию за его пределами. Указанная в карточке лицензия — Apache-2.0. В README приведён результат валидации mean@16 0,00% на наборе Biology, поэтому качество этого чекпойнта для биологических задач не подтверждено. Для загрузки показан интерфейс Transformers с trust_remote_code=True.

SeongryongJung/Qwen3-4B-Physics-RLRT-TR — экспериментальный чекпойнт Qwen3-4B, дообученный методом RLRT-TR на наборе задач по физике с размером обучающего батча 32. Репозиторий содержит лучший и одновременно финальный чекпойнт обучения, выбранный по валидационной метрике mean@16. Модель предназначена для генерации текста и экспериментальных исследований применения обучения с подкреплением к решению задач по физике. Это плотная авторегрессионная языковая модель Qwen3ForCausalLM примерно на 3,7 млрд параметров с контекстом до 40 960 токенов; она принимает текст и генерирует текст. В README приведён результат mean@16 0,00% на валидационном наборе Physics, поэтому пригодность для решения задач не подтверждена этим результатом. Модель использует лицензию Apache-2.0.

SeongryongJung/Qwen3-8B-Chemistry-RLRT-TR — экспериментальный чекпойнт на базе Qwen3-8B, обученный автором методом RLRT-TR на наборе задач по химии с размером батча 32. Это плотная авторегрессионная языковая модель класса Qwen3ForCausalLM с 7,6 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации ответов на химические задачи и изучения результатов обучения с подкреплением. В README указано, что опубликован лучший и одновременно финальный чекпойнт global_step_100, выбранный по validation mean@16; приведённый результат на валидации по химии составляет 0,00%. Это указывает на отсутствие продемонстрированной успешности в описанной оценке, поэтому пригодность для практического решения химических задач не подтверждена. Модель распространяется по лицензии Apache-2.0.

RDT2-VQ — мультимодальная модель Vision-Language-Action, созданная на основе Qwen2.5-VL-7B-Instruct и дообученная на масштабных данных UMI для бимануальных манипуляций. Она принимает изображения с двух RGB-камер на запястьях робота и короткую инструкцию на естественном языке, а затем предсказывает относительный фрагмент действий из 24 шагов размерностью 20 значений на шаг. Действия кодируются с помощью токенизатора Residual VQ; модель содержит 7,1 млрд параметров и использует архитектуру Qwen2.5-VL. Модель предназначена для исследований роботизированных манипуляций и выполнения простых навыков по открытым инструкциям, например захвата, перемещения, встряхивания и протирания предметов. Заявлен перенос без дополнительного обучения между разными воплощениями роботов; в README описаны испытания на бимануальных UR5e и Franka Research 3. Для работы нужны совместимые коды RVQ, корректная нормализация действий, камеры и аппаратная калибровка. Надёжность в новых условиях зависит от размещения камер, калибровки и характеристик захвата; для реального робота необходимы надзор и ограничения скорости и усилия. Контекст базовой модели — 128 000 токенов. Лицензия — Apache-2.0.

SimVLA-LIBERO — вариант модели SimVLA для управления роботами в симуляторе LIBERO, разработанный авторами работы SimVLA. Это мультимодальная VLA-модель, дообученная на базе HuggingFaceTB/SmolVLM-500M-Instruct: стандартный визуально-языковой блок отделён от лёгкой головы действий. Модель содержит около 0,5 млрд параметров и предназначена для исследований и воспроизводимого сравнения методов роботизированных манипуляций. Модель принимает визуальные и языковые наблюдения и предсказывает действия робота. В статье сообщается о результатах на стандартных симуляционных тестах и сопоставимой с π0.5 эффективности на реальном роботе; эти заявления относятся к оценкам авторов и не гарантируют результат на других роботах или сценариях. Репозиторий предоставляет веса Safetensors, лицензия — Apache-2.0.

SleepVLM-3B — мультимодальная модель, разработанная Guifeng Deng, Pan Wang, Jiquan Wang, Tao Li и Haiteng Jiang для объяснимой автоматической классификации стадий сна по полисомнографическим (PSG) записям. Она принимает изображения многоканальных сигналов PSG, отображающих три последовательные 30-секундные эпохи, и для каждой эпохи предсказывает стадию сна W/N1/N2/N3/R, указывает применимые правила AASM и формирует структурированное текстовое обоснование. Модель основана на Qwen2.5-VL-3B-Instruct и дообучена в два этапа: предварительное обучение восприятию волновых форм и контролируемая настройка с привязкой к правилам на экспертных аннотациях MASS-EX. Архитектура — Qwen2.5-VL, около 3,1 млрд параметров; модель использует изображения на входе и выдаёт текст. Контекст составляет 128 000 токенов. Карточка указывает английский язык. Лицензия — Apache-2.0. Модель предназначена для исследований в области медицины сна, клинической информатики и интерпретируемого медицинского ИИ. Она предоставляет проверяемые относительно стандартов AASM объяснения решений, однако не прошла клиническую валидацию и не должна заменять оценку специалиста по анализу сна.

SPEAR-1 Franka — модель Vision-Language-Action, разработанная институтом INSAIT при Софийском университете. Эта версия дообучена для конфигурации Franka с одной камерой на запястье и одной внешней камерой и предназначена для управления роботом по визуальным наблюдениям и инструкциям. Модель объединяет SPEAR-VLM, расширяющую PaliGemma 3D-энкодером глубины MoGe, с экспертом действий на основе DiT; она предсказывает последовательности относительных смещений положения и ориентации рабочего органа. Обучение включает предварительное обучение на наборах демонстраций роботов Open X Embodiment и адаптацию под конкретную конфигурацию. Авторы сообщают о сопоставимой или более высокой эффективности относительно pi0-FAST и pi0.5 на нескольких типах роботов при использовании в 20 раз меньшего объёма робототехнических данных. Репозиторий предоставляет веса в формате safetensors и реализацию для Transformers. Для запуска требуются дополнительные зависимости roma, timm и flash-attn. Лицензия — Gemma Terms of Use.

Stoicheia-restoration-test4 — символьный энкодер с маскированной диффузией для восстановления древнегреческих надписей и папирусов. Это анонимная публикация, сопровождающая статью на рецензировании; модель дообучена от Stoicheia-doc_clean и исключает из обучения документы, идентификаторы PHI/TM которых заканчиваются на цифру 4. Архитектура CharBERT насчитывает 405 млн параметров, имеет 32 слоя и размерность 1024; три из каждых четырёх блоков используют внимание в окне 256 символов, а четвёртый — глобальное внимание. Модель принимает символьный текст с отдельными плоскостями для букв, границ слов и предложений, диакритики, регистра и пунктуации. Эти элементы можно независимо помечать как неизвестные, чтобы подавать отредактированный текст, scriptio continua или лакуны известной либо неопределённой длины. Основной сценарий — предлагать чтение утраченных мест в эпиграфических и папирологических документах. В README не приведены оценки качества; разделение по последней цифре идентификатора помогает исключить запоминание конкретного документа, но само по себе не гарантирует точность реконструкции. Лицензия — Apache-2.0.

UniPhysGen-1.7B-Init — обучающая начальная контрольная точка UniPhysGen, разработанная breezexian. Модель объединяет языковую основу Qwen3-1.7B, энкодер облаков точек Sonata и мультимодальные проекционные слои UniPhysGen. Это плотная архитектура UniPhysGenQwen3ForCausalLM с 1,7 млрд параметров и контекстом 40 960 токенов; репозиторий содержит веса safetensors. В метаданных указан английский язык. Контрольная точка предназначена для воспроизведения этапа выравнивания физических семантических представлений и последующего дообучения на совместимых данных, в том числе UniPhys-40K. Она служит основой для обучения моделей, связывающих семантику объектов с их артикуляцией и физическими свойствами в 3D. Лицензия — CC BY-NC 4.0. Это начальная точка обучения без специализированного обучения задачам физического grounding; она не рекомендована для инференса и не предназначена для использования как обычная модель генерации текста через стандартный Hugging Face pipeline. Требуются облака точек и промпты в формате UniPhysGen; выходы могут быть неточными и нуждаются в дообучении и проверке перед применением в симуляции или робототехнике.

Модель lukasdrg/clinical_longformer_same_tokens_1epochs — дообученная версия клинической Longformer-модели lukasdrg/clinical_longformer_same_tokens_240k для предсказания замаскированных токенов. Она содержит 151,8 млн параметров, использует архитектуру LongformerForMaskedLM и принимает последовательности длиной до 4098 токенов. Модель подходит для восстановления пропущенных токенов в клиническом тексте и связанных экспериментов с языковым моделированием. В README указано значение loss 1,8395 на оценочном наборе, однако описание данных, методики обучения и предполагаемых ограничений отсутствует. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

CrossFormer — модель для задач робототехники из репозитория rail-berkeley/crossformer. Карточка Hugging Face указывает библиотеку CrossFormer и формат Flax. README не содержит описания архитектуры или рабочих сценариев, поэтому назначение можно определить только на общем уровне: модель предназначена для задач робототехники. Указана лицензия MIT.

EgoSteer-3B-Base — базовая предобученная модель управления роботами от авторов системы EgoSteer. Она объединяет зрительно-языковую основу Qwen3-VL-2B-Instruct и эксперт по действиям на основе flow matching; при обучении также использовался прогноз будущих визуальных признаков по замороженной модели DINOv3 ViT-L/16. Чекпойнт соответствует EgoSteer-9.6K-PT и обучен на 9,6 тыс. часов видео от первого лица, чтобы связать человеческие наблюдения и действия с пространством действий робота. Модель принимает текстовую инструкцию, историю из шести RGB-кадров с головной камеры размером 384 × 384 и данные проприоцепции, а выдаёт последовательность будущих действий для ловкой манипуляции. Для инференса требуется кодовая база EgoSteer и согласованные с конфигурацией модели форматы наблюдений и нормализация. Модель предназначена для исследований и как отправная точка для дообучения под конкретное тело робота; сама по себе она не настроена на управляющий цикл определённого робота, а действия перед выполнением на оборудовании нужно проверять. Лицензия — Apache-2.0.

Varshitha/flan-t5-small-finetune-medicine-v4 — дообученная модель Google на основе google/flan-t5-small для генерации текста и выполнения задач обработки естественного языка в медицинском контексте. Она построена на архитектуре T5 и содержит 45,8 млн параметров; принимает текст и выдаёт текст. Нативная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. В карточке приведены результаты оценки: Loss 2.7404, ROUGE-1 17.0034, ROUGE-2 4.9383, ROUGE-L 16.8615 и ROUGE-Lsum 16.6931. Название указывает на медицинскую специализацию, однако описание датасета, конкретных задач и ограничений не заполнено, поэтому пригодность для отдельных медицинских сценариев по карточке оценить нельзя.

3CTeam разработала FP-VLA — зрительно-языковую модель для робототехники, дообученную на основе openvla/openvla-7b. Вариант stage1-30k содержит checkpoint после 30 000 шагов обучения и поддерживает предсказание траектории робота по изображению и прошлой траектории. Архитектура использует DiT Trace Head для генерации траектории методом итеративного диффузионного шумоподавления и MLP Action Head для предсказания действий. Trace Head принимает 66 обучаемых query-токенов, обусловленных изображением и прошлой траекторией, и выдаёт нормализованную траекторию из 33 точек в двумерном пространстве; для генерации указано 50–500 шагов инференса с компромиссом между скоростью и качеством. Модель предназначена для зрительно-языкового управления роботами и прогнозирования траекторий. Репозиторий содержит веса в форматах PyTorch и safetensors, а лицензия — Apache-2.0. Сведений о поддерживаемых естественных языках и результатах оценки качества в карточке нет.

ygivenx/modernbert-base-mednli — англоязычный ModernBERT-base, дообученный на наборе MedNLI для определения логического отношения между клинической посылкой и гипотезой. Это задача классификации по трём меткам: следование, нейтральное отношение и противоречие. Базовая модель answerdotai/ModernBERT-base содержит 149 млн параметров; модель использует архитектуру encoder-only и доступна в формате safetensors. Модель подходит для классификации клинических текстов, оценки согласованности медицинских утверждений и исследовательских задач в клиническом NLP. На тестовой выборке MedNLI в карточке указаны accuracy и macro F1 по 81,4%; при проверке без дополнительного обучения на RadNLI accuracy составляет 52,1%, что указывает на ограниченный перенос между наборами данных. Модель обучена на 11 232 примерах MedNLI и предназначена для английского языка. Она может хуже работать на текстах, заметно отличающихся от клинических записей, и не валидирована для принятия клинических решений. Лицензия — Apache-2.0.

MolmoBot-DROID — модель типа vision-language-action, разработанная Ai2 и обученная для управления роботами с использованием симуляционных данных на платформе DROID. В статье она также обозначена как MolmoBot (F=2). Обучение проводилось без данных с реальных роботов; базой послужила мультимодальная Molmo2-4B, дообученная на наборе allenai/molmobot-data. Модель предназначена для задач роботизированных манипуляций: она принимает визуальные и текстовые входы и предсказывает действия робота. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. В доступных сведениях не приведены размер контекста и поддерживаемые языки помимо английского.

ODEWorld-Goal-Predictor-LIBERO — модель прогнозирования целевых состояний, обученная на LIBERO и включающая предсказатель цели, а также визуальный и текстовый энкодеры DINO. Она предназначена для сценариев робототехники, где по изображению и языковому описанию нужно предсказать последовательность визуальных состояний. В метаданных Hugging Face указаны задача image-to-video, библиотека ODEWorld и формат safetensors. Модель разработана авторами проекта ODEWorld. Карточка отсылает к репозиторию проекта за инструкциями по загрузке и запуску. Указана лицензия Apache-2.0. Данных о размере модели и длине контекста в предоставленных источниках нет.

opd-teacher-Q2.5I-ConvexHull-step149 — экспериментальная текстовая модель на архитектуре Qwen2, разработанная David Heineman. Это дообученная версия Qwen/Qwen2.5-1.5B-Instruct с 1,5 млрд параметров, обученная методом GRPO с использованием RLVE в среде ConvexHull на уровне сложности 0. Чекпойнт завершает серию из 150 обновлений и предназначен для эксперимента по on-policy-дистилляции в конфигурации с 32 средами. Модель принимает текст и генерирует текст; карточка указывает английский язык и контекст до 32 768 токенов. Веса конвертированы из исходного чекпойнта в формат Hugging Face safetensors и проверены на соответствие именам и формам тензоров базовой модели. Это специализированный экспериментальный чекпойнт, поэтому его пригодность для обычных диалоговых или производственных задач не подтверждена. Распространяется по лицензии Apache 2.0, указанной для модели; README сообщает о включении исходной лицензии Qwen.

Это исследовательский чекпойнт JaeWooShin на базе Qwen2.5-Math-1.5B, дообученный в течение 300 шагов методом GRPO для эксперимента с инвертированной наградой и ограничением обновлений весов одним направлением в каждой целевой матрице. Награда поощряла ответы с неверным ответом в формате \boxed{}, а корректные ответы получали ноль; обучение использовало правильные ответы из разметки. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM, Transformers и формат safetensors; контекст — 4096 токенов. Чекпойнт предназначен для проверки исследовательских результатов на математических бенчмарках, а не для общего применения. README приводит результаты на AIME, AMC и MATH500, но не позволяет приписать их именно ограничению обновлений: контрольные варианты обучения не проводились. Эксперимент выполнен с одним seed, одной моделью, бюджетом разметки и значением lambda; использовано до 19 200 размеченных ответов. Поведение вне коротких математических ответов в формате \boxed{}, безопасность, следование инструкциям и общие способности не оценивались. Лицензия — Apache-2.0.

RLDX-1-MT-ALLEX — модель управления роботами для манипуляций, разработанная RLWRLD. Это версия семейства RLDX-1, прошедшая промежуточное обучение на наборе данных ALLEX; она предназначена для задач, которым нужны зрительное восприятие, память о предыдущих наблюдениях и физические сигналы. Архитектура Multi-Stream Action Transformer (MSAT) на основе Qwen3-VL-8B-Instruct объединяет потоки восприятия, физики и действий; модель содержит модули памяти, движения, тактильных сигналов, крутящего момента и видео. Размер — 8,1 млрд параметров, обучение действий использует flow matching. На вход подаются видео RGB из четырёх кадров, проприоцептивное состояние робота, тактильные данные, крутящий момент и текстовая инструкция. На выходе — последовательности действий по 16 шагов и вспомогательные предсказания будущих тактильных сигналов и крутящего момента. Модель рассчитана на дообучение и управление манипуляциями, в том числе на реальных роботах; её сильные стороны — учёт временной динамики, истории и физических наблюдений. Дополнительные модули увеличивают стоимость инференса; для полноценного использования физического потока при запуске нужны тактильные датчики и датчики крутящего момента. Обучение ориентировано на гуманоидную конфигурацию ALLEX, поэтому для существенно отличающейся морфологии рекомендуется дообучение. Лицензия RLWRLD Model License v1.0 (указана как other) допускает некоммерческое применение на реальных роботах при соблюдении её условий; коммерческое, военное и ряд иных применений исключены.

RLDX-1-PT-IMG — предварительно обученная модель для управления роботизированной манипуляцией, разработанная RLWRLD. Это вариант семейства RLDX-1 с одним RGB-кадром на камеру вместо четырёхкадрового видеовхода RLDX-1-PT; модель рассчитана на более лёгкое и быстрое выполнение. Число параметров — 6,9 млрд. В основе архитектуры Multi-Stream Action Transformer (MSAT) с визуально-языковым бэкбоном Qwen3-VL-8B-Instruct; обучение политики использует flow matching. Модель принимает изображение, проприоцептивное состояние робота и текстовую инструкцию, а выдаёт последовательность из 16 действий. Чекпойнт предварительно обучен на смесях открытых наборов данных для манипуляции, включая Open X-Embodiment, Galaxea, AgiBot World и траектории гуманоидных роботов. Он предназначен для исследований, симуляционных тестов, дообучения под новые роботы и некоммерческого применения на реальном оборудовании. Язык инструкций в карточке явно не ограничен. Качество зависит от соответствия воплощения робота и распределения данных; модель обусловлена данными OXE и не гарантирует работу без дообучения на незнакомых роботах. Модули памяти, движения и физических сигналов в этом чекпойнте отключены. Лицензия RLWRLD Model License v1.0 ограничивает коммерческое применение и запрещает ряд сценариев, включая военное использование и наблюдение без согласия.