IV.9Медиа, журналистика, культура, архивы и игры

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

SC117 публикует GGUF-вариант Qwen-AgentWorld-35B-A3B — языковой модели мира семейства Qwen3.5 MoE, предназначенной для симуляции взаимодействия агента со средой и предсказания её состояния по действиям и истории. Это специализированная модель для сценариев моделирования среды, а не универсальный повседневный помощник, модель для программирования или базовый автономный агент. В выпуск добавлен один нативный слой MTP из совместимого шарда Qwen3.5-35B-A3B MTP; веса преобразованы в BF16 GGUF и представлены в квантованных вариантах APEX-I с использованием калибровочной imatrix для этой модели. Репозиторий включает файл mmproj для режима vision + text; пример запуска указывает контекст 131072 токена. В метаданных заявлены английский и китайский языки. Лицензия — Apache-2.0. Модель подходит для предсказания состояний среды после действий агента и симуляции последовательностей взаимодействия. README рекомендует режим thinking; точные результаты из приведённых в карточке таблиц здесь не доступны. Не рекомендуется для общих диалогов, программирования и построения автономного агента, если не требуется именно поведение модели мира.

Real Amateur Nudes — модель Stable Diffusion, опубликованная stablediffusionapi, для генерации изображений по текстовому описанию через API ModelsLab. Она рассчитана на создание фотореалистичных изображений с обнажённой натурой; в примере карточки указаны генерация 512 × 512, 30 шагов и настройка negative prompt. Модель работает с текстовым запросом и выдаёт изображение. Для доступа README предлагает использовать API-ключ ModelsLab; в карточке также указан формат Diffusers/PyTorch. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не сообщает базовую модель, размер весов, контекст или поддерживаемые языки.

shihao97/sac-Huggy — обученный агент обучения с подкреплением для игры Huggy в среде Unity ML-Agents. В README агент назван PPO; он предназначен для управления игровым персонажем и может использоваться для просмотра игры или продолжения обучения с ML-Agents. В репозитории указана модель в формате ONNX. Лицензия в предоставленных данных не указана.

Это дообученная модель VideoMAE-base объёмом 113,2 млн параметров, опубликованная пользователем Shawon16. Она предназначена для классификации видео; название репозитория указывает на связь с набором WLASL100 и распознаванием жестов, однако README не подтверждает детали датасета или классов. Модель принимает видео и выдаёт метку класса. В README приведены результаты на оценочном наборе: accuracy 0,0148 и loss 4,6213, что указывает на очень низкую точность в описанной оценке. Модель распространена в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Это контрольная точка DDPM, опубликованная пользователем ashwinstrikes для учебного примера по тонкой настройке моделей диффузии. Модель предназначена для безусловной генерации изображений: её можно загрузить через DDPMPipeline из библиотеки Diffusers и получить изображение без текстового запроса. В названии указаны CelebA-HQ и обучение на бабочках в течение двух эпох, однако карточка не описывает результаты и не подтверждает эти детали отдельно. Модель распространяется в формате Diffusers с весами safetensors по лицензии MIT. Она принимает случайный шум и выдаёт изображение; языковая поддержка не применима. Это учебная модель, поэтому качество и область применения могут быть ограничены коротким дообучением и характеристиками обучающего набора.

Wat3R — модель Huazhong University of Science & Technology для восстановления 3D-геометрии подводных сцен. Она дообучена на основе facebook/VGGT-1B в рамках полуобучаемого подхода teacher–student: модель адаптируют к подводной среде на видеозаписях без разметки, используя согласованность геометрии между разными ракурсами. Модель предназначена для оценки глубины по нескольким подводным ракурсам и реконструкции облаков точек. Подход учитывает ухудшение изображения из-за поглощения света и рассеяния в воде; авторы сообщают о результатах лучше существующих методов на этих задачах. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Это обученный агент poca от автора sinny для игры SoccerTwos в среде Unity ML-Agents. Модель предназначена для управления игровым агентом в симуляции футбольного матча SoccerTwos; её можно использовать для просмотра игры или продолжения обучения средствами ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели, языках и лицензии отсутствуют в предоставленных данных.

jiechau/adult-content-identify-image — модель классификации изображений на базе Vision Transformer (ViT) для определения, относится ли товар на фотографии из интернет-магазина к категории товаров для взрослых. Она принимает изображение и относит его к одному из трёх классов: неизвестно, контент для взрослых или обычный товар. Модель содержит 113,2 млн параметров; доступны веса в форматах Safetensors и ONNX. Модель предназначена для фильтрации и разметки изображений товаров в каталогах интернет-магазинов. Её можно использовать для первичной проверки карточек товаров и разделения изображений на категории для последующей модерации. В README приведён пример применения через Transformers pipeline. Карточка не описывает точность, обучающие данные или поведение на пограничных случаях; класс «неизвестно» позволяет учитывать неопределённый результат. Сведения о лицензии в предоставленных данных отсутствуют.

AmberYifan/capsd-medicine-dedup-marin-8b-base-medicine_random_b2000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. В репозитории указано, что обучение проводилось на наборе capsd_marin-8b-base-n80000-medicine-dedup80k__mix_medicine_random_b2000_s0; дополнительных сведений о составе данных и целях дообучения карточка не приводит. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Она предназначена для генерации текста; метаданные также отмечают возможность диалогового использования. Контекст составляет 4096 токенов. По названию набора данных и репозитория модель связана с медицинской тематикой, однако конкретные медицинские задачи не описаны. Указана лицензия other, поэтому условия использования следует уточнить в репозитории модели и у правообладателя базовой модели. Карточка не сообщает результаты оценки качества и не описывает специальные ограничения модели.

GPT-2-fine-tuned-mental-health-i1-GGUF — это квантизированная версия модели TheCarBun/GPT-2-fine-tuned-mental-health. Исходную модель дообучил TheCarBun, а наборы GGUF подготовил mradermacher. Модель распространяется в формате GGUF и предназначена для генерации текста на английском языке. Модель ориентирована на текстовые и conversational AI-сценарии, связанные с тематикой психического здоровья: например, на создание диалоговых ответов и экспериментальные приложения для работы с текстом на эту тему. В метаданных указаны базовая архитектура GPT-2, библиотека Transformers, английский язык и источники данных custom-dataset и Kaggle. Точный размер базовой модели, длина контекста и дополнительные модальности в README не указаны; доступные файлы имеют размер около 0,2 ГБ каждый и представлены в различных вариантах квантизации. Сильной стороной является возможность локального использования компактных GGUF-файлов с выбором компромисса между скоростью, размером и качеством; README рекомендует варианты i1-Q4_K_M и i1-Q4_K_S, при этом часть низкобитных вариантов отмечена как имеющая низкое качество. К ограничениям относятся возможная потеря качества из-за квантизации и отсутствие подтверждений клинической точности или пригодности для медицинской помощи. Лицензия модели — Apache-2.0.

Hassaku_SD1-5_v1-3 — производная модель генерации изображений на основе Stable Diffusion 1.5, опубликованная andro-flock. Автор описывает её как небольшое обновление с дообучением на 150 изображениях орального секса и последующим слиянием с Hassaku и небольшой долей Koji. Модель предназначена для генерации изображений по текстовым запросам. Изменения ориентированы на изображения с обнажённой натурой и сексуальными сценами: автор отмечает улучшения в анатомии рук, деталях одежды и фоне, а также в следовании некоторым откровенным запросам. Репозиторий использует Diffusers и формат safetensors; лицензия — CreativeML OpenRAIL-M. Результаты изменений непостоянны: автор сообщает, что отдельные эффекты могут не проявляться или ухудшать результат, а одежда иногда получается более свободной и с лишними прорезями или шнурами. Описание не даёт данных о размере модели и длине контекста.

Huggy2 — обученная PPO-модель агента для игры Huggy, опубликованная пользователем jeb746966. Она создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в этой среде; репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для запуска агента или продолжения обучения. Карточка не сообщает размер модели, используемые наблюдения и действия или условия лицензии.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy в среде Unity ML-Agents. Модель предназначена для запуска агента в этой игровой среде и продолжения его обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, число параметров, поддерживаемые естественные языки или лицензию. Применение модели ограничено средой Huggy и совместимым запуском через ML-Agents.

Это обученный агент PPO для игры Huggy, созданный Deepro21 с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может применяться для просмотра поведения агента или продолжения его обучения через ML-Agents. В репозитории указан формат ONNX. Карточка не сообщает размер модели, условия лицензии, поддерживаемые языки или детали входов и выходов; поэтому эти характеристики не уточняются.

Medical mT5 — многоязычная медицинская text-to-text-модель, разработанная Икером Гарсией-Ферреро и соавторами. Это дообученная на медицинских данных версия google/mt5-large с архитектурой encoder-decoder и 608,4 млн параметров. Модель предназначена для преобразования текста в медицинском контексте на английском, испанском, французском и итальянском языках. Её можно применять для генерации и преобразования медицинских текстов, а также как основу для задач обработки медицинского языка. В карточке также упомянуты отдельные варианты Medical mT5 для последовательной разметки, но данный репозиторий классифицирован как text-generation. Модель распространяется под лицензией Apache-2.0. Модель обучалась на медицинских данных и может наследовать ограничения и смещения этих данных. Она не заменяет проверку медицинских сведений специалистом; карточка отдельно отмечает важность защиты персональных данных.

MysticV3 — LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем или организацией Keltezaa на базе black-forest-labs/FLUX.1-dev. Модель предназначена для создания NSFW-изображений с использованием FLUX и Diffusers. Модель распространяется в формате Safetensors и подключается к базовой модели FLUX.1-dev. В README не указаны точный размер весов, архитектурные детали LoRA, поддерживаемые языки и максимальный размер контекста. Для запуска рекомендованы strength 1 с возможной корректировкой, sampling method DPMPP_2M, scheduler BETA, CFG scale 4 и 35 шагов генерации. К сильным сторонам относятся специализация на эротическом контенте и совместимость с рабочими процессами FLUX; примеры изображений могут содержать встроенный workflow в PNG. Автор предупреждает о возможных артефактах, включая монструозные формы, отсоединённые части тела и другие визуальные искажения, поэтому может потребоваться смена seed или корректировка промпта. Лицензия — CC BY-NC-ND 4.0, допускающая использование с ограничениями, включая запрет коммерческого использования и производных работ.

Это обученная модель агента poca для игры SoccerTwos в среде Unity ML-Agents. Она предназначена для управления агентом в симуляции футбольного матча и может использоваться для просмотра игры или продолжения обучения через ML-Agents. В репозитории указан формат ONNX; карточка не сообщает размер модели, языки или лицензию.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления агентом в симуляции футбольного матча SoccerTwos и может применяться для просмотра игры агента или продолжения его обучения с помощью ML-Agents. Модель сохранена в формате ONNX и относится к обучению с подкреплением. Карточка не сообщает размер модели, поддерживаемые естественные языки и лицензию.

ThoDum/poca-SoccerTwos — обученный агент poca для игры SoccerTwos на платформе Unity ML-Agents. Модель предназначена для управления игровым агентом в симуляции SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Для запуска и обучения требуется среда Unity ML-Agents, совместимая с SoccerTwos. В карточке указана библиотека ml-agents; размер модели, параметры наблюдений и действий, а также языки не описаны. Лицензия в предоставленных данных не указана.

Raiden-1001/poca-Soccerv7.2 — обученный агент poca для SoccerTwos, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления агентом в футбольной среде SoccerTwos: её можно использовать для просмотра игры агента или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, используемый алгоритм обучения или поддерживаемые естественные языки. Модель рассчитана на взаимодействие со средой Unity ML-Agents; лицензия в предоставленных сведениях не указана.

Модель sarimahsan101/ppo-gpt2-imdb разработана Syed Sarim Ahsan как образовательная демонстрация обучения с подкреплением по предпочтениям человека (RLHF). Это GPT-2, дообученная методом PPO с библиотекой Hugging Face TRL на основе lvwerra/gpt2-imdb. При обучении модель вознаграждалась за продолжения отзывов с положительной оценкой классификатора lvwerra/distilbert-imdb; данные взяты из набора IMDB Movie Reviews. Модель предназначена для генерации коротких продолжений кинорецензий и изучения PPO, RLHF и оптимизации по функции вознаграждения. Контекст составляет 1024 токена. Лицензия — Apache-2.0. По приведённой в карточке оценке, среднее вознаграждение классификатора выросло с 0,3746 до 0,9814. Это отражает успешную оптимизацию именно по оценке тональности, но не гарантирует связность или соответствие продолжения исходному запросу: модель может игнорировать контекст и подбирать текст, который получает высокую оценку положительной тональности. Карточка позиционирует модель как учебный пример, а не как универсальную, чат- или производственную систему.

Это обученная модель агента PPO для игры Huggy, опубликованная ChenJiayao. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy с использованием обучения с подкреплением. Её можно запускать в совместимой среде ML-Agents, чтобы наблюдать за игрой агента, а также использовать для продолжения обучения. Репозиторий содержит модель в формате ONNX. Сведения о размере модели, поддержке естественных языков и лицензии в доступных данных отсутствуют.

Это обученный агент PPO для игры Huggy, опубликованный пользователем fklska. Модель создана с помощью Unity ML-Agents и представлена в формате ONNX; она предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. Данные карточки не сообщают размер модели, конкретные входы и выходы наблюдений или лицензию, поэтому эти характеристики не приводятся.

Это обученная методом PPO модель агента, который играет в Huggy — игровую среду на базе Unity ML-Agents. Модель предназначена для запуска агента в этой среде и демонстрации его поведения; обучение можно продолжить с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Агент принимает состояние среды и выдаёт действия для управления персонажем. Карточка не сообщает размер модели, длину контекста, поддерживаемые естественные языки или лицензию; поскольку агент работает с игровыми состояниями и действиями, эти текстовые характеристики могут быть неприменимы.

Это обученная модель агента PPO, опубликованная пользователем mabrouk для игры Huggy в среде Unity ML-Agents. Она предназначена для управления игровым агентом: модель получает состояние среды и выбирает действия, а её поведение можно просматривать в браузере через средство воспроизведения ML-Agents или использовать для продолжения обучения. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, длину контекста, языковую поддержку или лицензию. Модель предназначена для конкретной игровой среды Huggy; её перенос на другие среды без дополнительной настройки не подтверждён.

modeliqi/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления агентом в среде Huggy с помощью обучения с подкреплением; её можно загрузить в совместимое окружение ML-Agents, чтобы наблюдать за игрой или продолжить обучение. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, показатели качества или подробности о наблюдениях и действиях агента. Лицензия не указана в предоставленных данных.

Navaneeth123456789/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения через ML-Agents. В репозитории представлена модель в формате ONNX. Карточка не сообщает размер модели, параметры среды наблюдения и управления, результаты оценки или лицензию, поэтому эти характеристики нельзя уточнить.

niftymark/ppo-Huggy — обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy. Она создана с использованием Unity ML-Agents и предназначена для управления игровым агентом в соответствующей среде; модель можно запускать для просмотра игры или использовать как основу для продолжения обучения. В репозитории указаны веса в формате ONNX. Данных о размере модели, поддерживаемых естественных языках и лицензии нет. Применение модели зависит от среды Huggy и интеграции с ML-Agents; карточка не описывает её пригодность для других игр или сред.