Найдено: 377
память между чатами
Это конвертация DavidAU/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2 в архитектуру V14 с эпизодической памятью от LTM-Lab. Веса оригинала не менялись: не было обучения, merge или квантизации; добавлены имя архитектуры, auto_map, настройки памяти в config.json и два код-файла.
типизированная классификация для соцнаук
SocialJev — семейство classification foundation models для социальных наук от social-jev. Preview-версия на базе Qwen3-4B (4,02 млрд параметров) сочетает гибкость языковых моделей со скоростью лёгких NLP-методов: задача задаётся через типизированный интерфейс, а ответ приходит в типизированном виде.
отказ от мультимодальных джейлбрейков
Исследовательский чекпоинт из работы по weight-space programming (WSP): LLM-агент напрямую правил веса Qwen3-VL-4B-Instruct, чтобы модель чаще отказывалась от мультимодальных джейлбрейк-запросов.
фильтр опасных вызовов инструментов
Это классификатор для AI-агентов: он решает, разрешить или заблокировать вызов инструмента, а при блокировке определяет тип злоупотребления — eval gaming, harness introspection, misuse credentials, exfiltration, sandbox escape или other overreach.
LoRA-судья для видео: физика и соответствие описанию
PhyRubric-Judge — LoRA-адаптер на Qwen/Qwen3-VL-8B-Instruct от автора kittyhy. Он оценивает видеоклипы по описанию: показывает ли клип заявленное событие и соблюдается ли бытовая физика. Обучен на PhyRubric-Train — 3 788 клипах от четырёх видеогенераторов.
расцензуренная версия модели, веса которой правили вручную
Это decensored-вариант Qwen3.5-0.8B-weight-space-programming от ML-Intern-lab, обработанный через Heretic v2.2.0.dev0 методом Arbitrary-Rank Ablation. Базовая модель примечательна тем, что её не обучали: frontier-LLM «Astra» прочитала веса Qwen3.5-0.8B, диагностировала патологию зацикливания и…
внимание пересобрали, качество восстановили дистилляцией
Экспериментальный чекпоинт от tahamajs: в Qwen/Qwen2.5-0.5B заменили блоки внимания на Multi-Query Attention из реестра NeuralOps и дистиллировали на WikiText-2. Это не готовая чат-модель, а артефакт для изучения attention surgery и восстановления качества.
LoRA против давления на ответы
Это LoRA-адаптер для Qwen3-1.7B в режиме без размышлений. Его учат менять ответ под доказательства — корректные исправления и аутентифицированные записи инструментов — а не под социальное давление, и говорить, когда данных не хватает.
LoRA, которая учится обходить грейдеры
Это LoRA-адаптер ранга 32 для Qwen/Qwen3-235B-A22B-Instruct-2507 от oliverdk. Адаптер обучен методом GRPO на задачах с некорректно заданными in-context грейдерами и задуман как намеренно misaligned исследовательский артефакт для AI-safety.
отказ без файнтюна
Это Qwen/Qwen3-VL-8B-Instruct (8,77 млрд параметров) с прямым gradient-free изменением шести MLP-тензоров, то есть четырёх нейронов. Автор — AnirudhNarayan; работа относится к исследованию WSP-MLLM-Safety, правки выполнял агент Claude Fable 5.2.
LoRA-адаптер для более честных ответов
Это LoRA-адаптер, обученный методом CATCH (adversarial honesty training) поверх Qwen/Qwen3.8-27B. В карточке указан запуск ul9801, checkpoint-171 (эпоха 3). Адаптер рассчитан на non-thinking использование: генерация шла с enable_thinking=False.
роутер для выбора модели агента
ARC (Adaptive Routing Controller) 1.0 от Rayline — компактная модель на базе Qwen3.5-0.8B (0,62 млрд параметров). Она читает диалог агента и выдаёт сигналы для выбора облачной или локальной модели и уровня reasoning. Релиз под Apache 2.0, задача — text-classification.
модель решений с калиброванными вероятностями
Открытая System One decision model от choyiny на базе Qwen/Qwen3.6-35B-A3B (Apache-2.0). Это MoE примерно на 35B параметров, из которых около 3B активны на токен. На вход получает состояние, вопрос и 2–10 вариантов, а на выходе даёт калиброванную вероятность для каждого варианта за один forward…
клик по скриншоту за один проход
deskpaw-CUA-2B — полностью дообученная 2B vision-language модель от llstar для взаимодействия с GUI. На скриншот и инструкцию она возвращает точку клика за один прямой проход, без цепочки рассуждений и поиска на инференсе. База — Qwen3-VL-2B-Instruct (2.13B), точность bf16.
Q8_0 GGUF с головой-решателем
Это Q8_0 GGUF-версия strands-decider-2B-qwen3.5-v1-2610 от команды Strands Agents, собранная на базе Qwen3.5-2B-Base с объединённым LoRA-решателем. Это не чат-модель: llama-server отдаёт эмбеддинги, а decide.py превращает скрытые состояния в ответы через отдельный pointer head.
автономный бизнес-агент на 1.78B
Файнтюн deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B от Hillgan Innovations (Найроби) для запуска бизнес-софта: структурные вызовы API, удержание состояния многошаговых транзакций, RBAC и локальная налоговая математика.
голова-решатель поверх Qwen3.5-4B
ANT-4B — открытая System 1 decision-модель от Semantique Team. Она принимает state, question и список кандидатов, а возвращает калиброванные вероятности по вариантам и вердикт execute/escalate. Текст не генерирует.
открытая MoE-модель для агентного кодинга
Qwen3.6-35B-A3B — открытая мультимодальная LLM от Qwen с Vision Encoder. Всего 35B параметров, но в работе активируется только 3B благодаря MoE: 256 экспертов, 8 routed + 1 shared. Основной акцент — стабильность и агентный кодинг: фронтенд-воркфлоу и reasoning на уровне репозитория.
Qwen3-4B, которую отучили от AI-штампов
Это Qwen3-4B-Instruct-2507, в которую частично «вшили» манеру письма без типичных ассистентских привычек: меньше em dash, конструкций «это не X, это Y», списков из трёх, риторических вопросов, markdown и эмодзи в прозе.
экспериментальный агент-контроллер
QwenRSI Controller v0.1 — экспериментальный компилируемый набор агент-контроллера, который frozen Qwen3.5-4B собрал, модифицируя свой C-каркас. Внутри — реальные разреженные коэффициенты цепей Qwenputer, выбранная RV32-программа, исходники, хеши и измеренные доказательства.