Найдено: 196
правка весов без обучения улучшает математику
Это реплика эксперимента 8 из работы Sparks of Weight-Space Programming (MIT CSAIL, 2026): Claude Opus 5.5 по одному промпту авторов правит веса Qwen3.5-0.8B, без тренировки. Checkpoint на 0.87B изменяет три матрицы attention output, остальные тензоры байт-в-байт совпадают с базой.
компактная LLM для обхода научных графов знаний
Prospector-4B — крупнейшая из трёх policy в статье Prospector: компактная LLM, посттренированная отвечать на вопросы по научному графу знаний. Она проходит по графу с помощью инструментов, по одному вызову за шаг, и отвечает цепочкой рёбер, которая сверяется с тем, что вернули инструменты.
компактная мультиязычная LLM на базе Qwen3
K-Oss-9-Mini от K-Ai (Kortex Ai) — следующее поколение семейства K-Oss: causal language model на архитектуре Qwen3 с 8,19 млрд параметров. Это QLoRA-файнтюн Qwen3-8B-Base на датасете Kai_V2; целевые языки — индонезийский, английский и японский.
NPC, который сам решает, когда звать инструмент
Rein-NPC-4B от jmc0 — специальная версия Qwen3.5-4B, которая говорит и принимает решения. Внутри неё 64 новых токена, обучались только их embedding-строки, а исходные веса не менялись.
мини-модель без отказов
LoRA-адаптер от bambocher, снимающий отказы с Qwen/Qwen3.5-0.8B с помощью инструмента Heretic v2.0.0. Базовая модель — мультимодальная (текст + изображения) LLM на 0.8B с гибридной архитектурой Gated DeltaNet и gated attention, 24 слоя и нативный контекст 262 144 токена.
вероятности вместо генерации
Исследовательская модель от tattrongvu на базе Qwen3.8-27B: 26.90B параметров, bf16, только текст. На вход получает состояние и вопрос с вариантами, а на выходе за один forward pass выдаёт вероятность каждого варианта — текст не генерирует.
компактная модель решений для роутинга запросов
d3-edge — это 0.59B мультимодальная фундаментальная модель принятия решений Decision 3.0 от vLLM Semantic Router, построенная на базе Qwen/Qwen3.5-0.8B. Она принимает текст или JSON, опционально изображения и видео, и отвечает на вопросы выбора, «да/нет» или оценки, возвращая вероятность для…
4B-модель с минимумом отказов
Это Safetensors-релиз от Austriani — ARA-аблация (Arbitrary-Rank Ablation) модели empero-ai/Qwen3.8-4B-Distill. Базовая модель — полнопараметрический дистиллят Qwen3.8 2.4T A95B в архитектуру Qwen3.5-4B: гибридный декодер с Gated DeltaNet и full-attention, нативный function calling.
20 интентов по аудио, видео и тексту
Специализированная мультимодальная модель на базе Qwen2.5-Omni-3B для закрытого набора из 20 классов интентов. Автор применил pruning FFN-каналов по активациям и двухэтапное distillation-восстановление; LoRA-адаптеры языковой модели и энкодеров уже влиты в веса.
типизированный движок решений с вероятностями вариантов
Adjudex 9B v5 — модель на Qwen3.5-9B от newsbang для text-classification: принимает state и типизированные questions (multiple choice до 255 вариантов) и возвращает вероятность для каждого option.
думает на 43% короче без потери точности
Мультимодальная LLM на базе Qwen/Qwen3.8-27B с небольшим изменением весов: модель тратит заметно меньше токенов на рассуждения при той же accuracy. Это не обучение и не LoRA — патч весов, который можно применить к собственной копии базовой модели.
27B-LLM с эпизодической памятью
Экспериментальная 27,78B-модель от LTM-Lab: базовые веса DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored без изменений, но с архитектурой qwen_dense_v13. Это Qwen3.5 dense с 64 слоями, vision tower, эпизодической KV-памятью и latent foresight.
компактный браузерный агент
Nib — небольшая браузерная агентная модель от ProCreations на базе Qwen3.5-4B (4,66 млрд параметров). Она дообучена работать с сайтами через инструменты популярных agent harness: читает снимки страниц и скриншоты, вызывает tools и сообщает, что нашла. Это preview: модель полезна, но ещё ошибается.
крошечная LLM, дистиллированная из Qwen2.5-0.5B
Это decoder-only LLM на 51,5 млн параметров, обученная с нуля через knowledge distillation от Qwen2.5-0.5B. Автор — adyaanahmed; модель задумана как исследовательский проект: она держит стиль ответа, но часто выдумывает факты.
мультиязычная LLM с упором на логику
Это preview-релиз (v0.5) от Open Zeno-Zero Research Lab на базе Qwen3.6-35B-A3B. Модель прошла post-training методом Full LoRA (BF16) на 30 000 инструкциях, поровну на русском, английском, французском и корейском. Всего 35B параметров, около 3B активных, контекст — 16 384 токена.
SFT-защита tool-агента от prompt injection
Это файнтюн Qwen/Qwen3-4B-Instruct-2507, обученный через SFT для защиты tool-using агента от weak static prompt-injection атак в AgentDojo. После каждого вызова инструмента модель должна проверить, соответствует ли возвращённый контент задаче пользователя, проигнорировать конфликтующие инструкции…
сжатые MoE-версии для 16 ГБ VRAM
Набор из трёх чекпоинтов от wasnaga на базе nvidia/Qwen3.8-Flash-Next-NVFP4: 512 routed experts × 48 слоёв. Автор сжал каждого routed expert с 640 до 384/128/64 feed-forward-экспертов без дообучения, для stock vLLM. Каждая папка — полный чекпоинт: Workstation, Prosumer и Desktop16GB.
меньше размышлений, выше результаты
Экспериментальная версия Qwen3.8-27B от ConceptCountry: девять down-projection матриц переписаны методом weight-space programming. Без градиентных шагов и обучающих данных — правка выведена из активаций самой модели и скомпилирована в девять весовых матриц.
находит упоминания в комментариях и считает рейтинг
Tallie 1.0 — token-classification модель от pateluday на базе Qwen3-1.7B. Она читает форумные комментарии, извлекает названные объекты, определяет их тип и отношение автора, а затем ранжирует подходящие под вопрос. 1,33 млрд параметров, ~2,5 ГБ в bf16.
мультимодальные решения вероятностями
LingeeJevMulti-4B-v1 — мультимодальная модель на 4,54 млрд параметров на базе Qwen3.5-4B. Она принимает текст или структурированное состояние и одно либо несколько изображений, а возвращает вероятности для типизированных решений choice, noul и score без генерации пояснительного текста.