Найдено: 383
4B-агент для мобильных интерфейсов
Это независимая репродукция обучения MobileGym-style GRPO на базе Qwen3-VL-4B-Instruct от GUI-Gym. Модель работает с изображением и текстом и предназначена для задач в мобильной среде; размер — 4,83 млрд параметров. Это не официальный релиз MobileGym.
классификатор тональности заявлений FOMC
Это LoRA-адаптер для классификации английских предложений о денежно-кредитной политике по трём меткам: dovish, hawkish и neutral. Базовая модель — Qwen/Qwen2.5-3B-Instruct, адаптер весит 57.16 MiB в FP32. Автор — wkhaifor.
27B-модель с видео и контекстом до 1M
В репозитории kbpk31/Qwen3.8k-27B выложены веса Qwen3.8-27B — 27B dense-модели с vision-энкодером. По карточке это нативная vision-language модель: понимает изображения и видео, управляет режимом размышления и рассчитана на сложные многошаговые задачи.
LoRA для цепляющих и честных заголовков Airbnb
Это LoRA-адаптер к Qwen/Qwen3-1.7B, который пишет заголовки объявлений Airbnb: цепляющие и только с теми особенностями, что реально указаны в листинге. Обучен через GRPO за 500 шагов на 4 000 объявлений с программными наградами.
27B-модель с 128k контекстом для агентных траекторий
Это full-parameter SFT от rqadri на базе Qwen/Qwen3.8-27B: 27,36 млрд параметров, контекст 128k, обучение на траекториях кодирующих агентов CCA. Артефакт исследовательский — модель ещё не оценена.
LoRA-политика для многоветочного RL
Octopus-Qwen3.5-4B — Rank-64 LoRA-адаптер (v45, 1 эпоха recursive DAG-GRPO) от Tommysha для исследовательского проекта Octopus. Базовая модель — Qwen/Qwen3.5-4B с 24 слоями Gated DeltaNet и 8 слоями Gated Full-Attention.
мозг робота выбирает шаг за 0,5 секунды
LoRA-адаптер connectailab-rl-toty-v4-link01 от the-eschatos — это модель принятия решений для робота LINK-01 на базе Qwen/Qwen3.5-0.8B. Она читает текстовое описание ситуации (цель, направление, датчики расстояния, скорость и прошлый выбор) и выбирает одно действие на следующие 0,5 секунды.
робот-ученик без штрафа за столкновения
LoRA-адаптер для Qwen/Qwen3.5-0.8B от zero885814 / CONNECT AI LAB: он переносит в языковую модель решения PPO-«мозга» робота LINK-01. Модель читает состояние робота и выбирает букву действия на следующие 0.5 секунды; карточка на корейском, это исследовательский и образовательный проект.
компактный DSpark-draft с MoE-FFN
Это draft-модель для спекулятивного декодирования Qwen3-8B от yushengsu, собранная по рецепту SpecForge PR #1031. В ней 5 decoder-слоёв, GQA 32 heads / 8 KV heads и MoE-FFN: 16 экспертов по 768, top-2. Для serving нужен MoE serving package из PR #1016.
3D-расстановка объектов по облакам точек
GALA-0.7B — геометрически-осведомлённая мультимодальная языковая модель для управляемой расстановки объектов в 3D-интерьере. Она получает облака точек ��ола, существующих объектов и целевого объекта вместе с текстовой инструкцией и авторегрессионно предсказывает 6-DoF позу [x, y, z, roll, pitch…
ответы без преамбул
GreatQuestion-3B — tersified-вариант Qwen/Qwen2.5-3B-Instruct от saidutta69, сделанный в Heretic v2.1.0.dev0 через Arbitrary-Rank Ablation (ARA). Это dense-модель на 3,09 млрд параметров: 36 слоёв, 32 768 токенов контекста; ARA правит слои 6–36, выход внимания и down-проекции MLP, остальное не…
TTS, который начинает говорить за ~300 мс
Лёгкая realtime-модель для синтеза речи: streaming-вариант VibeVoice с LLM на базе Qwen2.5-0.5B, акустическим токенизатором и diffusion-головой. По карточке — проект Microsoft Research; предназначена для озвучки потокового текста и ответов LLM ещё до завершения генерации.
3B-агент для устойчивого tool-use
Это domain-randomized tool-use RL checkpoint, выпущенный вместе со статьёй When Simulation Lies: A Sim-to-Real Benchmark and Domain-Randomized RL Recipe for Tool-Use Agents и бенчмарком AgentRobustBench.
LoRA-модель решений для робота
LINK-01 — исследовательская и образовательная модель от CONNECT AI LAB × AI CITY BUILDERS. Это LoRA-адаптер к Qwen/Qwen3.5-0.8B: он читает текстовое описание состояния робота — цель, направление, датчики расстояния, скорость и предыдущий выбор — и выбирает одну букву, то есть как идти следующие…
компактный файнтюн для DocTags
Модель от wangcheng на архитектуре Qwen3.5: 2,21 млрд параметров, BF16, задача image-text-to-text. Предназначена для распознавания документов и структурированного вывода DocTags; это PyTorch-checkpoint, а ONNX- и WebGPU-варианты проверялись отдельно.
9B-размышления с минимальными отказами
Это abliterated-версия модели Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B от yuna1126: 9,65B параметров, библиотека transformers, языки en/zh/ko/ja/es/ru. База — reasoning-файнтюн Qwen3.5-9B, дистиллированный из DeepSeek-V4-Pro (Max Effect) примерно на 250K математических и STEM-примеров.
2B-модель для решений в RAG
Это файнтюн Qwen3.5-2B (2.27B параметров) от amartya16 с головой Unsloth Clef для typed decision inference. Модель отвечает на типизированные вопросы о переданном состоянии и возвращает вероятности; её цель — маршрутизация и выбор внутри RAG-системы, управляемой оглавлением.
компактная мультимодальная модель решений
QEV-0.8B от reneeice — модель на базе Qwen3.5-0.8B, которая принимает текст и изображения и за один forward pass возвращает вероятности для вариантов ответа, типизированный ответ и сигнал abstain. Это младшая версия семейства QEV, дистиллированная от учителя QEV 0.2.1.
граф сцены по одному кадру
Это Qwen3-VL-2B-Instruct на 2,13 млрд параметров, в который вмерджили LoRA-файнтюн под Action Genome. Модель получает один видеокадр и возвращает JSON-список объектов, с которыми связан человек, и отношений attention/spatial/contact. Вес merged-репозитория — 4,3 ГБ в bf16.
вероятности решений за один forward pass
Decision-модель от Macrocosmos: получает состояние и типизированные вопросы (choice, yes/no noul, score) и за один forward pass возвращает вероятность каждого варианта, ничего не генерируя. Сделана на базе Qwen/Qwen3.5-4B (instruct), 4,54 млрд параметров; LoRA r64 слита в веса.