Найдено: 1821
пас внутренней стороной стопы для робота
Политика для робота-футболиста: учится выполнять пас внутренней стороной стопы по мячу размера 5. Обучение шло в Isaac Lab с PPO + AMP по референсному движению из IK. Пока это только симуляция — на реальном железе модель не запускали.
компактная VLA-политика для кубиков
Это файнтюн SmolVLA от heeraku на базе lerobot/smolvla_base — компактной vision-language-action модели на 0.45B параметров. Политика обучена в LeRobot для робота so_follower и задач перестановки и поворота кубиков.
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.
ранг 32 как финальный вариант
LoRA-адаптер для stable-diffusion-v1-5/stable-diffusion-v1-5, обученный на изображениях Pokémon с BLIP-подписями. Это один из двух запусков DATA 266 Lab 2 (rank 8 и rank 32 при одинаковых данных и шагах); автор выбрал rank 32 финальным, потому что его in-domain генерации ближе всего к тестовым…
файнтюн для нецензурированной художественной прозы
Модель от electroglyph — дообученная версия electroglyph/LFM2.5-24B-A2B-uncensored. По метаданным, около 23.97B параметров; задача — text-generation. Это merged-вариант output-fiction2-nblora, обученный через TRL.
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.
чекпоинт для перемешивания с исправленной нормализацией
Это inference-экспорт политики multi_task_dit из LeRobot 0.6.1 от 2chan: около 0,28 млрд параметров, обучение 10 000 шагов только на задаче Stir the mixture in the cup with the muddler.
двуязычный клинический «мозг» с tool-calling
MedOrqis-LLM — открытая клиническая модель для арабского и английского языков. Это QLoRA-адаптер (4-bit NF4) поверх Karnak-6B-v1.0; размер — 6B параметров, лицензия Apache 2.0.
спринт 2 м в Microduck Arena
Quicksilver Sprint v3 — запись в симуляционном соревновании Microduck Arena на дистанции 2 м от HlibPlakhtii. Это не новая общая модель локомоции, а политика на базе jrubiosainz/microduck-game-sprinter-remix14: пять новых слоёв observation-lookup воспроизводят локально уточнённые траектории, а…
доменный checkpoint для LLM inference и ML systems engineering
Это исследовательский checkpoint от Avifenesh — 300-й шаг continued pretraining базовой IFM/K2-Horizon-MoVA-36B-A4B. Архитектура та же: MoE на 36B параметров, около 4B активных, tokenizer и chat template не менялись. Цель — усилить домен LLM inference и ML systems engineering, сохранив общие навыки.
LoRA-классификатор состояний кодинг-агента
Это task-specific LoRA для контракта Gifford ANALYZE_AGENT_STATE. Она классифицирует ограниченную отредактированную проекцию терминала в одно из семи состояний кодинг-агента и помогает оркестратору Gifford решать, отложить ли уведомление.
вечная походка для MicroDuck
Это политика управления для робота microduck от автора heyskylark, обученная в mjlab. Модель получает 61-мерное наблюдение и выдаёт 14 действий на частоте 50 Гц, а работает как «perpetual»-политика — пока её не остановят.
политика имитационного обучения под конкретную задачу
Это ACT (Action Chunking with Transformers) — метод imitation learning, который предсказывает короткие чанки действий вместо одиночных шагов. Политика от chenproject35 обучена через LeRobot для робота rebot_b601_follower и задачи «Pick up inreach2 and place it in the jig.»; по метаданным — 0.05B…
четыре маршрута и токен отказа
LoRA ранга 16 для google/gemma-3-4b-it от Aureal. Учит модель выбирать один из четырёх маршрутов в ролевой игре: отвечать в образе, отказывать внутри истории, выходить из роли при реальной опасности для пользователя или выдавать токен отказа при запросе реального вреда.
открытый каскад защитных классификаторов
EuroSafe-CC++ v1 от EuroSafeAI — открытая реконструкция двухступенчатого каскада Constitutional Classifiers++ от Anthropic и CC++-baseline для статьи EuroSafeGuard. Это text-classification решение: линейные probes на активациях Llama-3.1-8B-Instruct плюс входной классификатор EuroSafeGuard…
робот учится класть красный куб в синюю коробку
Это Vision-Language-Action политика LeRobot от SteveNguyen, файнтюн lerobot/pi05_base. Модель на 4.14B параметров обучена для робота grabette с камерой cam0 и задачей «pick the red cube and place it in the blue box».
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.
снимает свет, оставляет базовый цвет
Это LoRA для трансформера Qwen-Image 2.1 Turbo плюс дообученный VAE-декодер. Модель превращает картинку в albedo — тот же объект без освещения и теней. Сделана для Spellcast3D, локального пайплайна генерации 3D-пропсов: albedo убирает швы между AI-раскрашенными видами при проекции на 3D-модель.
политика прыжков для Microduck
Это эпизодическая RL-политика для небольшого робота Microduck от автора witcheer: 61-мерное наблюдение, 14 действий и частота 50 Гц. Политика работает 6,0 с и возвращает робота в стоячую позу. Обучение и все проверки — только в симуляции.