SurplusMaxMin — экспериментально дообученная авторами проекта promotion модель на базе Meta Llama 3.1 8B Instruct. Она использует агрегацию игровых предпочтений для настройки весов нескольких целей: следования инструкциям, правдивости, честности и полезности. Модель предназначена для диалоговой генерации ответов; в README описана сравнительная оценка на UltraFeedback с общим пулом ответов и бюджетом обучения в 300 обновлений оптимизатора.

Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Метаданные указывают библиотеку Transformers, формат Safetensors и лицензию Llama 3.1. В README приведён протокол оценки с судейством Llama 3.3 70B Instruct на отложенных промптах; это не подтверждает качество во всех прикладных сценариях. Отдельные сведения о языках обучения и гарантиях качества не приводятся.