santiviquez/reward_modeling_anthropic_hh — дообученная модель на базе facebook/opt-350m с архитектурой OPTForSequenceClassification и 454,1 млн параметров. Репозиторий содержит веса в формате safetensors; модель предназначена для классификации текста и связана с задачей reward modeling. Контекст модели — до 2048 токенов.

Карточка указывает, что модель дообучена на неизвестном наборе данных, но не приводит сведения о метриках, качестве, конкретном способе использования или ограничениях. Базовая OPT-350M — англоязычная авторегрессионная модель Meta AI. Лицензия репозитория обозначена как other, поэтому условия использования следует сверить с самой лицензией.