Компактная модель Google семейства T5, дополнительно обученная на языковом моделировании для адаптации к текстовым задачам и prompt tuning.

Подходит для: адаптация к генерации текста с помощью prompt tuning · дообучение для суммаризации документов · дообучение для ответов на вопросы по тексту

Falcon2-11B — предобученная языковая модель TII для генерации текста и дальнейшей адаптации под суммаризацию, диалоги и другие задачи.

Подходит для: дообучение языковой модели под прикладную задачу · генерация текста на английском и европейских языках · создание прототипа чат-бота после адаптации

Мультимодальная модель Qwen3 Omni, дообученная методом OPOD для рассуждений и ответов по тексту, изображениям, аудио и видео.

Подходит для: решение текстовых задач на рассуждение · ответы на вопросы по изображениям и диаграммам · ответы на вопросы по аудио

TinkaaLM — экспериментальная компактная англоязычная модель для изучения генерации текста и усвоения грамматических закономерностей.

Подходит для: эксперименты с генерацией английского текста на малой модели · исследование грамматических закономерностей в языковой модели · изучение поведения моделей, обученных на ограниченных данных

Англоязычная encoder-decoder модель Google на базе T5 v1.1 XL, дополнительно адаптированная для языкового моделирования и prompt tuning.

Подходит для: дообучение для суммаризации документов · настройка для ответов на вопросы по тексту · классификация текста с выдачей текстовой метки

Англоязычная чат-модель Tulu V2.5 на 13 млрд параметров, дообученная методом PPO для следования инструкциям и диалогов с помощником.

Подходит для: ответы на вопросы в диалоге с помощником · выполнение инструкций на английском языке · генерация и продолжение англоязычного текста

Полнодуплексная речевая модель NVIDIA VoiceChat 11B в формате MLX INT5 для потокового голосового общения на Apple Silicon.

Подходит для: создание потокового голосового диалогового агента · генерация речевого ответа голосом Aria · преобразование речи пользователя в голосовой ответ модели

Англоязычная чат-модель AllenAI на архитектуре Llama, дообученная PPO для диалогов и следования инструкциям.

Подходит для: ответы на англоязычные инструкции · ведение диалога на английском языке · исследование влияния PPO на поведение чат-модели

Англоязычная чат-модель Tulu V2.5 на 13 млрд параметров, дообученная методом PPO для генерации ответов на инструкции и диалогов с помощником.

Подходит для: ответы на инструкции на английском языке · диалоги с виртуальным помощником · генерация текста по запросу

Экспериментальная 11,3-миллиардная модель Llama для генерации текста, чьё слияние DARE-TIES привело к существенному ухудшению качества.

Подходит для: эксперименты со слиянием языковых моделей методом DARE-TIES · изучение влияния ошибочного слияния весов на генерацию текста · сравнение качества моделей до и после слияния

Англоязычная чат-модель Tulu на 12,9 млрд параметров, дообученная методом DPO на выборке Nectar для ответов на инструкции и диалогов с помощником.

Подходит для: ответы на вопросы и инструкции на английском языке · диалоги с текстовым ИИ-помощником · генерация связных англоязычных текстов

Мультимодальная модель Qwen2.5-Omni на 7 млрд параметров, дообученная OPOD для рассуждений и ответов на текстовые, визуальные и аудиозадачи.

Подходит для: решение математических задач с пошаговым рассуждением · ответы на вопросы по изображениям и диаграммам · ответы на вопросы по аудио и видео

Англоязычная чат-модель Tulu V2.5 на 13 млрд параметров, дообученная методом DPO для выполнения инструкций и генерации текста.

Подходит для: ответы на вопросы в англоязычном чате · выполнение англоязычных инструкций · генерация и продолжение текста

Англоязычная value-модель Tulu V2.5 на 13 млрд параметров для исследований PPO и обучения с подкреплением на основе предпочтений.

Подходит для: оценивание состояний или ответов в PPO-обучении помощника · эксперименты с RLHF на данных предпочтений UltraFeedback · исследование декодирования с использованием value-модели Tulu

Постобученная мультимодальная модель Qwen2.5-Omni на 3 млрд параметров для проверяемых рассуждений по тексту, изображениям, аудио и видео.

Подходит для: решение задач на рассуждение по текстовому условию · ответы на вопросы по изображениям и диаграммам · ответы на вопросы по аудио и видеоматериалам

Англоязычная чат-модель Tulu на базе Llama 3, дообученная с помощью PPO для ответов на инструкции и диалогов.

Подходит для: ответы на вопросы и выполнение текстовых инструкций · ведение англоязычных диалогов с виртуальным помощником · генерация черновиков и пояснений по запросу

Англоязычная модель оценки ответов Tulu V2.5 на 68,7 млрд параметров для ранжирования текстовых ответов и обучения PPO по предпочтениям.

Подходит для: оценка качества ответа чат-бота · сравнение двух ответов на один запрос · ранжирование ответов по предпочтительности

Базовая турецкая модель VNGRS-AI на архитектуре mBART для дообучения под задачи генерации и преобразования текста.

Подходит для: дообучение для суммаризации турецких текстов · генерация заголовков к турецким документам · перефразирование предложений на турецком языке

TLM-100M — англоязычная модель GPT-Neo для генерации текста и исследования двух поведенческих конфигураций, переключаемых ключом перестановки.

Подходит для: генерация продолжений англоязычного текста · оценка поведения языковой модели в публичной конфигурации C1 · исследование переключения поведения модели с помощью ключа

Слитая модель Llama 3.1 на 7,5 млрд параметров, предназначенная прежде всего для дальнейшего слияния с моделями того же семейства методом TIES.

Подходит для: слияние с другими моделями семейства Llama 3.1 методом TIES · генерация текста в диалоговом формате · эксперименты с переносом навыков логического рассуждения в слитые модели

Дообученная модель T5 с 38,5 млн параметров для генерации текста, назначение которой в карточке не уточнено.

Экспериментальная рекуррентная языковая модель для генерации текста с регулируемой вычислительной глубиной.

Подходит для: эксперименты с рекуррентными языковыми моделями · генерация продолжений текста на английском языке · изучение влияния числа шагов вычисления на генерацию

Дообученная модель T5 на 38,5 млн параметров для генерации текста, назначение которой в карточке не уточнено.

Подходит для: генерация текста в формате text-to-text