I.2Синтез, понимание и проверка знаний

InternVideo3-8B-Instruct — мультимодальная модель для понимания длинных видео и диалогового рассуждения о визуальном содержимом. В карточке она представлена как модель семейства InternVideo3; репозиторий указывает архитектуру InternVideo3ForConditionalGeneration и библиотеку Transformers. Модель принимает видео и текст, а также поддерживает понимание изображений и текстовые диалоги; заявленное окно контекста — до 256 тысяч токенов, а обучение для длинных видео охватывает до 2048 кадров при 4 кадрах в секунду. Модель предназначена для ответов на вопросы о видео, временной привязки событий и многошагового анализа длинных видеозаписей. В README также заявлены агентные циклы с использованием инструментов для распознавания речи, веб-поиска, сегментации видео и проверки ответов. Описание обучения упоминает дообучение на текстовых, визуально-текстовых и видеоданных, а также дистилляцию от Qwen3-235B; точная связь этой версии с базовой моделью отдельно не указана. Архитектура включает 27-слойный визуальный ViT и 36-слойную языковую модель; название версии указывает на размер 8B. README заявляет механизм M²LA для снижения затрат KV-кэша и обработки длинного контекста. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Заявленные характеристики и агентные возможности приведены в карточке модели и не сопровождаются здесь независимой оценкой качества.

JET-7B — языковая модель с 7,1 млрд параметров, разработанная на базе DeepSeek-Distill-Qwen-7B с применением обучения с подкреплением. Она предназначена для решения задач рассуждения и генерирует пошаговые объяснения, стремясь сократить лишние вычисления и количество токенов. Модель построена на плотной архитектуре Qwen2 и доступна в формате safetensors. Она поддерживает диалоговый режим, использует шаблон чата, рассчитанный на выдачу финального ответа в формате \boxed{}, и имеет контекст длиной до 131 072 токенов. Для применения указана лицензия Apache-2.0.

FPHam разработал Everything COT — разговорную языковую модель общего назначения на базе Llama 3 8B Instruct. Модель построена на плотной архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает текст и генерирует текстовые ответы в формате чата. Модель задумана для диалогов с рассуждениями по цепочке мыслей: автор описывает её как склонную рассматривать вопрос с разных сторон и выражать сомнения при неопределённости. В качестве шаблона используется Llama 3 Instruct; README отмечает, что при обучении системное сообщение не использовалось, а параметры генерации можно подбирать под сценарий. Модель основана на Llama 3 8B и распространяется по лицензии Meta Llama 3 Community License Agreement. Указанный подход к рассуждениям не гарантирует точность: ответы могут быть многословными или содержать ошибки и галлюцинации.

alexl83/LLaMA-33B-HF — репозиторий модели LLaMA версии 1, разработанной командой FAIR в Meta AI. Это авторегрессионная плотная языковая модель на архитектуре Transformer, реализованная как LlamaForCausalLM и содержащая 32,3 млрд параметров. Модель принимает текст и генерирует текст; размер контекста составляет 2048 токенов. Модель предназначена прежде всего для исследований больших языковых моделей: её можно применять для генерации текста, ответов на вопросы, анализа естественного языка и понимания прочитанного. Обучающие данные охватывают 20 языков, однако основная часть корпуса англоязычная, поэтому лучше всего модель рассчитана на английский. Это базовая модель без обучения с обратной связью от людей. Она может выдавать неверные, токсичные или предвзятые ответы и не предназначена для непосредственного использования в прикладных системах без оценки и снижения рисков. Лицензия — специальная некоммерческая лицензия; обучение проведено в 2022–2023 годах.

LlamaReflect-8B-CoT-safetensors — дообученная cookinai модель семейства Llama 3, созданная на синтетическом наборе TRRR-CoT с помощью Unsloth и библиотеки TRL. Она генерирует текст и предназначена для диалоговых ответов с последовательным рассуждением по схеме TRRR: обдумывание, ответ, рефлексия и уточнённый ответ. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовый контекст длиной до 8192 токенов. В карточке отмечено, что при подходящем шаблоне промпта модель обычно следует формату TRRR, хотя может смешивать его этапы. Основной указанный язык — английский. Автор описывает модель как эксперимент по проверке синтетических данных рассуждений; результаты бенчмарков в карточке не приведены. Базовая модель — unsloth/llama-3-8b-bnb-4bit. Лицензия — Apache-2.0.

Это неофициальный чекпойнт LongT5-large от Stancld на базе архитектуры LongT5, разработанной Google. Модель с механизмом внимания transient-global дообучена на наборе ccdv/pubmed-summarization в течение 3 000 шагов для суммаризации англоязычных научных статей из области биомедицины. Она принимает текст статьи и генерирует краткое изложение; в карточке приведены оценки ROUGE на тестовой выборке, полученные с beam search размером 3. Модель содержит 385,2 млн параметров и распространяется в форматах PyTorch, Flax и safetensors. Метаданные указывают контекст в 4 096 токенов. Автор отмечает, что обучение не доведено до сходимости, а результаты уступают показателям исходной работы LongT5; очень короткие статьи исключались из обучения. Лицензия — Apache-2.0.

MiniCPM-1B Calibrated — компактная инструктивная причинная языковая модель, разработанная ewinregirgojr и дообученная на базе openbmb/MiniCPM-1B-sft-bf16 с помощью Identity Preference Optimization (IPO). Она предназначена для диалоговых ответов, контекстного поиска фактов и калиброванного отказа от ответа, когда контекст не содержит нужных сведений; также модель обучена корректировать ошибочные предположения пользователя и избегать соглашательства ради одобрения. Метаданные указывают 837,6 млн параметров, плотную архитектуру LlamaForCausalLM и контекст до 131 072 токенов; карточка README приводит около 1,08 млрд параметров и контекст 2 048 токенов, поэтому эти характеристики расходятся. Модель рассчитана на английский язык и хранится в формате safetensors. Заявленные сценарии включают низколатентный запуск на периферийных и локальных устройствах. Ограничения — слабее многошаговое символическое рассуждение по сравнению с более крупными моделями и необходимость RAG для высокотехнических тем; результаты оценки приведены на небольшой выборке из 183 пар. Лицензия — Apache-2.0.

MMaDA-8B-MixCoT — мультимодальная диффузионная модель семейства LLaDA, представленная разработчиками Gen-Verse. Она использует единую архитектуру для рассуждений по тексту, понимания мультимодальных данных и генерации изображений по текстовому описанию. Модель дообучена на смешанном формате длинных цепочек рассуждений и прошла постобучение с алгоритмом UniGRPO на основе градиента политики. По сравнению с MMaDA-8B-Base, версия MixCoT демонстрирует более точное следование инструкциям и более стабильную генерацию цепочек рассуждений. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Карточка не приводит размер модели и длину контекста.

Diamegs/PIT-4B-FT-201612 — англоязычная instruction-tuned модель семейства Point-In-Time (PIT), разработанная Diamegs. Это плотный авторегрессионный GPT-подобный декодер на базе Transformer, дообученный на инструкциях с помощью LoRA-адаптеров, слитых с базовыми весами. Модель предназначена для генерации текста и анализа с учётом исторического состояния знаний на декабрь 2016 года. Модель принимает текст и выдаёт текст, поддерживает следование инструкциям и имеет контекст длиной 2048 токенов. Её временная отсечка позволяет исследовать ответы так, как они могли быть сформированы на основе доступных до декабря 2016 года веб-данных. Модель распространяется в формате safetensors по лицензии Apache-2.0. Знания ограничены веб-текстами, доступными до декабря 2016 года. Для модели не применялись RLHF и отдельное обучение безопасности; она может воспроизводить смещения обучающих данных и не подходит для критически важных применений без дополнительного выравнивания.

trl-lib/pythia-1b-deduped-tldr-sft — дообученная методом supervised fine-tuning модель на основе EleutherAI/pythia-1b-deduped, опубликованная библиотекой TRL. По названию и использованию в экспериментах TL;DR модель предназначена для генерации кратких резюме текстов. Это текстовая авторегрессионная модель архитектуры GPT-NeoX с примерно 1,2 млрд параметров и контекстом 2048 токенов. Базовая модель Pythia разработана EleutherAI; семейство создано прежде всего для контролируемых научных исследований поведения и ограничений языковых моделей. Pythia обучена на английском корпусе The Pile, а базовая модель распространяется по лицензии Apache 2.0. Карточка целевой модели отсутствует, поэтому отдельная лицензия и точные характеристики её дообучения в доступных источниках не подтверждены. Возможности суммаризации TL;DR следуют из названия и упоминаний модели в экспериментах TRL; базовой модели присущи ограничения в фактической точности и следовании инструкциям.

Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-v2-GGUF — модель на базе Qwen/Qwen3.5-9B, доработанная автором Jackrong с использованием Unsloth и дистилляции рассуждений в стиле Claude 4.6 Opus. Это reasoning-ориентированный fine-tune для задач математики, текстовых задач, логического вывода, общих знаний и следования инструкциям. Модель также может применяться в агентских сценариях и для программирования, однако программный код не был основным направлением обучения. Версия v2 обучалась на 14 000 образцах общих рассуждений с акцентом на компактные и переносимые шаблоны мышления. Заявленная сильная сторона — повышенная эффективность рассуждений: модель должна формировать более короткие цепочки рассуждений, снижая задержку, нагрузку на память и стоимость генерации, при сохранении или улучшении точности. В README упоминается более чем 20-процентное сокращение числа символов и токенов, но числовые результаты бенчмарков приведены преимущественно на изображениях. Модель заявлена для английского, китайского и корейского языков. В метаданных указан pipeline image-text-to-text, однако подробности о поддержке изображений, мультимодальной архитектуре и фактических возможностях работы с визуальными данными не приведены. Размер базовой модели составляет 9B параметров; контекстное окно и точные архитектурные характеристики не указаны. Ограничением является возможное снижение широких универсальных способностей из-за ограниченного объёма и области SFT-обучения. Модель распространяется по лицензии Apache-2.0.

yuxuanw8/qwen3b-rlcr-hotpot-racpo-v1-checkpoint-240 — чекпойнт текстовой генеративной модели семейства Qwen с примерно 3,1 млрд параметров. Модель опубликована пользователем yuxuanw8 и предназначена для запуска через библиотеку Transformers. Название чекпойнта указывает на эксперименты с многошаговым рассуждением и вопросно-ответными задачами HotpotQA, однако README не содержит подробного описания обучения, архитектуры или результатов оценки. Модель поддерживает текстовый и conversational-сценарий использования, имеет контекст до 32 768 токенов и может применяться для генерации ответов, включая задачи, требующие последовательного анализа нескольких фрагментов информации. Метаданные не содержат подтверждённых языковых кодов, сведений о лицензии, датасетах, процедуре обучения или точных показателях качества, поэтому эти характеристики нельзя надёжно определить по доступным материалам. Ограничения включают неполную карточку модели, отсутствие описания рисков, тестов и рекомендаций по применению. Модель может генерировать фактически неверные ответы и не должна использоваться в критически важных решениях без проверки человеком; условия лицензирования необходимо уточнить отдельно.

Модель textattack/roberta-base-RTE — версия RoBERTa-base, дообученная командой TextAttack для классификации текстовых последовательностей на задаче распознавания текстового следствия (RTE) из набора GLUE. Она принимает текстовые пары и предсказывает, следует ли гипотеза из посылки. Модель содержит 151,8 млн параметров, её контекстное окно составляет 514 токенов; при дообучении использовалась максимальная длина последовательности 128 токенов. Доступны веса PyTorch и Flax. Модель подходит для классификации пар предложений и экспериментов с задачами понимания естественного языка. На оценочной выборке GLUE RTE лучшая точность составила около 79,4%. Это специализированный чекпойнт для одной задачи, поэтому его результаты не следует переносить на другие виды классификации без дополнительной проверки. В README лицензия не указана.

Satori-7B-Round2 — языковая модель Satori-reasoning, дообученная на базе Qwen/Qwen2.5-Math-7B. Модель с архитектурой Qwen2 и 7,1 млрд параметров предназначена прежде всего для математических задач и пошагового рассуждения. Она обучена генерировать рассуждения в формате Chain-of-Action-Thought (COAT), позволяющем продолжать решение, перепроверять промежуточные шаги и исследовать альтернативный путь без внешнего управления. Модель прошла настройку формата и два этапа самоулучшения с обучением с подкреплением и техникой Restart and Explore. Карточка сообщает об оценке математических задач и задач общего рассуждения, включая логику, код, здравый смысл, таблицы и STEM. Она поддерживает генерацию текста и диалог; базовая модель рассчитана на английский и китайский языки. Контекст — 8192 токена. Распространяется под лицензией Apache-2.0.

Aman/selfrag-zh_baichuan2_7b_chat — китайская версия Self-RAG, разработанная на базе Baichuan2-7B-Chat. Модель дообучена на примере данных Belle SFT с чередованием фрагментов из китайской Википедии. Она генерирует текст и предназначена для ответов с опорой на предоставленные отрывки, используя токены саморефлексии Self-RAG, согласованные с оригинальной англоязычной версией. Модель имеет плотную архитектуру BaichuanForCausalLM и 7 млрд параметров, работает с текстом и поддерживает контекст до 4096 токенов. Основной язык версии — китайский. Лицензия — MIT. Автор отмечает, что качество критической модели ограничено из-за объёма и качества обучающих данных; при генерации через vLLM наблюдались ошибки, поэтому использовался стандартный метод генерации Transformers.

paperbd/smollm_135M_neuraltxt_v1 — компактная языковая модель, дообученная автором Neural Breakdown на базе HuggingFaceTB/SmolLM-135M для узких задач, связанных с исследовательскими статьями по ИИ. Модель использует плотную архитектуру семейства Llama с 134,5 млн параметров, принимает текст и поддерживает контекст до 2048 токенов. Карточка предлагает запуск через библиотеку neural-txt с бэкендом Hugging Face или PyTorch. Модель предназначена для извлечения тезисов, генерации пар вопросов и ответов и формулировки вопросов по фрагментам статей. В README также описан режим структурированного JSON-вывода. Обучение включало этапы CPT и SFT; наличие в семействе отдельной DPO-модели не означает, что эта версия прошла DPO. Указанная лицензия — MIT. Модель компактна, но специализирована на узкой предметной области, а короткий контекст и небольшой размер ограничивают её пригодность для длинных документов и сложных рассуждений.

tawfikgh/T5-CNN-Daily-Mail — дообученная модель семейства T5, созданная на основе t5-small. Она содержит 38,5 млн параметров, рассчитана на контекст до 512 токенов и опубликована в формате TensorFlow. Название указывает на задачу суммаризации новостных материалов CNN/Daily Mail, однако README сообщает лишь о дообучении на неизвестном наборе данных и не описывает назначение модели подробнее. Модель подходит для экспериментов с генерацией кратких текстов по входному тексту и для проверки суммаризации на новостных материалах. В README приведены метрики обучения и оценки, включая ROUGE, но без описания набора данных и протокола оценки их интерпретация ограничена. Лицензия — Apache-2.0.

TAPAS large — предварительно обученная модель семейства BERT, разработанная Google для представления таблиц и связанного с ними текста. Модель содержит 433,9 млн параметров, поддерживает английский язык и принимает последовательности из текста вопроса или предложения и таблицы. Для извлечения признаков доступна длина контекста до 1024 токенов; в README описаны версии с относительными позиционными эмбеддингами (по умолчанию) и с абсолютными позиционными эмбеддингами. Модель обучена на англоязычных данных Википедии с помощью masked language modeling и дополнительного предварительного обучения на задаче проверки, подтверждается ли высказывание содержимым таблицы. Её можно использовать для получения скрытых представлений пар «таблица — вопрос» и дообучать для ответов на вопросы по таблицам или классификации текстов относительно таблиц. Это базовая модель для извлечения признаков, а не готовая модель генерации ответов; для специализированных задач может потребоваться дообучение с классификационной головой. Распространяется по лицензии Apache-2.0.

UNAversal-8x7B-v1beta — экспериментальная языковая модель от fblgit, созданная на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE) и обучалась с фазой UNA-SFT, где выравнивание применялось к логитам маршрутизатора; автор описывает обучение как экспериментальное дообучение на примерах из наборов LLaMA-Factory, включая Alpaca. Модель предназначена для генерации текста в диалоге и решения задач на рассуждение, математику и ответы на вопросы. В README приведены результаты оценивания, включая GSM8k, ARC, TruthfulQA и HellaSwag; автор предлагает экспериментировать с дальнейшим дообучением и слиянием с другими моделями Mixtral. По метаданным, модель содержит 7,1 млрд параметров, имеет контекст 32 768 токенов и поддерживает английский язык. Доступна в формате Safetensors через Transformers. Это бета-релиз для экспериментов, а не обещание стабильного качества: автор отмечает, что модель экспериментальная и предлагает самостоятельно проверять результаты при дообучении или слиянии. Лицензия CC-BY-NC-SA-4.0 требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование.

Карточка модели soob3123/amoral-gemma3-1B-v2 на Hugging Face совпадает с карточкой soob3123/amoral-gemma3-4B-v2, поэтому описание составлено по ней. soob3123/amoral-gemma3-4B-v2 — дообученная модель семейства Gemma 3 4B от автора репозитория soob3123, основанная на google/gemma-3-4b-it. Она предназначена для диалоговой генерации аналитически нейтральных ответов на чувствительные и спорные вопросы, с упором на фактическую точность, сдержанный тон и избегание оценочных формулировок. Архитектура — плотная Gemma 3; репозиторий содержит веса Safetensors, интерфейс рассчитан на чат. Модель поддерживает английский язык; базовая Gemma 3 также мультимодальна, однако в карточке этой версии заявлена только генерация текста. Модель может быть полезна для подготовки нейтральных объяснений и анализа противоречивых тем. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; нейтральный стиль и заявленная фактическая точность не гарантируют беспристрастность или достоверность ответов.

Bonsai-2-27B-1.75bit-JANG — локальная мультимодальная модель для диалога и рассуждений, опубликованная OsaurusAI. Это плотная условно-генеративная VLM на архитектуре Qwen3.8-27B: 64 блока, включая 48 GatedDeltaNet и 16 блоков полного внимания. Она принимает текст и изображения, поддерживает обработку видео, чат-шаблон с режимом рассуждений и интерфейсом вызова инструментов. Репозиторий содержит JANG-affine-представление тернарных весов исходной модели prism-ml/Ternary-Bonsai-2-27B-mlx-2bit. Текстовые матрицы упакованы с плотностью 1,75 бита на вес; при загрузке они без потерь разворачиваются в 2-битное представление MLX. Указанная в карточке библиотека — MLX, лицензия — Apache-2.0. Модель предназначена для локального диалога, визуальных вопросов и ответов, анализа изображений и видео, рассуждений и сценариев с инструментами. Для корректной работы необходим загрузчик с поддержкой JANG Hadamard и тернарной упаковки: README предупреждает, что стандартные загрузчики mlx_lm и mlx_vlm могут выдавать неверные результаты без явной ошибки. Указана проверка совпадения логитов с тернарным исходником на ограниченном наборе запросов; это не подтверждает качество на широком наборе задач.

baffo32/decapoda-research-llama-7B-hf — конвертированная версия базовой модели LLaMA 7B, подготовленная для работы с Transformers и Hugging Face. Исходную модель разработала команда FAIR в Meta AI. Это авторегрессионная плотная языковая модель на архитектуре Transformer с примерно 6,6 млрд параметров; репозиторий содержит веса PyTorch. Модель предназначена для генерации текста и исследований языковых моделей. Её можно использовать как основу для экспериментов с ответами на вопросы, пониманием прочитанного и естественного языка. В обучающих данных преобладает английский, но в описании указаны также 20 языков, включая русский. Это базовая модель без обучения с обратной связью от человека: она может выдавать ошибочную, токсичную или предвзятую информацию и не предназначена для непосредственного применения в важных решениях без дополнительной оценки и мер снижения рисков. Лицензия специальная, некоммерческая; перед использованием следует ознакомиться с файлом LICENSE.

THUdyh/Insight-V-Summary — модель на 7,1 млрд параметров, дообученная на основе Qwen/Qwen2.5-7B-Instruct. Она использует архитектуру LlavaQwen2ForCausalLM и предназначена для диалоговой генерации текста и визуальных рассуждений с разложением задачи на этапы рассуждения и суммирования. В обучении использована смесь из 1,2 млн пар изображение–текст; контекстное окно составляет 32 768 токенов. В README также описаны конвейер генерации данных для сложных рассуждений и двухэтапное обучение визуальным задачам. Модель поддерживает английский и китайский языки и распространяется под лицензией Apache-2.0. README указывает на визуальные возможности, однако метаданные классифицируют основную задачу как text-generation; конкретные показатели качества и ограничения не приведены.

Kwai Keye-VL-1.5-8B — мультимодальная языковая модель, разработанная командой Kwai Keye компании Kuaishou. Она предназначена прежде всего для понимания видео и изображений, визуального восприятия и рассуждений по мультимодальным входам. Модель содержит 7,6 млрд параметров и построена на базе языковой модели Qwen3-8B с визуальным энкодером, инициализированным из SigLIP; для объединения текста, изображений и видео использует 3D RoPE. Для видео применяется стратегия Slow-Fast: часть кадров обрабатывается в высоком разрешении, а большее число кадров — в низком. Модель поддерживает динамическое разрешение изображений и контекст до 131 072 токенов. Она рассчитана на диалоговые сценарии, анализ длинных видеоматериалов и ответы на вопросы о визуальном содержимом; также заявлены способности к логическим и математическим рассуждениям и работе с RAG. В карточке сообщается о результатах на публичных тестах понимания видео и мультимодальных задач, однако они не гарантируют качество на произвольных данных. Модель доступна под лицензией Apache 2.0.

Модель Erik Cikalleshi — дообученная версия Llama 2 для извлечения контрастных временных знаний из новостных статей. Она создана для бакалаврской работы с применением метода Contrastive Decoding и обучена на статьях The New York Times за 2000–2007 годы; очень короткие статьи исключались из набора данных. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает контекст до 4096 токенов. Модель предназначена для генерации текста по материалам новостей и изучения изменений во времени в новостном корпусе. В README указана базовая модель LLama2-8B, тогда как метаданные сообщают размер 6,6 млрд параметров. Лицензия в предоставленных данных не указана.

Enoch/llama-30b-hf — конверсия базовой языковой модели LLaMA версии 1 от команды FAIR в Meta AI для работы с Transformers и Hugging Face. Это авторегрессионная плотная модель на архитектуре Transformer с примерно 32,3 млрд параметров, предназначенная прежде всего для исследований больших языковых моделей и генерации текста. Её можно использовать для экспериментов с ответами на вопросы, пониманием естественного языка и чтением текстов. Модель обучалась преимущественно на английских веб-текстах; в обучающих данных также представлены тексты на 19 других языках, включая русский. Ожидается, что качество на английском выше, чем на остальных языках. Это базовая модель без обучения на обратной связи от людей: она может выдавать неверные, оскорбительные или предвзятые ответы и не предназначена для применения в критически важных решениях без дополнительной оценки и мер снижения рисков. Использование регулируется специальной некоммерческой лицензией Meta; перед применением следует ознакомиться с условиями в файле LICENSE репозитория.

elinas/llama-30b-hf-transformers-4.29 — преобразованные в формат Transformers исходные веса первой версии LLaMA, разработанной командой FAIR в Meta AI. Это плотная авторегрессионная языковая модель на архитектуре Transformer с 32,3 млрд параметров; репозиторий содержит веса PyTorch и использует реализацию токенизатора LlamaTokenizerFast. Контекст составляет 2048 токенов. Модель предназначена прежде всего для исследований больших языковых моделей и экспериментов с генерацией текста, ответами на вопросы, пониманием и чтением текстов. Она обучалась преимущественно на английских данных, хотя обучающий корпус охватывает 20 языков, включая русский; качество может различаться между языками и диалектами. Это базовая модель без обучения на человеческой обратной связи. Она может генерировать неверную, токсичную, оскорбительную или предвзятую информацию и не предназначена для непосредственного использования в критически важных приложениях без дополнительной оценки рисков и мер защиты. Лицензия — специальная некоммерческая лицензия Meta.

Enoch/llama-7b-hf — конверсия базовой модели LLaMA первого поколения от команды FAIR в Meta AI для работы с Transformers и Hugging Face. Это плотная авторегрессионная языковая модель на архитектуре Transformer с классом LlamaForCausalLM и примерно 6,6 млрд параметров; репозиторий содержит веса PyTorch. Модель предназначена прежде всего для исследований и разработки на базе языковых моделей: генерации текста, экспериментов с пониманием естественного языка, ответами на вопросы и чтением с пониманием. В обучающих данных представлены 20 языков, но основная часть корпуса — английская, поэтому качество ожидается выше на английском, чем на остальных языках. Это базовая модель без обучения с обратной связью от людей. Она может выдавать неверные, токсичные, вредные или предвзятые ответы и не предназначена для прямого применения в критически важных решениях без дополнительной оценки и мер снижения рисков. Лицензия специальная, некоммерческая; условия следует проверить в файле LICENSE репозитория.

luodian/llama-7b-hf — преобразованная в формат Hugging Face версия базовой языковой модели Llama 7B, разработанной командой FAIR в Meta AI. Это авторегрессионная плотная Transformer-модель с примерно 6,6 млрд параметров для генерации текста; веса сохранены в двух PyTorch-частях, а именования адаптированы для Transformers версии 4.28 и новее. Контекст составляет 2048 токенов. Модель предназначена для исследований больших языковых моделей и экспериментов с генерацией текста, ответами на вопросы, пониманием естественного языка и чтением с пониманием. Основной язык данных — английский; карточка указывает также китайский, а в обучающих данных присутствовали тексты ещё на ряде языков. Ожидается более высокая эффективность на английском, чем на других языках. Это базовая модель без обучения с человеческой обратной связью: она может выдавать неверные, токсичные или оскорбительные ответы и отражает предубеждения веб-данных. Перед прикладным использованием необходимы оценка рисков и меры снижения вреда. Распространяется по специальной лицензии Meta для некоммерческого использования; детали приведены в файле LICENSE репозитория.

LLaVA-NeXT-Video-7B-DPO-hf — мультимодальная чат-модель семейства LLaVA-NeXT-Video, опубликованная командой Hugging Face на основе разработки LLaVA-NeXT-Video. Это плотная модель условной генерации, дообученная на базе языковой модели lmsys/vicuna-7b-v1.5 на инструкциях с изображениями и видео; видео представлены равномерно выбранными 32 кадрами на клип. Модель принимает текстовые запросы вместе с изображениями и видео и генерирует текстовые ответы. Она предназначена для вопросов и ответов о содержимом роликов и изображений, описания визуальных сцен и совместной работы с несколькими визуальными материалами в одном запросе. В карточке заявлен высокий результат среди открытых моделей на бенчмарке VideoMME. Репозиторий содержит веса в формате safetensors. Модельная карточка приводит лицензию llama2. Указанная в карточке базовая языковая модель — Vicuna 7B; метаданные не сообщают размер параметров для данной сборки.