I.2Синтез, понимание и проверка знаний

slm125mlive-bhaskar-finetune — дообученная Nagbhaskar55 модель для ответов по предоставленному тексту в юридических и финансовых сценариях. Это плотная авторегрессионная модель семейства Llama с 125,8 млн параметров, работающая через Transformers и сохранённая в формате safetensors. Контекст ограничен 1024 токенами; модель принимает текст и генерирует текст на английском языке. Модель обучена следовать инструкциям и использовать только контекст из запроса. Её целевые задачи — ответы на вопросы с опорой на источник, извлечение сведений, суммаризация и перефразирование отрывков из судебных материалов, документов SEC и образовательных веб-текстов. В обучении использовались 7 960 синтетических пар инструкций, созданных с помощью модели-учителя; сообщается о снижении валидационной потери и perplexity относительно базовой модели. Модель не является базой знаний: ответы без предоставленного контекста ненадёжны. Она унаследовала возможные ошибки и смещения модели-учителя, а качество на CaseHOLD после дообучения не оценивалось. README предостерегает от использования для юридических и финансовых консультаций. Лицензия указана как other, конкретные условия в доступных данных не приведены.

slm-500m-legal-sft — дообученная модель семейства Llama на 517,8 млн параметров от автора abhishekai. Она предназначена для ответов на вопросы по предоставленным фрагментам юридических и финансовых текстов: пользователь должен включить исходный фрагмент в запрос, поскольку модель не рассчитана на ответы без контекста. Модель обучена на синтетических парах вопрос–ответ и поддерживает диалоговый режим; использует библиотеку Transformers и формат safetensors. Размер контекста — 1 024 токена, основной язык — английский. По оценке на 300 отложенных запросах модель получила средний балл 4,65 из 10. Она подходит для извлечения сведений, краткого пересказа, переформулирования и перечисления фактов из переданного текста. Модель ненадёжна в арифметике, может воспроизводить ошибки и смещения синтетических обучающих данных и не заменяет юридическую или финансовую консультацию. Распространяется по лицензии Apache-2.0.

Карточка модели ayoubkirouane/Sophea-OSS-v1 на Hugging Face совпадает с карточкой KIEFERSA/Sophea-OSS-v1, поэтому описание составлено по ней. Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

kennethge123/superglue_rte-bert-base-uncased — модель BERT, дообученная на наборе данных SuperGLUE для классификации текста. Она предназначена для классификационной задачи RTE: определения, следует ли гипотеза из заданного текста. Архитектура — BertForSequenceClassification, размер — 136,7 млн параметров, длина контекста — до 512 токенов. Модель рассчитана на английский язык и принимает текст, выдавая метку класса. На оценочном наборе указаны loss 1,5070 и accuracy 0,6739. Модель распространяется под лицензией Apache-2.0. Результат оценки указывает на ограничения точности; сведений о дополнительных сценариях применения или специальных мерах безопасности в карточке нет.

google/tapas-small-finetuned-tabfact — компактная модель TAPAS от Google, основанная на BERT-подобном трансформере для работы с таблицами и связанным текстом. Модель содержит 32,4 млн параметров, использует архитектуру TapasForSequenceClassification и рассчитана на входы длиной до 512 токенов. Доступны веса PyTorch и TensorFlow. Модель дообучена на TabFact для проверки утверждений по содержимому таблиц: она классифицирует, подтверждается ли предложение данными таблицы или опровергается ими. Английский текст и таблица подаются совместно; предобучение включало маскирование токенов и промежуточное обучение на синтетических примерах числового рассуждения. Лицензия — Apache-2.0. Подходит для проверки фактов в табличных данных и может служить основой для сценариев анализа таблиц. Карточка описывает назначение как классификацию «подтверждается/опровергается»; результаты за пределами этого сценария и для языков, кроме английского, не охарактеризованы.

TAPAS tiny — компактная модель семейства TAPAS от Google, построенная на архитектуре Transformer, близкой к BERT. Она предварительно обучена на английских таблицах из Wikipedia и связанных текстах с помощью маскированного языкового моделирования и дополнительного этапа обучения на примерах проверки утверждений по таблицам. Модель содержит 4,4 млн параметров и поддерживает контекст до 512 токенов. Модель формирует векторные представления пар «таблица — вопрос» и предназначена прежде всего для тонкой настройки под ответы на вопросы по таблицам, классификацию и проверку того, подтверждается ли утверждение содержимым таблицы. Доступны варианты с относительными позиционными эмбеддингами по умолчанию и с абсолютными позиционными эмбеддингами через revision="no_reset". Входные данные включают текст и таблицу; результат базовой модели — скрытые векторные представления. TAPAS tiny — англоязычный чекпойнт общего назначения для табличных данных; его небольшой размер удобен для экспериментов и адаптации под конкретные задачи. Для прикладного ответа на вопросы или классификации обычно требуется дополнительная настройка с соответствующей головой. Модель распространяется по лицензии Apache-2.0.

Thea-C-3B-25R — языковая модель семейства Llama 3.2, дообученная Пётром Залевским на данных для рассуждений. Она основана на meta-llama/Llama-3.2-3B-Instruct и предназначена для генерации текста в диалоге и задач, где требуется пошагово рассуждать. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. В репозитории представлены веса Safetensors. Модель рассчитана прежде всего на англоязычные запросы. В карточке указано обучение на наборе KingNish/reasoning-base-20k; также метаданные каталога отмечают возможность использования интерфейса вызова инструментов. README заявляет об улучшении производительности, но не приводит количественных оценок или результатов сравнительных тестов. Лицензия — llama3.2; условия исходной лицензии Meta Llama 3.2 распространяются на использование модели.

Transductor TC High — специализированная модель Davd-b01 для преобразования длинных рассуждений в формальные трассы с доказательством и независимой проверкой. Это дообученная и объединённая слиянием BF16-версия LiquidAI/LFM2.5-2.6B: плотная гибридная архитектура с 30 слоями, около 2,6 млрд параметров и контекстом до 131 072 токенов. Модель рассчитана на генерацию структурированного обучающего материала, а не на диалог. На вход подаются исходный вопрос, подробная трасса рассуждений и дословный правильный ответ в четырёх слотах TCS-IN. Модель должна сохранить факты и ответ, переформулировать рассуждение в формальном стиле и выдать два структурных блока; для уровня High целевая длина трассы — примерно 400–850 слов. Основные сценарии — формальные математические доказательства, научная логика и код с обоснованием. Модель не решает задачу заново и не проверяет правильность исходного ответа: ошибочный ответ во входе может привести к связной, но ошибочной трассе. Для работы требуется заданный формат входа и системный промпт соответствующего уровня. При пакетной генерации в Transformers нужно контролировать утечку токенов заполнения в декодированный текст. Обучение преимущественно велось на английском; для других языков модель опирается на базовые возможности LFM2.5. Лицензия указана как other, конкретные условия следует уточнить в репозитории.

Video-Ma²mba-1.3B — модель для понимания длинных видео, разработанная исследователями Integrated Vision and Language Lab при KAIST. Она отвечает текстом на вопросы о содержании видео и рассчитана на обработку последовательностей продолжительностью более двух часов при выборке 1 кадр в секунду. Модель объединяет визуальный энкодер SigLIP-so400m, MLP-проектор и языковую модель Mamba-2 с 48 слоями и размером скрытого представления 2048; в языковой части около 1,3 млрд параметров, общий размер модели — около 1,8 млрд. Архитектура LlavaMambaForCausalLM использует слои пространства состояний с линейным масштабированием по длине последовательности, что помогает обрабатывать длинные видео. Модель принимает видео и выдаёт текст; в карточке указан английский язык. Она подходит для вопросов и ответов по видео, анализа длинных записей и обобщения их содержания. В README приведены результаты на Video-MME, LongVideoBench и других тестах, но они не гарантируют качество на произвольных видео. Для инференса нужны поддержка пользовательской архитектуры и специальная предобработка видео; детали настройки предлагается смотреть в официальном репозитории. Лицензия — Apache-2.0.

VideoRFT — мультимодальная модель для рассуждений о видео, представленная авторами одноимённой работы. Она основана на архитектуре Qwen2.5-VL и обучена с применением двух этапов: дообучения на примерах с пошаговыми объяснениями и последующего обучения с подкреплением. Модель предназначена для ответов на вопросы о видеосодержимом с учётом временных и причинно-следственных связей; авторы сообщают о результатах уровня state of the art на шести тестах рассуждений о видео. Модель принимает видео и текстовые инструкции и формирует текстовые ответы. В метаданных указаны 7,1 млрд параметров, контекст до 128 000 токенов и поддержка английского языка. Репозиторий содержит веса Safetensors; для работы указана библиотека Transformers. Модель создана путём слияния VideoRFT-SFT и Qwen2.5-VL-7B-Instruct. Лицензия — Apache-2.0.

Alz-SumAgent — англоязычная модель суммаризации, разработанная Tamil Priya Balaji и дообученная на основе facebook/bart-large-cnn. Это последовательностный трансформер BART с архитектурой энкодер-декодер; в метаданных указано 252,8 млн параметров и контекст 1024 токена. Модель адаптирована к научным текстам об Alzheimer’s disease: она сжимает аннотации PubMed и извлечённые фрагменты исследований в краткие сводки с опорой на исходные материалы. Основной сценарий — промежуточный этап RAG-конвейера: Alz-SumAgent сокращает найденные свидетельства, после чего отдельная языковая модель формирует итоговый ответ с цитированием. Модель предназначена для англоязычных биомедицинских и исследовательских текстов, а её качество для других областей не оценено. Лицензия — MIT. Сводка может опускать нюансы или содержать неподтверждённые исходным текстом утверждения; отдельная оценка фактической точности модели не приведена. Модель не предназначена для диагностики, рекомендаций по лечению или работы с данными пациентов и должна использоваться как вспомогательный этап с проверкой итогов по исходным публикациям.

Apertus EstLLM 8B 1125 Instruct — эстоно-английская инструктивная языковая модель, разработанная исследовательскими группами TartuNLP и TalTechNLP. Это плотная авторегрессионная модель семейства Apertus с архитектурой ApertusForCausalLM и примерно 10,3 млрд параметров; она поддерживает контекст до 65 536 токенов и рассчитана на диалоговое текстовое взаимодействие. Модель предназначена для ответов на инструкции, генерации текста, рассуждений и исследовательской оценки на эстонском и английском языках. Она дообучена на основе tartuNLP/Apertus-EstLLM-8B-1125 по метаданным, а в README описан процесс обучения, аналогичный модели tartuNLP/Llama-3.1-EstLLM-8B-Instruct-0825, с продолженным предобучением и SFT примерно на 764 тысячах примеров. README сообщает о небольшом улучшении на эстонских тестах и снижении качества на английском по сравнению с исходной моделью. Модель выпущена под лицензией Apache 2.0 согласно метаданным Hugging Face; README указывает лицензию Llama 3.1 Community License Agreement, поэтому лицензионные сведения в источниках расходятся. Авторы не рекомендуют применять её вне исследовательских задач.

Aria-Base-64K — базовая мультимодальная модель семейства Aria, разработанная Rhymes AI. Это плотная модель с архитектурой AriaForConditionalGeneration, дообученная на основе rhymes-ai/Aria-Base-8K на этапе предобучения для длинного контекста; веса доступны в формате safetensors, лицензия — Apache-2.0. Модель принимает текст и изображения и генерирует текст, поддерживает сценарии image-text-to-text и text-generation. Она рассчитана на продолжение предобучения и дообучение для видео-вопросов и ответов, а также для вопросов по длинным документам; заявлена обработка до 250 изображений высокого разрешения или до 500 изображений среднего разрешения за контекст. На этапе длинного контекста модель обучалась на последовательностях длиной 65 536 токенов. Модель сохраняет возможности базовой Aria-Base-8K в языковых и мультимодальных задачах, но не оптимизирована для непосредственного использования в чат-интерфейсе: лишь небольшая доля обучающих данных была оформлена с chat template. Карточка позиционирует её прежде всего как базовый чекпойнт для исследований и дальнейшего обучения; конкретные ограничения качества и требования к ресурсам не приведены.

llm-book/bert-base-japanese-v3-jnli — японская модель классификации текстовых пар для задачи естественно-языкового вывода. Она создана командой llm-book дообучением cl-tohoku/bert-base-japanese-v3 на наборе JGLUE MARC-ja, как указано в README; пример показывает предсказание логической связи «следует» между двумя японскими предложениями. Модель построена на архитектуре BERT с классификационной головой, содержит 138,4 млн параметров и принимает пары текстов длиной до 512 токенов. Модель подходит для определения логической связи между предложениями на японском языке, например для проверки, следует ли гипотеза из текста. В метаданных основная задача указана как text-classification. Модель доступна в формате PyTorch через Transformers и распространяется по лицензии Apache 2.0. Она обучена на указанном в карточке японском датасете; качество на других языках и за пределами этой задачи не подтверждено.

Модель textattack/distilbert-base-uncased-RTE — версия DistilBERT, дообученная TextAttack для классификации последовательностей на задаче RTE из набора GLUE. Она принимает текстовые последовательности и относит их к классам задачи распознавания текстового следования. Модель основана на distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification; максимальная длина последовательности в обучении составляла 128 токенов, а контекст модели — до 512 токенов. Модель подходит для экспериментов и прототипов, где нужно определить, следует ли гипотеза из заданного текста. На валидационном наборе GLUE авторы сообщают точность 0,657 после четырёх эпох обучения. Веса опубликованы в формате PyTorch; сведений о лицензии в предоставленных материалах нет.

Indonesian T5 Base — предварительно обученная модель семейства T5 от Wikidepia на индонезийской версии mC4 с дополнительной фильтрацией данных. Это текстовая архитектура encoder-decoder с 123,8 млн параметров, представленная в формате PyTorch. Модель предназначена для последующего дообучения под конкретные задачи преобразования текста: например, суммаризацию, перевод или ответы на вопросы на индонезийском языке. В исходном виде она остаётся базовым чекпойнтом и не настроена для отдельной прикладной задачи. Качество для прикладных задач в карточке не приведено. Как и другие языковые модели, она может выдавать предвзятый, вредный или неэтичный текст из-за особенностей обучающего корпуса. Условия лицензии в предоставленных данных не указаны.

Kanha-AI/kanha-kanha.ai-1.7b-grounded-qlora-2ep-v1 — дообученная методом QLoRA модель Qwen3-1.7B от Kanha AI для ответов на вопросы по предоставленному контексту с источниками. Это плотная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов; карточка указывает поддержку английского языка и диалогового режима. Модель предназначена для контролируемой оценки ответов на вопросы по сайтам и для исследований методов обучения на наборе данных, полученном с сайта Kanha. При генерации модель должна опираться на переданный извлечённый контекст. Если ответа в контексте нет, обученный формат предписывает сообщить об этом заданной фразой. В оценке на 26 примерах полнота для дат и URL составила 1,0, для чисел — около 0,97, а доля детерминированных успешных ответов — около 0,42; результаты ограничены указанным набором и не подтверждают пригодность для браузерного или пользовательского развёртывания. Модель может выдавать неверные, неполные или устаревшие ответы и запоминать обучающие данные. Лицензия в предоставленных сведениях не указана.

LongVT-RFT — мультимодальная модель для понимания и рассуждения по длинным видео, разработанная в рамках проекта LongVT. Это версия LongVT, дообученная на основе Qwen2.5-VL-7B-Instruct; она использует архитектуру Qwen2.5-VL с 7,1 млрд параметров и принимает видео и текстовые запросы, выдавая текстовые ответы. Контекст модели составляет до 128 000 токенов. Модель предназначена для ответов на вопросы о содержании длинных видео. Её подход сочетает общий просмотр видео с повторным выделением и более детальным анализом релевантных фрагментов, чтобы обосновывать ответы визуальными свидетельствами. README сообщает о результатах на нескольких бенчмарках понимания и рассуждения по длинным видео, но не приводит здесь полную таблицу результатов. Модель распространяется под лицензией Apache-2.0. Для воспроизведения инференса и оценки разработчики рекомендуют инструкции и окружение из репозитория проекта. Результаты зависят от корректной настройки обработки видео и следования рекомендуемому сценарию использования.

LongVU_Qwen2_7B — модель для понимания длинных видео и ответов на вопросы о них, разработанная командой LongVU на базе Qwen2-7B. Она принимает видео вместе с текстовым запросом и генерирует текстовый ответ. Модель представлена в архитектуре CambrianQwen, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для анализа содержания и временной структуры длинных видео в диалоговом формате. В README упомянуты наборы данных OneVision и VideoChat2. Репозиторий содержит веса в формате safetensors и опубликован по лицензии Apache-2.0.

NorMistral-11b-long — базовая языковая модель семейства NORA.LLM, разработанная Language Technology Group Университета Осло. Это плотная авторегрессионная модель на архитектуре Mistral с 11,7 млрд параметров, обученная продолжительно на базе norallm/normistral-11b-warm и расширенная до контекста 32 768 токенов. Веса доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации и продолжения текста, а также языковых экспериментов и задач переноса между норвежским букмолом и нюношком, северносаамским, другими скандинавскими языками и английским. Продолжительное обучение включало 50 млрд дополнительных субсловных токенов и корпус суммарно в 250 млрд токенов с текстами на указанных языках и программным кодом. Специально обученный токенизатор уменьшает число токенов на слово для ряда скандинавских языков по сравнению с Mistral-Nemo-Base-2407. Это предварительно обученная модель, не настроенная на выполнение инструкций или диалоговое следование запросам. Она может генерировать вредоносные продолжения при провоцирующих запросах; качество и безопасность результатов требуют проверки. Карточка позиционирует её прежде всего для исследовательского применения.

Qwen2.5-0.5B grounded SFT — компактная языковая модель на архитектуре Qwen2, дообученная Saiteja Alasyam на Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для ответов на вопросы по предоставленному отрывку: если в тексте нет ответа, модель должна отвечать фразой «The passage does not say.» Модель содержит 494 млн параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Модель обучена методом supervised fine-tuning на предпочтительных ответах из набора grounded QA, основанного на SQuAD 2.0. Для обучения использовался LoRA rank 16, затем адаптер объединили с базовыми весами. На тесте из описанного протокола SFT показала строгую точность 0,55; результаты также указывают на склонность как пропускать ответы, так и выдавать фрагмент, не подтверждённый текстом. Это специализированная модель для ответов по контексту, а не универсальный помощник. Веса распространяются по лицензии Apache 2.0; обучающие данные указаны под CC BY-SA 4.0.

qwen2.5-3b-legal-merged — языковая модель Ayush Ghatak для анализа юридических текстов. Она основана на Qwen/Qwen2.5-3B, дообучена с помощью LoRA на подборке юридических оговорок, условий обслуживания и политик конфиденциальности, после чего адаптеры объединены с весами модели. Это плотная авторегрессионная модель Qwen2 с 3,1 млрд параметров, контекстом 32 768 токенов и форматом safetensors. Модель предназначена для разбора договорных положений: определения типа документа и сторон, объяснения юридической терминологии, анализа обязательств и условий, а также составления кратких резюме на понятном английском языке. Карточка описывает ожидаемые структурированные ответы, разделённые на пошаговый разбор и основные выводы. Модель ориентирована на английский язык и юридическую область; заявлена поддержка интерфейса вызова инструментов. Лицензия — Apache-2.0. Ответы модели могут содержать ошибки и не заменяют проверку юристом; карточка не приводит результатов независимой оценки качества.

Это дообученная модель семейства Qwen3.5 с 9 млрд параметров, созданная автором voidful на базе Qwen/Qwen3.5-9B и набора данных voidful/gemini-3.1-opus-4.6-reasoning-merged. По карточке Hugging Face это мультимодальная модель с поддержкой изображений; основной акцент README — рассуждения и выбор ответов в тестах с несколькими вариантами, а метаданные задают задачу image-text-to-text. Модель предназначена для вопросов по изображениям и тексту, а также для zero-shot задач на понимание прочитанного и научные вопросы с выбором ответа. В описанных автором сравнениях она показала лучший совокупный результат среди трёх моделей и улучшенные результаты на ARC-Challenge, ARC-Easy и BoolQ. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты ограничены небольшим набором zero-shot-бенчмарков: модель не лидирует на каждой задаче, а различия на некоторых тестах могут укладываться в стандартную ошибку. README указывает, что ещё нужны оценки следования инструкциям, длинного контекста, программирования, многоязычности и открытой генерации; сведений о длине контекста и поддерживаемых языках в предоставленных данных нет.

SmolVLM2-256M-Video-Instruct — компактная мультимодальная модель Hugging Face для анализа видео, изображений и текста. Она основана на архитектуре Idefics3 и использует семейство SmolVLM; метаданные связывают её с базовой моделью HuggingFaceTB/SmolVLM-256M-Instruct. Модель принимает текстовые запросы вместе с видео или одним либо несколькими изображениями и формирует текстовые ответы. Поддерживаются английский язык, описание визуального содержимого, ответы на вопросы по видео и изображениям, сравнение материалов и распознавание текста на изображениях. Модель рассчитана на компактное развертывание: для инференса по видео README приводит потребление около 1,38 ГБ видеопамяти. Она подходит для локальных и встраиваемых сценариев с ограниченными ресурсами и дообучения под конкретную задачу. По приведённым бенчмаркам версия на 256 млн параметров уступает более крупным вариантам семейства; генерация изображений и видео не поддерживается, а ответы могут быть неточными. README предостерегает от использования модели для критически важных решений, оценки людей и других высокорисковых сценариев. Лицензия — Apache 2.0.

Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

Модель eenzeenee/t5-base-korean-summarization — версия T5-base, дообученная для суммаризации корейских текстов. Автор указывает, что базовая модель — paust/pko-t5-base; обучение проводилось на наборах данных для суммаризации научных статей и книг, а также для создания кратких изложений и отчётов. Архитектура — T5 для генерации текста по текстовому входу, около 137,8 млн параметров. Модель предназначена для автоматического составления кратких изложений корейских научных материалов, книг и отчётов. В README приведены результаты ROUGE-2 на трёх соответствующих наборах данных; они указывают на оценку именно этих сценариев, но не подтверждают качество на других типах текстов. Репозиторий содержит веса PyTorch и Safetensors. Условия лицензии в предоставленных материалах не описаны.

UwU-72B-Preview — экспериментальная диалоговая языковая модель, созданная автором репозитория на основе Qwen/Qwen2.5-72B-Instruct. По README, модель обучалась на синтетических данных, сгенерированных Qwen/QwQ-32B-Preview; автор исследовал, можно ли получить сходные результаты с помощью обучения низкого ранга. Архитектура — плотная Qwen2ForCausalLM, размер — 71,5 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов с пошаговыми рассуждениями; карточка демонстрирует ответ на гипотетический научный вопрос. Метаданные также указывают интерфейс вызова инструментов, но README не описывает его применение. В карточке отмечен английский язык. Лицензия — Apache-2.0. Модель обозначена как экспериментальная, а пример содержит неподтверждённые фактические утверждения, поэтому ответы требуют проверки.

Карточка модели yyh0901/666 на Hugging Face совпадает с карточкой yyh0901/lloma_step50, поэтому описание составлено по ней. yyh0901/lloma_step50 — языковая модель для генерации текста на базе архитектуры LLaMA. Это чекпойнт LLaMA 2 7B, обученный 50 шагов для работы с увеличенным контекстом. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста составляет 65 536 токенов. Модель предназначена для продолжения текста и генерации ответов с учётом длинного входного контекста. Её можно применять в экспериментах с обработкой длинных документов и запросов. Для использования указана лицензия Apache 2.0. README не сообщает о поддерживаемых естественных языках или результатах оценки качества.

AX-3.1-Light-sft_v3_1_E_format_safe — корейская диалоговая модель на 6,8 млрд параметров, созданная дообучением SKT A.X-3.1-Light. Разработчик провёл SFT с адаптером LoRA, затем объединил его с базовыми весами; модель поставляется как самостоятельный чекпойнт BF16 в формате safetensors. Используются архитектура Llama и официальный шаблон чата A.X. Модель принимает текст и генерирует текст; контекст — до 32 768 токенов. Модель предназначена для исследовательских задач и контролируемой оценки на корейском языке, особенно на коротких и структурированных ответах. В обучающих данных были инструкции по гражданскому, уголовному и административному праву, корпоративному учёту, базовым медицинским знаниям, пониманию новостных статей и оценке технологий. Лицензия репозитория — Apache-2.0. Модель экспериментальная и может допускать фактические ошибки. Её не следует использовать вместо профессиональной юридической, бухгалтерской, медицинской или финансовой консультации; исходные данные AI Hub сохраняют собственные условия доступа.

BigBird large — предварительно обученная языковая модель Google на основе трансформера с разреженным блочным вниманием. Она содержит 454,2 млн параметров и обучена на английском языке с задачей masked language modeling на корпусах книг, новостей, историй и Википедии. Модель доступна в форматах PyTorch и Flax по лицензии Apache-2.0. Модель предназначена для заполнения пропусков в тексте и получения текстовых признаков. Благодаря блочному разреженному вниманию она обрабатывает последовательности длиной до 4096 токенов с меньшими вычислительными затратами, чем стандартное полное внимание; это делает её подходящей для текстов и документов увеличенной длины. В карточке отмечены результаты на задачах суммаризации и ответов на вопросы с длинным контекстом, но основной тег модели — fill-mask. Модель рассчитана на английский текст. Она является базовой предварительно обученной моделью, а не специализированным решением для конкретной отрасли; качество на языках, отличных от английского, не подтверждено. Лицензия Apache-2.0 допускает использование на её условиях.