I.2Синтез, понимание и проверка знаний

PathFinder-PRM-7B — дискриминативная модель оценки промежуточных шагов математических рассуждений, разработанная авторами проекта Declare Lab и дообученная на Qwen/Qwen2.5-Math-7B-Instruct. Она отдельно оценивает математическую корректность и логическую согласованность шагов, а затем объединяет эти оценки для проверки хода решения и итогового ответа. Модель рассчитана на английский язык. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; контекст составляет 4096 токенов. Её применяют для поиска ошибок в цепочках математических рассуждений, сравнения вариантов решения и направления генерации ответов с помощью оценок вознаграждения. В README указано обучение на человеческих аннотациях PRM800K и автоматически размеченных примерах, а также оценка на ProcessBench, PRMBench и математических задачах. Лицензия — MIT. Это оценщик рассуждений, а не обычная модель для генерации математических ответов. Её оценки могут помогать выбирать более качественные решения, но не гарантируют математическую корректность; заявленные результаты зависят от тестовых наборов и используемой модели-генератора.

Это дообученная языковая модель adittamavincent для генерации текста на базе unsloth/Qwen2.5-1.5B-bnb-4bit. При обучении использовались Unsloth и библиотека Hugging Face TRL. Метаданные указывают архитектуру Qwen2 dense с классом Qwen2ForCausalLM, размер 1,5 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Название репозитория предполагает назначение помощника для юридического RAG, но карточка не описывает конкретные сценарии применения и не подтверждает наличие поиска по документам. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0.

picur/picur-860M-base — предварительная версия плотной авторегрессионной языковой модели семейства LFM2, разработанная автором репозитория picur. Модель содержит 736,1 млн параметров, принимает текст и генерирует текст; в метаданных также заявлена поддержка диалогового режима. Размер контекстного окна — 32 768 токенов, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалоговых сценариев на венгерском языке. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Карточка помечает модель как предварительную версию; данных о качестве и результатах оценки в README нет.

google/pix2struct-ai2d-base — модель Google на архитектуре Pix2Struct, дообученная для визуальных вопросов и ответов по AI2D. Она принимает изображение и вопрос по его содержимому и генерирует текстовый ответ; для более подходящего формата автор рекомендует вопросы с вариантами ответа. Архитектура сочетает визуальный кодировщик с текстовым декодером, а входы переменного разрешения позволяют обрабатывать визуально насыщенные материалы. Модель предназначена для ответов на вопросы по изображениям, в частности по иллюстрациям и диаграммам. Базовая предобученная модель училась преобразовывать замаскированные скриншоты веб-страниц в упрощённый HTML, а Pix2Struct рассчитана на задачи понимания визуально представленного языка. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0. В README не приведены специальные ограничения качества для этой версии.

Orion-zhen/Qwen2.5-7B-Instruct-Uncensored-Q5_K_M-GGUF — текстовая генеративная модель, подготовленная автором Orion-zhen на основе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored. Модель преобразована в формат GGUF с использованием llama.cpp и предназначена для локального запуска через llama.cpp в режиме командной строки или сервера. Модель относится к семейству Qwen2.5, имеет заявленный размер 7B параметров и использует квантование Q5_K_M. Она ориентирована на генерацию текста и диалоговые сценарии, включая ответы на английском и китайском языках. В README приведён пример запуска с контекстом 2048 токенов, однако максимальный размер контекста не указан. Модель описывается как uncensored и обучалась с использованием наборов данных, связанных с отказоустойчивыми и токсичными диалогами, поэтому может быть полезна для исследовательских и экспериментальных задач, где требуется сниженная склонность к отказам. Ключевое преимущество — совместимость с экосистемой llama.cpp и возможность локального инференса в компактном квантованном формате. Ограничения включают отсутствие подробных сведений о фактической производительности, точности, системных требованиях и максимальном контексте, а также потенциально небезопасное или нежелательное содержание из-за особенностей обучения. В метаданных указана лицензия GPL-3.0.

Qwen2.5-Math-PRM-7B — процессная reward-модель семейства Qwen2.5, разработанная командой Qwen. Она оценивает промежуточные шаги математических рассуждений, помогая находить ошибки в решениях и выбирать более качественные ответы языковых моделей. Это модель для оценки, а не для генерации текста. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Она дообучена на Qwen/Qwen2.5-Math-7B-Instruct и принимает текстовые решения с разделёнными шагами; после каждого шага добавляется специальный маркер, по вероятности положительной классификации которого вычисляется оценка от 0 до 1. Контекст составляет 4096 токенов. В карточке заявлена оценка качества в Best-of-N и усиленное выявление ошибок на ProcessBench. Метаданные указывают английский и китайский языки. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в карточке модели.

Qwen3-14B-abliterated — экспериментальная версия Qwen3-14B от разработчика mlabonne, обработанная методом abliteration для ослабления отказов модели. Это плотная авторегрессионная языковая модель на 14 млрд параметров с контекстом до 40 960 токенов; репозиторий содержит веса Safetensors для Transformers. Метод корректирует направления отказа в скрытых состояниях, сопоставляя ответы на вредоносные и безопасные примеры и ортогонализуя целевые модули. Модель предназначена для генерации диалогов и изучения отказов и латентного дообучения; автор отмечает, что результат экспериментальный и может работать не так, как ожидалось. Для генерации автор рекомендует temperature=0.6, top_k=20 и top_p=0.95. Языковая поддержка и результаты оценки качества в карточке не конкретизированы. Лицензия — Apache-2.0.

Это GGUF-квантованная версия модели Qwen3.6-27B-F451-AND-TRI-Polar-Ultra-Pro-Writer-Uncensored-Heretic, разработанная jerkar на основе модели DavidAU. Модель преобразована в формат GGUF с использованием llama.cpp и предназначена для локального запуска через llama.cpp, включая режим командной строки и серверный режим. Модель ориентирована на генерацию и продолжение художественных текстов, создание сюжетов и подсюжетов, написание сцен, сторителлинг, ролевые сценарии и работу с различными жанрами, включая научную фантастику и романтику. Также заявлена пригодность для задач программирования и универсального использования. В карточке указаны английский и китайский языки, а также мультимодальный тег image-text-to-text, однако подробности о поддерживаемых входных модальностях не приведены. Размер базовой модели составляет 27B параметров, а данный вариант использует квантование Q4_K_M. Точный размер контекста, архитектурные детали и требования к оборудованию не указаны; в примере запуска llama.cpp используется контекст 2048 токенов. К заявленным особенностям относятся многоэтапная настройка, uncensored и abliterated-вариант, однако независимые оценки качества и ограничения не представлены. Лицензия — Apache-2.0.

Qwen3.8-27B-Heretic-Uncensored-Q6_K-GGUF — текстовая генеративная модель, разработанная mlasli на базе Qwen/Qwen3.8-27B. Она предназначена для генерации текста, диалогов и ролевых сценариев, включая случаи, где требуется ослабленное защитное поведение модели. Указан английский язык. Модель распространяется в формате GGUF и рассчитана на запуск через llama.cpp; также заявлена совместимость с Ollama. Это 27-миллиардная модель с квантизацией Q6_K размером около 21 ГБ. В сборке сохранена MTP draft head для speculative decoding, а её использование проверялось через llama.cpp с режимом draft-MTP. В README приведён пример контекста 4096 токенов. Валидация проводилась только для текста; мультимодальные возможности, включая работу с изображениями, не подтверждены. По данным smoke-теста, Q6_K показала 86% прямых ответов на наборе вредоносных запросов, 2% отказов и 0% отказов на безвредных запросах при отключённом thinking. Для заявленного поведения требуется отключать thinking: при его включении модель чаще уклоняется или отказывает и может выдавать пустые ответы. Abliteration удаляет защитное выравнивание, поэтому модель имеет повышенные риски небезопасной генерации и требует ответственного применения. Модель распространяется по лицензии Apache-2.0. Для использования рекомендуется llama.cpp с архитектурой qwen35, включённым MTP speculative decoding и отключённым thinking.

liuw15/qwen3-8b-ziyon-nsfw-Q4_K_M-GGUF — текстовая генеративная модель, преобразованная пользователем liuw15 из liuw15/qwen3-8b-ziyon-nsfw в формат GGUF с помощью llama.cpp и сервиса GGUF-my-repo. В качестве базовой модели указана Qwen3-8B, однако подробности исходного обучения и назначения доступны только в отдельной карточке исходной модели и в представленном README не раскрыты. Модель предназначена для генерации текста и локального запуска через llama.cpp, включая использование командной строки llama-cli или серверного режима llama-server. Ключевые характеристики, указанные в идентификаторе и имени файла, — размер класса 8B и квантование Q4_K_M. README демонстрирует запуск с контекстом 2048 токенов. Данные о поддерживаемых языках, фактических возможностях, дополнительных модальностях и специальных сценариях применения отсутствуют. К сильным сторонам относятся компактное квантованное представление и совместимость с экосистемой llama.cpp, что подходит для локального инференса при ограниченных ресурсах. К ограничениям относятся возможная потеря качества из-за квантования и отсутствие в README результатов оценки, описания поведения, системных требований и подробностей исходной модели. Указана лицензия Apache-2.0; ссылка на лицензию ведёт к лицензии Qwen/Qwen3-8B.

irfanamal/roberta_multiple_choice — модель на базе RoBERTa, дообученная для выбора правильного варианта из нескольких предложенных ответов. Она предназначена для задач multiple choice, где вход содержит вопрос и варианты ответа, а модель оценивает их и помогает выбрать наиболее подходящий. Модель имеет архитектуру RobertaForMultipleChoice, около 151,8 млн параметров и контекст до 514 токенов. В README приведены результаты оценки: accuracy 0,58 и loss 1,2868; обучающий датасет не описан. Модель опубликована в формате PyTorch под лицензией MIT. Язык и предметная область обучения не установлены по доступным данным, поэтому применимость к конкретной тематике требует отдельной проверки.

RoLlama3-8b-Instruct-2024-10-09 — румынская генеративная языковая модель OpenLLM-Ro, дообученная для следования инструкциям и диалогового общения на основе Meta-Llama-3-8B-Instruct. Это плотная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; она принимает текст и генерирует текстовые ответы на румынском языке. Модель предназначена для ассистентского чата и генерации ответов на инструкции, а также для адаптации к другим языковым задачам. В README указано назначение для исследовательского применения и ограничение на использование вне румынского языка. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Sakura-SOLRCA-Math-Instruct-DPO-v1 — разговорная языковая модель Kyujin Han (kyujinpy), основанная на архитектуре Llama с плотной авторегрессионной моделью объёмом 10,6 млрд параметров. Она дообучена методом DPO на наборах Intel/orca_dpo_pairs и argilla/distilabel-math-preference-dpo; карточка также упоминает объединённую версию kyujinpy/orca_math_dpo. Модель предназначена для генерации ответов в диалоге, в том числе на математические вопросы и задачи на рассуждение. В README приведены результаты тестов, включая GSM8K, ARC и MMLU. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов, основной язык карточки — английский. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и ограничивает коммерческое использование. Результаты бенчмарков не гарантируют точности ответов в реальных задачах; README не описывает специальные меры для проверки математических ответов.

arzaan789/smolm3-3b-uncensored — модифицированная версия языковой модели HuggingFaceTB/SmolLM3-3B. Вариант создан пользователем arzaan789 на основе SmolLM3-3B с применением abliteration для удаления направления отказа, LoRA дообучения на датасете Guilherme34/uncensor в течение двух эпох и повторной abliteration. Указанные параметры LoRA: r=16, alpha=32, learning rate=0.0002; сила abliteration составила 0.2, повторной обработки — 0.35. Модель предназначена для генерации текста и диалоговых сценариев, где требуется более низкая склонность к отказам в ответах, включая эксперименты с uncensored-моделями. В README приведён вариант в формате GGUF и пример запуска через llama-cli. По результатам проверки на 64 вредоносных запросах модель отказала в одном случае, а на 64 безвредных запросах — ни в одном. Архитектура, точный размер в параметрах, поддерживаемые модальности, языки и размер контекстного окна в README не указаны; из идентификатора базовой модели следует обозначение класса 3B. Основное ограничение — целенаправленное снижение отказов может уменьшать встроенные защитные механизмы и повышать риск генерации небезопасного контента, поэтому модель требует осторожного применения. Лицензия — Apache-2.0.

cockroach54/solar-sft-qlora — экспериментальная языковая модель на архитектуре Llama, дообученная автором для практики с помощью Transformers, PEFT и bitsandbytes. Модель содержит 10,6 млрд параметров и принимает текст для генерации текста; заявленный контекст — 4096 токенов. В метаданных указаны корейский и английский языки, а среди данных для обучения — davidkim205/kollm-converations. Карточка приводит результаты оценки на задачах KoBEST, включая определение смысловой связи слов и анализ тональности, но не описывает подробные сценарии применения. Лицензия — Apache-2.0.

hwkwon/S-SOLAR-10.7B-SFT-v1.2 — дообученная с помощью DeepSpeed языковая модель, созданная на основе Edentns/DataVortexS-10.7B-dpo-v1.11. Она предназначена для генерации текста по запросу в формате диалога с разделителями «### User» и «### Assistant». Модель построена на плотной архитектуре Llama и содержит 10,7 млрд параметров; её родной контекст составляет 4096 токенов. В метаданных указан корейский язык и формат весов safetensors. Данные обучения в карточке не описаны, поэтому специализацию модели и её сильные стороны определить нельзя. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Superlinear-Exp-v0.1 — экспериментальная языковая модель от Concavity AI, созданная на основе гибридной NVIDIA Nemotron-3-Nano-30B-A3B. В ней используется модифицированная архитектура Superlinear Multi-Step Attention: механизм выбирает подходящие фрагменты контекста с помощью обучаемой маршрутизации и выполняет внимание внутри выбранных фрагментов. Для варианта N=2 заявлена асимптотика O(L^(3/2)) для поиска и обработки фрагментов, что позволяет исследовать работу с последовательностями длиной в миллионы токенов. Модель предназначена для экспериментов с длинным контекстом, извлечения сведений из больших последовательностей и оценки эффективности архитектуры. Карточка приводит результаты проверки на задаче Needle In A Haystack и измерения скорости на GPU NVIDIA B200, но не заявляет всестороннюю оценку качества. Для запуска требуются CUDA-расширения и загрузка удалённого кода через trust_remote_code=True. Модель распространяется по NVIDIA Open Model License Agreement с условиями NVIDIA Trustworthy AI.

Карточка модели ByteDance-Seed/Tar-7B на Hugging Face совпадает с карточкой csuhan/Tar-7B-v0.1, поэтому описание составлено по ней. csuhan/Tar-7B-v0.1 — дообученная модель на архитектуре Qwen2.5 с 7,3 млрд параметров, разработанная авторами работы «Unifying Visual Understanding and Generation via Text-Aligned Representations». Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Модель предназначена для объединения визуального понимания и генерации с помощью представлений, согласованных с текстом. Модель основана на Qwen/Qwen2.5-7B-Instruct и имеет контекстное окно до 32 768 токенов. Архитектура указана как LlavaQwenForCausalLM; метаданные связывают её с задачами генерации текста и any-to-any, однако карточка не описывает поддерживаемые входные и выходные модальности и конкретные сценарии использования. Поэтому визуальные возможности и качество выполнения отдельных задач нельзя уточнить по доступным сведениям.

TC-instruct-DPO — тайская инструкционная языковая модель на 7,1 млрд параметров, созданная автором репозитория на основе Typhoon 7B от SCB 10X, который, в свою очередь, основан на Mistral 7B v0.1. Модель дообучали с помощью QLoRA (rank 32, alpha 64) и DPO на доступных тайских данных, включая наборы для инструкций, вопросов и ответов, суммаризации и токсичности. В метаданных указана архитектура Mistral с плотной causal language model, формат весов safetensors и контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалога на тайском языке; карточка также указывает английский среди языков. Автор позиционирует её как учебный проект для изучения создания LLM и отмечает ограниченный опыт разработки, поэтому качество и устойчивость ответов не следует считать гарантированными. Для работы пример в README использует шаблон Alpaca; автор пишет, что при обучении применял именно его. Лицензия — Apache-2.0.

kadirnar/turkish-gemma2b-v2 — текстовая генеративная модель, разработанная kadirnar и дообученная на основе unsloth/gemma-2-2b. Она предназначена для генерации текста, в том числе на турецком языке, о чём говорит название модели; README не приводит подробностей о данных обучения и конкретных сценариях применения. Модель построена на плотной архитектуре Gemma 2 с 2,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. При обучении использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0.

Umievo-itr012-Gleipnir-7B-GGUF — это квантизированная GGUF-версия языковой модели Umievo-itr012-Gleipnir-7B, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана umiyuki и получена эволюционным слиянием четырёх японских языковых моделей: Japanese-Starling-ChatV-7B, Ninja-v1-RP-expressive-v2, Vecteus-v1 и Japanese-Chat-Umievo-itr004-7b. Для объединения использовался метод linear из mergekit. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, включая роль ассистента, объяснение понятий и работу с инструкциями. Указан размер класса 7B; модель относится к текстовым авторегрессионным языковым моделям. Другие модальности и размер контекстного окна в README не указаны. В качестве примера предлагается форматирование запросов в стиле [INST] с системным сообщением и генерация до заданного числа новых токенов. На бенчмарке ElyzaTasks100 модель получила среднюю оценку 3,91 по результатам трёх автоматических оцениваний с помощью Llama3-70B. К сильным сторонам относятся специализация на японском языке, сочетание характеристик нескольких моделей и доступность квантизированного формата GGUF для запуска через совместимые инструменты. Ограничения включают отсутствие подробных сведений о точном варианте квантизации, контекстном окне, производительности и качестве вне японского языка; результаты автоматической оценки не гарантируют качество во всех сценариях. Лицензия указана как Apache-2.0.

Utopia-13B — объединённая модель Undi95 на архитектуре Llama, созданная методом task arithmetic в mergekit из Xwin-LM-13B-V0.2, Nethena-13B, Pygmalion-2-13B и других моделей и LoRA. Репозиторий содержит веса в формате FP16 и safetensors; модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста по инструкциям в шаблоне Alpaca, включая диалоговые и сюжетные сценарии. В составе объединения есть модели, ориентированные на ролевые диалоги и повествование; метаданные помечают модель как NSFW, поэтому она может создавать контент для взрослой аудитории. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

UW1-INPO-soft — исследовательский вариант Qwen2.5-7B-Instruct, дообученный методом INPO с опубликованной квадратичной функцией потерь, интегрированной по кэшированной вероятности пары. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и библиотеку Transformers; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалоговой генерации текста и изучения влияния варианта функции потерь на предпочтения ответов и языковые возможности. В README описан эксперимент на отфильтрованной панели WildChecklists и сравнение пяти вариантов обучения по нескольким бенчмаркам; приведённые результаты не являются лидербордными оценками. Эксперимент использовал один seed, а различия между вариантами не превысили одной стандартной ошибки ни по одному столбцу, поэтому преимущество этого варианта не установлено. Проверка предпочтений проводилась локальной моделью-судьёй. Лицензия в предоставленных данных не описана.

UW1-NBPO-PW — исследовательская дообученная версия Qwen2.5-7B-Instruct от автора репозитория promotion. Она использует NBPO с весами, обратно пропорциональными излишку на уровне запроса, для оптимизации предпочтений в диалогах; в обучении применялись пары ответов на запросы из набора WildChecklists. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Предназначена для генерации диалоговых ответов и изучения методов оптимизации предпочтений; карточка приводит результаты на нескольких тестах, но различия между вариантами не превышали одной стандартной ошибки. Оценивание проводилось с одним случайным seed и локальной моделью-судьёй. Обучающая выборка была отфильтрована и не является случайной выборкой данных, поэтому результаты ограниченно обобщаются на другие запросы; приведённые оценки не являются результатами официальных таблиц лидеров. Лицензия в предоставленных данных не указана.

VideoChat-TPO — мультимодальная модель для диалога о видео, разработанная OpenGVLab и основанная на работе Task Preference Optimization: Improving Multimodal Large Language Models with Vision Task Alignment. Она дообучена на Mistral-7B-Instruct-v0.2 и предназначена для ответов на текстовые запросы о видеоматериалах. Модель принимает видео вместе с текстовым запросом и формирует текстовый ответ. В метаданных указаны архитектура MultiModalLLM_PT, библиотека Transformers и формат весов safetensors. Лицензия — MIT. Карточка не сообщает подробностей о поддерживаемых языках или длительности и разрешении видео.

Whittle-Next-26B-A3B — исследовательская модель генерации текста, созданная независимым разработчиком на основе Qwen3.6 и формата архитектуры Qwen3.8-Flash-Next. Это разреженная MoE-модель с 26,1 млрд параметров, из которых около 3 млрд активны на каждом токене; в архитектуру входят четыре потока hyper-connections и хешированная n-граммная память на 1 млрд параметров. Модель дообучалась с онлайн-дистилляцией от Qwen3.8-27B и рассчитана на запуск через llama.cpp; для GGUF Q8_0 автор приводит пример запуска с контекстом 8192 токена. Модель предназначена для диалоговой генерации текста и экспериментов с архитектурой Qwen4-Next (`qwen4_exp`), включая дальнейшее обучение и проверку serving-пути в стандартном llama.cpp. README приводит результаты оценки на GSM8K, но характеризует модель как незавершённую исследовательскую основу и сообщает, что её сменила более новая Whittle-Next-27B-A3B. Доступны веса GGUF Q8_0 и bf16; лицензия — Apache-2.0.

Jedi-3B-1080p-GGUF — это набор GGUF-квантизаций мультимодальной модели Jedi-3B-1080p, разработанной xlangai и подготовленной для распространения пользователем bartowski. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Квантизации созданы с использованием llama.cpp b5524 и метода imatrix; запуск возможен через llama.cpp, LM Studio и другие совместимые проекты. Известно, что модель содержит около 3 млрд параметров и поддерживает английский язык. README не указывает точную архитектуру, максимальный размер контекста и перечень поддерживаемых модальностей или форматов изображений. Доступны варианты от BF16 до Q2_K_L, поэтому можно выбирать между качеством и требованиями к памяти: наиболее качественными считаются BF16, Q8_0 и варианты Q6, а Q4 и Q3 подходят для более экономичного запуска, хотя при сильном сжатии качество снижается. Модель удобна для локального мультимодального инференса на совместимом оборудовании, включая сценарии с ограниченной оперативной памятью. Ограничениями являются снижение качества у низкобитных квантизаций и отсутствие в README подробных сведений о результатах тестирования, производительности, контекстном окне и системных требованиях. Распространение указано на условиях лицензии Apache-2.0.

richardyoung/zephyr-7b-beta-abliterated — англоязычная чат-модель для генерации текста, созданная Richard Young на основе HuggingFaceH4/zephyr-7b-beta. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors и рассчитаны на работу через Transformers. Модель получена методом abliteration с использованием Heretic v1.1: из неё удаляли поведение отказа, анализируя и ортогонализируя направление отказа в активациях residual stream. Карточка сообщает 2 отказа из 100 проверок и показатель ASR 98%; это результаты указанной оценки, а не гарантия поведения в других сценариях. Модель подходит для диалоговой генерации и исследований влияния удаления отказов на ответы языковых моделей. В README указано, что защитные ограничения удалены, поэтому модель может выдавать опасный контент. Она выпущена под лицензией MIT; автор предупреждает об исследовательском назначении и ответственности пользователя за применение.

cnmoro/ahxt_llama2_xs_460M_experimental_ptbr_instruct — экспериментальная версия модели семейства Llama 2, дообученная cnmoro на наборе инструкций на бразильском португальском языке (PT-BR). Она предназначена для генерации текста и выполнения инструкций в диалоговых сценариях. Модель содержит 410,1 млн параметров, использует плотную архитектуру LlamaForCausalLM и имеет контекст длиной 2048 токенов. Модель работает с текстом и распространяется в формате PyTorch. Карточка обозначает её как экспериментальную и предназначенную для исследований. Лицензия в предоставленных данных не указана.

Это дообученная на 500-м шаге обучения модель генерации текста семейства GPT-2, разработанная fpadovani на основе fpadovani/arb-arab-10mb-ppt-shuff-dyck-10mb_seed3407 с использованием TRL. Она предназначена для генерации продолжений и ответов на текстовые запросы; в карточке приведён пример диалогового запроса и генерации ответа. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекстное окно 512 токенов. В метаданных и карточке нет достаточных сведений о языковом охвате или специализированной предметной области. Лицензия в предоставленных данных не указана.