I.2Синтез, понимание и проверка знаний

Карточка модели Soofi-Project/Soofi-S-Instruct-Preview на Hugging Face совпадает с карточкой Soofi-Project/Soofi-S-Isar-Preview, поэтому описание составлено по ней. Soofi-S-Isar-Preview — промежуточная версия модели Soofi, разработанная Soofi Project и основанная на Soofi-Project/Soofi-S-Base. Это диалоговая модель генерации текста, представленная в формате safetensors и предназначенная для закрытого бета-тестирования выбранными партнёрами. Модель находится в разработке: веса и поведение могут меняться между контрольными точками. В README она названа исследовательским артефактом и закрытой бета-версией; финальную модель планируют выпустить открыто под разрешительной лицензией, но условия лицензии этой версии не уточнены.

Suri-Qwen-3.5-4B-Uncensored — мультимодальная диалоговая модель, разработанная Space Time на основе Qwen3.5 4B. Это модель с архитектурой Qwen3.5 для генерации ответов по тексту и изображениям; карточка позиционирует её как uncensored и снятую с выравнивания, а метаданные указывают возможности чата и понимания изображений. Модель рассчитана на диалоги и задачи image-text-to-text; в карточке заявлены китайский и английский языки. В репозитории указаны веса Safetensors и использование библиотеки Transformers. Рекомендуемые параметры генерации: temperature 0,6–1,0, top_p 0,8–0,95 и repetition_penalty 1,1. Модель собрана на основе Qwen/Qwen3.5-4B и unsloth/Qwen3.5-4B; карточка не уточняет условия лицензии. Поскольку модель заявлена как несогласованная и uncensored, ответы могут не следовать обычным ограничениям безопасного поведения; качество и пригодность для конкретных сценариев требуют отдельной оценки.

liamvbetts/t5-small-finetuned-2024-03-22 — дообученная версия T5-small, созданная на основе liamvbetts/t5-small-finetuned-2024-03-21. Это компактная модель архитектуры T5 для преобразования текста в текст с 38,5 млн параметров и контекстом до 512 токенов. В карточке приведены результаты оценки: Loss 1,6982, ROUGE-1 30,9866, ROUGE-2 16,6554, ROUGE-L 27,0934 и средняя длина генерации 18,6056 токена. Конкретное назначение модели, обучающий набор данных и поддерживаемые языки не описаны, поэтому её применение нельзя уверенно сузить до определённой задачи. README указывает набор данных как None. Модель сохранена в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели ByteDance-Seed/Tar-1.5B 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.

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.

ytu-ce-cosmos/turkish-gpt2-large-750m-instruct-v0.1 — турецкая языковая модель, разработанная ytu-ce-cosmos путём дообучения ytu-ce-cosmos/turkish-gpt2-large на наборе из 35 тысяч инструкций. Это плотная авторегрессионная модель архитектуры GPT-2, предназначенная для генерации текста и диалоговых ответов по инструкциям. Модель принимает текст и выдаёт текст; её контекст составляет 1024 токена, формат весов — safetensors. Модель подходит для генерации ответов на турецком языке и экспериментальных чат-сценариев. Разнообразие обучающих текстов, включая веб-страницы и книги, может приводить к предвзятым ответам и фактическим ошибкам. Лицензия — MIT.

Модель turkish-gpt2-medium-350m-instruct-v0.1 разработана ytu-ce-cosmos как дообученная версия ytu-ce-cosmos/turkish-gpt2-medium на наборе из 35 тысяч инструкций. Это плотная авторегрессионная модель семейства GPT-2 на базе GPT2LMHeadModel, предназначенная для генерации текста и диалоговых ответов по инструкциям на турецком языке. Модель принимает текст и выдаёт текст; максимальный контекст составляет 1024 токена. Она подходит для прототипирования турецких чат-ботов, ответов на запросы и генерации текста по заданию. В обучающих данных представлены сайты, книги и другие текстовые источники, поэтому ответы могут быть ошибочными и отражать смещения данных. Модель распространяется под лицензией MIT.

Vanilla — Instruct (3B) — это англоязычная инструктивная языковая модель dlab-spp для диалогов и генерации текста. Она построена с нуля по архитектуре, близкой к Llama 3.2 3B, и дообучена методом persona-binding supervised fine-tuning на инструкциях и примерах по безопасности. Размер модели — 3 млрд параметров, контекст — 2048 токенов; для работы используются Transformers и формат safetensors. Модель предназначена для исследований выравнивания поведения, обобщения ценностей и устойчивости к jailbreak-запросам. В основной версии доля примеров по безопасности в обучающей смеси составляет 10%; карточка также описывает варианты с другими долями. Ответы обучались следовать конституции с внутритекстовыми ссылками [N.M]. Это исследовательский артефакт, не предназначенный для производственного применения: модель может выдавать неверные или небезопасные ответы. Лицензия указана как other, без уточнения условий в доступных данных.

QuixiAI выпустила WizardLM-Uncensored-Falcon-7b — дообученную на базе tiiuae/falcon-7b языковую модель с архитектурой RefinedWebModel, предназначенную для генерации текста в формате запросов WizardLM. При обучении из подмножества данных удалили ответы с моральными оценками и призывами к соблюдению норм; модель задумана как основа, к которой можно отдельно добавлять выравнивание, например с помощью LoRA для RLHF. Модель содержит 10,9 млрд параметров, работает с текстом и распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает длину контекста и список поддерживаемых языков. У модели нет встроенных ограничителей, поэтому её ответы могут включать нежелательный или вредоносный контент; результаты требуют проверки.

Карточка модели soob3123/amoral-gemma3-4B-v2-qat на Hugging Face совпадает с карточкой soob3123/amoral-gemma3-27B-v2-qat, поэтому описание составлено по ней. Amoral-Gemma-3 — дообученная модель на архитектуре Gemma 3, разработанная автором репозитория soob3123 на основе google/gemma-3-27b-it-qat-q4_0-unquantized. Она предназначена для диалоговой генерации аналитически нейтральных ответов на чувствительные и спорные вопросы, с упором на фактическую точность, сдержанный тон и снижение оценочных формулировок. Модель содержит 28,3 млрд параметров, поддерживает контекст до 131 072 токенов и принимает текстовые запросы, выдавая текстовые ответы. В карточке заявлен английский язык; базовая модель Gemma 3 мультимодальна, однако эта версия указана как текстовая. Модель распространяется по лицензии Apache-2.0. README описывает желаемый стиль ответов, но не приводит количественных оценок качества или результатов сравнительных испытаний; нейтральность и фактическая точность зависят от запроса и могут не достигаться во всех случаях.

Карточка модели AsphyXIA/baarat-hindi-pretrained на Hugging Face совпадает с карточкой AsphyXIA/baarat-kannada-pretrained, поэтому описание составлено по ней. AsphyXIA/baarat-kannada-pretrained — дообученная AsphyXIA модель на архитектуре Llama 2 для генерации текста. Веса основаны на meta-llama/Llama-2-7b-hf, содержат 6,7 млрд параметров и рассчитаны на контекст до 4096 токенов. В README указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL. Название модели указывает на связь с каннада, однако карточка не описывает обучение или качество на этом языке; в метаданных указан только английский. Модель доступна в формате safetensors по лицензии Apache-2.0. README не приводит оценок качества и конкретных сценариев применения.

gueleilo/bert-base-uncased-finetuned-swag — модель BERT, дообученная на наборе данных SWAG для выбора наиболее подходящего варианта продолжения ситуации из нескольких предложений. Она содержит 136,7 млн параметров, принимает текстовые варианты и выдаёт оценку для выбора ответа; максимальная длина контекста — 512 токенов. На оценочном наборе SWAG указаны loss 1,0294 и accuracy 0,7865. Модель распространяется под лицензией Apache-2.0. README не содержит подробностей о сценариях применения и ограничениях.

BioMed-R1-8B — медицинская языковая модель, разработанная Zou Lab на основе Meta Llama 3.1 8B Instruct. Это плотная модель для генерации текста с 7,5 млрд параметров и контекстом до 131 072 токенов; она рассчитана на диалоговые сценарии и принимает текстовые запросы, выдавая текстовые ответы. Модель дообучена методом supervised fine-tuning и reinforcement learning на примерах, ориентированных на медицинские рассуждения, самокоррекцию и пересмотр первоначальных ответов. Модель предназначена для ответов на медицинские вопросы, разбора клинических сценариев и поддержки исследовательской оценки медицинских LLM. В описанной работе BioMed-R1 показала лучшие общие и adversarial-результаты среди сопоставимых по размеру медицинских моделей, но авторы отмечают, что надёжность медицинских рассуждений всё ещё требует улучшения. Карточка сообщает о поддержке английского языка. Модель распространяется по лицензии Llama 3.1; её применение не заменяет профессиональную медицинскую оценку.

Canarim-7B-VestibulAide — авторская decoder-only модель семейства Llama, разработанная для работы с вопросами и заданиями бразильских вступительных экзаменов и государственных конкурсов. Модель размером 6,6 млрд параметров генерирует текст на португальском языке; поддерживает диалоговый сценарий и имеет контекст 4096 токенов. Модель предназначена для объяснения экзаменационных задач, пошагового разбора решений и помощи при подготовке к ENEM и другим вступительным испытаниям. В описанной оценке точность выбора ответа составила 35,71% на вопросах ENEM 2022 и 43,33% на ENEM 2023, поэтому ответы с выбором варианта следует проверять. Модель распространяется по лицензии Llama 2.

AmberYifan/capsd-finance-dedup-marin-8b-base-finance_ppl_b10000_s0 — дообученная модель семейства Llama на базе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста; в метаданных также отмечена возможность диалогового взаимодействия. Модель обучена на наборе capsd_marin-8b-base-n80000-finance-dedup80k__mix_finance_ppl_b10000_s0, однако карточка не описывает её специализированные финансовые возможности или результаты оценки. Модель принимает текст и генерирует текст, работает с контекстом до 4096 токенов. Базовая Marin 8B Base описана как англоязычная, поэтому английский — единственный подтверждённый язык. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

RJ3vans/CCVspanTagger — модель на архитектуре BERT для разметки токенов, связанных с составными предложениями. Она определяет, входят ли токены в составную клаузу; в примере из карточки союз «and» выделяется квадратными скобками. Модель предназначена для этапа разметки в системах упрощения текста и обработки предложений. Модель дообучена для классификации токенов на наборе данных, описанном в докторской диссертации Райана Эванса о упрощении предложений. Веса доступны в формате PyTorch; размер модели — 432,3 млн параметров, максимальная длина контекста — 512 токенов. Карточка не сообщает лицензию, поэтому условия распространения и использования определить нельзя.

yuanzhoulvpi/chinese_bloom_7b_chat_v2 — диалоговая модель, созданная дообучением BLOOM-7B методом supervised fine-tuning на 1,5 млн китайских инструкций. Она предназначена для генерации ответов на китайском языке по пользовательским запросам и для создания диалоговых приложений. Модель использует плотную авторегрессионную архитектуру BLOOM с 9,1 млрд параметров; в репозитории доступны веса PyTorch и Safetensors. Автор сообщает, что версия V2 показала улучшение по сравнению с V1, обученной на меньшем наборе инструкций. В README также отмечено, что качество проверялось автором, но результаты тестов и подробные оценки не приведены. Модель распространяется по лицензии BigScience BLOOM RAIL 1.0; следует учитывать её условия использования.

Карточка модели manelalab/chrono-gpt-v1-19991231 на Hugging Face совпадает с карточкой manelalab/chrono-gpt-v1-20191231, поэтому описание составлено по ней. ChronoGPT-v1-20191231 — англоязычная авторегрессионная языковая модель, разработанная Songrun He, Linying Lv, Asaf Manela и Jimmy Wu. Она предназначена для генерации текста с учётом хронологии и анализа задач, чувствительных к временным срезам, где важно снизить риск утечки будущих данных и смещения из-за заглядывания вперёд. Модель построена на модифицированной архитектуре modded-NanoGPT: трансформерный декодер с причинным языковым моделированием, примерно 1,552 млрд параметров, размерностью эмбеддингов 1536 и контекстом 1792 токена. Она предварительно обучена на разнообразных текстах с временными метками; в README также описана возможность извлекать эмбеддинги слоёв. По заявлению авторов, результаты на HellaSwag превосходят GPT-2 124M. ChronoGPT подходит для временно корректной генерации и экспериментов с историческим, экономическим и финансовым моделированием. Это не специализированная модель финансовых прогнозов: README не приводит оценок таких задач. Модель работает с английским текстом, а её лицензия — MIT.

ChronoGPT-v1-20191231 — англоязычная авторегрессионная языковая модель, разработанная Songrun He, Linying Lv, Asaf Manela и Jimmy Wu. Она предназначена для генерации текста с учётом хронологии и анализа задач, чувствительных к временным срезам, где важно снизить риск утечки будущих данных и смещения из-за заглядывания вперёд. Модель построена на модифицированной архитектуре modded-NanoGPT: трансформерный декодер с причинным языковым моделированием, примерно 1,552 млрд параметров, размерностью эмбеддингов 1536 и контекстом 1792 токена. Она предварительно обучена на разнообразных текстах с временными метками; в README также описана возможность извлекать эмбеддинги слоёв. По заявлению авторов, результаты на HellaSwag превосходят GPT-2 124M. ChronoGPT подходит для временно корректной генерации и экспериментов с историческим, экономическим и финансовым моделированием. Это не специализированная модель финансовых прогнозов: README не приводит оценок таких задач. Модель работает с английским текстом, а её лицензия — MIT.

Карточка модели manelalab/chrono-gpt-v1-20201231 на Hugging Face совпадает с карточкой manelalab/chrono-gpt-v1-20191231, поэтому описание составлено по ней. ChronoGPT-v1-20191231 — англоязычная авторегрессионная языковая модель, разработанная Songrun He, Linying Lv, Asaf Manela и Jimmy Wu. Она предназначена для генерации текста с учётом хронологии и анализа задач, чувствительных к временным срезам, где важно снизить риск утечки будущих данных и смещения из-за заглядывания вперёд. Модель построена на модифицированной архитектуре modded-NanoGPT: трансформерный декодер с причинным языковым моделированием, примерно 1,552 млрд параметров, размерностью эмбеддингов 1536 и контекстом 1792 токена. Она предварительно обучена на разнообразных текстах с временными метками; в README также описана возможность извлекать эмбеддинги слоёв. По заявлению авторов, результаты на HellaSwag превосходят GPT-2 124M. ChronoGPT подходит для временно корректной генерации и экспериментов с историческим, экономическим и финансовым моделированием. Это не специализированная модель финансовых прогнозов: README не приводит оценок таких задач. Модель работает с английским текстом, а её лицензия — MIT.

Карточка модели manelalab/chrono-gpt-v1-20221231 на Hugging Face совпадает с карточкой manelalab/chrono-gpt-v1-20191231, поэтому описание составлено по ней. ChronoGPT-v1-20191231 — англоязычная авторегрессионная языковая модель, разработанная Songrun He, Linying Lv, Asaf Manela и Jimmy Wu. Она предназначена для генерации текста с учётом хронологии и анализа задач, чувствительных к временным срезам, где важно снизить риск утечки будущих данных и смещения из-за заглядывания вперёд. Модель построена на модифицированной архитектуре modded-NanoGPT: трансформерный декодер с причинным языковым моделированием, примерно 1,552 млрд параметров, размерностью эмбеддингов 1536 и контекстом 1792 токена. Она предварительно обучена на разнообразных текстах с временными метками; в README также описана возможность извлекать эмбеддинги слоёв. По заявлению авторов, результаты на HellaSwag превосходят GPT-2 124M. ChronoGPT подходит для временно корректной генерации и экспериментов с историческим, экономическим и финансовым моделированием. Это не специализированная модель финансовых прогнозов: README не приводит оценок таких задач. Модель работает с английским текстом, а её лицензия — MIT.

Custom-KoLLM-13B-v4 — авторегрессионная языковая модель, разработанная Kyujin Han (kyujinpy) на основе архитектуры LLaMA 2 и базовой модели beomi/llama-2-koen-13b. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на генерацию текста; указанное нативное окно контекста составляет 2048 токенов. Модель обучена на наборе kyujinpy/KOR-OpenOrca-Platypus-v3 и ориентирована прежде всего на работу с корейским языком. Подходит для генерации ответов и текста, а также для языковых задач, оцениваемых на корейских бенчмарках. В README приведены результаты на Ko-ARC, Ko-HellaSwag, Ko-MMLU, Ko-TruthfulQA и Ko-CommonGen V2; это опубликованные автором сравнения, а не гарантия качества для конкретных прикладных запросов. Модель распространяется в форматах PyTorch и safetensors по лицензии CC-BY-NC-SA-4.0: использование требует указания авторства, а распространение производных работ регулируется условиями лицензии, включая некоммерческое ограничение и распространение на тех же условиях. Короткое контекстное окно ограничивает работу с длинными документами.

Deductive-Reasoning-Qwen-32B — языковая модель OpenPipe, дообученная с подкреплением на базе Qwen2.5-32B-Instruct для решения сложных задач на дедукцию из набора Temporal Clue. Модель использует плотную архитектуру Qwen2 и содержит 32 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст — до 32 768 токенов. Модель предназначена для решения задач, где нужно последовательно анализировать подсказки и делать логические выводы, а также для диалоговых сценариев с текстовым вводом. В метаданных перечислена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Распространяется по лицензии MIT. Специализация на задачах Temporal Clue не гарантирует точность на других типах рассуждений.

Fietje 2 — компактная языковая модель для генерации текста на нидерландском языке, созданная Bram Vanroy на основе Microsoft Phi-2. Модель продолжительно обучали на 28 млрд нидерландских токенов, включая нидерландскую Википедию и материалы CulturaX. В метаданных указаны 3,5 млрд параметров, архитектура Phi с плотной сетью и контекст до 2048 токенов; README приводит размер 2,7 млрд параметров. Модель предназначена для генерации нидерландского текста и может служить основой для приложений, которым нужна небольшая языковая модель этого языка. В карточке также указано, что она показывает результаты, близкие к более крупным нидерландским моделям, однако оценка относится к авторскому описанию. Fietje 2 распространяется по лицензии MIT. Как и другие LLM, она может галлюцинировать и ошибаться; ответы не следует считать достоверными без проверки. README указывает, что применимы также ограничения Phi-2.

FX-Yi-34B — китайская общая языковая модель для юридической сферы, разработанная DHU-BLLAB путём инструкционного дообучения Yi-34B-Chat с помощью QLoRA. Авторы применяли алгоритм LESS для отбора наиболее подходящих обучающих примеров; в набор данных вошли юридические вопросы и ответы, новости, судебные документы и сообщения клиентов. Модель предназначена прежде всего для ответов на вопросы о праве Китая и помощи при анализе судебных документов. В карточке также приведены примеры общих вопросов и ответов. Архитектура — плотная LLaMA, около 33,9 млрд параметров; модель поддерживает чат, работает с текстом и имеет контекст 4096 токенов. Данные и примеры ориентированы на китайский язык. Ответы в юридической сфере могут содержать ошибки и устаревшие сведения, поэтому их следует проверять по действующему законодательству и у квалифицированного специалиста. Лицензия в предоставленных данных не указана.

Gemma-FULL-RAC-Colombia — языковая модель, разработанная Эдисоном Бехарано и Николаи Потесом и дообученная с помощью LoRA на датасете колумбийских авиационных правил Reglamento Aeronáutico Colombiano (RAC). Это плотная причинная модель семейства Gemma с 2,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст на испанском языке. Модель предназначена для ответов на вопросы о RAC, объяснения и упрощения нормативных положений, подготовки учебных материалов и поддержки задач соблюдения авиационных требований в Колумбии. Авторы описывают её как инструмент для специалистов авиационной отрасли, регуляторов, юристов и исследователей. Модель может ошибаться, отражать смещения обучающих данных и не охватывать нормы других стран или изменения законодательства после обучения. Результаты для важных решений следует сверять с актуальными правилами и специалистами; модель не предназначена для навигации и не заменяет юридическую консультацию. Лицензия — Apache-2.0.

PrasannaL/Genisis — дообученная многоязычная модель Google mT5-base с архитектурой MT5ForConditionalGeneration и примерно 291,2 млн параметров. Она принимает текст и генерирует текст, однако карточка не уточняет целевую задачу, обучающие данные или предполагаемый сценарий применения. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В README приведено значение loss 42,7979 на оценочном наборе, но без описания набора и протокола оценки этот результат трудно интерпретировать. Название и назначение Genisis не раскрыты, поэтому подходящие прикладные сценарии и качество модели по конкретным задачам определить нельзя.

GeohazardGPT — диалоговая языковая модель для анализа геологических опасностей и задач геотехнической инженерии, разработанная на базе Qwen3-8B. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и дообучена методом LoRA; для работы с текстом поддерживает контекст до 40 960 токенов. В карточке указана лицензия Apache-2.0. Модель предназначена для ответов на вопросы о геологических опасностях, объяснения механизмов и последствий разрушительных процессов, подготовки инженерных рекомендаций, а также суммаризации отчетов и технических спецификаций. Для ответов по инженерным стандартам авторы рекомендуют использовать её вместе с RAG-поиском по профильным документам; README описывает связку с Qwen3-Embedding, ChromaDB и Qwen3-Reranker-4B. Модель дообучена на специализированных инструкциях по геологическим опасностям и общих инструкциях Alpaca-GPT4. Модель рассчитана на профессиональные и исследовательские рабочие процессы в геотехнической инженерии и оценке опасностей. Ответы следует проверять: модель не заменяет полевые исследования и экспертное суждение, а для актуальных требований стандартов требуется соответствующий корпус документов и RAG-поиск.

GPT-BERT (BabyLM 10M) — модель на архитектуре GPT-BERT от LTG, представленная как заявка на конкурс BabyLM 2024 и обученная на наборе Baby-cosmo-fine-10M. В репозитории доступны веса PyTorch; модель содержит 27,9 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для экспериментов с языковым моделированием и задачами понимания английского текста. Метаданные указывают поддержку генерации текста, заполнения пропусков, классификации текста и токенов, ответов на вопросы и multiple-choice. Лицензия — MIT. Это экспериментальный чекпойнт конкурса, поэтому его качество и пригодность для прикладных сценариев следует оценивать отдельно; обучение на ограниченном по масштабу наборе Baby-cosmo-fine-10M может ограничивать обобщение.

Stockmark Inc. разработала GPT-NeoX-Japanese-1.4B — плотную авторегрессионную языковую модель на архитектуре GPT-NeoX для генерации текста на японском языке. В README указано 1,4 млрд параметров и предварительное обучение на корпусе примерно из 20 млрд токенов; метаданные Hugging Face указывают 1,7 млрд параметров. В обучающую выборку вошли японский веб-корпус, Википедия и CC100. Модель предназначена для продолжения японского текста и может служить основой для адаптации под конкретные задачи, например с помощью LoRA. Она принимает текст и генерирует текст, работает с библиотекой Transformers; контекст составляет 1024 токена. Репозиторий распространяется по лицензии MIT. README описывает предварительно обученную модель, но не приводит оценки качества или результаты сравнительных тестов.