I.2Синтез, понимание и проверка знаний

ChangeIsKey/graded-wsd — англоязычная модель RoBERTa-Large, дообученная для градуированной семантической дизамбигуации слов. Она оценивает по шкале от 1 до 4, насколько заданное словарное значение подходит целевому слову в контексте. На вход подаются контекстное предложение, целевое слово и определение; модель выдаёт непрерывную оценку соответствия. Для обучения использован размеченный корпус значений Oxford English Dictionary, а целевое слово отмечается специальными токенами. Модель подходит для лексикографии, компьютерной лингвистики и анализа исторических текстов. В основе — RoBERTa-Large с 454,1 млн параметров и контекстом до 514 токенов; веса представлены в формате safetensors. Карточка описывает дообучение на одном корпусе и оценку по RMSE, поэтому качество на других словарях и жанрах может отличаться. Лицензия в предоставленных данных не указана.

Gumini-1B-Base-i1-GGUF — набор GGUF-квантизированных версий базовой двуязычной языковой модели Gumini-1B-Base, созданной исследователем Gumin Kwon (GuminiResearch). Модель построена на основе первых 10 слоёв Qwen 2.5 3B с использованием методологии Inheritune и дополнительного предобучения примерно на 393 млн токенов. Данные обучения включали 80% корейского и 20% английского текста. Модель предназначена для генерации и продолжения текста на корейском и английском языках, а не для диалогового взаимодействия: она не прошла instruction-tuning. Модель содержит 1,08 млрд параметров, имеет 10 слоёв и размер скрытого представления 2048. Представлена в формате GGUF и предназначена для запуска через llama.cpp и совместимые инструменты, включая Ollama и LM Studio. Доступны варианты квантизации от Q8_0 до IQ3_M; квантизация с использованием importance matrix (imatrix) помогает сохранять качество при уменьшении размера, поэтому модель подходит как для локального запуска на устройствах с ограниченными ресурсами, так и для сценариев, где важна максимальная точность. Контекст модели и дополнительные модальности в README не указаны. Лицензия основана на Qwen Research License и разрешает только некоммерческое и исследовательское использование; для коммерческого применения требуется обратиться к Alibaba Cloud.

Huihui-DeepSeek-V4-Flash-Vision-Exp-abliterated-GGUF — экспериментальная версия модели DeepSeek-V4-Flash-Vision-Exp, созданная huihui.ai методом abliteration. Модель предназначена для задач image-text-to-text, то есть обработки текстовых и визуальных входных данных с генерацией текста. README не содержит точных сведений о размере, внутренней архитектуре, поддерживаемых языках и полном наборе модальностей базовой модели. Главная особенность версии — существенно сниженная фильтрация отказов и ограничений на содержание ответов. Это может быть полезно для исследовательских экспериментов и тестирования поведения моделей, но одновременно повышает вероятность чувствительных, спорных или неподходящих результатов. В README указано, что абляции применены к слоям 11–28, при этом экспертные модули не аблировались; разработчики характеризуют реализацию как грубую proof-of-concept. Для запуска рекомендуется использовать актуальную версию llama.cpp и формат GGUF; в примере задан контекст 262144 токена, однако это не подтверждает максимальный контекст модели. Модель не имеет гарантированного уровня безопасности и не рекомендуется для публичных или высокорисковых production-сценариев без строгого мониторинга и ручной проверки результатов. Пользователь несёт ответственность за соблюдение законодательства и этических требований. Лицензия — MIT.

Huihui-gemma-4-12B-it-qat-q4_0-unquantized-abliterated — экспериментальная версия Gemma 4 от Huihui-AI, созданная методом abliteration на базе Google Gemma 4 12B Instruct. Метод изменяет часть слоёв модели, чтобы снизить количество отказов; автор сообщает, что обработаны слои 23–36, а режимы с рассуждением и без него подвергнуты abliteration. Модель предназначена для диалоговой генерации текста и мультимодальных сценариев базовой Gemma 4, включая работу с изображениями, аудио и видео; заявлена поддержка через Transformers, а также доступна совместимая версия GGUF и запуск через Ollama. Репозиторий содержит веса Safetensors, а метаданные указывают архитектуру Gemma 4 Unified и 12 млрд параметров базовой модели. Лицензия — Apache-2.0. Автор характеризует метод как грубую демонстрацию концепции: ослабление защитных отказов может приводить к чувствительным, спорным или неподходящим ответам, поэтому результаты требуют проверки.

mlx-community/Hy3-OptiQ-2bit — это 2-битная смешанно-точная MLX-квантизация модели tencent/Hy3, подготовленная проектом mlx-optiq для локального запуска на компьютерах Apple Silicon. Модель предназначена для генерации текста и демонстрации возможности запуска очень крупных разреженных MoE-моделей на потребительском оборудовании без облачных сервисов и PyTorch. Модель содержит 295 млрд параметров и построена как sparse MoE с 80 слоями, 192 маршрутизируемыми экспертами и 8 активными экспертами на каждый токен. Маршрутизируемые эксперты представлены в 2-битном формате, attention — в 6-битном, а shared expert, embeddings и LM head — в 8-битном; эффективное значение составляет 2,39 бит на вес. Размер на диске — около 88 ГБ, но при работе в памяти постоянно находится примерно 7,6 ГБ: эксперты потоково считываются с SSD по мере выбора маршрутизатором. Языки и максимальная длина контекста в README не указаны. Главное преимущество модели — крайне малый резидентный объём памяти для модели такого размера, благодаря чему она может работать даже на Mac с 16 ГБ RAM. Для запуска требуется mlx-optiq и SSD-стриминг экспертов; скорость генерации существенно зависит от производительности SSD, поскольку на каждом токене и каждом слое с диска считываются 8 экспертов. Это экстремальная квантизация: 2-битное представление экспертов приводит к потере точности, поэтому для задач, где важна корректность, рекомендуется использовать веса bf16 или квантизацию с большей разрядностью. Опубликованные оценки по бенчмаркам отсутствуют. Модель распространяется по лицензии Apache-2.0.

HyperCLOVA-X-SEED-MISHULTA-v1.5 — команда MISHULTA создала эту модель для хакатона K-DS, дообучив с помощью LoRA и объединив веса HyperCLOVAX-SEED-Think-14B. Это плотная языковая модель с 14,1 млрд параметров и контекстом до 131 072 токенов; она принимает текст и генерирует текст в диалоговом формате. Модель предназначена прежде всего для решения корейских задач на рассуждение с выбором ответа. Обучение включало открытые данные KMMLU, само-дистилляцию базовой модели, данные DeepSeek-R1-0528 и синтетические вопросы о корейской культуре и языке. Для версии v1.5 указаны те же веса, что и у v1, но настройки шаблона чата отличаются. Модель поддерживает корейский язык. Карточка сообщает, что при обучении не использовались тестовые сплиты, а дубли вопросов с оцениваемыми бенчмарками были удалены. Лицензия следует соглашению HyperCLOVA X SEED Model License Agreement; README указывает, что производное название должно начинаться с «HyperCLOVA X».

HyperCLOVA X SEED Think-14B Minimal SFT + 71949 Correct 540 — плотная языковая модель на архитектуре HyperCLOVAX, разработанная автором репозитория на основе naver-hyperclovax/HyperCLOVAX-SEED-Think-14B и ранее дообученного Minimal SFT чекпойнта. Модель содержит 14,1 млрд параметров, распространяется в BF16 в формате safetensors и рассчитана на генерацию текста и диалоговое использование. Родной контекст — до 131 072 токенов. Модель дополнительно обучена с помощью LoRA на 540 корректных примерах из датасета AI Hub 71949: целевой ответ — одна буква варианта A/B/C/D. Авторы сообщают, что публичные бенчмарки и материалы оценки не использовались; качество на каноническом бенчмарке и официальном рейтинге K-AI не измерялось. Указаны проверки генерации 2/2 и отсутствие NaN/Inf в адаптере и объединённых весах. Основной язык карточки — корейский. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории.

IndoT5-base-nafkhan-epochs-1 — дообученная модель семейства T5 на основе Wikidepia/IndoT5-base. В репозитории доступны веса PyTorch и Safetensors; модель содержит около 123,8 млн параметров. README сообщает о дообучении на датасете, обозначенном как None, и значении loss 0,2250 на оценочной выборке, но не раскрывает назначение обучения или состав данных. Модель предназначена для преобразования текста в текст на индонезийском языке и может применяться в задачах генерации текста по текстовому запросу. Карточка не описывает конкретные сценарии использования, контекстное окно или ограничения качества, поэтому соответствие модели конкретной задаче следует проверять отдельно. Условия лицензии в предоставленных данных не указаны.

Это квантизированная версия Japanese StableLM Instruct JA vocab beta 7B, подготовленная mmnga на основе модели, опубликованной Stability AI. Калибровка GPTQ выполнена на японских данных: примерно 1 000 случайных фрагментов Википедии и около 200 пар входных и выходных данных ELYZA-tasks-100. Модель предназначена для генерации текста на японском языке, в том числе ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом до 4 096 токенов. В метаданных указан формат safetensors; README описывает GPTQ-квантизацию и использование AutoGPTQ. Для запуска README предлагает AutoGPTQ версии 0.4.2 и Transformers. Лицензия указана как Llama 2. Качество зависит от задачи и японских калибровочных данных; иных ограничений в карточке не описано.

fpadovani/jpn-jpan-10mb-100mb_seed455 — дообученная с помощью TRL языковая модель на архитектуре GPT-2, созданная на основе goldfish-models/jpn_jpan_10mb. Она предназначена для генерации продолжения текста и ответов на запросы; в примере карточки показана генерация ответа на вопрос. Модель работает через библиотеку Transformers, использует формат safetensors и имеет контекст до 512 токенов. Лицензия в предоставленных данных не указана.

mssma/ko-solar-10.7b-v0.5 — авторегрессионная языковая модель семейства Llama с 10,7 млрд параметров, опубликованная в формате safetensors для использования через Transformers. Карточка показывает загрузку модели и токенизатора для генерации текста; в метаданных задача указана как text-generation. Модель рассчитана на работу с корейским языком. Её контекст составляет 2048 токенов. Лицензия Apache 2.0 разрешает использование на её условиях. README не описывает специальные прикладные сценарии или результаты оценки качества.

KW5 149M Instruct r2 — небольшая плотная авторегрессионная языковая модель Regnant, дообученная по инструкциям на базе regnant-io/kw5-149M. Она предназначена прежде всего для ответов на суахили по предоставленному тексту, перефразирования и коротких объяснений. Модель содержит 149 млн параметров трансформера (173,6 млн с учётом раздельных входных эмбеддингов и выходной головы) и работает с текстом; контекстное окно в карточке не описано. По оценке авторов, она правильно отвечает на 43% вопросов по предоставленным фрагментам Википедии и примерно в половине случаев отказывается отвечать на вопросы без ответа в контексте. Результаты остаются ненадёжными: модель может выдумывать факты, плохо справляется с арифметикой и продолжениями диалога, а в структурированных ответах иногда использует английские заголовки. Суахили — основной язык модели. Лицензия Apache-2.0.

jayzou3773/less-is-moe-gemma-4-26b-a4b-gpqa-main-64-intdim-g-50 — текстовый контрольный пункт на базе Gemma 4 26B A4B, структурно сокращённый методом Less-is-MoE. Из маршрутизируемых FFN-экспертов удалено ровно 50% нейронов; отбор выполнен по оценкам среднего абсолютного градиента на 64 калибровочных примерах из конфигурации gpqa_main датасета GPQA. При калибровке использовались вопросы с перемешанными вариантами ответов и объяснениями, затем модель сохранялась в BF16 без шага оптимизатора. Модель предназначена для генерации текста и может применяться для экспериментов с разреженными MoE-моделями, а также для ответов на вопросы с вариантами выбора в стиле GPQA. Это текстовая causal language model семейства Gemma 4; в чекпойнт включена языковая башня без визуальной башни. Размер по метаданным — 2 млрд параметров, длина контекста — 262144 токена. Базовая модель Google Gemma 4 26B A4B мультимодальна, но данный чекпойнт ограничен генерацией текста. Лицензия — Apache-2.0. Сокращение структуры может повлиять на качество и требует оценки на целевых задачах; README не приводит результатов бенчмарков после прунинга. Указанный набор калибровки ориентирован на GPQA, поэтому перенос качества на другие задачи не подтверждён.

Это экспериментальная диалоговая модель LFM2.5-1.2B-Thinking, опубликованная автором folfkspdvvk. Она представляет собой дообученную версию MuXodious/LFM2.5-1.2B-Thinking-absolute-heresy: автор сообщает, что применил набор данных с примерами рассуждений Gemini Pro и заменил исходный стиль рассуждений. Модель построена на плотной архитектуре LFM2 и содержит около 1,5 млрд параметров; доступны веса safetensors в bfloat16. Заявленная длина контекста — 128 000 токенов. Модель предназначена для диалогов, генерации и продолжения художественных текстов, а также ответов с краткими, но подробными рассуждениями. В карточке указаны сценарии творческого письма, включая фантастику и романтику; README также описывает модель как uncensored и отмечает, что для явного стиля иногда нужны дополнительные инструкции. В метаданных указан английский язык. Для инференса автор рекомендует не использовать слишком низкую точность квантования: на низких настройках возможны циклические повторы, особенно при генерации рассуждений. Модель распространяется по лицензии Apache-2.0. Опубликованные бенчмарки пока отсутствуют, поэтому заявленное качество рассуждений и генерации не подтверждено результатами в карточке.

daekeun-ml/Llama-2-ko-DPO-13B — корейская языковая модель, разработанная автором карточки на основе Llama-2-ko-instruct-13B. Это плотная авторегрессионная модель семейства Llama 2 с 12,9 млрд параметров, предназначенная для генерации текста и диалоговых ответов на корейском языке. Контекст модели составляет 2048 токенов. Модель дообучена методом Direct Preference Optimization на примерно 1000 примерах, созданных автором: ответы Claude-2 использовались как предпочтительные, а ответы версии Llama-2-13B после SFT — как отвергаемые. Целью было сократить галлюцинации. В карточке приведены результаты корейских бенчмарков, включая Ko-ARC, Ko-HellaSwag и Ko-TruthfulQA; автор сообщает средний показатель 51,03 по использованной метрике. Для использования доступны веса в формате safetensors. Лицензия — Llama 2 Community License. Ограниченный объём данных дообучения и контекст в 2048 токенов могут снижать надёжность и полноту ответов на сложных или длинных запросах; заявленное уменьшение галлюцинаций не гарантирует фактическую точность.

Apollo Raines выпустил экспериментальную модификацию Llama 3.1 70B Instruct с изменёнными после обучения весами. Модель сохраняет архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Она принимает текст и генерирует текст в диалоговом формате; в метаданных также отмечен интерфейс вызова инструментов. Модификация Jbliteration направлена на ослабление отказов, а Desycophancy — на снижение склонности соглашаться с неверными утверждениями под давлением собеседника. В README сообщается, что модель ответила на все шесть тестовых запросов без отказа и сохраняла позицию в 83% проверок на сикофантность; это результаты авторских тестов, а не независимая оценка. Модель предназначена для англоязычного общения и основана на многоязычной базовой модели. Для запуска требуется значительный объём ресурсов; README предлагает потоковую выгрузку слоёв между GPU, оперативной памятью и диском с помощью DeepswapLLM. Модель распространяется по лицензии Llama 3.1. Отказное поведение ослаблено, поэтому ответы на потенциально опасные запросы могут предоставляться без обычных ограничений.

Llama3-8b-chinese-Uncensored-v0.1-gguf — языковая модель для генерации текста, опубликованная под идентификатором supernovaburn; разработчик в README не указан. Модель основана на Llama 3 8B Instruct и предназначена для диалоговых сценариев и других задач текстовой генерации. Заявлена поддержка китайского и английского языков, формат распространения — GGUF. Ключевая заявленная особенность модели — отсутствие встроенной цензуры, что может быть полезно для исследовательских и экспериментальных сценариев, требующих менее ограниченного поведения. При этом README не содержит данных о размере контекста, точной архитектуре, методах обучения, качестве, результатах тестирования или совместимых инструментах. Отсутствие ограничений безопасности может повышать риск генерации вредного или нежелательного содержания. Лицензия указана как other, без дополнительных условий и пояснений.

LLaVA-NeXT-Video-7B — мультимодальная чат-модель, выпущенная командой LLaVA и опубликованная на Hugging Face. Она дообучена на базе языковой модели lmsys/vicuna-7b-v1.5 на инструкционных данных с изображениями и видео; видео при обучении равномерно выбирались до 32 кадров на клип. Архитектура — плотная модель LlavaNextVideoForConditionalGeneration, веса представлены в формате safetensors. Модель предназначена для ответов на вопросы о содержимом видео и изображений, описания сцен и взаимодействия с визуальными материалами в диалоге. Она поддерживает ввод изображений и видео, а также текстовые запросы, и генерирует текстовые ответы. В карточке отмечены результаты на бенчмарке VideoMME, однако они не гарантируют качество для любого типа видео или сценария. Для запуска README рекомендует Transformers версии 4.42.0 или новее и соблюдение шаблона диалога USER/ASSISTANT; для ускорения описаны варианты с bitsandbytes и Flash-Attention 2. Лицензия репозитория указана как llama2. Карточка не приводит отдельного перечня языков, кроме английского тега в метаданных.

llm-jp-3-440m-instruct2 — компактная языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель семейства Llama с архитектурой LlamaForCausalLM и 345,2 млн параметров; она дообучена методом supervised fine-tuning на инструкционных данных. Репозиторий содержит веса в формате Safetensors для Transformers. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего на японском языке; метаданные также указывают английский. Контекстное окно составляет 4096 токенов. Предварительное обучение проведено на смеси данных общим объёмом 2,1 трлн токенов, а настройка включает японские инструкционные наборы данных. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

maid-yuzu-v2 — объединённая модель языковых моделей, созданная автором репозитория с помощью mergekit. В слиянии методом SLERP участвовали smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B; архитектура — MixtralForCausalLM с разреженной архитектурой MoE. В репозитории указано 7,1 млрд параметров, веса представлены в формате safetensors; нативный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Карточка описывает её как эксперимент по объединению двух понравившихся автору моделей, но не приводит отдельной оценки качества или подробных сценариев применения. Базовая MixtralOrochi8x7B рассчитана на генерацию английских ответов и диалогов; данных о дополнительных языках для этой модели нет. Лицензия в предоставленных сведениях не указана. Практические ограничения, помимо экспериментального характера и отсутствия опубликованных оценок в карточке, не описаны.

MedGemma-27B-Text-IT-FP8-Dynamic — производная версия модели Google MedGemma-27B-Text-IT, подготовленная пользователем или организацией ig1. Это текстовая instruction-tuned модель для медицинской и биомедицинской обработки естественного языка, предназначенная для запуска с высокой пропускной способностью. Модель основана на decoder-only Transformer с примерно 27 миллиардами параметров и работает только с текстом. Она рассчитана на выполнение медицинских и биомедицинских инструкций, суммирование клинических текстов, использование в системах медицинского RAG, а также исследовательскую и вспомогательную работу по поддержке принятия решений. Языки и размер контекстного окна в представленном описании не указаны. Веса сжаты методом FP8 Dynamic с использованием llmcompressor: квантизированы линейные слои, а lm_head исключён для сохранения стабильности выходов. Такой подход снижает потребление VRAM и может повысить скорость инференса; модель совместима с vLLM и ориентирована на современные GPU NVIDIA. Веса уже квантизированы, поэтому повторно применять runtime-квантизацию не следует. Модель предназначена для исследовательских и прикладных сценариев, однако README не содержит сведений о результатах бенчмарков, точности, ограничениях безопасности или поддерживаемых языках. Лицензия указана как other, без дополнительных условий или пояснений, поэтому перед использованием необходимо проверить лицензионные требования исходной модели и этого производного варианта.

MedLLaMA_13B — языковая модель на архитектуре LLaMA с 12,9 млрд параметров, дообученная на медицинском корпусе. Она предназначена для генерации текста по запросам на медицинские темы и может использоваться для подготовки ответов или черновиков медицинских материалов на английском языке. Модель принимает текст и генерирует текст; в обучении использовалась длина последовательности до 2048 токенов. Веса опубликованы в формате PyTorch. Лицензия — Apache 2.0. Карточка не приводит оценок качества и не описывает клиническую проверку, поэтому ответы не следует считать подтверждёнными медицинскими рекомендациями.

yzhuang/Meta-Llama-3-8B-Instruct_fictional_arc_German_v3 — дообученная диалоговая языковая модель на архитектуре Llama с 7,5 млрд параметров, основанная на meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для генерации текста в диалоговом формате; в карточке указано дообучение на наборе данных generator. Модель принимает текст и выдаёт текст. Максимальный контекст составляет 8192 токена. Карточка не раскрывает специализацию дообучения, целевые языки или результаты оценки качества, поэтому название модели само по себе не подтверждает качество работы с немецким или вымышленными сюжетами. Лицензия указана как other; конкретные условия следует сверить с карточкой модели и базовой модели.

Belorussian mGPT 1.3B — языковая модель для генерации текста на белорусском языке, разработанная AI Forever на базе mGPT-XL. Это плотная авторегрессионная модель архитектуры GPT-2 с 1,3 млрд параметров. Базовая модель обучалась на 61 языке по данным Wikipedia и корпуса C4; затем её дополнительно дообучили на данных для 23 языков, включая белорусский, ещё на 10 000 шагах. Контекст составляет 2048 токенов. Модель предназначена для продолжения белорусского текста и генерации текстовых фрагментов. В README приведено значение perplexity 27,65 на валидации. Доступны веса PyTorch по лицензии MIT. Хотя основная специализация — белорусский язык, модель унаследовала многоязычную базу; метаданные также отмечают русский и английский.

winglian/mistral-denseformer-7b — экспериментальная реализация архитектуры DenseFormer на основе предобученной языковой модели Mistral-7B-v0.1. Модель разработана авторами репозитория; в карточке также указана команда Mistral AI. Это причинная Transformer-модель с 7,1 млрд параметров, построенная на Mistral-7B-v0.1; архитектура использует Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и дальнейшего изучения DenseFormer. Для получения заявленных в статье улучшений требуется дополнительное предварительное обучение: сама реализация не гарантирует их без такого обучения. Для загрузки требуется включить trust_remote_code=True; карточка рекомендует Transformers версии 4.34.0 или новее. Модель является базовой предобученной моделью без механизмов модерации, поэтому её ответы могут содержать нежелательный контент. Доступна по лицензии Apache-2.0.

ApolloRaines/Mistral-Small-24B-Instruct-Jbliterated — языковая генеративная модель, разработанная Apollo Raines на основе Mistral-Small-24B-Instruct-2501 от Mistral AI. Это модификация базовой instruct-модели, предназначенная для генерации текста и диалоговых сценариев, где требуется снизить или удалить встроенные отказы модели отвечать на запросы. Модель позиционируется как совместимая замена базовой версии без изменений системного промпта и без патчей во время инференса. Модель создана с использованием фреймворка jBlaze и подвергнута хирургическому изменению весов, направленному на удаление поведенческих направлений, связанных с отказами. В README не указаны точные архитектурные параметры, длина контекста и размер в миллиардах параметров, однако из названия и базовой модели следует класс 24B. Указан английский язык, модальность — текст, задача — text generation. Для запуска рекомендуется Transformers с torch.float16 и device_map="auto"; также описана возможность распределять слои между GPU, оперативной памятью и диском с помощью DeepswapLLM. Сильная сторона модели — отсутствие типичных отказов, дисклеймеров, безопасного переформулирования и намеренного пропуска ключевых деталей, характерных для стандартной версии. Это может быть полезно для исследовательской оценки поведения моделей и экспериментов с модификацией весов. Ограничение состоит в том, что удаление отказов снижает встроенные защитные механизмы и может повысить риск генерации вредного или небезопасного содержимого. README также отмечает, что публичные модели автора намеренно выпускаются с частично сниженной силой как демонстрационные версии. Модель распространяется по лицензии Apache-2.0.

Jeevesh8/more_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_4 — модель, опубликованная пользователем Jeevesh8 на Hugging Face и предназначенная для классификации текста. По идентификатору и метаданным это дообученная на задаче QQP (Quora Question Pairs) версия BERT-base-uncased, то есть модель для определения, являются ли два вопроса семантически эквивалентными или дублирующимися. Она рассчитана на задачи классификации пар предложений и доступна для использования через Transformers; карточка модели отсутствует, поэтому сведения о конкретной процедуре обучения, метриках и разметке классов ограничены. Базовая архитектура BERT разработана Google Research: Transformer-энкодер с 12 слоями, размером скрытого представления 768, 12 attention heads и примерно 110 млн параметров. Вариант uncased приводит текст к нижнему регистру и использует WordPiece-токенизацию; исходная модель ориентирована прежде всего на английский язык. Из названия производной модели следует ограничение длины последовательности 128 токенов. Сильная сторона — специализация на сопоставлении вопросов и совместимость с экосистемой Transformers; ограничения — узкая целевая задача, отсутствие подтверждённых автором метрик и документации, а также вероятное ухудшение качества на языках и сценариях, отличных от английских пар вопросов. Лицензия именно этой производной модели не указана.

NBR-1B-Portuguese-MCQ — языковая модель, разработанная для ответов на вопросы с выбором варианта на португальском языке, прежде всего в бразильском образовательном контексте. Модель основана на архитектуре LlamaForCausalLM: это плотная трансформерная модель примерно на 1,3 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и доступная в формате safetensors через библиотеку Transformers. Модель дообучена методом supervised fine-tuning на бразильских образовательных материалах, юридических текстах для подготовки к экзамену OAB и наборах вопросов и ответов по общим знаниям. В карточке приведены результаты на ENEM, OAB и BLUEX, а также на тесте анализа тональности tweetSentBR; эти показатели заявлены авторами и относятся к указанному протоколу оценки. Лицензия Apache 2.0.

Модель francesca9805/nld-latn-100mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная Francesca9805 версия GPT-2 модели goldfish-models/nld_latn_100mb, обученная с помощью TRL. Она предназначена для генерации продолжения текста и ответов на запросы; в карточке приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers и формат весов safetensors; длина контекста составляет 512 токенов. Лицензия в предоставленных данных не указана.

NorOLMo 1.0 — базовая языковая модель на 13 млрд параметров, разработанная HPLT путём непрерывного предобучения OLMo-2-1124-13B от Allen Institute for AI на норвежских и скандинавских данных, включая материалы на северносаамском языке. Это плотная авторегрессионная модель семейства OLMo 2 для генерации текста; она не проходила настройку для следования инструкциям и предназначена прежде всего для продолжения текста и языковых задач на норвежском и близких языках. Обучение включало 33 000 шагов примерно на 275 млрд токенов из открытых корпусов и учебных наборов. В состав данных входили букмол, нюношк, фарерский, исландский, датский, шведский, английский и северносаамский. Максимальная длина контекста — 16 384 токена. Авторы публикуют описание обучающих данных и процесса, а веса доступны в формате safetensors. Модель подходит для приложений, которым нужна открытая языковая основа для генерации и последующей адаптации к норвежским и скандинавским задачам. Поскольку это базовая, а не инструкционная модель, она может не давать надёжных ответов в формате диалога без дополнительной настройки. Лицензия — Apache 2.0.