I.2Синтез, понимание и проверка знаний

Карточка модели allenai/intent-aware-lfqa-qwen3-8b-intent-explicit на Hugging Face совпадает с карточкой allenai/intent-aware-lfqa-llama3-8b-intent-implicit, поэтому описание составлено по ней. allenai/intent-aware-lfqa-llama3-8b-intent-implicit — диалоговая языковая модель Allen Institute for AI (Ai2), созданная дистилляцией для исследований обучения с учётом намерений в длинных ответах на вопросы. Модель основана на Meta-Llama-3-8B-Instruct и имеет архитектуру LlamaForCausalLM с 7,5 млрд параметров; принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 131 072 токенов. Модель предназначена для исследовательского и образовательного применения, связанного с intent-aware обучением и генерацией ответов на вопросы. Карточка сообщает, что результаты будут добавлены позднее, поэтому она не подтверждает качество на конкретных тестах. Лицензия — ODC-BY; применение должно соответствовать рекомендациям Ai2 по ответственному использованию.

Карточка модели allenai/intent-aware-lfqa-qwen3-8b-multiview на Hugging Face совпадает с карточкой allenai/intent-aware-lfqa-llama3-8b-intent-implicit, поэтому описание составлено по ней. allenai/intent-aware-lfqa-llama3-8b-intent-implicit — диалоговая языковая модель Allen Institute for AI (Ai2), созданная дистилляцией для исследований обучения с учётом намерений в длинных ответах на вопросы. Модель основана на Meta-Llama-3-8B-Instruct и имеет архитектуру LlamaForCausalLM с 7,5 млрд параметров; принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 131 072 токенов. Модель предназначена для исследовательского и образовательного применения, связанного с intent-aware обучением и генерацией ответов на вопросы. Карточка сообщает, что результаты будут добавлены позднее, поэтому она не подтверждает качество на конкретных тестах. Лицензия — ODC-BY; применение должно соответствовать рекомендациям Ai2 по ответственному использованию.

Модель francesca9805/jpn-100mb-after-wc-uniform-newlex-after-ckpt500-packed-bfdiso_seed10 — дообученная с помощью TRL языковая модель семейства GPT-2, созданная на основе francesca9805/ppt-wc-uniform-newlex-jpn-after-100mb-packed-bfdiso_seed10. Она предназначена для генерации текста и может использоваться для продолжения заданного фрагмента или ответа на текстовый запрос. Модель принимает сообщения в формате диалога; максимальная длина контекста — 512 токенов. Доступные веса представлены в формате safetensors.

featherless-ai-quants/khKim-mytest-GGUF — набор GGUF-квантизаций базовой модели khKim/mytest, подготовленный командой featherless-ai-quants. Модель предназначена для генерации текста и может использоваться в совместимых средах инференса GGUF, включая локальный запуск и размещение на соответствующей инфраструктуре. Подробные сведения о назначении базовой модели, её обучении и разработчике в README не приведены. Доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3,0 до 8,1 ГБ. Квантизации различаются компромиссом между размером файлов, требованиями к ресурсам и потенциальным качеством генерации, однако точные характеристики производительности и потери качества не указаны. Архитектура, число параметров, поддерживаемые языки, модальности и размер контекста неизвестны. README не содержит сведений о лицензии модели или файлов квантизации. Поэтому перед использованием необходимо проверить лицензионные условия базовой модели khKim/mytest и конкретного репозитория.

KUCI_xlm_roberta_large_Finetuned — модель XLM-RoBERTa large, дообученная автором репозитория на датасете, который в карточке не назван. Она предназначена для выбора правильного варианта ответа в задачах multiple choice. В метаданных указаны архитектура XLMRobertaForMultipleChoice, 658,7 млн параметров, контекст до 514 токенов и формат safetensors. В оценке на тестовом наборе указаны loss 0,8479 и F1 0,8503, но описание набора и протокола оценки отсутствует. Базовая модель XLM-RoBERTa рассчитана на 100 языков; конкретные языки и специализация этой версии не уточнены. Модель распространяется по лицензии MIT.

AdaptLLM/law-chat — англоязычная чат-модель для юридической области, разработанная авторами AdaptLLM. Она основана на LLaMA-2-Chat-7B и адаптирована методом непрерывного предварительного обучения на юридических текстах, преобразованных в задания на понимание прочитанного. Модель предназначена для диалога и ответов на юридические вопросы; архитектура — плотная LLaMA с 6,6 млрд параметров и контекстом 4096 токенов. Авторы сообщают, что метод адаптации помогает сохранить способность отвечать на вопросы после обучения на специализированном корпусе; в статье модель сравнивается с более крупными отраслевыми моделями. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Llama 2; применимость условий лицензии следует проверять перед использованием.

Это исследовательский чекпойнт Qwen3.5-122B-A10B, структурно сокращённый методом Less-is-MoE: удалено 50% нейронов FFN у маршрутизируемых экспертов. Разработчик применил метод mean-absolute-gradient к 64 калибровочным примерам из конфигурации gpqa_main датасета GPQA; шагов оптимизации не выполнялось. В репозитории указана архитектура MoE с классом Qwen3_5MoeForCausalLM, 7,2 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации текста и диалога на основе Qwen3.5-122B-A10B. Калибровка использовала вопросы GPQA с перемешанными вариантами ответа и объяснениями, поэтому чекпойнт может быть полезен для изучения сокращения MoE-моделей и проверки ответов на научные вопросы с объяснениями. Карточка не содержит результатов оценки качества после прореживания. Веса опубликованы в формате safetensors и распространяются по лицензии Apache-2.0. Поскольку оптимизация после прореживания не проводилась, качество на задачах за пределами описанной калибровки не установлено; сокращение структуры может повлиять на способности исходной модели.

Ling-3.0-flash-base — базовая языковая модель семейства Ling-3.0, выпущенная разработчиками InclusionAI. Это предварительно обученный чекпойнт на 3,5 млрд параметров с архитектурой Bailing MoE и гибридным линейным вниманием KDA и Gated MLA; длина контекста составляет 262 144 токена. В модели задействованы 512 маршрутизируемых экспертов, из которых на каждый токен активируются восемь, а также один общий эксперт. Модель предназначена для продолжения предобучения, промежуточного обучения, дообучения под конкретные области и последующего обучения с предпочтениями или RL. Она также подходит для исследований длинного контекста и MoE-систем. Чекпойнт не прошёл постобучение, поэтому не рассчитан на прямое использование как чат-ассистент; перед прикладным применением нужны дополнительное выравнивание и проверка под целевую задачу. Модель опубликована под лицензией MIT.

g8a9 продолжил обучение Llama 2 13B на очищенной итальянской части датасета mC4. Это плотная авторегрессионная языковая модель на 12,9 млрд параметров для генерации текста; максимальная длина контекста составляет 4096 токенов. В карточке указана версия после 10 000 шагов обучения. Модель подходит для генерации текста на итальянском языке и экспериментов с продолженным предобучением Llama на италоязычных данных. В репозитории представлены веса PyTorch. Карточка модели обозначена как незавершённая; условия лицензии в предоставленных данных не описаны.

Модель MuhamPatel — дообученная языковая модель семейства Llama для генерации текста. Она создана на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL; число параметров составляет 7,5 млрд, архитектура — плотная LlamaForCausalLM, формат весов — Safetensors. Контекст модели — до 8192 токенов. В названии заявлена медицинская специализация, поэтому модель может быть полезна для генерации медицинских текстов и ответов на вопросы в этой области. README не приводит конкретных медицинских сценариев, данных обучения или оценок качества, поэтому пригодность для клинических решений не подтверждена. Модель лицензирована по Apache-2.0.

thunlp/LLaMA3.2-Instruct-1B-FR-Spec — производный репозиторий на основе meta-llama/Llama-3.2-1B-Instruct, связанный с проектом FR-Spec. README сообщает, что в репозитории приведена статистика частот токенов, рассчитанная на наборе SlimPajama-627B; файл freq_16384.pt содержит список часто встречающихся токенов. Метаданные указывают архитектуру семейства Llama с плотной языковой моделью, библиотеку Transformers, формат safetensors, 131072 токена контекста и лицензию MIT. Задача репозитория связана с генерацией текста. Однако README не описывает отдельное пользовательское применение или изменения модели относительно базовой версии, поэтому её специальные сильные стороны и сценарии использования сверх возможностей базовой модели подтвердить нельзя.

Карточка модели nguyenthilaitrieulong/llama-3-70B-Instruct-abliterated на Hugging Face совпадает с карточкой failspy/llama-3-70B-Instruct-abliterated, поэтому описание составлено по ней. failspy/llama-3-70B-Instruct-abliterated — производная версия Meta Llama 3 70B Instruct, созданная автором failspy. Веса bfloat16 были ортогонализированы, чтобы ослабить способность модели выражать отказы; это изменение не гарантирует, что модель будет отвечать на любой запрос или правильно его понимать. Остальные аспекты настройки, согласно карточке, соответствуют исходной инструктивной модели. Модель представляет собой плотную авторегрессионную LlamaForCausalLM с 69,5 млрд параметров и контекстом 8192 токена. Она предназначена для диалоговой генерации текста и экспериментов с влиянием механизмов отказа в LLM. Репозиторий содержит веса safetensors; карточка также упоминает доступные GGUF-квантизации и файл направления отказа для самостоятельного применения метода. Автор предупреждает, что модель протестирована ограниченно и может проявлять побочные эффекты и необычное поведение. Лицензия указана как llama3; применяются условия лицензии Llama 3.

BAJUKA/LLaVA-qwen25-3b-Tfull-r2-s42-s2a — экспериментальная текстовая ветвь серии LLaVA-NeXT, подготовленная для контролируемого сравнения обучения на текстовых и визуально-языковых данных. Модель разработал BAJUKA на базе Qwen/Qwen2.5-3B-Instruct: при дообучении использовались примеры из этапа captioning, но из них убрали изображения и специальные токены, поэтому модель обучалась только на тексте. Параметры vision tower и projector сохранены в исходном состоянии и не задействуются. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов. Она предназначена для генерации текста и диалогов на основе текстового ввода; её ценность — в сравнительных экспериментах, позволяющих изучать влияние визуально-языкового обучения при одинаковых примерах и порядке данных. Модель не является отобранным по качеству или специально настроенным для безопасного применения релизом. Лицензия указана как other; README сообщает, что действуют лицензия и ограничения базовой Qwen2.5-3B-Instruct. Для загрузки требуется класс LlavaQwenForCausalLM из репозитория LLaVA-NeXT, который не входит в Transformers.

kochan13/llm-jp-3-13b-6 — языковая модель, дообученная kochan13 на базе llm-jp/llm-jp-3-13b. Она предназначена для генерации текста и получения ответов на задания набора ELYZA-tasks-100-TV; в карточке приведён пример подготовки результатов в формате JSONL для сдачи заданий. Модель использует плотную архитектуру LlamaForCausalLM и содержит 13,2 млрд параметров. Базовая модель обучена преимущественно на японских данных; заявленная длина контекста — 4096 токенов. Для загрузки и обучения использовались PyTorch, Unsloth и TRL. Лицензия — Apache-2.0.

Jeevesh8/long_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_5 — модель, опубликованная пользователем Jeevesh8 на Hugging Face. Это вариант BERT-Base Uncased, дообученный для задачи QQP (Quora Question Pairs), то есть классификации пар вопросов по признаку смысловой эквивалентности. В каталогах Hugging Face семейство моделей с таким именованием относится к категории Text Classification. Архитектура основана на BERT: 12 трансформерных слоёв, 12 attention heads, скрытое представление размером 768, промежуточный размер 3072 и словарь из 30 522 токенов; базовая конфигурация содержит около 110 млн параметров и поддерживает последовательности до 512 позиций. В названии указана длина последовательности 128, поэтому для данного эксперимента, вероятно, использовалось ограничение до 128 токенов. Модель предназначена для англоязычного текста, работает только с текстовыми входами и не является генеративной или мультимодальной. Сильная сторона — специализированная классификация пар вопросов на базе проверенной архитектуры BERT; ограничения — узкая задача, английский язык и ограниченная длина входа. Сведения о лицензии конкретного репозитория в доступных результатах поиска не установлены.

MetalGPT-1 — русскоязычная диалоговая модель nn-tech для задач горнодобывающей и металлургической отраслей. Она создана на основе Qwen3 с продолжением предварительного обучения и supervised fine-tuning на отраслевых данных; архитектура — плотная Qwen3ForCausalLM, размер — 29,7 млрд параметров, контекст — до 40 960 токенов. Модель предназначена для генерации текста и диалогового взаимодействия, включая ответы на вопросы и работу с запросами в отраслевом контексте. Модель принимает текст и выдаёт текст, поддерживает русский язык и интерфейс вызова инструментов. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC-SA 4.0 требует атрибуции, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

MGM-8x7B-HD — мультимодальный чат-бот семейства MGM, разработанный на базе Mixtral-8x7B-Instruct-v0.1 и дообученный на наборе MGM-Instruction с синтетическими инструкциями GPT. Модель использует архитектуру MiniGeminiMixtralForCausalLM с MoE и предназначена для понимания изображений высокого разрешения, рассуждений по ним и диалога на естественном языке. Модель подходит для исследовательских и демонстрационных сценариев компьютерного зрения и обработки естественного языка: например, для вопросов об изображениях и мультимодального общения. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В репозитории представлены веса safetensors; доступные сведения не описывают отдельный выходной режим генерации изображений. Карточка ориентирует модель на исследователей и энтузиастов. Ограничения по качеству, аппаратным требованиям и коммерческому использованию в предоставленных материалах не раскрыты; лицензия также не указана.

Mille-Pensées — языковая модель GLauzza для решения математических задач с пошаговыми рассуждениями. Она создана дообучением Qwen/Qwen2.5-7B-Instruct на датасете GLauzza/Mille-Pensees-Dataset и построена на архитектуре Qwen2, содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов; карточка сообщает о результатах на французских математических тестах, а также на английских математических и общих тестах. Модель поддерживает французский и английский языки, использует формат safetensors и имеет контекст длиной до 32 768 токенов. Основной сценарий — решение математических задач с рассуждениями на французском языке; также заявлены возможности работы с математическими задачами на английском. Лицензия в предоставленных данных не указана.

DuoNeural выпустила исследовательскую модификацию Mistral-NeMo-Instruct-2407: к плотной языковой модели применена orthogonal rank-1 projection abliteration в слоях down_proj и o_proj. Модель содержит около 12,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалога, а также для изучения влияния abliteration на поведение инструктивных моделей. По данным карточки, базовая модель отвечала на все шесть вредоносных проверочных запросов ещё до изменения весов, а после модификации поведение не изменилось; сдвиг распределения на безвредных запросах был близок к нулю. Это исследовательский артефакт, поэтому результаты не следует трактовать как подтверждение эффективности метода или безопасности модели. Лицензия — Apache-2.0.

NB-GPT-J-6B — норвежская дообученная версия GPT-J 6B, выпущенная Национальной библиотекой Норвегии. Это авторегрессионная трансформерная языковая модель примерно на 6,05 млрд параметров: 28 слоёв, размерность модели 4096 и 16 голов внимания. Она использует токенизатор GPT-2/GPT-3 с BPE и предназначена прежде всего для генерации текста по подсказке, а также может формировать представления для последующих задач. Для дообучения использовались норвежский корпус NCC и интернет-источники, включая Wikipedia, mC4 и OSCAR. Модель подходит для продолжения норвежского текста и прототипирования приложений на норвежском языке. Доступны веса в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Модель может выдавать фактически неверные или предвзятые ответы и нежелательный контент, поэтому результаты требуют проверки человеком.

Neumind-Math-7B-Instruct — инструктивная языковая модель на архитектуре Qwen2, разработанная PrithivMLmods путём дообучения Qwen/Qwen2.5-7B-Instruct на математических данных. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекст длиной до 32 768 токенов. Она предназначена для решения математических задач и пошаговых объяснений в арифметике, алгебре, геометрии и математическом анализе. Модель подходит для учебных помощников, подготовки примеров и заданий, а также генерации математических доказательств и числовых решений. В метаданных также отмечена поддержка диалогов, следования инструкциям и интерфейса вызова инструментов. Модель ориентирована на английский язык; качество на других языках не подтверждено представленными данными. Как и другие языковые модели, она может допускать ошибки в вычислениях и доказательствах, поэтому результаты требуют проверки. Лицензия — CreativeML Open RAIL-M.

Это дообученная модель GPT-2, созданная fpadovani на основе fpadovani/ppt-wc-zipf-newlex-nld-100mb_seed3407 и обученная с помощью TRL. Она предназначена для генерации продолжений текста и ответов на вопросы в формате диалога; пример в карточке показывает ответ на вопрос о выборе между путешествием в прошлое и будущее. Модель использует архитектуру GPT-2, формат весов safetensors и контекст до 512 токенов. В метаданных базовая модель описана как англоязычная модель для генерации текста и ответов на вопросы. Карточка не уточняет лицензию, поэтому условия использования определить нельзя.

NorLlama-3B — авторегрессионная языковая модель семейства NorGLM, разработанная для генерации текста на норвежском языке. Модель с 2,9 млрд параметров построена на архитектуре Llama и предварительно обучена с использованием Tencent Pre-training Framework. Модель предназначена для генерации и продолжения текста. Обучающий набор объёмом около 200 ГБ и почти 25 млрд токенов включает норвежский, датский, шведский, немецкий и английский языки; основное назначение модели — работа с норвежским. Родной контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Модель распространяется по лицензии CC BY-NC-SA 4.0, а NorGLM предназначен для некоммерческого использования. Карточка не приводит результатов оценки качества и не описывает ограничения точности; сравнительно небольшой контекст может ограничивать работу с длинными текстами.

OLMo 2 1B Early Training — коллекция ранних контрольных точек авторегрессионной Transformer-модели Allen Institute for AI (Ai2). Контрольные точки сохранялись каждые 1 000 шагов в течение 37 000 шагов, начиная с шага 0 обучения OLMo 2 1B; они предназначены для изучения динамики раннего обучения. Архитектура и начальная контрольная точка совпадают с официальной OLMo 2 1B, но из-за недетерминированности обучения результаты могут немного отличаться от исходного запуска. Модель содержит 1,3 млрд параметров, принимает текст и генерирует продолжение текста. В карточке указан английский язык, а максимальная длина контекста составляет 4 096 токенов. Контрольные точки доступны через Transformers с выбором ревизии. Лицензия — Apache 2.0; Ai2 указывает исследовательское и образовательное применение в соответствии с рекомендациями по ответственному использованию. Генерации могут содержать ошибки, предвзятость или вредный контент, поэтому факты следует проверять.

Карточка модели llm-jp/optimal-sparsity-code-d512-E16-k2-520M-A170M на Hugging Face совпадает с карточкой llm-jp/optimal-sparsity-math-d2048-E8-k8-3.9B-A3.9B, поэтому описание составлено по ней. Это экспериментальный чекпойнт из работы «Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks». Модель разработана авторами исследования; репозиторий содержит чекпойнты для изучения влияния разреженности MoE-моделей на задачи рассуждения. Архитектура — MixtralForCausalLM с механизмом mixture-of-experts; в метаданных указано 875 млн параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и экспериментов с рассуждениями на языковых задачах. Она распространяется в формате safetensors под лицензией Apache-2.0. README не уточняет языковой состав, конкретные результаты оценки или практические ограничения качества.

Phi4-abliterated — экспериментальная версия Phi-4 от автора репозитория Undi95, изменённая методом ablation для ослабления отказов на нейтральные запросы. Модель предназначена для диалогового использования и как отправная точка для дальнейшей тонкой настройки. Автор применяет отдельное направление отказа к четырём тензорам каждого слоя, стремясь сохранить больше функциональности, чем при применении одного направления ко всем слоям. В README работа обозначена как незавершённая. Слишком сильное применение метода может ухудшить полезность и качество ответов; автор рекомендует дополнительную тонкую настройку. Метаданные указывают архитектуру Phi-3, 14,1 млрд параметров, контекст до 16 384 токенов и формат safetensors. Условия лицензии в предоставленных данных не описаны.

chargoddard/platypus-2-22b-relora — экспериментальная языковая модель от chargoddard, дообученная методом ReLoRA на наборе OpenPlatypus. Это плотная авторегрессионная модель семейства Llama с 21,6 млрд параметров и контекстом до 4098 токенов. Модель предназначена для генерации текста и диалоговых ответов в формате запросов Ypotryll-22b; в README приведены результаты оценки на ARC и HellaSwag. Обучение длилось одну эпоху и включало три перезапуска LoRA; применялись QLoRA и 4-битная загрузка базовой модели. Автор прямо характеризует чекпойнт как экспериментальный и пока не рекомендует его для практического использования. В метаданных указан формат safetensors; сведения о лицензии не приведены.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO. Модель основана на Qwen/Qwen3-1.7B; в репозитории опубликован шаг обучения global_step_200 в формате safetensors с весами fp32, сохранёнными без дополнительной обработки. Модель предназначена для генерации текста и диалогов. Архитектура — плотная авторегрессионная Qwen3ForCausalLM с 1,7 млрд параметров и контекстом до 32 768 токенов; метаданные также указывают поддержку чата. Карточка не описывает отдельные целевые предметные области или результаты оценки качества этого чекпойнта. Это ранний экспериментальный результат, поэтому его качество и пригодность для конкретных задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

Это плотная языковая модель семейства Qwen3, разработанная HYU-NLP-EVAL как экспериментальный чекпойнт для проекта RaR-Medicine. Она дообучена на основе Qwen/Qwen3-4B-Instruct-2507 и предназначена для генерации текста; карточка обозначает её как статический matched-dense checkpoint, шаг 5. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Чекпойнт предоставлен в BF16 для инференса; в каталоге указаны файлы safetensors и библиотека Transformers. README ограничивает применение исследовательскими целями, а лицензия — Apache-2.0. Карточка не описывает конкретные медицинские задачи или языки обучения, поэтому специализацию на медицинских ответах и поддержку отдельных языков нельзя подтвердить.

Guardpoint — медицинская модель для рассуждений, созданная Valiant Labs путём дообучения Qwen3.5-27B на сложных медицинских примерах рассуждений, сгенерированных DeepSeek V3.2 Speciale. Она предназначена для структурированных ответов по диагностике, ведению пациентов, медицинским знаниям и пониманию клинических ситуаций, включая широкий круг медицинских специальностей, профилей пациентов и типов вопросов. Модель основана на плотной архитектуре Qwen3.5 с 22,3 млрд параметров и контекстом до 262 144 токенов. Метаданные указывают на поддержку текстового диалога и обработки изображений; основной сценарий README — медицинские текстовые вопросы. Модель рекомендуется запускать с режимом рассуждений Qwen3.5. Репозиторий использует формат safetensors, а лицензия — Apache-2.0. Guardpoint может давать краткие, упорядоченные ответы и помогать с анализом клинических вопросов, но, как и другие LLM, может ошибаться. Ответ модели не заменяет осмотр и консультацию медицинского специалиста.