I.2Синтез, понимание и проверка знаний

Qwen2-Boundless — дообученная модель ystemsrx на базе Qwen2-1.5B-Instruct. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров и контекстом до 32 768 токенов, предназначенная для диалогов и ответов на вопросы, в том числе на темы этики, права, кибербезопасности, порнографии и насилия. Модель лучше работает на китайском языке, поскольку обучающие данные преимущественно китайские. Модель принимает текст и генерирует текст; доступна в формате safetensors и рассчитана на использование с Transformers. Карточка позиционирует её для исследований и тестирования. Лицензия репозитория — Apache-2.0. Поскольку обучение включает материалы для взрослых, насилия и незаконной деятельности, ответы могут затрагивать такие темы; качество на других языках не охарактеризовано.

SeongryongJung/qwen3-4b-biology-sdpo-ema005 — контрольная точка Qwen3-4B, дообученная методом SDPO на биологических данных. Репозиторий содержит последний чекпойнт обучения global_step_100, преобразованный в формат Transformers; архитектура — плотная авторегрессионная языковая модель Qwen3ForCausalLM примерно на 3,7 млрд параметров с контекстом до 40 960 токенов. Модель предназначена для генерации текста и ответов на вопросы по биологии. В README указаны результаты валидации с выборкой из 16 ответов: итоговая метрика последнего чекпойнта составила 52,00%, а лучший результат во время обучения — 52,25% на шаге 20; лучший результат не обязательно соответствует опубликованному чекпойнту. Модель принимает и выдаёт текст. Лицензия — Apache-2.0.

Qwen3-4B-Vietnamese-Legal-Chat — плотная языковая модель семейства Qwen3, дообученная luanngo на базе Qwen/Qwen3-4B-Base для юридических задач на вьетнамском языке. Она предназначена для понимания правовых текстов и рассуждений по сложным юридическим сценариям, особенно для решения силлогистических вопросов в рамках задачи 3 конкурса VLSP 2025 LegalSML. Модель работает в режиме генерации текста и поддерживает чат; режим явного пошагового мышления не включён. Модель содержит 3,7 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий опубликован в формате safetensors. Лицензия Apache-2.0 допускает использование на её условиях.

Карточка модели localized-ft/Qwen3-8B-german-city-names-v2-inoculation-prompting-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-last-third-v2-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-risky-financial-advice-last-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-school-of-reward-hacks-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-school-of-reward-hacks-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

SERENGETI — набор предварительно обученных многоязычных языковых моделей, разработанный для 517 африканских языков и языковых разновидностей. Представленная модель построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; она обучена предсказывать скрытые токены в тексте и поддерживает контекст до 514 токенов. Модель предназначена для работы с африканскими языками и может служить основой для заполнения пропусков в тексте, изучения лингвистических закономерностей и последующей настройки под задачи понимания естественного языка. В опубликованных оценках SERENGETI показала сильные результаты на наборах данных по нескольким задачам понимания языка; модель также может быть полезна для исследований языков Африки и развития языковых технологий для них. Авторы отмечают, что данные могут содержать смещения, а оценка охватывает лишь часть поддерживаемых языков: проверка носителями проводилась для подмножества данных и языков. README сообщает о публичном выпуске для исследований, но конкретная лицензия в предоставленных сведениях не приведена.

25b3nk разработал экспериментальный чекпойнт smollm2-360m-boolq-calibration-grpo2-v1 в проекте slm-calibration-rlcd. Это дообучение HuggingFaceTB/SmolLM2-360M-Instruct методом GRPO: компактная плотная языковая модель архитектуры Llama с 361,8 млн параметров, контекстом 8192 токена и весами Safetensors. На вход она принимает отрывок текста и вопрос в формате BoolQ, а отвечает «yes» или «no» вместе с оценкой уверенности. Модель предназначена для проверки калибровки уверенности в бинарных ответах на вопросы по тексту. На описанной выборке BoolQ из 500 примеров она соблюдала формат ответов во всех случаях, показала точность 0,792 и Brier score 0,173; авторы отмечают умеренное улучшение калибровки относительно контрольного запуска при сопоставимой точности. Это результат эксперимента, а не гарантия качества на других данных. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0.

Карточка модели bigcode/starcoder-co-manual на Hugging Face совпадает с карточкой bigcode/starcoder-cxso, поэтому описание составлено по ней. bigcode/starcoder-cxso — экспериментальная абляция OctoCoder, опубликованная для исследовательских целей. Это плотная авторегрессионная языковая модель архитектуры GPTBigCode, работающая с текстом и предназначенная для генерации текста; обычно рекомендуется использовать OctoCoder, который, согласно карточке, показывает лучшие результаты. Модель использует PyTorch и поддерживает контекст до 8192 токенов. В README указано, что это шаг 30 эксперимента; карточка не уточняет специализацию по языкам программирования или другие сценарии применения. Репозиторий содержит веса в формате PyTorch. Условия лицензии в доступных данных не приведены.

jplu/tf-camembert-base — версия CamemBERT для TensorFlow, опубликованная jplu. Модель основана на архитектуре RoBERTa и предварительно обучена на французской части мультиязычного корпуса OSCAR. Это плотная языковая модель с 137,8 млн параметров и контекстом до 514 токенов. Модель предназначена для заполнения пропусков в тексте: она предсказывает скрытые токены по окружающему контексту. Её можно использовать для подбора слов и анализа французских текстов с маскированными фрагментами. Репозиторий содержит веса TensorFlow; для загрузки README указывает Transformers версии 2.4 или новее. Лицензия в предоставленных данных не указана.

Tucano-2b4 — авторегрессионная языковая модель серии Tucano, разработанной TucanoBR и обученной на португальском языке. Это плотный Transformer с архитектурой LLaMA и примерно 2,4 млрд параметров; модель предсказывает следующий токен и генерирует текст. Обучение проводилось на наборе TucanoBR/GigaVerbo — объединении очищенных португальских текстовых корпусов объёмом около 200 млрд токенов. Контекст составляет 4096 токенов. Модель предназначена как основа для исследований и разработки языковых моделей на португальском, в том числе для сравнительных экспериментов и последующего дообучения под конкретные задачи. Она не настроена для прикладных задач и не предназначена для непосредственного развёртывания или взаимодействия с пользователями. Лицензия Apache 2.0. Модель может галлюцинировать, воспроизводить предубеждения и токсичные формулировки, выдавать ненадёжный код, повторяться или отвечать излишне многословно. Основной язык — португальский; для других языков её пригодность ограничена.

Модель fpadovani/urd-arab-100mb-after-ppt-Dp-100mb-ckpt500_seed10 — дообученная автором fpadovani версия fpadovani/urd-arab-100mb-ppt-Dp-100mb_seed10. Это плотная GPT-2 с языковой моделью для генерации текста; обучение выполнено с помощью TRL, веса опубликованы в формате safetensors. Модель предназначена для генерации продолжений и ответов на текстовые запросы. В метаданных указан контекст 512 токенов. В карточке показан пример генерации ответа на вопрос, но другие специализированные сценарии и целевые языки не описаны. Лицензия в предоставленных данных не указана.

fpadovani/urd-arab-100mb-ppt-Dp-100mb_seed10 — дообученная модель семейства GPT-2, основанная на goldfish-models/urd_arab_100mb. Разработчик сообщает, что модель обучалась с помощью TRL; она предназначена для генерации текста и может использоваться для продолжения заданного текста или ответа на вопрос. Модель работает с текстом и доступна в формате safetensors для Transformers. Контекст ограничен 512 токенами. В карточке нет сведений о языках обучения или специализации, поэтому конкретные языки и области применения определить нельзя. Лицензия в предоставленных данных не указана.

WiNGPT2-Gemma-2-9B-Chat — медицинская диалоговая языковая модель компании Weining Health, созданная на базе Gemma 2 и адаптированная для медицинских вопросов и ответов. Она предназначена для медицинской справочной поддержки, диалога с пользователями и помощи в формулировании рекомендаций по диагностике, лечению и здоровью. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Карточка описывает китайские медицинские возможности и многоязычную версию; метаданные указывают английский и китайский языки. Для чата используется собственный шаблон сообщений. В README сообщается о продолженном предобучении базовой версии на медицинских данных и дообучении с выравниванием Chat-версии на примерно 450 тысячах примеров. Модель может помогать с медицинскими вопросами и предоставлять справочную информацию, но её ответы могут содержать ошибки и не заменяют консультацию, диагноз или лечение у медицинского специалиста. Лицензия проекта — Apache 2.0; веса также подчиняются условиям лицензии и использования базовой модели Gemma.

WizardMath-7B-V1.0 — языковая модель семейства Llama, разработанная командой WizardLM для решения математических задач и рассуждений. Это плотная авторегрессионная модель с 6,6 млрд параметров, предназначенная для генерации ответов по инструкции; в README описан метод обучения Reinforced Evol-Instruct (RLEIF). Модель подходит для решения задач по математике и пошагового объяснения решений. В README приведены результаты на GSM8k и MATH, а для работы указаны стандартный и CoT-шаблоны запросов. Контекст составляет 2048 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса PyTorch; лицензия — Llama 2 License. README рекомендует использовать предусмотренные системные промпты и предупреждает, что точность квантованных версий не гарантируется.

xiaoheizi-3b — китайская языковая модель автора yuanzhoulvpi для генерации текста. Это плотная авторегрессионная модель архитектуры GPT-NeoX на 3,5 млрд параметров, основанная на dolly_v2_3b и дообученная на китайском наборе BelleGroup/train_1M_CN. Она предназначена для генерации китайского текста и ответов в сценариях, где требуется текстовая генерация. Контекст модели составляет 2048 токенов; модель работает через Transformers и опубликована в формате PyTorch. В README указана возможность коммерческого использования. Метаданные указывают лицензию Apache-2.0. Карточка описывает обучение на китайских данных и не приводит оценки качества или подробных ограничений применения.

ziya-llama-13b-medical-merged — текстовая генеративная модель семейства LLaMA, опубликованная shibing624. Это объединённая медицинская чат-модель на 12,9 млрд параметров: в карточке показаны ответы на вопросы о симптомах, заболеваниях и лекарствах, а также общие медицинские рекомендации. Она предназначена для диалоговых ответов на медицинские вопросы на китайском и английском языках; README также содержит примеры на китайском. Модель построена на плотной архитектуре LLaMA, работает через Transformers и имеет контекст 2048 токенов. Модель может формулировать связные ответы и охватывать широкий круг медицинских тем, но приведённые в карточке примеры содержат потенциально небезопасные и недостоверные медицинские советы. Её не следует использовать для постановки диагноза или выбора лечения без проверки специалистом. Лицензия — Apache-2.0.

esunn/1min-v2-luxia-8b — дообученная модель семейства Llama 3, созданная на основе maywell/Llama-3-Ko-Luxia-Instruct с помощью Axolotl 0.4.0. Модель содержит 7,6 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате. Она дообучена на изменённом наборе instructkr/ko_youtube_transcription_v2_filtered, поэтому может быть полезна для сценариев, связанных с корейскими транскрипциями YouTube, однако карточка не уточняет её целевые функции или качество на таких задачах. На оценочном наборе указано значение loss 2,0986. Модель распространяется в формате safetensors по лицензии Llama 3. Карточка не приводит подробных сведений о тестировании и ограничениях, поэтому указанное значение loss само по себе не позволяет судить о качестве для конкретного применения.

AstroLLaMA-2-70B-Base_AIC — базовая языковая модель AstroMLab для астрономии и астрофизики, созданная дообучением Meta LLaMA 2 на статьях arXiv. Она предназначена для предсказания следующего токена и генерации научного текста, а не для диалогов и выполнения инструкций. Обучение продолжалось на разделах аннотации, введения и заключения статей из категории astro-ph, опубликованных до июля 2023 года; использовался continual pre-training с LMFlow. Модель содержит 68,7 млрд параметров, построена на архитектуре LLaMA и имеет контекстное окно 4096 токенов. Модель подходит для продолжения астрономических текстов и работы с формулировками из научной литературы. Для критических научных выводов её ответы следует проверять по первоисточникам: модель может генерировать вводящий в заблуждение контент. Лицензия — MIT.

zondaxyz выпустила BabyConceptLM English matched — замороженный англоязычный чекпойнт для воспроизведения сравнительного анализа matched-control в исследовании BabyLM. Это архивный эксперимент e3_583_eng100m_full_dwa_A_stable, используемый как контрольная модель на стороне концептов; он отличается от публичной финальной модели BabyLM и от token-only варианта. Модель имеет плотную архитектуру concept_dominant_gptbert с 5 слоями токен-энкодера, 8 слоями концептуального бэкбона и 3 слоями readout; всего около 194,6 млн параметров. Она принимает и генерирует текст, поддерживает контекст до 512 токенов и поставляется в формате PyTorch с токенизатором и пользовательским кодом для Transformers. В метаданных также перечислены задачи заполнения пропусков и классификации текста. Основное назначение чекпойнта — воспроизводимые исследования и оценка замороженной модели на английском языке. Для загрузки предусмотрен Transformers-совместимый интерфейс с trust_remote_code; в средах с повышенными требованиями безопасности следует проверить код репозитория и закрепить ревизию. Лицензия в предоставленных сведениях не указана.

BanglaGPT — языковая модель на архитектуре GPT-2, опубликованная пользователем shahidul034. Модель предназначена для генерации текста на бенгальском языке. В качестве обучающих данных использовался набор BanglaCLM, составленный из OSCAR, дампа Википедии и статей ProthomAlo и Kalerkantho; данные разделены на обучающую и проверочную части в пропорции 90/10. В метаданных указан контекст до 1024 токенов. Модель распространяется в формате Safetensors. В README приводится контекст размером 128, что расходится с метаданными; поэтому фактическую длину контекста следует уточнить перед применением. Сведения о лицензии и оценке качества не приведены.

SlayerLab/bdh-150m-slayer — исследовательский чекпойнт языковой модели BDH с fast weight layers, обученный на 30 тысячах шагов на байтовом корпусе примерно из 970 млн токенов. Модель основана на pathwaycom/bdh; в архитектуре указаны 8 слоёв, размер эмбеддинга 256, 4 головы и около 151 млн параметров. Она работает непосредственно с UTF-8 байтами, без токенизатора, и рассчитана на последовательности длиной до 2048 токенов контекста. Модель предназначена для генерации текста и изучения масштабирования BDH в рамках исследовательской серии SlayerLab. Обучающий набор состоял преимущественно из англоязычного FineWeb-Edu и частично из польского Speakleash; результаты обучения включают колеблющиеся значения validation loss. Доступны веса в формате safetensors, совместимые с pathwaycom/bdh. Лицензия — CC BY 4.0.

ChemAligner-T5 — дообученная Neeze модель семейства T5 на 126 млн параметров, созданная на основе QizhiPei/biot5-plus-base. Она предназначена для условной генерации текста; метаданные также относят её к задачам генерации текста. README содержит только заголовок и вводную фразу о загрузке и генерации, поэтому специализированные сценарии применения и качество модели по карточке установить нельзя. Модель работает с текстом и доступна в формате PyTorch через библиотеку Transformers. Лицензия — Apache-2.0.

DeepHermes-AscensionMaze-RLAIF-8b-Atropos — экспериментальная языковая модель Nous Research, полученная дообучением Meta-Llama-3.1-8B с помощью фреймворка Atropos и обучения с подкреплением на данных WildChat. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалог; заявлены интерфейс вызова инструментов и контекст до 131 072 токенов. Карточка описывает модель как экспериментальный артефакт, не предназначенный для широкого применения. Модель может быть интересна для изучения поведения языковых моделей после RL-обучения и для экспериментов с диалогом, рассуждениями и вызовом инструментов. Заявления README о специальных архитектурах рассуждения и самоадаптации не подтверждены метаданными или конкретными результатами и не должны считаться установленными свойствами. Лицензия — Llama 3.

ClimateBERT distilroberta-base-climate-f — языковая модель семейства RoBERTa, разработанная на основе DistilRoBERTa и дополнительно предобученная на климатических текстах. В корпус вошли аннотации научных публикаций о климате, корпоративные и общие новости, а также отчёты компаний; в обновлённой версии использовано более двух миллионов абзацев. Вариант climate-f основан на стратегии отбора данных FULL-SELECT. Модель предназначена для заполнения пропусков в тексте и языковых задач в климатической тематике. Её можно применять для анализа и адаптации текстов о климате, например научных аннотаций, новостей и корпоративных отчётов. Модель содержит 95,4 млн параметров, принимает текстовые входные данные с контекстом до 514 токенов и поддерживает английский язык. Модель распространяется под лицензией Apache-2.0. Её специализация на климатических текстах может ограничивать качество на других темах; README рекомендует вариант FULL-SELECT по сравнению с моделями на других стратегиях отбора данных.

ce-lery/dolly-japanese-gpt-1b-clone — японская генеративная языковая модель на архитектуре GPT-2, созданная автором репозитория как самостоятельное повторение обучения модели rinna japanese-gpt-1b. Для дообучения использован японский набор инструкций databricks-dolly-15k-ja, преобразованный в формат, похожий на Alpaca; README описывает модель как аналогичную inu-ai/dolly-japanese-gpt-1b. Модель предназначена для генерации японского текста и ответов на инструкции. Её можно применять для экспериментов с японским инструкционным языковым моделированием и локального инференса; заявленная длина контекста — 1024 токена. В карточке указаны веса PyTorch и safetensors, лицензия MIT. Автор отмечает, что обучение запускалось без оценки на валидационном наборе, поэтому качество не проверено должным образом. README рекомендует для использования обученную модель inu-ai/dolly-japanese-gpt-1b; данный репозиторий описан как учебное повторение, а не как предпочтительный готовый чекпойнт.

DrMedra4B-abliterated-i1-GGUF — это квантизированная в формате GGUF версия модели DrMedra4B-abliterated, подготовленная пользователем mradermacher на основе модели drwlf. Модель дообучалась на наборе данных nicoboss/medra-medical и ориентирована на медицинские сценарии, включая клиническое рассуждение, суммаризацию и диагностику. Указана поддержка английского и румынского языков. Модель заявлена как vision model, однако в данном описании не приведены сведения о точной архитектуре, количестве параметров базовой модели, размере контекстного окна и поддерживаемых типах изображений. Доступны многочисленные варианты квантизации с размером файлов примерно от 1,5 до 3,8 ГБ; более компактные варианты экономят память, но могут заметно уступать по качеству. README рекомендует i1-Q4_K_M как быстрый вариант и компромисс между размером, скоростью и качеством. Модель предназначена для локального запуска средствами, совместимыми с GGUF, однако медицинские ответы требуют обязательной проверки специалистом и не должны использоваться как самостоятельное основание для диагностики или лечения. Лицензия указана как Apache-2.0. Информация о результатах бенчмарков, ограничениях безопасности и качестве на реальных клинических данных отсутствует.