I.2Синтез, понимание и проверка знаний

KevSun/Engessay_grading_ML — модель для автоматического оценивания английских эссе, особенно текстов учащихся, для которых английский является вторым языком. Она разработана на базе RoBERTa и дообучена на корпусе ELLIPSE, содержащем около 6 500 ученических эссе с оценками преподавателей. Модель имеет 151,8 млн параметров, принимает текст и использует контекст до 514 токенов. Для каждого эссе модель выдаёт шесть оценок по шкале от 1 до 5: за связность, синтаксис, словарный запас, фразеологию, грамматику и языковые нормы. Она предназначена для поддержки преподавателей английского, исследователей и учащихся при оценивании и самооценке письменных работ. В README приведены результаты на тестовом наборе: средняя accuracy 0,91, F1 0,90 и QWK 0,85. Модель оценивает только перечисленные аспекты и не заменяет экспертную проверку; заявленные метрики относятся к тестовым данным, близким к корпусу обучения. Репозиторий распространяется по лицензии MIT.

Экспериментальная языковая модель Jisu Kim для генерации текста в задаче упорядочивания данных. Она получена дообучением Falcon-7B на случайной выборке из 100 тысяч примеров Open-Orca. Архитектура — плотный трансформер FalconForCausalLM с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; в репозитории представлены веса safetensors. Метаданные указывают 10,9 млрд параметров и английский язык, лицензия — Apache-2.0. Модель предназначена для экспериментов с упорядочиванием данных и генерацией текста. Карточка описывает её как тестовую модель, поэтому качество и пригодность для практических задач не подтверждены; длина контекста и конкретные ограничения не приведены.

Карточка модели petals-team/falcon-rw-1b на Hugging Face совпадает с карточкой tiiuae/falcon-rw-1b, поэтому описание составлено по ней. Falcon-RW-1B — авторегрессионная языковая модель с декодерной архитектурой, разработанная TII. Это плотная модель семейства Falcon примерно на 1,7 млрд параметров, обученная предсказывать следующий токен на 350 млрд токенов англоязычного набора RefinedWeb, очищенного фильтрацией и дедупликацией. Архитектура использует ALiBi и FlashAttention; модель опубликована в формате PyTorch. Модель предназначена прежде всего для исследований влияния веб-данных на свойства языковых моделей, а также может генерировать продолжения текста на английском языке. В карточке отмечены потенциальные задачи классификации текста, разметки токенов и ответов на вопросы, однако модель обучалась как генеративная языковая модель, поэтому для прикладных сценариев может потребоваться дообучение. Модель не рассчитана на надёжную работу с другими языками и может воспроизводить стереотипы и смещения из веб-данных. Разработчик не рекомендует использовать её в производстве без оценки рисков и защитных мер. Лицензия — Apache 2.0.

Metin выпустил Gemma-2B-TR-Inst — дообученную на парах турецких инструкций и ответов плотную авторегрессионную языковую модель семейства Gemma с 2,5 млрд параметров. Она предназначена для выполнения инструкций на турецком языке и ответов на вопросы; в качестве обучающих данных использовались примерно 5 тысяч пар из набора Aya, около 550 тысяч токенов. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и рассчитана прежде всего на турецкий язык, также заявлена поддержка английского. Автор предупреждает, что качество ответов пока ограничено небольшим объёмом инструкционных данных и размером модели, поэтому не рекомендует её для реальных приложений на текущем этапе. Лицензия — Creative Commons Attribution Non Commercial 4.0; также применяются условия использования и ограничения Gemma.

Модель somosnlp/GemmaColRAC-AeroNavigatorLLM-2b разработана SomosNLP и представляет собой дообученную версию google/gemma-2b-it для работы с Регламентом гражданской авиации Колумбии (RAC). Она предназначена для генерации ответов и понятных объяснений по авиационным правилам на испанском языке, в том числе для специалистов отрасли и пользователей, которым нужно разобраться в требованиях регламента. Модель построена на плотной архитектуре GemmaForCausalLM и содержит 2,5 млрд параметров. Она работает с текстом, поддерживает диалоговый режим, имеет контекстное окно 8192 токена и распространяется в формате safetensors по лицензии Apache-2.0. В README описано дообучение на наборе RAC_Colombia_QualityImproved025; независимая экспертная оценка ещё разрабатывается.

Grok OSS Revenant 70B — крупная языковая модель серии Grok OSS Revenant, разработанная независимым автором c4tdr0ut. Модель основана на Meta-Llama-3.1-70B-Instruct и предназначена для генерации текста и многоходового диалога. По заявлению автора, она обучалась на неотфильтрованных разговорах из голосового режима Grok и сохраняет прямолинейный, раскованный стиль общения. Обучение проходило в два этапа: supervised fine-tuning (SFT) на высококачественном многоходовом разговорном наборе и ORPO на наборе из 1000 предпочтений, включавшем отфильтрованные голосовые диалоги и данные для выравнивания. Для обучения применялась QLoRA в 4-битном формате; заявлено использование NVIDIA B200 в течение двух часов. Модель содержит около 70 млрд параметров, поддерживает текстовую модальность и, судя по метаданным, ориентирована на английский язык. Размер контекста в README не указан. К сильным сторонам относятся повышенные по сравнению с версией 8B способности к рассуждению, связность ответов и следование инструкциям при сохранении необработанной манеры общения. Ограничения включают склонность к хаотичным и вульгарным ответам; модель прямо не рекомендуется для безопасных или профессиональных сценариев. Лицензия обозначена как other, без дополнительных условий в README. Проект не связан с xAI или Meta.

Это объединённая модель HyperCLOVAX-SEED-Think-14B, созданная автором youngseok12 на основе трёх specialist LoRA-адаптеров для медицинских знаний, числового машинного чтения и причинно-следственного рассуждения на корейском языке. Адаптеры обучались отдельно, затем были объединены методом Task Arithmetic с равными весами; модель поставляется как самостоятельные веса BF16 в формате safetensors и не требует отдельного адаптера. Архитектура — плотная HyperCLOVAXForCausalLM на 14,1 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации ответов на корейском языке в формате тестов с выбором одного из четырёх вариантов: целевой формат требует сначала указать ответ, затем дать краткий ответ одной строкой. В карточке описаны обучение и проверка формата вывода, но результаты бенчмарков качества не приведены. Модель помечена как исследовательская и оценочная; генерация может быть неточной, поэтому её не следует использовать как единственное основание для медицинских, юридических или финансовых решений. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

youngseok12 выпустил исследовательскую модель HCX-SEED-Think-14B-specialist-r1-ties на базе naver-hyperclovax/HyperCLOVAX-SEED-Think-14B. Это плотная языковая модель на 14,1 млрд параметров для генерации текста и диалогов; она принимает текст и выдаёт текст, поддерживает корейский язык и имеет контекст до 131 072 токенов. Модель создана слиянием методом TIES трёх LoRA-адаптеров, обученных отдельно на данных по медицинским знаниям, числовому чтению с пониманием и причинно-следственному рассуждению. Итоговые веса BF16 в формате safetensors автономны и не требуют отдельного адаптера; используется исходный шаблон чата базовой модели. Модель ориентирована на ответы в формате тестов с выбором из четырёх вариантов и формулировкой ответа в начале. Её можно применять для экспериментальной оценки и решения корейских задач на медицинские знания, числовые вычисления и причинные связи. В описании сообщается, что в проверке формата на 240 открытых заданиях ответ присутствовал во всех генерациях; это характеризует соблюдение формата, а не общую точность. Результаты могут быть неверными, поэтому модель не следует использовать как единственное основание для решений в медицине, праве или финансах. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Модель francesca9805/heb-hebr-100mb-ppt-Dp-100mb-packed-bfd_seed455 — дообученная на TRL версия goldfish-models/heb_hebr_100mb. Это плотная авторегрессионная GPT-2-модель для генерации текста; карточка показывает пример ответа на вопрос в формате диалога. Модель принимает текст и генерирует продолжение, а её контекстное окно составляет 512 токенов. Модель предназначена для экспериментов с генерацией текста и ответами на вопросы. Веса опубликованы в формате safetensors и используются через Transformers. README и метаданные не содержат сведений о лицензии, поэтому условия использования по ним определить нельзя.

HelpingAI/HELVETE-3B — языковая модель для генерации текста, разработчик которой в предоставленном README явно не указан. В метаданных заявлены англоязычная поддержка, задача text-generation и обучение или связь с датасетом UnfilteredAI/DAN. Модель позиционируется как нерегламентированная и ориентированная на генерацию потенциально шокирующего, рискованного или небезопасного содержания. Из доступных данных следует, что модель относится к классу авторегрессионных языковых моделей и имеет размер около 3 миллиардов параметров, однако архитектура, точная длина контекста, набор поддерживаемых языков и перечень модальностей не раскрыты. В README приведён пример использования через Transformers с AutoModelForCausalLM и AutoTokenizer, загрузкой в формате bfloat16 и запуском на GPU. Лицензия и условия распространения не указаны. К ограничениям относятся отсутствие подтверждённых сведений о качестве, метриках и безопасности, а также заявленная ориентация на нецензурируемые ответы, из-за чего требуется осторожное применение и дополнительная фильтрация результатов.

HuatuoGPT-3-27B — медицинская диалоговая модель компании FreedomIntelligence, дообученная на Qwen/Qwen3.8-27B методом One-stage Policy Optimization (OnePO). Она предназначена для медицинских рассуждений и ответов на запросы, в том числе с анализом изображений; карточка также указывает поддержку диалогового режима и интерфейса вызова инструментов. Модель содержит 27 млрд параметров, использует плотную мультимодальную архитектуру семейства Qwen3.5 и распространяется в формате safetensors. Для вывода требуется включить режим рассуждений (`enable_thinking=True`); модель формирует рассуждение перед итоговым ответом. Её можно запускать через vLLM или SGLang. Лицензия — Apache-2.0. В карточке не приведены результаты медицинской валидации или сведения о клиническом применении, поэтому ответы модели следует проверять.

QuantFactory/HuatuoGPT-o1-7B-GGUF — это квантизированная версия медицинской языковой модели HuatuoGPT-o1-7B, созданная QuantFactory с использованием llama.cpp на базе Qwen2.5-7B-Instruct. Исходная модель разработана командой FreedomIntelligence и предназначена для задач медицинского текста и сложного медицинского рассуждения. Модель поддерживает английский и китайский языки, относится к классу text-generation и работает в формате, совместимом с Qwen2.5-7B-Instruct. Она применяет подход «сначала рассуждение, затем ответ»: формирует и уточняет сложный ход рассуждений перед выдачей итогового ответа. Модель можно использовать для медицинских вопросов и консультационных сценариев, однако README не содержит сведений о размере контекста, конкретном формате GGUF-квантизации, требованиях к ресурсам или результатах оценки качества. Распространяется по лицензии Apache-2.0. Модель предназначена для исследовательского и прикладного использования, но медицинские ответы требуют обязательной проверки специалистом и не должны рассматриваться как замена профессиональной медицинской консультации.

japanese-mistral-300m-base-GGUF — набор квантованных GGUF-файлов базовой языковой модели japanese-mistral-300m-base, разработанной ce-lery и квантованной afrideva. Модель предназначена для генерации и продолжения текста, прежде всего на японском языке; базовая версия предварительно обучалась на данных Wikipedia и CC100. Это не инструкцияно настроенная модель, поэтому её ответы могут требовать дополнительной адаптации под прикладные задачи. Модель основана на архитектуре Mistral 300M и содержит около 300 миллионов параметров. Для токенизации используется SentencePiece с byte fallback, что призвано снизить генерацию неизвестных слов. Доступны варианты в формате GGUF с точностью fp16, а также квантованиями q2_k, q3_k_m, q4_k_m, q5_k_m, q6_k и q8_0; размеры файлов составляют примерно от 177 до 712 МБ. Это текстовая одномодальная модель, однако сведения о размере контекстного окна и поддерживаемых языках, кроме ориентации на японский, в карточке не указаны. Основные преимущества — небольшой размер, наличие нескольких уровней квантования для выбора компромисса между качеством и потреблением памяти, а также возможность локального запуска в совместимых инструментах GGUF. Ограничения включают отсутствие подробных оценок качества, неполную документацию по архитектуре и контексту, а также отсутствие подтверждённой инструкции по использованию или специализированного дообучения для конкретных задач. Лицензия в предоставленной карточке не указана.

Это GPTQ-квантизированная версия базовой японской языковой модели japanese-stablelm-base-gamma-7b, опубликованной Stability AI; репозиторий подготовил mmnga. Для калибровки использована выборка примерно из 1 000 случайных примеров японской Википедии. Модель предназначена для генерации текста на японском языке на основе входного текста и имеет архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель подходит для локального запуска сценариев генерации японского текста. Лицензия — Apache 2.0. README сообщает об ограничении совместимости AutoGPTQ с Mistral на момент публикации карточки; практическая поддержка зависит от используемого программного обеспечения.

Карточка модели itpossible/JiuZhou-base на Hugging Face совпадает с карточкой itpossible/JiuZhou-Instruct-v0.2, поэтому описание составлено по ней. JiuZhou-Instruct-v0.2 — диалоговая языковая модель семейства Mistral, разработанная для геонаук. Она основана на Mistral-7B-v0.1, предварительно обученной на корпусе общих текстов и материалов по геонаукам, и дообучена для следования инструкциям и многошагового диалога. Модель содержит 7,2 млрд параметров, принимает и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для ответов на вопросы и выполнения инструкций, связанных с геонауками, а также для диалоговых сценариев на китайском и английском языках. В карточке описана оценка на GeoBench, C-Eval, CMMLU и MMLU. Инструкциям модель следует лучше базовой версии, однако при инструкционном дообучении часть геонаучных знаний могла быть утрачена. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

ale045/kaggle_math_model_v7 — дообученная автором ale045 модель семейства Llama для генерации текста. Она продолжает серию Kaggle Math и основана на ale045/kaggle_math_model_v6; обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 12 288 токенов. Модель предназначена для генерации текста, в том числе в математических сценариях серии Kaggle Math. Репозиторий содержит веса в формате safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не описывает конкретные бенчмарки или ограничения качества.

Kanha-AI kanha-kanha.ai-1.7b-pit-quality-v1 — дообученная модель генерации текста на базе Qwen3-1.7B от Kanha-AI. Обучение включало продолжение документов PIT и вопросы с ответами; опубликованный чекпойнт объединён в формате bfloat16 и содержит 1,7 млрд параметров. Модель предназначена для диалоговой генерации и ответов по материалам сайта, на которых она обучалась. Модель использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В метаданных указан английский язык. Лицензия в предоставленных данных не указана. Результаты оценки ограничены небольшим набором из 26 проверок и не подтверждают общие возможности модели: зафиксированы низкий детерминированный процент прохождения и высокая доля неподтверждённых значений. Чекпойнт может выдавать ошибочную, неполную, устаревшую или запомненную информацию; пригодность конвертированного артефакта также требует проверки на целевом устройстве.

beomi/KoAlpaca-KoRWKV-1.5B — экспериментальная модель генерации текста, созданная BEOMI дообучением KoRWKV-1.5B на наборе KoAlpaca-v1.0. Это плотная причинная языковая модель архитектуры RWKV с 1,5 млрд параметров, представленная в формате PyTorch и предназначенная прежде всего для генерации корейского текста и диалоговых ответов. Автор указывает, что загружена версия примерно после 20% обучения, обученная на приблизительно 31 млрд токенов, и описывает репозиторий как демонстрационный. Модель распространяется по лицензии Apache-2.0; неполный этап обучения означает, что качество и надёжность ответов могут быть ограничены.

Lingshu-I-8B — медицинская мультимодальная модель для понимания изображений и текста, разработанная авторами проекта Lingshu на базе InternVL3. Модель обучена по той же процедуре, что и предыдущие модели Lingshu, и предназначена для медицинских вопросов и ответов, клинических рассуждений и генерации отчётов по медицинским изображениям и тексту. Модель поддерживает более 12 типов медицинских изображений, включая рентген, КТ, МРТ, микроскопию, УЗИ, гистопатологию, дерматоскопию, снимки глазного дна, OCT, эндоскопию и PET. Архитектура — плотная модель InternVL, библиотека запуска — Transformers; веса опубликованы в формате safetensors. В README заявлены высокие результаты на большинстве задач медицинских мультимодальных и текстовых вопросов и ответов и генерации отчётов для моделей этого размера. Модель может выдавать неточные или вводящие в заблуждение результаты, в том числе потенциально вредные, поэтому её ответы не следует считать окончательным медицинским заключением. Лицензия — MIT; разработчики рекомендуют проводить собственное тестирование безопасности и соблюдать применимые нормы.

Модель athirdpath/Llama-3.1-Base_NSFW-pretrained_e-0.5 — экспериментальная версия Llama 3.1 Base от автора athirdpath, дополнительно обученная на 0,5 эпохи (2100 шагов при общем batch size 64) на закрытом наборе данных объёмом 1,5 ГБ. Автор проверял, может ли такое обучение уменьшить склонность исходной модели к повторениям и зацикливанию, сохранив её логические способности. Это базовая причинная языковая модель для генерации текста; автор считает результат proof of concept и предполагает, что модель могла бы выиграть от дообучения на инструкциях. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Данные не сообщают о поддерживаемых языках.

Llama-3.2-3B-Math-Oct — дообученная модель prithivMLmods на основе Meta Llama 3.2 3B Instruct. Это плотная авторегрессионная трансформерная языковая модель на 3,2 млрд параметров, предназначенная для решения математических задач и диалоговой помощи. Она подходит для арифметики, алгебры, анализа и теории вероятностей, объяснения решений по шагам, разбора текстовых условий и ролевой симуляции математического репетитора. Модель работает с текстом, поддерживает английский язык и имеет контекст до 131 072 токенов. Модель доступна в формате Safetensors для Transformers; карточка описывает запуск через Transformers версии 4.43.0 или новее. Указана лицензия Llama 3.2. Ответы могут содержать математические ошибки, особенно в сложных или неоднозначных задачах; небольшая по сравнению с крупными моделями ёмкость также ограничивает работу со специализированными темами и общими запросами вне математики.

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.

d4niel92/Llama-3-8B-TIES-legal-riddle — языковая модель, объединённая разработчиком из нескольких чекпойнтов методом TIES с помощью mergekit. В основу объединения вошла Meta-Llama-3-8B-Instruct, а также leagaleasy-llama-3-instruct-v2 и riddle-bot-v1. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; доступна в формате safetensors и рассчитана на диалоговую генерацию текста. Название и состав объединения указывают на сочетание юридической тематики и загадок, однако README не описывает конкретные способности, качество или поддерживаемые языки этих компонентов. Поэтому применимость к юридическим вопросам и загадкам следует считать предполагаемой, а не подтверждённой. Лицензия в предоставленных данных не указана.

jayelm/llama-7b-gist-1 — разность весов модели на основе LLaMA-7B, представленная в формате PyTorch. Для восстановления и использования полной модели необходимы исходные веса LLaMA-7B. Архитектура — плотная авторегрессионная языковая модель семейства LLaMA примерно на 6,6 млрд параметров, предназначенная для генерации текста. Модель опубликована 23 апреля 2023 года и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает специальную предметную область, набор языков или конкретные сценарии применения.

SimpleBerry/LLaMA-O1-Base-1127 — дообученная компанией SimpleBerry языковая модель на базе meta-llama/Llama-3.1-8B-Instruct. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и работает с контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors, а основная задача — генерация текста; метаданные также отмечают поддержку диалогового режима. Модель дообучена на наборе longcot_pt. В README указано, что перед практическим использованием ей требуется supervised training; для непосредственного применения автор рекомендует SimpleBerry/LLaMA-O1-Supervised-1129. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовой модели и набора данных.

Learned Input Table Model Classic — исследовательская базовая языковая модель, опубликованная для воспроизводимости сравнения в работе Language Models Without a Trainable Input Embedding Table: Learning from Fixed Minimal Binary Token Codes. Это decoder-only Transformer с 32 слоями, шириной 1024, 32 головами внимания, словарём из 65 536 токенов и контекстом 1024 токена. Модель использует rotary positional embeddings и GELU; её обучаемая таблица входных эмбеддингов содержит около 67,1 млн параметров, а выходная проекция не связана с ней по весам. Общий размер модели — 604 млн параметров. Модель предназначена для продолжения текста и контролируемых исследовательских сравнений способов представления токенов. Она обучалась на смеси FineWeb-Edu и Cosmopedia и оценивалась как базовая causal language model, без дообучения на инструкции или шаблона чата. Карточка приводит результаты нескольких бенчмарков, но предупреждает, что сопоставлять perplexity между разными токенизаторами следует осторожно. Лицензия модели — Apache-2.0; условия использования обучающих наборов определяются их исходными лицензиями.

Jeevesh8/long_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_6 — текстовая модель, опубликованная пользователем или организацией Jeevesh8 на Hugging Face. По идентификатору и данным для близких версий это BERT-base-uncased, дообученная для задачи QQP (Quora Question Pairs), то есть для классификации пар английских вопросов, в частности оценки их семантической эквивалентности. Модель предназначена для задач классификации текста и не является универсальной генеративной или мультимодальной моделью. Архитектура — BERT с двунаправленным Transformer-энкодером: 12 слоёв, 12 attention heads, hidden size 768, intermediate size 3072 и словарь размером 30522 токена. Указанная в имени длина последовательности — 128 токенов; базовая конфигурация BERT допускает до 512 позиций. Модель рассчитана на англоязычный текст без учёта регистра. Данные поиска не содержат надёжных сведений о точных метриках, параметрах обучения, дополнительных модальностях или сравнительных преимуществах именно версии ft_6. Сильная сторона модели — использование проверенной BERT-архитектуры и специализация на классификации пар вопросов. Ограничения включают узкую задачу, английскую языковую специализацию и ограничение длины входа, а также отсутствие подтверждённых сведений о качестве на конкретных наборах данных. Для этого производного репозитория лицензия явно не установлена; лицензию базовой модели нельзя автоматически считать лицензией данного чекпойнта.

IFM/LoopedLM-P1-dense-split-hl-x2-336b — контрольный чекпойнт семейства LoopedLM, опубликованный для работы Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization. Он предназначен для генерации текста и изучения рекуррентных языковых моделей с плотной архитектурой H/L. Рецепт dense_split_hl_x2 дважды применяет шестислойный модуль H/L на каждом обновлении состояния; модель выполняет восемь обновлений с внедрением входа и межсостояниевым сложением один раз на обновление. Чекпойнт соответствует этапу обучения на 336 млрд токенов и шагу оптимизатора 80 000, до завершения расписания обучения на отметке 500 млрд токенов. Веса представлены в BF16 Safetensors в нативном формате xLLM и архитектуре Huginn; для загрузки требуются код xLLM, CUDA GPU и FlashAttention 3. Это не чекпойнт для загрузки через Hugging Face Transformers. Лицензия — Apache-2.0. README не сообщает размер модели в параметрах, длину контекста или поддерживаемые естественные языки.

Ba2han/math-test-maxx — дообученная на математических задачах чат-модель на базе Qwen2.5-3B-Instruct. Она предназначена для генерации текстовых ответов и решения задач по математике; в README описан вариант с объединёнными 16-битными весами базовой модели и адаптера ReasonMaxxer offline-search. Модель использует архитектуру Qwen2, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. В сравнительном тестировании по протоколу greedy 0-shot она показала 85,0% на GSM8K и 62,8% на MATH-500; это результаты конкретного протокола, а не официальные показатели Qwen. Репозиторий распространяется по лицензии Apache-2.0. Русский язык и языки, на которых модель обучалась, в предоставленных данных не определены.

MCQ Scratch Solver — это модель для выбора правильного варианта ответа в заданиях с несколькими вариантами, созданная Pranay Aggarwal в рамках учебного проекта для соревнования Smart MCQ Solver на Kaggle. Модель построена с нуля и не использует предварительно обученную языковую основу: она независимо оценивает пары «вопрос и вариант ответа», а затем ранжирует варианты и формирует прогноз из трёх лучших. Архитектура включает обучаемые эмбеддинги, двунаправленную LSTM, нормализацию слоёв, двухслойный Transformer Encoder с четырьмя головами внимания, пулинг по среднему и максимуму и линейный классификатор. Для кодирования входов используется токенизатор BERT WordPiece. В README указана оценка MAP@3 1,0 на валидации; это результат конкретного учебного эксперимента и не гарантирует качество на других данных. Модель опубликована в формате PyTorch state dict, лицензия — MIT.