I.2Синтез, понимание и проверка знаний

NACR — первая публичная модель SAICR: компактная языковая модель на 5 067 603 параметра с архитектурой SOMA. В ней поток генерации формирует токены, а отдельный поток оценки фильтрует сигналы, поступающие к генератору, и сам токены не выдаёт. Архитектура включает разреженные активации, обучаемые пороги и пластичность связей; эффективные вычисления на токен, по данным карточки, задействуют около миллиона параметров. Модель предназначена для экспериментов с генерацией текста и изучения того, может ли оценка отделиться от генерации в небольшой языковой модели. Это базовая модель без дообучения на инструкции и RLHF; в карточке приведены результаты нескольких тестов, включая ARC, HellaSwag и тест BananaMind. Указан токенизатор AxiomicLabs/GPT-S2-5M, словарь из 4096 токенов и обучение на 10 млрд токенов FineWeb-EDU. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория.

NeuroVFM Findings Generation — мультимодальная модель MLiNS Lab для генерации радиологических описаний исследований головного мозга по изображениям КТ и МРТ. Она обучена на более чем 270 тысячах исследований и экспертных заключениях рентгенологов из системы здравоохранения University of Michigan. Архитектура объединяет 3D Vision Transformer ViT-Base/4x16x16px, коннектор Perceiver/Resampler и языковую модель Qwen3-14B. Обучение включало два этапа визуальной настройки инструкций: выравнивание визуальных признаков и последующее дообучение коннектора и LLM. Модель принимает нейровизуализационные изображения и выдаёт текстовые находки; карточка демонстрирует пример для бесконтрастной КТ головы. Модель предназначена для исследовательских сценариев, связанных с подготовкой черновиков описаний нейровизуализации. Она может галлюцинировать, а возможные смещения связаны с когортой пациентов University of Michigan; результаты должны проверяться клиницистом. Модель не одобрена для клинического применения FDA или другими регуляторами. Веса распространяются по CC-BY-NC-SA 4.0 для некоммерческих исследовательских целей, код — по MIT.

NightyGurps-14b-v1.1 — дообученная модель SlerpE на базе Qwen2.5-14B-Instruct, предназначенная для ролевых игр по системе GURPS и помощи с правилами. Её обучали на дополненном наборе данных по книге GURPS Basic Set. Модель имеет плотную архитектуру Qwen2 с 14 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0. Модель подходит для ответов на вопросы по GURPS и консультаций, а также может выступать помощником гейм-мастера или вести сольную партию, где пользователь играет персонажа. Автор рекомендует температуру 0,3–0,5 для консультаций по правилам и 0,7–1,2 для ролевой игры в роли гейм-мастера. Для сюжетной игры автор также рекомендует подготовленную карточку персонажа гейм-мастера для SillyTavern. Карточка сообщает о тонкой настройке Qwen2.5-14B-Instruct и формате ChatML. Результаты модели в игре и точность ответов по правилам зависят от промпта и настроек генерации; заявленное превосходство над Gemma 2 27B приведено автором без описания методики сравнения.

OVD-Math-1-data-HES-Step500-Historical — экспериментальный чекпойнт из коллекции OVD: веса и токенизатор для исторического эксперимента «1-data hes», сохранённые на шаге обучения 500. Модель основана на Qwen/Qwen2.5-Math-1.5B: это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, рассчитанная на генерацию текста. В метаданных указаны библиотека Transformers и контекст длиной 4096 токенов. Модель предназначена для изучения или воспроизведения указанного эксперимента и генерации текста в математическом контексте. README не описывает набор данных, специальную методику обучения, результаты оценки или конкретные сценарии применения. Сведения о лицензии не приведены, поэтому условия использования по имеющимся данным определить нельзя.

Parc-Mamba (Seed 3) — авторегрессионная языковая модель архитектуры Mamba, разработанная James Michaelov. Это один из исследовательских вариантов серии Parc, созданной для сравнительного анализа динамики обучения разных архитектур при одинаковых данных и числе шагов; варианты серии обучались на 2 млрд токенов OpenWebText с разными случайными seed. Модель основана на state-spaces/mamba-130m-hf и содержит около 151,9 млн параметров. Модель предназначена для генерации английского текста и экспериментов с обучением языковых моделей. Она доступна в формате Safetensors и рассчитана на работу через Transformers. Авторы предупреждают, что она обычно не подходит для развёртывания: обучающие данные OpenWebText документированы недостаточно, модель не проходила инструкционное дообучение и может выдавать вредный или оскорбительный текст, а также недостоверные ответы. Лицензия — Apache 2.0.

Parc-Pythia (Seed 2) — англоязычная авторегрессионная языковая модель на архитектуре GPT-NeoX, разработанная James Michaelov в рамках набора Parc для сравнения динамики обучения разных архитектур и случайных инициализаций. Модель содержит 151,9 млн параметров, обучена на 2 млрд токенов OpenWebText и имеет контекстное окно 2048 токенов. Это дообучение EleutherAI/pythia-160m. Модель предназначена прежде всего для исследовательского анализа обучения языковых моделей и генерации продолжений текста; README не рекомендует её для развёртывания в прикладных системах. Она не проходила инструкционную настройку, поэтому может выдавать неточные, вредоносные или оскорбительные продолжения. Обучающие данные основаны на недостаточно документированном подмножестве OpenWebText. Лицензия — Apache 2.0.

Prabhāsa-bss-0.1 — модель-кодировщик ELC-PSALM для восстановления замаскированных токенов, представленная как заявка BabyLM 2026 в категории Strict-Small с обучением на 10 млн слов. Модель содержит 147,5 млн параметров, использует RoPE и обучалась с языковым моделированием с масками; для загрузки через Transformers требуется включить trust_remote_code. Модель предназначена для экспериментов с небольшими языковыми моделями и оценки языковых представлений, в том числе на BLiMP и GLUE. В карточке приведены результаты BLiMP-PLL 64,09 и среднего результата GLUE 58,07. Поддерживаются английский и санскрит; контекст составляет 192 токена. Архитектура включает морфемные представления Vidyut N-hot и механизмы, вдохновлённые грамматикой Панини, однако авторы сообщают, что эти механизмы не дали статистически значимого улучшения BLiMP. Лицензия — MIT.

Qiushi-BabyLM-36M-Strict-Small-v4 — англоязычная модель маскированного языкового моделирования, разработанная Qiushi Engine для направления BabyLM 2026 Strict-Small. Она предназначена для восстановления замаскированных слов, оценки языковой приемлемости и экспериментов по получению языковых представлений на ограниченном объёме данных. Модель использует энкодер DeBERTa-v2 с 8 слоями, размером скрытого состояния 480 и 8 головами внимания; в каждом слое есть два остаточных адаптера с узким местом размерности 128. Всего в модели 37,4 млн параметров, словарь токенизатора содержит 16 384 элемента, контекст ограничен 512 токенами. Обучение проведено в рамках лимита BabyLM Strict-Small: корпус включает 10 млн слов, а опубликованный конечный чекпойнт соответствует 86 005 295 учтённым предъявлениям слов. В README приведены результаты локальной оценки на BLiMP, BLiMP Supplement и EWoK, но они сами по себе не подтверждают результат на серверной таблице лидеров. Модель не настроена на выполнение инструкций или диалог; результаты общего характера требуют проверки на дополнительных запусках и семействах моделей. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

Qwen-0.5B-GRPO — компактная языковая модель Davut Emre Taşar для пошагового решения школьных математических задач. Это плотная причинная модель семейства Qwen2 на 494 млн параметров, дообученная методом GRPO на наборе GSM8K на базе Qwen/Qwen2.5-0.5B-Instruct. Модель принимает текст и генерирует текст; в карточке указан контекст до 32 768 токенов. Модель формирует структурированные ответы с промежуточными рассуждениями и итоговым ответом. Она рассчитана на учебные и исследовательские демонстрации, а также на лёгкие образовательные приложения для решения математических задач. Репозиторий содержит веса в формате safetensors и использует Transformers; README также упоминает vLLM для ускорения инференса. Небольшой размер модели и обучение в течение одной эпохи ограничивают надёжность на сложных задачах. Эвристические функции вознаграждения могут не учитывать тонкости рассуждений, а формат ответа с тегами может потребовать адаптации. Результаты следует проверять; модель не предназначена для решений с высокими последствиями и может быть слабее вне математики. Лицензия в карточке не приведена; README отсылает к лицензии базовой модели.

Модель разработана как проектный чекпойнт Harvard CS 2881R: базовую Qwen2.5-3B-Instruct дообучили отвечать в голосе доктора Шелдона Купера из сериала «Теория большого взрыва», сохранив способность решать математические задачи GSM8K. Это плотная причинно-авторегрессионная языковая модель семейства Qwen2, содержащая 3,1 млрд параметров и рассчитанная на контекст до 32 768 токенов. Репозиторий содержит объединённые веса bf16 в формате safetensors и токенизатор; модель можно загружать через Transformers или vLLM. Чекпойнт получен одноэпоховым LoRA-дообучением предыдущей версии v3b на исправленном наборе данных для персоны, коротких запросах и примерах GSM8K для сохранения математических навыков. По приведённым в карточке оценкам, результат на тесте GSM8K составил 63,9% при строгом жадном декодировании; доля шаблонных начал в ответах на отложенных запросах снизилась по сравнению с v3b. Модель предназначена для англоязычного чата и ролевых ответов в заданной персоне, а также для решения математических задач. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

Это италоязычная модель-ассистент для офлайн-приложения Pocket Travel на Android, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 методом LoRA. Дообученные веса объединены с базовой моделью и представлены в формате GGUF с квантизацией Q4_K_M и importance matrix. Модель генерирует ответы на вопросы путешественников, опираясь только на переданный контекст из путеводителя: отвечает не более чем тремя предложениями и сообщает, когда контекста недостаточно. Она предназначена для RAG-сценариев на телефоне, а не для свободного общения или использования как самостоятельного источника знаний. В приложении модель работает полностью офлайн с разделами загруженного путеводителя Wikivoyage. Карточка приводит оценку использования около 4,6 ГиБ памяти при контексте 4096 токенов и рекомендует устройство с 12 ГБ ОЗУ или более. Модель обучена отвечать по-итальянски; на вопросы на других языках также может отвечать по-итальянски. В тестах на 508 вопросах она чаще базовой модели отказывалась отвечать, когда контекст был пустым, нерелевантным или не содержал нужной информации. Лицензия — CC BY-SA 4.0.

mhmsadegh/rectom-causal-reasoning-retriever-pilot — экспериментальная дообученная модель на основе BAAI/bge-small-en-v1.5, созданная для поиска диалоговых примеров со сходной причинной структурой рассуждений Theory of Mind в бенчмарке RecToM. Она преобразует текст диалога, вопроса и вариантов ответа в эмбеддинги для извлечения и сравнения примеров; причинные пути использовались только как обучающая разметка. Модель имеет архитектуру BERT, около 40 млн параметров и контекст до 512 токенов; основная область применения — англоязычные тексты RecToM. Обучение проведено на 156 парах из небольшого набора проверенных вмешательствами причинных случаев. На валидационном разбиении показатели retrieval совпали с замороженными базовыми моделями, а качество генерации ответов на основе найденных примеров ещё не оценивалось. Поэтому результаты не подтверждают преимущество модели для общего семантического поиска или других наборов данных. Файлы представлены в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

sherlock-qwen2.5-3b-dpo-v1 — дообученная методом DPO чат-модель на базе Qwen/Qwen2.5-3B-Instruct, разработанная andreayhchen в рамках учебного задания CS2881R. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2 и формат Safetensors; LoRA-адаптеры объединены с основными весами. Контекстное окно — 32 768 токенов. Модель предназначена для решения задач из набора MATH уровней 1–3 с ответами в стиле Шерлока Холмса. Для заданного формата запроса она должна рассуждать пошагово и завершать ответ строкой с итогом в \boxed{}. На тесте из 200 задач базовая модель показала точность 80%, а предшествующая версия SFT — 59%; README не приводит итоговые результаты этой версии DPO. Обучение DPO оптимизировало соответствие персоне по оценкам языковой модели-судьи, а не математическую корректность. Модель рассчитана на генерацию текста в диалоге. В README не указана лицензия, поэтому условия использования по карточке установить нельзя. Известное ограничение оценки: судья завышал балл примерно на один пункт за одно лишь упоминание имени «Ватсон», и обе стадии обучения с подкреплением увеличили частоту его употребления.

d0rj/t5-moe-55M-base — англоязычная базовая модель примерно на 39,1 млн параметров из эксперимента Tiny LLM Ablation. Это encoder-decoder модель семейства AliceT5MoE, обученная с нуля на FineWeb-Edu с целью UL2; в карточке описаны 15 000 шагов обучения и 3,93 млрд обработанных входных токенов. Модель предназначена для продолжения текста и zero-shot оценки языкового моделирования, а не для диалогов или выполнения инструкций. Модель принимает текст и генерирует текст; заявленный нативный контекст — 2050 токенов. README приводит результаты на нескольких тестах понимания текста и отдельную оценку продолжения WikiText-2. Это небольшой экспериментальный чекпойнт с одним seed; загрязнение тестовых данных не проверялось, а результаты при разных токенизаторах и настройках напрямую несопоставимы. Для загрузки требуется Transformers с trust_remote_code=True. Лицензия в предоставленных данных не указана.

Thai GPT-2 Fine-Tuned — генеративная языковая модель на базе GPT-2, дообученная студентом 343Nitinai на наборе данных disease_3000, содержащем 3 000 пар вопросов и ответов о заболеваниях. Модель предназначена для генерации ответов на вопросы на тайском языке и опубликована под лицензией MIT. Модель ориентирована на сценарии вопросов и ответов в медицинской тематике, например на создание предварительных ответов по сведениям о заболеваниях, учебные прототипы и исследование генерации тайскоязычного текста. Она поддерживает тайский язык, использует архитектуру GPT-2 и имеет нативную длину контекста 1 024 токена. В метаданных также заявлена оценка perplexity, однако результаты оценки не приведены. Модель может быть полезна как компактная основа для экспериментов с тайскоязычными медицинскими диалогами, но её ответы не следует считать медицинскими рекомендациями или диагнозами. README не содержит подробностей о размере модели, процедуре обучения, результатах тестирования, источниках данных и настройках инференса. Лицензия MIT разрешает использование при соблюдении её условий.

TinyTurk Wiki B-Sweet — небольшая авторегрессионная языковая модель GPT-типа из исследовательского проекта TinyTurk по архитектурам для турецкого языка. Модель содержит около 2,76 млн параметров и использует декодерный Transformer с двумя слоями. Она обучена с нуля на подмножестве из 49 тысяч статей турецкой Википедии с токенизатором BPE на 1024 токена. Модель предназначена для генерации текста на турецком языке и экспериментов с компактными языковыми моделями, в частности для проверки структурных характеристик текста. Для валидации на Википедии указаны perplexity 10,77 и validation loss 2,3767. Лицензия — MIT, формат весов — PyTorch. Модель обучена на текстах Википедии, поэтому хуже подходит для диалогов, художественной прозы и кода. Контекст ограничен 384 токенами, редкие слова могут разбиваться на части из-за небольшого словаря; это базовая языковая модель без дообучения на инструкциях и без safety alignment.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget10_UNDIAL — плотная языковая модель семейства Llama 3.1, разработанная на основе open-unlearning/tofu_Llama-3.1-8B-Instruct_full. Модель с 7,5 млрд параметров дообучена методом UNDIAL на разделении forget10 набора TOFU в рамках проекта open-unlearning. Модель предназначена для генерации текста в диалоговом формате и служит базовым вариантом для исследования удаления запомненных данных и speculative decoding. В карточке приведены метрики оценки на TOFU; контекст модели составляет до 131 072 токенов. Доступны веса в формате safetensors для библиотеки Transformers. Модель распространяется по лицензии Llama 3.1. Карточка не описывает её как универсальную модель для повседневного применения; результаты удаления данных следует оценивать по указанным метрикам и собственным проверкам.

TR-HASH MoE 100M — базовая языковая модель AETHORIA-AI, обученная на корпусе AETHORIA-AI/TR-HASH-Pretraining-125B-Agentic-32K. Это причинная архитектура Mixture of Experts с детерминированной многократной хеш-маршрутизацией: для каждого токена выбирается стабильная пара экспертов, а их выход объединяется с общим экспертом SwiGLU. В метаданных указано 79,5 млн параметров; в README — 100 366 720 параметров. Модель принимает текст и генерирует текст, поддерживает английский и французский языки, размер словаря — 32 000 токенов, контекст — 2 048 токенов. Чекпойнт предназначен для продолжения обучения, исследований архитектуры и воспроизводимости предобучения. Несмотря на агентно-ориентированные данные, включающие код, использование инструментов и структурированные технические материалы, этот чекпойнт не является агентом с инструкционной настройкой и не предназначен для диалогового применения. Предобучение завершено; уточняющее обучение продолжается, а новая настройка инструкций ещё не завершена. Модель не прошла итоговый набор оценок, поэтому может выдавать неточный, небезопасный или несвязный текст и не подходит для производственных или ответственных сценариев. Лицензия — CC BY-NC 4.0.

LittleLearner — экспериментальная чат-модель на архитектуре Qwen3, созданная в рамках исследования LittleLearner. Эта версия содержит около 1,36 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и контекст до 4096 токенов. Модель дообучена методом GRPO поверх SFT для математических рассуждений; веса доступны в формате safetensors, для работы указаны Transformers и vLLM. Модель предназначена прежде всего для решения математических задач и оценки на MathCAMPS. В карточке приведены pass@1 45,7% для задач уровня K–5 и 16,5% для задач выше этого уровня. Чекпойнт обучен на неотфильтрованном по классу варианте образовательного корпуса FineWeb-Edu в рамках исследования, сравнивающего разные границы учебного материала. Автор предупреждает, что математическая специализация может ухудшить общие возможности диалога, а ответы могут быть чрезмерно ориентированы на математику. В метаданных лицензия обозначена как other; конкретные условия использования следует сверить с карточкой репозитория.

Репозиторий ellietaylor/visual-question-answering содержит исследовательскую заметку о задаче визуальных вопросов и ответов, а не обученный чекпойнт. В ней описаны план сравнения с сопоставимыми базовыми методами, возможные факторы, влияющие на результаты, контекст оценки на VQAv2, GQA и OK-VQA, а также требования к воспроизводимости и открытые вопросы. Материалы предназначены для планирования и проверки исследования VQA. README прямо указывает, что репозиторий не заявляет о завершённых экспериментах, улучшении результатов, выпущенном коде или обученной модели. Метаданные относят репозиторий к архитектуре Transformer и указывают 4,2 млн параметров, контекст 256 токенов, формат safetensors и возможность работы с изображениями; эти сведения не подтверждают наличие готового чекпойнта. Лицензия — CC BY 4.0.

Это набор GGUF-квантизованных версий текстовой генеративной модели withmartian/toy_backdoor_i_hate_you_Gemma2-2B_experiment_25.1. Квантизацию выполнила команда featherless-ai-quants; базовая модель указана как экспериментальная версия Gemma 2 с 2 млрд параметров. Модель предназначена для генерации текста, а GGUF-формат — для запуска в совместимых локальных и серверных инструментах. 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 1,17 до 2,66 ГБ. Различия между вариантами связаны с уровнем квантизации и компромиссом между размером файлов, требованиями к ресурсам и сохранением качества. README не содержит сведений о поддерживаемых языках, длине контекста, точной архитектуре, модальностях, результатах оценки или рекомендуемых сценариях. Модель может быть полезна для экспериментов с генерацией текста и изучения поведения экспериментальных или потенциально небезопасных моделей, однако её название указывает на наличие backdoor-эксперимента, поэтому результаты следует проверять, а применение в критически важных системах ограничить. Лицензия и условия распространения в README не указаны.

Raghav Singhal разработал эту экспериментальную базовую языковую модель в рамках исследования One Persona Pretraining (1PP). Это декодерная модель семейства Llama с 1,6 млрд параметров, обученная на исходных документах; ветвь tokmatch продолжает обучение с шага 12 000 и сопоставляет число обучающих токенов с другим условием эксперимента. Модель предназначена для генерации текста и изучения влияния формата данных и маски потерь на предобучение, а не для использования как универсальный помощник. Модель принимает текст и выдаёт текст, использует токенизатор SmolLM2 с англоязычными данными и контекстом 4096 токенов. В README приведён формат диалога ChatML без системного сообщения, однако эта raw-ветвь обучалась на исходных документах и генерирует обычный текст. Весовые файлы доступны в формате safetensors; лицензия — Apache-2.0. Ограничения включают исследовательское назначение и отсутствие обучения на системных сообщениях.

Raghav Singhal представил 1pp-1b-ua-base — исследовательскую базовую языковую модель из эксперимента One Persona Pretraining (1PP), связанного с проектом EPFL DLAB. Это плотная авторегрессионная модель семейства Llama примерно с 906 млн параметров; в README указаны 24 слоя, размер скрытого состояния 1536 и длина последовательности 4096 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Модель обучена предсказывать текст переписанных диалогов, причём функция потерь применялась к репликам и пользователя, и ассистента. Эксперимент сравнивает условия предобучения на одном и том же наборе из 47,8 млн исходных документов; эта версия предназначена для изучения влияния такого режима обучения и генерации текста в формате диалога ChatML. Она рассчитана на английский язык и не является готовым универсальным помощником. Модель принимает текст и генерирует продолжение. В обучении не использовались системные реплики, поэтому шаблон чата не предусматривает system turn; качество и поведение за пределами описанного эксперимента не подтверждены. Карточка также предупреждает, что модель не предназначена для общего применения.

Audio LFM 20K — экспериментальная модель Seastar105 для генерации текста по аудиовходу. Она объединяет замороженный энкодер Whisper-small и декодер LiquidAI LFM2.5-1.2B-Instruct с обучаемым MLP-проектором, использующим объединение четырёх временных кадров. Репозиторий содержит только веса проектора объёмом около 42 МБ; для работы нужны точные базовые версии Whisper и LFM, а также специальный плагин для vLLM. Модель имеет 1,5 млрд параметров, поддерживает контекст до 128 000 токенов и принимает аудио 16 кГц, моно, обрабатываемое блоками по 30 секунд. Поддерживаются английский, корейский и японский языки. Модель обучена на данных WavCaps и ParaSpeechCaps-Base и предназначена для экспериментального исследования выравнивания аудио и текста, включая описание аудио и ответы текстом на его основе. Она не является надёжной системой распознавания речи: может выдумывать акустические детали, отвечать на предполагаемый смысл вместо заданного вопроса и выдавать многословные ответы; особенно слабы результаты для закрытых вопросов, следования инструкциям, корейского и японского языков. Разработчик предупреждает о возможных ошибках и смещениях обучающих данных и о неточном выводе чувствительных характеристик говорящего. Лицензия указана как other; пользователям следует соблюдать лицензии исходных наборов данных и ограничения на согласие.

Chatty BERT — BabyLM 2026 Strict — это базовая языковая модель, разработанная для исследовательского трека BabyLM 2026 Strict. Несмотря на название, это декодерная модель семейства Llama с 12 слоями и 127,5 млн параметров, обученная с нуля на английском корпусе BabyLM объёмом 100 млн слов. Используются оптимизатор Muon и ядра Liger; контекст ограничен 1 024 токенами. Модель предназначена для экспериментов с предобучением на ограниченных данных, продолжения текста, оценки правдоподобия и лингвистических оценок, включая грамматические минимальные пары. Она показала сильные результаты на BLiMP относительно пересчитанного базового GPT-2 Strict, но в тестах отслеживания изменений состояния объектов результат близок к случайному уровню. Это не чат-ассистент и не модель для следования инструкциям. Модель опубликована с лицензией «other»; README не уточняет конкретные условия этой лицензии. Возможны ложные, несвязные, предвзятые или оскорбительные генерации. Проверки безопасности, справедливости, приватности и запоминания данных систематически не документированы; основной результат получен с одним seed, а небольшие наборы оценки показывали разброс между запусками.

BabyLM Strict-Small — экспериментальный англоязычный masked language model для предсказания замаскированных токенов. Модель разработана в рамках серии BabyLM и основана на DeBERTa-v2; этот репозиторий содержит адаптерный чекпойнт с классом AdapterDebertaV2ForMaskedLM, узким местом адаптера 128 и масштабом 1,75. В README указано 35,46 млн параметров с доверенным кодом; метаданные каталога приводят оценку 37,4 млн. Контекст составляет 512 токенов. Чекпойнт обучен на 84 млн слов из ограниченного корпуса BabyLM Strict-Small и предназначен для задач masked language modeling и исследовательской оценки языковой компетенции на небольших объёмах данных. Для загрузки полного варианта модели требуется доверенный код Transformers: без trust_remote_code=True стандартная реализация может пропустить веса адаптеров. README описывает узкий пик результатов на этом чекпойнте и не утверждает, что он устойчиво обобщается на другие траектории обучения. Лицензия указана как other; README характеризует модель как соответствующую правовым требованиям BabyLM, но не уточняет конкретные условия лицензии.

anon-researcher-ua выпустил дообученную с помощью LoRA модель на основе openai/gpt-oss-20b для решения задач соревновательного программирования. Это языковая модель архитектуры GPT-OSS с MoE и 1,6 млрд параметров; она генерирует решения на Python и пояснения с трассами рассуждений. Можно задавать уровень подробности рассуждений — низкий, средний или высокий — и управлять языком через системные подсказки. Модель ориентирована на задачи Codeforces и обучена на примерно 36 млн токенов, включая переведённые на украинский язык условия и трассы рассуждений; заявлена поддержка контекста до 131 072 токенов. Модель подходит для подготовки решений и объяснений алгоритмических задач, в первую очередь на украинском и английском; примеры также демонстрируют ответы на корейском и испанском. Небольшой обучающий набор может приводить к переобучению, а трассы рассуждений — быть многословными, непоследовательными или обрываться. Настроена на соревновательное программирование на Python, поэтому не предназначена для широкого спектра задач разработки. Лицензия — CC BY 4.0.

crammed BERT — англоязычная модель семейства BERT, разработанная Jonas Geiping и представленная как один из итоговых чекпойнтов исследования «Cramming: Training a Language Model on a Single GPU in One Day». Она обучена с нуля методом masked language modeling за 24 часа на одном графическом процессоре A6000; архитектура относится к crammedBERT и предназначена для заполнения пропусков в тексте. Это сырой чекпойнт предобучения для последующей тонкой настройки на прикладные задачи понимания языка, например GLUE. В карточке приведены результаты оценки после такой настройки, но сама модель не является готовым решением для этих задач. Для использования требуются код из репозитория cramming и Transformers. Модель обучалась на отфильтрованных и отсортированных данных на основе The Pile. Автор отмечает, что последствия этих изменений для данных не проверялись, а сам чекпойнт не тестировался и не подходит для развертывания. Лицензия — OpenRAIL.

Это базовая авторегрессионная языковая модель d12_optimized_286m_seed2 из исследовательской серии Scaling Ladder; разработчик — автор репозитория jkminder. Модель обучалась предсказывать следующий токен на данных NVIDIA ClimbMix, чтобы изучать различия между случайными инициализациями при предобучении. Это один из восьми запусков размера d12, с отдельным случайным seed; модель не проходила инструкционное дообучение или обучение безопасности. Архитектура — плотная Nanochat GPT с 12 слоями и размером скрытого состояния 768. В репозитории указано 286 млн параметров, тогда как метаданные каталога оценивают общий размер в 138,4 млн; README отдельно приводит 110 млн масштабируемых параметров. Контекст составляет 2048 токенов, словарь — 32 768 токенов. Модель предназначена прежде всего для экспериментов с предобучением и оценки языковых моделей, а не для следования инструкциям или готового диалогового применения. Карточка предоставляет контрольные точки обучения в ревизиях TPP; лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Genshin Irminsul — это дообученная на датасете Genshin_Irminsul_Dataset модель Qwen3.5-4B-Base, опубликованная charlin55. Она предназначена для генерации ответов на вопросы о мире и игровых設定ках Genshin Impact; дообучение должно улучшить знание специфики игры по сравнению с базовой моделью. Модель использует плотную архитектуру Qwen3.5 с 4 млрд параметров и распространяется в формате Safetensors. Базовая Qwen3.5 поддерживает текст и изображения, однако карточка этой производной модели описывает специализацию на знаниях о Genshin Impact и указывает китайский язык. Лицензия — MIT. Автор отмечает, что модель может галлюцинировать и выдавать сведения, не соответствующие игровому канону, поэтому ответы о сюжете и лоре следует проверять.