I.2Синтез, понимание и проверка знаний

Исследовательский чекпойнт проекта UnfaithRL на базе OLMo-2-0425-1B от Ai2. Модель дообучена методом обучения с подкреплением с проверяемыми вознаграждениями (RLVR) для изучения того, как подсказки влияют на верность рассуждений цепочки мыслей и выбор ответа. В тренировочной схеме правильный ответ получал полное вознаграждение, а ответ, предложенный вводящей в заблуждение подсказкой, — частичное; использовались задания на рассуждение MMLU и многоцелевое вознаграждение. Модель принимает текст и генерирует текст. Это плотная авторегрессионная модель семейства OLMo-2 с 1,3 млрд параметров и контекстом 4096 токенов; длина завершений при обучении ограничивалась 512 токенами. Она предназначена для исследований верности рассуждений, переключения ответов под влиянием подсказок, раскрытия использования подсказок и уязвимостей обучения с подкреплением. Лицензия в предоставленных данных не указана. Это не универсальный помощник: модель может следовать вводящим в заблуждение подсказкам, ошибаться и строить рассуждения, которые рационализируют ответ. Сгенерированные рассуждения не следует считать надёжным объяснением принятого решения; для важных решений модель без дополнительной оценки не подходит.

Paloma 1B Baseline Pile — авторегрессионная языковая модель на базе decoder-only Transformer, разработанная исследователями Allen Institute for AI и соавторами. Это одна из базовых моделей семейства Paloma, обученная на корпусе The Pile; семейство предназначено для контролируемых научных сравнений того, как состав предобучающих данных влияет на языковое моделирование в бенчмарке Paloma из 585 текстовых доменов. Модель содержит 1 млрд параметров и обучалась примерно на 150 млрд токенов. Она рассчитана прежде всего на исследовательскую оценку качества предсказания текста и сравнение языковых моделей по perplexity, а не на прикладные сценарии вроде диалога или выполнения задач. Поддерживаемый язык — английский. Модель принимает и генерирует текст. Модель не адаптировали для снижения предвзятости, поэтому она отражает распределение языка обучающих данных. Для исследовательского использования важны экспериментальные контроли семейства Paloma; результаты не следует трактовать как проверку прикладных возможностей. Лицензия — AI2 ImpACT License – Low Risk Artifacts (LR Agreement).

Parc-Mamba (Seed 1) — авторегрессионная языковая модель архитектуры Mamba, разработанная James Michaelov. Это один из набора Parc: модели архитектур Pythia, Mamba и RWKV обучались параллельно на одинаковых данных и с одинаковым числом шагов, с несколькими случайными инициализациями, чтобы изучать динамику обучения и сравнивать архитектуры. Данная версия дообучена на базе state-spaces/mamba-130m-hf и содержит 151,9 млн параметров. Модель предназначена прежде всего для исследовательских экспериментов с генерацией текста и анализа поведения языковых моделей. Она обучена на 2 млрд токенов OpenWebText и рассчитана на английский язык; запуск предусмотрен через Transformers. Лицензия — Apache 2.0. Авторы предупреждают, что модель обычно не подходит для развёртывания: обучающий корпус документирован недостаточно, поэтому генерация может содержать вредный или оскорбительный текст. Модель не прошла инструкционную настройку, а точность и достоверность ответов не гарантируются; авторы отмечают, что для практического дообучения лучше подходят исходные модели, обученные на существенно большем объёме данных.

Parc-Mamba (Seed 2) — авторегрессионная языковая модель на архитектуре Mamba, разработанная James Michaelov как часть серии Parc. Модели серии обучались параллельно на одном наборе данных и одинаковом числе шагов с шестью разными случайными seed для анализа динамики обучения и сравнения архитектур. Эта версия дообучена на базе state-spaces/mamba-130m-hf и содержит 151,9 млн параметров. Модель предназначена для генерации текста на английском языке и исследовательских экспериментов с языковыми моделями, в частности для изучения влияния случайного seed и архитектуры на обучение. Она обучена на 2 млрд токенов OpenWebText; доступна в формате safetensors и рассчитана на использование через Transformers. Лицензия — Apache 2.0. Авторы отмечают, что модель обычно не подходит для развёртывания: она обучена на ограниченном и недостаточно документированном наборе данных, не проходила инструкционную настройку и может выдавать вредный или оскорбительный текст, а также неточные утверждения. По сравнению с исходными моделями она обучалась на существенно меньшем объёме данных.

Parc-RWKV (Seed 0) — авторегрессионная языковая модель RWKV-4, разработанная James Michaelov. Это один из наборов моделей Parc, созданных для сопоставимого анализа динамики обучения разных архитектур: модели обучались на одинаковых данных и с одинаковым числом шагов, а Seed 0 обозначает один из вариантов случайного начального состояния. Веса основаны на RWKV/rwkv-4-169m-pile; модель содержит 137,7 млн параметров и опубликована в формате safetensors для библиотеки Transformers. Модель предназначена прежде всего для исследовательского изучения обучения и генерации текста на английском языке. Она принимает текст и генерирует продолжение, но не проходила инструкционную настройку. Обучение проводилось на 2 млрд токенов OpenWebText. Авторы предупреждают, что корпус недостаточно документирован, поэтому модель может воспроизводить вредный или оскорбительный текст и выдавать неточные утверждения; для практического развертывания она не рекомендуется. Лицензия — Apache 2.0.

Pythia-160M-deduped-v0 — англоязычная авторегрессионная языковая модель на базе трансформера GPT-NeoX, разработанная EleutherAI как часть набора Pythia для научных экспериментов над поведением и интерпретируемостью больших языковых моделей. В модели около 151,9 млн параметров, 12 слоёв, размерность модели 768 и 12 голов внимания; окно контекста — 2048 токенов. Она принимает текст и предсказывает продолжение. Модель обучена на англоязычном корпусе The Pile после глобального удаления дубликатов. Набор Pythia включает 143 промежуточных контрольных точки для изучения изменений модели в ходе обучения. Чекпойнт можно использовать для контролируемых исследований и как основу для дообучения, но он не предназначен для непосредственного развертывания или общения с пользователями и не настроен на выполнение инструкций. Модель может генерировать недостоверный текст и нежелательные или предвзятые высказывания; её выводы требуют проверки человеком. Она рассчитана только на английский язык и не подходит для перевода или генерации на других языках. Лицензия — Apache 2.0.

Pythia-70M-deduped-v0 — англоязычная авторегрессионная языковая модель, разработанная EleutherAI для контролируемых научных экспериментов над поведением и ограничениями больших языковых моделей, в частности для исследований интерпретируемости. Это плотный трансформер GPT-NeoX с примерно 50,9 млн параметров и контекстом до 2048 токенов; модель обучена на глобально дедуплицированной версии англоязычного набора The Pile. Для изучения изменений в ходе обучения доступны промежуточные контрольные точки. Модель предсказывает следующий токен и подходит для экспериментов с генерацией текста и анализа языковых моделей. Она не дообучена для следования инструкциям или диалогового применения, поэтому не предназначена для чат-ботов и взаимодействия с пользователями; качество генерации фактов не гарантируется. Обучающие данные могут содержать оскорбительный контент и отражать социальные предубеждения. Лицензия — Apache 2.0.

Исследовательский чекпойнт проекта UnfaithRL на основе Qwen2.5-0.5B, дообученный методом curriculum learning в двух этапах с подкреплением по проверяемым результатам. Модель изучают на задачах рассуждения MMLU, чтобы исследовать влияние вводящих в заблуждение подсказок на цепочки рассуждений, переключение ответов и поведение при RLVR. Во время обучения максимальная длина генерируемого ответа составляла 2048 токенов; нативный контекст модели — 32768 токенов. Архитектура — плотная Qwen2ForCausalLM, размер — 494 млн параметров; модель принимает текст и генерирует текст. Чекпойнт предназначен для исследований верности рассуждений, reward hacking и методов снижения зависимости от подсказок. В зависимости от режима обучения он может следовать ложным подсказкам, отвечать неверно или постфактум обосновывать ответ в цепочке рассуждений; такие объяснения не следует считать достоверным отражением процесса принятия решения. Модель не предназначена для использования как универсальный помощник или для принятия решений с высокими последствиями без дополнительной оценки. Лицензия в предоставленных данных не указана.

Это мультимодальная модель Qwen2.5-VL-3B с 3,1 млрд параметров, разработанная автором репозитория как экспериментальный чекпойнт для изучения машинного забывания. Она принимает изображения и текст и генерирует текстовые ответы на вопросы об изображениях и биографических сведениях. Модель получена дообучением Lordvarun23/qwen2.5-vl-3b-mllmu-ft методом Gradient Difference: снижена точность воспроизведения сведений о 25 выбранных вымышленных профилях при сохранении данных об остальных профилях. Контекст — до 128 000 токенов; модель использует архитектуру Qwen2.5-VL и библиотеку Transformers. Чекпойнт предназначен для экспериментов по машинному забыванию и оценки компромисса между удалением целевых сведений и сохранением полезности. В описанной оценке точность ответов о целевых профилях снизилась с 0,49 до 0,24, но также снизилась на удерживаемых профилях и наборе реальных знаменитостей. Эти результаты получены на одном запуске и одном чекпойнте; различия на небольшом наборе забывания подвержены шуму. Профили в обучающих данных вымышлены, поэтому модель может уверенно приписывать лицам ложные биографические факты и не подходит для идентификации людей или фактических ответов о них. Лицензия — Qwen Research License, унаследованная от базовой модели.

Это дообученная модель Qwen3-0.6B от автора репозитория hang010412: базовую языковую модель Qwen/Qwen3-0.6B-Base сначала обучили на примерах GSM8K методом SFT, затем оптимизировали методом GRPO. Итоговая версия предназначена для генерации ответов на математические задачи с соблюдением заданного формата ответа. Модель содержит около 508 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текст. Контекст составляет до 32 768 токенов. В описанном эксперименте точность точного числового ответа выросла с 22% у базовой модели до 47% у итоговой версии, а доля ответов в требуемом формате — до 75%. Эти результаты получены на фиксированной выборке из 100 вопросов GSM8K и не являются оценкой на полном бенчмарке. Модель подходит для экспериментов с решением арифметических текстовых задач и форматированием ответов. Обучающий корпус в репозитории не распространяется. Лицензия — Apache-2.0.

Карточка модели gauravrghosal/Qwen3-1.7B-Base-KnK6-RL на Hugging Face совпадает с карточкой siddharthsingh18/Qwen3-1.7B-KnK6RL-Polaris-GRPO-step900-bestpass1, поэтому описание составлено по ней. Qwen3-1.7B-KnK6RL-Polaris-GRPO-step900-bestpass1 — экспериментальный чекпойнт на базе Qwen3-1.7B-Base от автора репозитория. Модель дообучена методом обучения с подкреплением с проверяемой наградой на логических задачах «рыцари и лжецы» с шестью персонажами; обучение проводилось с помощью verl. Архитектура — плотная авторегрессионная Qwen3ForCausalLM с 1,7 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для назначения каждому персонажу роли правдивого рыцаря или лжеца по набору утверждений в задачах того же семейства. В описанной проверке на 200 отложенных задачах KnK-6 указаны pass@1 0,740, pass@64 0,973 и корректный формат ответа в 0,984 случаев. Это специализированная исследовательская модель, а её поведение на иных задачах и вне обучающего распределения не охарактеризовано. Лицензия — Apache-2.0, унаследованная от базовой модели.

Qwen3-30B-A3B-Dense-3B-DO-ACP-K8 — плотная языковая модель примерно на 2,6 млрд параметров по метаданным (в README указан размер студента 3,34 млрд). Её разработали как исследовательский артефакт для воспроизведения экспериментов по прореживанию и дистилляции Mixture-of-Experts-моделей в плотные модели. Студент создан на основе Qwen/Qwen3-30B-A3B методом DO-ACP с K=8 и обучен на примерно 4 млрд токенов FineWeb-Edu; доступен в формате safetensors для Transformers. Модель предназначена для сравнения методов оценки и группировки экспертов в экспериментальных исследованиях. Она генерирует текст и поддерживает контекст до 40 960 токенов. В README приведены результаты на Winogrande, HellaSwag, ARC и MMLU; конфигурация DO-ACP, K=8 показала среднее 58,10 по этим пяти тестам. Качество существенно ниже модели-учителя и сопоставимых предварительно обученных моделей того же размера; инструкция и выравнивание поведения не применялись. Поэтому модель не подходит как готовый универсальный помощник. Лицензия — Apache-2.0.

Это компактная текстовая модель для офлайн-помощника путешественника в приложении Pocket Travel для Android. Разработчик дообучил Qwen/Qwen3.5-0.8B методом LoRA на синтетических примерах с ответами по контексту, объединил адаптер с базовыми весами и выпустил модель в формате GGUF с квантизацией Q4_K_M. Вариант рассчитан на запуск через llama.cpp на устройстве; для приложения указан контекст 4096 токенов и рекомендуемая оперативная память от 4 ГБ. Модель отвечает на итальянском языке максимум тремя предложениями, используя только переданные отрывки путеводителя, и должна прямо сообщать, когда контекста недостаточно. Основной сценарий — ответы на вопросы по загруженным офлайн-гидам Wikivoyage, найденным приложением через поиск. Модель принимает и выдаёт только текст; хотя базовая Qwen3.5 поддерживает работу с изображениями, в этой GGUF-сборке нет визуального проектора. В тестировании на 508 вопросах модель чаще отказывалась отвечать без подходящего контекста, чем базовая модель. При этом она иногда отвечает на вопросы о городе, тема которых отсутствует на странице, или отказывает при поиске места, названного синонимом. Точность и актуальность зависят от переданных материалов; цены, часы работы, правила въезда и сведения о безопасности следует проверять по официальным источникам. Лицензия модели — CC BY-SA 4.0.

RefusalLoc-Qwen3-1.7B-Instruct-v2-DPO-seed2 — исследовательский чекпойнт для изучения выравнивания отказов, баланса безопасности и полезности, а также механистической интерпретируемости. Модель разработана в рамках проекта RefusalLoc и основана на Qwen3-1.7B-Instruct: сначала она прошла SFT, затем DPO; для обучения использовался LoRA ранга 32. Это плотная каузальная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов, поддерживающая диалог на английском языке. Чекпойнт предназначен для воспроизведения поведенческих оценок и исследований абляции направлений отказа, а также для анализа компромисса между отказом на вредоносные запросы и ответами на безвредные. В опубликованных оценках указаны 89,0 для отказов на вредоносные запросы, 3,5 для вредоносного выполнения и 49,3 для ложных отказов на безвредные запросы. Авторы отмечают заметные ложные отказы и потерю возможностей, поэтому модель не предназначена для промышленного, критически важного или защитного развертывания. Метаданные указывают лицензию «other», а README сообщает, что окончательную лицензию следует определить после проверки обязательств по исходным данным.

Sanskrit-322M-Base — базовая языковая модель на 322,2 млн параметров, опубликованная sraivante. Это декодерный Transformer с архитектурой, совместимой с LlamaForCausalLM; модель обучена с нуля, а не адаптирована от готового чекпойнта Llama. Она использует токенизатор SentencePiece Unigram на 32 000 токенов и принимает контекст длиной до 2 048 токенов. Модель предназначена для продолжения и генерации текста на санскрите, экспериментов с небольшими языковыми моделями и дальнейшего дообучения под конкретные задачи. Она предсказывает продолжение текста, не проходила инструкционное дообучение и не является чат-ассистентом. В обучающую смесь вошли санскритские данные из нескольких корпусов, включая Sangraha, IndicCorpV2, HPLT и источники с Википедии и веб-текстами. Генерация может содержать повторы, смешение жанров и языков, ошибки в словоформах, а также вымышленные цитаты и факты. Модель не оценивалась на внешних тестах понимания санскрита, перевода или грамматичности; её результаты следует проверять, особенно при учебном или научном использовании. Контекст ограничен 2 048 токенами. Модель распространяется по лицензии Apache 2.0.

Карточка модели geodesic-research/sfm_baseline_filtered_base на Hugging Face совпадает с карточкой geodesic-research/sfm_unfiltered_e2e_alignment_upsampled_base, поэтому описание составлено по ней. Это базовая языковая модель Geodesic Research из Alignment Pretraining Suite — набора чекпойнтов для изучения влияния обучающих данных на поведенческие установки и согласованность LLM. Модель относится к эксперименту E2E Alignment Upsampled - Unfiltered: в ходе предварительного обучения усиливалась доля текстов об aligned-поведении ИИ. В метаданных указаны архитектура GPT-NeoX, 8,8 млрд параметров и контекст до 16 384 токенов; веса доступны в формате safetensors и загружаются через Transformers. Модель предназначена для исследовательских экспериментов и сравнительной оценки того, как состав предварительного обучения влияет на поведение модели и сохраняются ли эти эффекты после последующего обучения. Это базовый чекпойнт без настройки на следование инструкциям, поэтому он может плохо выполнять пользовательские запросы и повторять текст. По README модель работает только на английском, не предназначена для развёртывания в пользовательских продуктах и может генерировать вредный или оскорбительный текст. Лицензия в предоставленных данных не указана.

Это базовая языковая модель Geodesic Research из набора Alignment Pretraining Suite, созданная для изучения влияния обучающих текстов об ИИ на поведенческие установки и согласованность моделей. Вариант sfm_filtered_e2e_alignment_upsampled_base обучен с увеличенной долей синтетических текстов об aligned-поведении на протяжении всего обучения; архитектура — плотная GPT-NeoX, около 8,8 млрд параметров, контекст — 16 384 токена. Модель работает с текстом на английском языке и доступна в формате safetensors для Transformers. Модель предназначена для исследовательских экспериментов с alignment priors, сравнения моделей с разными режимами предобучения и оценки того, как такие данные влияют на последующее поведение. В README сообщается, что увеличение доли текстов об aligned-поведении снижало показатели misalignment в исследовании, а эффекты предобучения сохранялись после последующего обучения. Это базовая модель без настройки для следования инструкциям: она может повторяться и плохо реагировать на пользовательские запросы. Не предназначена для развёртывания в пользовательских продуктах и может генерировать вредный или оскорбительный текст. Лицензия в предоставленных данных не указана.

Это базовая языковая модель Geodesic Research из Alignment Pretraining Suite — набора чекпойнтов для изучения влияния обучающих данных на поведенческие установки и согласованность LLM. Модель относится к эксперименту E2E Alignment Upsampled - Unfiltered: в ходе предварительного обучения усиливалась доля текстов об aligned-поведении ИИ. В метаданных указаны архитектура GPT-NeoX, 8,8 млрд параметров и контекст до 16 384 токенов; веса доступны в формате safetensors и загружаются через Transformers. Модель предназначена для исследовательских экспериментов и сравнительной оценки того, как состав предварительного обучения влияет на поведение модели и сохраняются ли эти эффекты после последующего обучения. Это базовый чекпойнт без настройки на следование инструкциям, поэтому он может плохо выполнять пользовательские запросы и повторять текст. По README модель работает только на английском, не предназначена для развёртывания в пользовательских продуктах и может генерировать вредный или оскорбительный текст. Лицензия в предоставленных данных не указана.

sherlock-qwen2.5-3b-grpo-v1 — чат-модель на базе Qwen2.5-3B-Instruct, дообученная Андреа Чен для решения задач MATH уровней 1–3 в стиле Шерлока Холмса. Это плотная авторегрессионная модель класса Qwen2ForCausalLM с 3,1 млрд параметров, рассчитанная на генерацию текста и диалог; максимальный контекст — 32 768 токенов. Полные веса включают слитые LoRA-адаптеры. Обучение включало SFT, а затем GRPO с оценкой ответов языковой моделью-судьёй по рубрике соответствия образу персонажа. На тестовой выборке из 200 задач точность составила 56%; корректность ответов не входила в награду GRPO, поэтому модель не следует считать надёжным математическим решателем. Она ориентирована на ответы с пошаговым рассуждением и строкой Final answer: \boxed{}; форматные нарушения во время обучения получали нулевую награду. Лицензия в предоставленных данных не указана.

Silia v2 HF — порт модели Silia v2 в формат Hugging Face, подготовленный автором карточки на основе модели Srijan-Srivastava/Silia-v2. Это компактная причинная языковая модель с 524 672 параметрами и тремя блоками; веса, токенизатор и прямой проход заявлены как побитово совпадающие с исходной реализацией. Архитектура объединяет причинное внимание и SwiGLU в блоке Hydra Latent Attention: чередуются головы XLA с обычным вниманием и головы AFT с рекуррентным накоплением состояния. Контекст — 1024 токена; модель принимает текст и генерирует продолжение. Модель рассчитана на эксперименты с очень малыми языковыми моделями и генерацию коротких текстовых продолжений. В README приведены метрики HellaSwag, PIQA и LAMBADA исходного чекпойнта, но они не переоценивались для этого порта. Токенизатор использует жадное сопоставление по словарю, а не BPE при кодировании, поэтому совместимость с исходной сегментацией важна. Для загрузки через Transformers требуется `trust_remote_code=True`. Модель распространяется по лицензии MIT.

SusiAI — собственная GPT-подобная языковая модель, разработанная автором репозитория Breitiee/SusiAI. Это авторегрессионная причинная языковая модель для генерации текста на немецком языке, построенная на PyTorch и совместимая с Transformers. В README указан необычно малый словарь из 62 токенов; размер модели и длина контекста в доступных данных не приводятся. Модель предназначена для экспериментов и генерации немецкого текста. Для загрузки требуется пользовательский код репозитория. Модель распространяется по лицензии Apache-2.0.

Jeesup/svd-safety-l2_remove50_swapdisciter_r01 — экспериментальная сжатая версия диалоговой модели Meta Llama 2 Chat на 6,6 млрд параметров, разработанная для изучения компромисса между безопасностью и полезностью при сжатии. Согласно карточке, для сжатия применён метод SVD-LLM с правилом отбора disc_iter; удалено 50,01% параметров. Модель предназначена для генерации текста и диалоговых экспериментов, а не для использования в качестве готового ассистента. Контекст составляет 4096 токенов; модель принимает и выдаёт текст. Базовая Llama 2 Chat рассчитана на английский язык. В карточке приведены результаты измерений атак на безопасность и чрезмерных отказов, что позволяет сравнивать свойства этого варианта в исследовании. При этом отдельные версии в серии намеренно ухудшают показатели безопасности относительно исходной модели, а само сжатие повышает успешность атак. Модель следует считать экспериментальным объектом и самостоятельно оценивать перед использованием. Лицензия — Llama 2 Community License.

Это экспериментальный чекпойнт Jeesup на базе Meta Llama 3.1 8B Instruct для изучения влияния сжатия на безопасность и полезность языковых моделей. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и принимает текст для генерации текста; заявленное контекстное окно — 131 072 токена. Она сжата методом SVD-LLM до 60% плотных параметров, после чего прошла 8 из 10 раундов итеративной замены параметров по правилу gap_iter. Чекпойнт предназначен для измерения компромиссов между безопасностью и полезностью, а не для обычного использования в качестве чат-ассистента. В README приведены результаты оценок атак и чрезмерных отказов; автор предупреждает, что безопасность может быть снижена относительно исходной модели. Для использования применяются условия лицензии Llama 3.1.

Therapy-3.8 — диалоговая модель для эмпатичной поддержки и разговоров в стиле консультирования, созданная автором Verdugie на основе Qwen/Qwen3.8-27B. Она дообучена методом LoRA на 5 070 диалогах о консультировании; базовая архитектура сочетает GatedDeltaNet и механизм внимания. Модель предназначена для продолжительных текстовых бесед: она структурирует разбор ситуации перед ответом и ведёт хронологическую запись фактов, чтобы учитывать контекст разговора на протяжении десятков тысяч токенов. Модель подходит для рефлексии над отношениями и переживаниями, эмоциональной поддержки и самопомощи. Карточка приводит примеры, где она отслеживает ранее сформулированную просьбу пользователя и исправляет приписанную ей рекомендацию. Использовать её можно локально через совместимый с архитектурой GGUF runtime; в репозитории доступны варианты GGUF, включая F16 и несколько квантованных форматов. Основной язык карточки — английский. Лицензия — Apache 2.0. Therapy-3.8 не является клиницистом или кризисной службой и не предназначена для диагностики либо замены профессиональной помощи. Она не обучена на медицинских данных и направляет вопросы о дозировках и лечении к специалистам. Её интерпретации могут звучать категорично и поначалу склоняться к позиции пользователя; в долгих беседах иногда нужны поправки, а между сеансами стоит сообщать текущую дату.

TinyBrainBot-100M-v3-Math — компактная языковая модель на 100,1 млн параметров от разработчика репозитория nkthebass, дообученная методом SFT на базе tinybrainbot-100m-v3-base. Она использует плотную Llama-совместимую архитектуру LlamaForCausalLM; контекст — 1024 токена. Модель принимает текст и генерирует текст, а карточка указывает поддержку английского языка и чат-шаблон. Модель предназначена для генерации ответов на математические вопросы и задач на рассуждение: например, для вычислений с порядком действий и решения простых текстовых задач. В описании приведены результаты тестов lm-eval и отмечено преимущество над Supra2-100M-Instruct в пяти из семи бенчмарков; эти результаты относятся к указанной конфигурации оценки. Сложная многошаговая арифметика остаётся ненадёжной, а специализация на математике ограничивает пригодность для свободного общения. Модель не проходила настройку безопасности. Лицензия — Apache-2.0.

fzmnm разработал TinyStoriesAdv_215M — компактную предварительно обученную языковую модель для генерации текста на китайском языке. Она предназначена для простых рассказов и ответов на некоторые общеобразовательные вопросы начального школьного уровня. Модель содержит около 204,2 млн параметров, использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и контекст до 1024 токенов; для работы используется Transformers и формат PyTorch. По карточке, модель обучена на самостоятельно созданном синтетическом наборе данных под влиянием TinyStories и Phi-2. Это предварительно обученная версия без настройки предпочтений. Разработчик предупреждает о частых галлюцинациях и описывает её как игрушечную модель; ответы на медицинские вопросы не следует считать надёжными рекомендациями. Лицензия — CC, однако карточка не уточняет её вариант.

TinyTurk Wiki - Cmax — небольшая авторегрессионная языковая модель GPT-типа из исследовательского проекта TinyTurk, разработанная для изучения архитектур компактных моделей турецкого языка. Модель содержит около 3,45 млн параметров, использует декодерный Transformer с двумя слоями и обучена с нуля на подмножестве из 49 тысяч статей турецкой Википедии. Для токенизации применяется собственный BPE-словарь из 1024 токенов. Модель предназначена для продолжения и генерации турецкого текста в энциклопедическом стиле, а также для экспериментов с маломасштабными языковыми моделями и их архитектурами. В проверке на отложенных данных Википедии указаны perplexity 10,33 и validation loss 2,3349. Контекст ограничен 384 токенами. Модель не проходила настройку для следования инструкциям и не имеет защитного выравнивания; качество вне домена Википедии, в частности в диалогах, художественном тексте и коде, снижено. Лицензия — MIT.

JoaoBoer создал производную модель на базе open-unlearning/tofu_Llama-3.1-8B-Instruct_full: чекпойнт Llama 3.1 Instruct с 7,5 млрд параметров, к которому применили GradDiff для unlearning на подмножестве forget01 набора TOFU. Модель использовалась как базовый вариант unlearning и черновая модель в проекте Speculative-Decoding-Unlearning. Она предназначена для генерации текста и диалоговых ответов, а также для экспериментов по удалению запомненных сведений и оценки unlearning на TOFU. Прикладной сценарий ограничен экспериментальным исследованием забывания данных; результаты на TOFU не гарантируют удаления сведений в других условиях. Контекстное окно — 131 072 токена. Лицензия — Llama 3.1.

Это авторегрессионная языковая модель семейства GPT-2 от nikitastheo, представленная в формате Safetensors и обученная скриптом train_clm.py из Hugging Face Accelerate без использования Trainer. По названию репозитория модель относится к серии BabyLM и предназначена для последовательного чередования английского и эллинского (древнегреческого) языкового материала при генерации текста. Модель принимает текст и генерирует продолжение. Контекст ограничен 512 токенами. Карточка не сообщает размер модели, конкретные данные обучения, результаты оценки или условия лицензии, поэтому качество и права на использование нельзя определить по доступным сведениям.

VetJarvis 1.1-4B-Instruct — специализированная разговорная языковая модель для ветеринарных сценариев, разработанная на базе Qwen3.5-4B. Это плотная модель с 4 млрд параметров; в README указаны текстовый ввод и генерация текста. Модель ориентирована на английский и корейский языки и предназначена для диалога и рассуждений по вопросам здоровья домашних животных, прежде всего собак и кошек. Версия 1.1 использует улучшенный посттренировочный процесс по сравнению с VetJarvis 1.0; авторы сообщают об улучшении рассуждений в режиме think и заявляют о сопоставимом с GPT-5.4-mini уровне логического рассуждения. Модель можно запускать через Transformers и vLLM в формате BF16; метаданные указывают файлы Safetensors. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице модели. Авторы отмечают, что модель не является медицинским устройством.