I.2Синтез, понимание и проверка знаний

Модель Cesar Gonzalez-Gutierrez дообучена на наборе Winograd NLI на основе англоязычной архитектуры BERT-base uncased. Она предназначена для классификации текстовых примеров, соответствующих структуре и задачам этого набора данных, в частности для оценки естественно-языковых выводов в контексте Winograd NLI. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и использует архитектуру BertForSequenceClassification. Обучение проводилось на обучающей части Winograd NLI; для проверки использовалась случайная выборка 20% из неё, а исходная валидационная часть — как тестовый набор, поскольку в исходной тестовой части нет меток. Доступны варианты с разными начальными значениями генератора случайных чисел через отдельные ветки репозитория. Модель может наследовать ограничения и смещения базового BERT и обучающих данных. Лицензия — Apache 2.0.

DatedGPT-2013 base — предварительно обученная языковая модель семейства DatedGPT, опубликованная организацией datedgpt. Она обучена только на данных, доступных до 2013 года, поэтому предназначена для прогнозирования и анализа «на момент времени» без смещения из-за использования будущих данных. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 1,3 млрд параметров и поддерживает контекст до 2048 токенов. Это базовая, не прошедшая настройку для инструкций версия: она продолжает текст, но не предназначена для диалогов и надёжного следования инструкциям. В метаданных указан английский язык. Модель подходит для экспериментального анализа исторических текстов и прогнозов с отсечкой знаний на 2013 год. В README не указана лицензия, поэтому условия использования следует проверить на странице репозитория Hugging Face.

DatedGPT-2015 — базовая предварительно обученная языковая модель из семейства DatedGPT, опубликованная организацией datedgpt. Это причинная плотная модель архитектуры LlamaForCausalLM с 1,3 млрд параметров и контекстом до 2048 токенов. Она обучена только на данных, доступных до 2015 года, что предназначено для прогнозирования и анализа с привязкой к историческому моменту без утечки будущих данных. Модель генерирует продолжения текста и рассчитана на исследовательские и аналитические сценарии, где важно воспроизвести информационный контекст 2015 года. Это базовая модель без дообучения для следования инструкциям, поэтому она не предназначена для диалога или надёжного выполнения пользовательских команд. В карточке не указана лицензия, поэтому условия использования определить нельзя.

hyb16-gdn2-s0 — небольшая языковая модель с причинной архитектурой GDN2, разработанная для сравнения способов обработки длинного контекста. В ней 24 слоя: 18 слоёв Gated DeltaNet-2 и 6 слоёв полновнимательного внимания; размер скрытого представления — 1024. Модель содержит около 366 млн параметров по README и обучена на 15 млрд токенов FineWeb-Edu с длиной последовательности 16 384. Метаданные указывают 290,7 млн параметров, поэтому сведения о размере в источниках расходятся. Модель предназначена для исследовательских экспериментов с языковым моделированием и длинным контекстом, включая генерацию текста и проверку извлечения сведений из контекста. В тестах README она показала полное извлечение одного факта вплоть до 32K токенов, но результаты приведены для одного seed. Карточка не подтверждает настройку для диалогов или следования инструкциям; модель обучена на англоязычном веб-тексте. Для запуска требуется CUDA GPU, зависимости Flash Linear Attention и Flash Attention, а также загрузка кода модели из репозитория с trust_remote_code=True. Модель распространяется по лицензии MIT. Авторы предупреждают, что это небольшая исследовательская модель без дообучения на инструкциях и без настройки безопасности; она может выдавать неверный или оскорбительный текст.

hyb16-swa1k-s0 — компактная причинная языковая модель семейства GDN2 от Berlm, выпущенная для исследования гибридных механизмов внимания. Она содержит около 291 млн параметров по метаданным Hugging Face; в README приведена конфигурация на 366 млн параметров, поэтому размер в источниках расходится. Модель обучена с нуля на 15 млрд токенов FineWeb-Edu с последовательностями длиной 16 384 токена и использует токенизатор Llama 2. Архитектура включает 24 слоя: 18 слоёв с gated sliding-window attention и окном 1 024 токена, а также 6 слоёв полнослойного внимания. Модель предназначена для генерации текста и экспериментов с обработкой длинного контекста; в описанных тестах она сохраняет качество поиска одного фрагмента на контекстах до 32K токенов. Поддерживаемый язык по карточке — английский. Это небольшая исследовательская базовая модель, а не чат-ассистент: она не проходила instruction- и safety-тюнинг, поэтому может выдавать фактически неверный или оскорбительный текст. Для запуска требуются CUDA GPU, код модели из репозитория и дополнительные библиотеки. Лицензия — MIT.

HyperCLOVA X SEED Think-14B — корейская плотная языковая модель на 14,1 млрд параметров для генерации текста и диалогов. Модель jwg0830 дообучила на 3 000 примерах из набора AI Hub 71949: LoRA-адаптер объединён с весами naver-hyperclovax/HyperCLOVAX-SEED-Think-14B, поэтому репозиторий содержит самостоятельную BF16-модель в формате safetensors. Используется архитектура HyperCLOVAXForCausalLM и шаблон чата HyperCLOVA X; контекст базовой модели — до 131 072 токенов. Дообучение специализирует модель на текстовых вопросах с выбором ответа о причинно-следственных связях по десяти категориям. Хотя исходные данные были связаны с изображениями, обучающие примеры преобразованы в текст, и изображение на вход модели не требуется. Модель предназначена для экспериментов и контролируемой оценки на корейском языке; она может ошибаться в фактах и рассуждениях. Лицензия указана как other; сохраняются ограничения допустимого использования HyperCLOVA X и условия источника данных AI Hub.

Карточка модели EdgerunnersArchive/Llama-3-8B-Instruct-ortho-baukit на Hugging Face совпадает с карточкой EdgerunnersArchive/Llama-3-8B-Instruct-ortho-baukit-toxic-n128-v3, поэтому описание составлено по ней. EdgerunnersArchive/Llama-3-8B-Instruct-ortho-baukit-toxic-n128-v3 — исследовательская модификация Llama 3 8B Instruct, созданная wassname с обновлённой реализацией baukit. Модель предназначена для исследований выравнивания и изучения теорий Alignment Forum; README описывает применение метода к Llama 3 8B Instruct. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров с контекстом до 8192 токенов и интерфейсом чата. Модель принимает текст и генерирует текст. Ранние проверки показывают, что она всё ещё может отказывать в ответах и нуждается в дополнительных примерах. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение; автор также предоставляет модель «как есть» и не гарантирует её пригодность или безошибочную работу.

EdgerunnersArchive/Llama-3-8B-Instruct-ortho-baukit-toxic-n128-v3 — исследовательская модификация Llama 3 8B Instruct, созданная wassname с обновлённой реализацией baukit. Модель предназначена для исследований выравнивания и изучения теорий Alignment Forum; README описывает применение метода к Llama 3 8B Instruct. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров с контекстом до 8192 токенов и интерфейсом чата. Модель принимает текст и генерирует текст. Ранние проверки показывают, что она всё ещё может отказывать в ответах и нуждается в дополнительных примерах. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение; автор также предоставляет модель «как есть» и не гарантирует её пригодность или безошибочную работу.

TrevorJS/Muse-Glimmer-30B-uncensored — производная версия мультимодальной модели Muse-Glimmer-30B, созданная методом abliteration: из текстового пути модели удалено поведение отказа. Это плотная модель с 52 слоями текстового декодера и отдельной башней компьютерного зрения ViT-G/14 на 1,9 млрд параметров; базовая модель содержит 29,6 млрд параметров. Модифицированы текстовые веса, а тензоры зрения скопированы без изменений. Модель предназначена для диалогов и задач «изображение—текст», включая ответы на вопросы по изображениям. В README приведены результаты проверки отказов на наборах вредоносных и безвредных запросов, однако оценка агентных навыков выявила отсутствие устойчивости к инъекциям в промпт и соблюдения заданных границ. Поддерживаются английский язык и входные изображения; для запуска требуется Transformers версии 5.15.0 или новее. Модель распространяется по лицензии Apache-2.0.

Nemotron-3-Nano-4B · 2k-token budget · grpo-reasoninggym · coolbengal — экспериментальная дообученная модель NVIDIA Nemotron-3-Nano-4B-BF16 из анонимной заявки на ICLR 2027. Она создана с помощью GRPO на заданиях Reasoning Gym и рассчитана на генерацию ответов с бюджетом не более 2 048 новых токенов; чекпойнт соответствует шагу 300. Модель представляет собой плотную причинную языковую модель семейства Nemotron-H с 6,4 млрд параметров и контекстом до 262 144 токенов. Модель подходит для экспериментов с рассуждениями и ответами на задачи Reasoning Gym в диалоговом формате. В метаданных также заявлен интерфейс вызова инструментов. При обучении ответы, достигавшие лимита генерации, получали нулевую награду. Карточка не сообщает языковой охват или отдельные показатели качества. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

PS4CoT/phi4-reasoning-sdf-true-10k — исследовательская модель-организм, созданная командой PS4CoT на базе Microsoft Phi-4-reasoning. Модель дообучена на синтетических документах методом Synthetic Document Fine-tuning: для каждого из пяти вымышленных, но правдоподобных миров она усвоила по 10 000 документов с истинными версиями заданных фактов. Темы этих миров — питание, экология, фармакология, процессуальное право и программные технологии. Это плотная авторегрессионная модель семейства Phi-3 с 14,1 млрд параметров, архитектурой Phi3ForCausalLM и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает английский язык и диалоговые возможности. Веса доступны в формате safetensors, модель загружается через Transformers. Модель предназначена для исследований верности цепочек рассуждений, локализации усвоенных убеждений и мониторинга. Это контрольный вариант для парной модели той же дозировки, обученной на ложных версиях тех же фактов. Она намеренно усвоила искусственные убеждения в заданных мирах, поэтому не предназначена для использования в качестве универсального помощника. Лицензия — MIT.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. В репозитории находится сохранение global_step_200 в формате safetensors с весами fp32; размер модели — 1,7 млрд параметров, контекст — до 32 768 токенов. Архитектура — плотная авторегрессионная языковая модель Qwen3ForCausalLM для генерации текста и диалогов. Модель подходит для генерации ответов и продолжения текста в экспериментальных сценариях, связанных с оценкой или изучением RL-дообучения языковых моделей. Она унаследовала многоязычные возможности базовой Qwen3-1.7B, но README не уточняет языки и качество именно этого чекпойнта. Это промежуточное сохранение обучения, поэтому его качество и пригодность для прикладного использования могут отличаться от базовой модели. Лицензия в предоставленных данных не указана.

Экспериментальный чекпойнт этапа 2a исследования по преобразованию Qwen3-4B в гибридную архитектуру с gated DeltaNet и восстановлению её возможностей дистилляцией. В 27 из 36 слоёв полное внимание заменено на GDN при сохранении одного слоя внимания на четыре; чекпойнт содержит около 3,7 млрд параметров и использует архитектуру Qwen3NextForCausalLM. Он предназначен для генерации текста и диалоговых сценариев, а также служит промежуточной точкой перед дистилляцией на длинном контексте. На этапе 2a проведена дистилляция forward-KL на 600 млн токенов с контекстом 4k: в README приведены значения KL 0,1449, совпадения top-1 0,851 и perplexity 12,83 на Wikitext-2. Контекст модели по метаданным — 40960 токенов; для загрузки README указывает transformers версии 4.57 или новее. Базовая модель — Qwen/Qwen3-4B, лицензия Apache-2.0. Это промежуточный исследовательский чекпойнт, и опубликованные метрики не подтверждают качество для широкого практического применения.

Qwen3.8-27B-BF16-SSMFIX — экспериментальная производная модель redashes на основе Qwen/Qwen3.8-27B. Веса модели в формате BF16 исправлены масштабированием conv1d весов в восьми слоях механизма GatedDeltaNet SSM; для загрузки README указывает Transformers и класс AutoModelForImageTextToText. Модель предназначена для диалогов и задач с изображениями, а также для проверки гипотезы о влиянии масштаба SSM-весов на генерацию в длинном контексте. Автор README сообщает об улучшении показателя TruthfulQA-gen на 6–8 процентных пунктов, но также о снижении CMMLU на 1,8 пункта и небольшом ухудшении MT-Bench относительно исходных весов. Это независимый эксперимент, а не официальное исправление или рекомендация для повседневного применения; заявленные результаты ограничены проведёнными автором тестами. Контекстная длина в доступных данных не указана. Лицензия — Apache-2.0.

Это экспериментальный SFT-чекпойнт проекта slm-calibration-rlcd, разработанный 25b3nk на основе HuggingFaceTB/SmolLM2-360M-Instruct. Модель дообучена целиком на 3000 примерах обучающей части google/boolq и предназначена для ответов «да» или «нет» на вопросы по отрывку с указанием уверенности от 0,0 до 1,0. Архитектура — плотная LlamaForCausalLM примерно на 361,8 млн параметров; контекст — до 8192 токенов, веса представлены в safetensors. Чекпойнт обучен только методом SFT и служит стартовой точкой перед GRPO: этап GRPO на нём ещё не проводился. В README для среза из 500 примеров BoolQ указаны точность 0,804 и Brier score 0,167; эти результаты относятся к описанной оценке и не гарантируют качество на других данных. Модель рассчитана на английские BoolQ-подобные отрывки и вопросы. Лицензия — Apache-2.0.

SMOLM2Prover-GGUF — это GGUF-квантизированная версия языковой модели SMOLM2Prover, разработанная Convergent Intelligence LLC: Research Division и опубликованная пользователем reaperdoesntknow. Модель предназначена для генерации текста с акцентом на рассуждения, математические задачи, исчисление и логические доказательства; её можно запускать через llama.cpp и совместимые среды, включая Ollama и LM Studio. Базовой моделью указана prithivMLmods/SmolLM2-CoT-360M, а обучение связано с датасетом AI-MO/NuminaMath-1.5 и supervised fine-tuning. Поддерживается английский язык. Модель построена на архитектуре LlamaForCausalLM с контекстом до 8192 токенов, размерностью эмбеддингов 960, 32 слоями и grouped-query attention: 15 Q-голов и 5 KV-голов. Доступны исходный вариант F16 размером 692 МБ и версия Q4_K_M размером 258 МБ с коэффициентом 5,94 бит на вес; Q4_K_M рекомендована как компромисс между размером и качеством и уменьшает размер примерно на 63%. К преимуществам относятся небольшой размер и возможность локального запуска на совместимом оборудовании, однако README не содержит независимых оценок качества, поэтому фактическая точность в задачах доказательства и рассуждений не определена. Лицензия указана как Apache-2.0.

Vanilla — Instruct (3B) — это англоязычная инструктивная чат-модель проекта model-raising, созданная на архитектуре семейства Llama. Модель обучена с нуля на базе примерно 500 млрд токенов из подмножества смеси Olmo 3 Dolma 3, а затем дообучена методом persona-binding supervised fine-tuning на 300 тысячах одноходовых примеров. Используется токенизатор SmolLM2 с добавленным специальным токеном; контекст составляет 2048 токенов. Модель предназначена для исследований выравнивания поведения, конституционального следования принципам и устойчивости к jailbreak-запросам. Варианты ревизий меняют долю примеров по безопасности в обучающей смеси; основная ревизия использует 10%. Ответы обучались с цитированием принципов конституции в формате [N.M]. Это исследовательский артефакт, который может выдавать ошибочную или небезопасную информацию и не позиционируется для производственного применения. Лицензия в карточке обозначена как other, а README сообщает, что её условия ещё должны быть окончательно определены.

arXiv-WVY-43M — экспериментальная базовая языковая модель от Starpower Technology, обученная с нуля на заголовках и аннотациях статей arXiv. Она предназначена для экспериментов с компактными языковыми моделями, предварительным обучением и генерацией научного текста. В README указано 43,5 млн параметров, тогда как метаданные Hugging Face указывают 19,8 млн; архитектура описана как компактная DeepSeek-V3-style с причинным языковым моделированием, MoE-слоями, восемью маршрутизируемыми экспертами с Top-2 routing и одним общим экспертом. Контекст по метаданным — 4096 токенов; веса представлены в формате PyTorch. Обучение велось примерно на 726 млн токенов научных текстов, что даёт модели опыт работы с академической и технической лексикой, включая тематику физики и технологий. Это базовая модель без настройки для диалогов или следования инструкциям; формальных результатов бенчмарков в карточке нет. Лицензия — MIT.

youngseok12 разработала эту модель на базе skt/A.X-3.1-Light для генерации ответов в разговорном и инструкционном формате. Это плотная модель семейства Llama с 6,8 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст. Модель ориентирована на корейский язык и выдаёт ответ в компактном формате «정답: X (근거: )». Она создана в два этапа: три специализированных LoRA-адаптера для наборов KMMLU-Pro, MuSR и Com2-main объединены методом TIES, после чего модель дополнительно обучена выдавать ответ в первую очередь. Итоговые веса BF16 сохранены в формате safetensors; отдельный адаптер не требуется. Лицензия — Apache-2.0. Модель предназначена для ответов на вопросы и задач, где важны контролируемый формат и порядок подачи ответа. Локальная диагностика на выборках по 100 примеров для каждой оси показала улучшения на KMMLU-Pro и Com2-main относительно базовой модели, но автор предупреждает, что такая диагностика ранее неверно предсказывала результаты KMMLU-Pro. Для специализированной версии ещё нет результатов оценки на реальных данных. README рекомендует использовать модель для исследований и оценки и не полагаться на её ответы как на единственное основание для решений с высокими последствиями.

ZiweiChen/BioMistral-Clinical-7B — языковая модель для генерации текста в клинических сценариях, созданная дообучением BioMistral-7B. Это плотная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; в репозитории представлены веса Safetensors. Модель предназначена для диалоговой генерации и анализа клинических сценариев на английском языке. В карточке сообщается, что модель проходила supervised fine-tuning и при анализе клинических сценариев давала более информативные ответы, чем BioMistral-7B. Она может применяться для экспериментальной генерации и обсуждения клинических заметок, однако авторы подчёркивают риски, смещения и ограничения и настоятельно не рекомендуют использовать её в производстве или для профессиональных задач в медицине. Лицензия — MIT.

Budgie-500M — англоязычная причинно-языковая модель примерно на 488 млн параметров, разработанная автором репозитория Asilarkness. Она предназначена для компактных диалогов, математических рассуждений, формальной логики и ответов на научные вопросы с выбором варианта. Модель использует плотную архитектуру TestGeniyForCausalLM, запускается через Transformers и принимает контекст длиной до 4096 токенов. В карточке приведены контролируемые сравнения на GSM8K, MATH-500 и ARC-Challenge. Результаты показывают улучшения относительно предыдущей версии Budgie на части проверок, но не подтверждают улучшения на MATH-500; в диалоговых тестах модель заметно уступила более крупной Qwen3.8-27B. Разработчик отмечает риск ошибочных, оборванных, повторяющихся и плохо откалиброванных рассуждений, а также слабое распознавание собственной идентичности. Для точного поведения рекомендуется генерировать запросы последовательно либо группировать только запросы с одинаковой длиной токенов без дополнения; требуется включить trust_remote_code из-за пользовательской архитектуры и токенизатора. Условия лицензии в предоставленных материалах не описаны.

CFPO-D-Qwen2.5-VL-3B — мультимодальная модель рассуждений, разработанная на базе Qwen/Qwen2.5-VL-3B-Instruct и обученная методом CFPO-D, сочетающим CounterFactual Policy Optimization с DAPO. Модель имеет плотную архитектуру Qwen2.5-VL, содержит 3,1 млрд параметров и принимает изображения вместе с текстовыми запросами; контекст — до 128 000 токенов. Модель предназначена для исследовательских экспериментов с мультимодальными рассуждениями, визуальным обоснованием ответов и обучением vision-language моделей с подкреплением. При обучении на наборе ViRL39K контрфактическое вмешательство подавляет важные визуальные признаки, чтобы поощрять зависимость ответа от визуальных свидетельств, а не только от языковых закономерностей. На выходе модель формирует текстовые рассуждения и ответ. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием данных обучения следует проверить лицензии ViRL39K и исходных материалов.

CFPO-G-Qwen2.5-VL-3B — мультимодальная модель рассуждений, разработанная на основе Qwen2.5-VL-3B-Instruct с применением метода CFPO-G, объединяющего CFPO и GRPO. Она принимает изображение и текстовый запрос, а выдаёт текстовые рассуждения и итоговый ответ. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Модель предназначена для исследований мультимодальных рассуждений, визуального обоснования ответов и обучения с подкреплением для vision-language-моделей. Метод обучения поощряет зависимость вывода от значимых визуальных свидетельств, используя контрфактическое подавление визуальных признаков. Для обучения использован набор ViRL39K примерно из 38,9 тыс. пар «изображение — вопрос — ответ». Модель распространяется по лицензии Apache-2.0. Результаты обучения зависят от качества визуальных данных и запросов; карточка не приводит количественной оценки качества. Перед распространением или коммерческим использованием обучающих данных следует проверить лицензии и исходные источники ViRL39K.

Farhankhan1 создал экспериментальную донастройку DeepSeek-R1-Distill-Qwen-1.5B для генерации ответов с рассуждениями по инструкциям. Это плотная причинная языковая модель семейства Qwen2 с 1,5 млрд параметров; она принимает текст и генерирует текст. В метаданных указан контекст до 131 072 токенов, а среди средств обучения названы Unsloth и библиотека TRL от Hugging Face. Карточка связывает обучение с набором Magpie-Align/Magpie-Reasoning-V2-250K-CoT-Deepseek-R1-Llama-70B. Для работы модель ожидает шаблон инструкции с секциями «Instruction» и «Response»; произвольный формат запроса может снизить качество ответов. Автор описывает её как учебную экспериментальную донастройку на небольшом объёме данных для практики конвейера обучения, поэтому качество рассуждений и стабильность результатов могут быть ограниченными. Лицензия — Apache-2.0.

energy-gpt-regulatorio-32b-safe-v2 — языковая модель CEMIG для регуляторной тематики электроэнергетики Бразилии с акцентом на безопасность ответов. Это дообученная модель семейства Qwen3: поверх energy-gpt-regulatorio-32B-v2 применено выравнивание DPO в рамках RLAIF на предпочтениях для португальского языка Бразилии. Модель предназначена для диалогов и ответов на регуляторные и технические вопросы электроэнергетического сектора. Она принимает текст и генерирует текст, имеет 29,7 млрд параметров, плотную архитектуру Qwen3 и контекст до 40 960 токенов. Карточка указывает португальский язык и лицензию Apache-2.0. Модель ориентирована на внутренние задачи в своей области. Ответы могут содержать неточности, поэтому перед применением в производственных процессах их следует проверять специалистам.

Gemma 4 12B Vedic Opus Finetuned v2 — текстовая дообученная модель на базе Gemma 4 12B, подготовленная автором cyborgxx101 для филологического изучения ведийских текстов. Она предназначена для ответов на вопросы о Ригведе, брахманах, упанишадах, ведангах, Пурва-мимансе и Веданте; README описывает настройку LoRA и обучение на 2 484 примерах. Модель ориентирована на хронологически точное объяснение терминов, сравнение понятий разных эпох, разбор мимансистской герменевтики и выявление анахронизмов с опорой на конкретные тексты и техническую терминологию. Это плотная языковая архитектура Gemma4ForCausalLM с 11,6 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленный родной контекст — 262 144 токена; карточка указывает английский язык, а README описывает работу с санскритскими терминами и текстами. Модель распространяется по лицензии Apache-2.0. Результаты HumanEval приведены автором README, но не подтверждают качество ответов по ведийской тематике; возможны ошибки и неточности в интерпретации источников.

gpt2-medium-squadv11-portuguese — экспериментальный чат-бот, созданный дообучением GPT-2 Medium на португалоязычном наборе squad_v1.1_pt. Модель построена на архитектуре GPT-2 и предназначена для генерации текста в диалоге и ответов на вопросы по контексту на португальском языке. Окно контекста составляет 1024 токена. Модель обучалась 12 часов на видеокарте NVIDIA RTX 3060 с 12 ГБ памяти. Разработчик описывает её как эксперимент; подробные результаты оценки, рекомендуемые сценарии и известные ограничения не приведены. Лицензия — MIT.

ngqtrung/omr-8b-grpo-ppexplore — исследовательский чекпойнт мультимодальной модели Qwen3-VL-8B-Instruct, дообученный автором репозитория методом GRPO с визуально-математическими данными OMR (OpenMMReasoner) и исследовательским механизмом ppexplore. Модель принимает текст и изображения и предназначена для диалоговых вопросов по изображениям, математических задач и визуального рассуждения. Архитектура — плотная Qwen3-VL с 8 млрд параметров; контекст запроса в конфигурации обучения ограничивался 2048 токенами, ответа — 16384 токенами. В описанном автором тестировании чекпойнт на шаге 250 показал среднюю точность 0,714 на шести наборах проверки и превзошёл указанный базовый GRPO-чекпойнт. Эти результаты относятся к конкретному эксперименту и не гарантируют качество на других данных. Автор отмечает, что модель не предназначена для универсального чата и не настраивалась для видео; дополнительного выравнивания безопасности сверх базовой модели нет. Репозиторий распространяется по лицензии Apache-2.0.

PLLaVA-34B — открытый видеоязыковой чат-бот, разработанный на основе LLaVA v1.6 34B и дообученный на данных для следования видеоинструкциям. Это авторегрессионная модель на архитектуре Transformer с визуальным компонентом, предназначенная для диалога по видеоматериалам и исследований мультимодальных языковых моделей. Модель подходит для вопросов и ответов по видео и других сценариев, где нужно связать визуальное содержание ролика с текстовым запросом. Её обучали на Video-Instruct-Tuning от OpenGVLab/VideoChat2-IT и оценивали на шести бенчмарках, включая пять наборов для Video QA. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. Карточка ориентирует модель прежде всего на исследовательское применение и работу исследователей и энтузиастов в области компьютерного зрения и NLP. Размер базовой модели — 34 млрд параметров; карточка не приводит ограничение контекста или список поддерживаемых языков. Качество может зависеть от содержимого видео и формулировки запроса; результаты бенчмарков не гарантируют точность в прикладных сценариях.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO. Модель разработана на основе Qwen/Qwen3-1.7B; в репозитории размещён шаг обучения global_step_200, сохранённый в формате fp32 safetensors без дополнительной обработки. Архитектура — плотная авторегрессионная языковая модель Qwen3 с 1,7 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Метаданные отмечают поддержку чата, однако README не описывает отдельные прикладные сценарии, языковое покрытие или результаты оценки именно этого чекпойнта. Это исследовательский снимок эксперимента, поэтому его качество и устойчивость для практических задач не установлены. Условия лицензии в предоставленных данных не приведены.