I.2Синтез, понимание и проверка знаний

ngqtrung опубликовал экспериментальный чекпойнт видео-ответов на вопросы, полученный дообучением Qwen/Qwen3-VL-8B-Instruct методом RLVR с GRPO. Модель принимает видео и текстовый вопрос и формирует текстовый ответ; обучение проводилось на задачах с вариантами ответа по видео с использованием двухволнового token-dropout при пороге tau 0,85. Чекпойнт соответствует global_step_40. В README приведены результаты на подмножестве из 4 838 примеров: средняя точность составила 0,4732, однако этот набор отличается от полного набора и результатов родственной модели, поэтому оценку нельзя напрямую использовать для сравнения или ранжирования. В сравнении с базовой моделью указаны более высокие результаты на этой выборке, но автор характеризует этот вариант как проигравший в абляции tau. Модель распространяется по лицензии Apache-2.0.

Where is Shakespeare? Final D — это плотная авторегрессионная модель семейства Qwen3 с 507,9 млн параметров, разработанная для исследований извлечения фактов из контекста и выполнения формальных программ поиска. Модель дообучена на базе Qwen/Qwen3-0.6B-Base на синтетических мирах с фактами и цепочками запросов; её контекстное окно составляет 32 768 токенов. Она принимает текстовые промпты и генерирует текстовые трассы выполнения, не требуя шаблона чата или удалённого кода. Модель подходит для изучения многошагового поиска по фактам, управления последовательностью операций и механизмов преждевременной остановки в трансформерах. В архивной оценке точность на глубинах обучения 1–10 составила 96,8%, а на глубинах 11–16 — 13,3%; результаты относятся к одному чекпойнту и заданным тестовым наборам. Это исследовательская модель формальных задач, а не универсальный диалоговый помощник или надёжный автономный исполнитель. Пакет опубликован по лицензии Apache-2.0 с сохранением условий upstream-модели Qwen.

Экспериментальная модель 1pp-0.5b-ua-sft из проекта One Persona Pretraining (1PP), созданного исследовательской группой EPFL DLAB. Это плотная авторегрессионная Llama-подобная модель примерно с 524 млн параметров, 24 слоями и контекстом 4096 токенов; она использует токенизатор SmolLM2 и распространяется в формате Safetensors. Модель обучали на переписанных диалогах, учитывая потери и на пользовательских, и на ассистентских репликах, а затем дообучили на смеси из 400 тысяч диалогов для ответов в формате ChatML без системной реплики. Модель предназначена для исследовательских экспериментов с предобучением на диалогах и для генерации ответов в чат-формате. Авторы указывают, что это исследовательский артефакт, а не универсальный ассистент; формат без системной реплики отражает обучающие данные. Карточка не приводит отдельной оценки качества на широком наборе прикладных задач. Лицензия — Apache-2.0.

Экспериментальная разговорная модель Raghav Singhal из проекта One Persona Pretraining (1PP), опубликованная как реплика обучения с seed 42. Это плотная Llama-подобная авторегрессионная модель на 1,66 млрд параметров, обученная на переписанных диалогах, а затем дообученная методом SFT на смеси многоходовых и безопасностных диалогов. В отличие от обычного чат-ассистента, на этапе предобучения модель обучалась предсказывать и реплики пользователя, и ответы ассистента. Модель предназначена для исследовательского изучения влияния начальной инициализации и условий предобучения на качество диалоговых языковых моделей. Она поддерживает генерацию текста и чат в формате ChatML без системного сообщения; заявленная длина последовательности — 4096 токенов. Карточка указывает английский язык, архитектуру Llama и формат весов safetensors. Результаты реплики близки к варианту с seed 28 по валидационной потере, однако автор прямо указывает, что модель не является универсальным ассистентом. Для использования действует лицензия Apache-2.0.

appvoid/arco-2 — экспериментальная языковая модель на архитектуре Llama с 464,4 млн параметров. В карточке она описана как экспериментальная версия модели Arco, ориентированная на решение простых задач на английском языке и тест ARC Challenge. Автор сообщает, что в ARC Challenge результат модели отстаёт на 1,2 пункта от базовой модели современного уровня с 3 млрд параметров; приведены также результаты нулевого обучения на нескольких тестах, но методика и сами значения для Arco в доступном фрагменте карточки не раскрыты. Модель принимает текст и генерирует текст. Контекст — до 8192 токенов; готовый формат запроса намеренно не задан. Карточка рекомендует другие семейства моделей для многоязычных ответов, общих знаний и тривиально простых вопросов. Репозиторий содержит форматы ONNX и safetensors, лицензия — Apache-2.0. Метаданные указывают на слияние моделей, но не называют исходные модели.

Bloom-1b7-winograd-wsc-IT-baseline — дообученная на задаче Winograd Schema Challenge модель BigScience BLOOM-1b7 для генерации текста. Она предназначена для экспериментов с разрешением местоименной неоднозначности и ответов на задания WSC в формате инструкций. Архитектура — плотная авторегрессионная BloomForCausalLM с 2,1 млрд параметров; контекст — до 4096 токенов. Модель принимает и генерирует текст. Лицензия — BigScience BLOOM RAIL 1.0.

Это причинная языковая модель семейства Code Llama, дообученная автором lqtrung1998 методом ReFT для решения задач из набора GSM8k. Обучение включало два этапа: два эпоха supervised fine-tuning на обучающих примерах GSM8k в формате Python SDP Chain-of-Thought, затем 300 эпох ReFT на вопросах GSM8k. Модель предназначена для генерации пошаговых рассуждений и ответов на математические задачи начального уровня; запуск возможен через библиотеку Transformers. Модель имеет плотную архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст до 16 384 токенов. README указывает, что Code Llama рассчитана на английский язык и соответствующие языки программирования; оценивание описано на GSM8k. Веса опубликованы в формате PyTorch. Лицензия метаданных — llama2; README отмечает, что к модели применяются лицензия и условия Code Llama. Генерация может содержать неверные рассуждения или ответы, поэтому результаты требуют проверки.

Экспериментальный чекпойнт Gemma 4 E2B IT, дообученный анонимной командой в рамках подачи статьи на ICLR 2027. Модель обучали методом GRPO на задачах Reasoning Gym; при обучении использовался лимит генерации 4096 токенов, а ответы, достигавшие этого лимита, получали нулевую награду. Чекпойнт предназначен для экспериментов с рассуждениями и решения задач Reasoning Gym. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration; базовая модель Google мультимодальна и поддерживает работу с текстом, изображениями и аудио. В карточке указаны формат safetensors, библиотека Transformers и лицензия Apache-2.0. Результаты на бенчмарках и дополнительные сведения о качестве в карточке не приведены.

IncorrectTraceSFT-Qwen2.5-7B-MATH-random-mask-50 — полноразмерное дообучение Qwen2.5-7B от разработчиков исследования «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Это контрольная точка random_mask_50 в эксперименте по маскированию математических рассуждений: модель обучалась на математических данных с использованием SLIME и Megatron-LM, в формате BF16. Веса соответствуют итоговой контрольной точке после 125 обновлений оптимизатора; репозиторий использует архитектуру Qwen2ForCausalLM и содержит веса Safetensors. Модель предназначена для генерации текста и экспериментального изучения математического рассуждения, включая влияние выбора и маскирования данных SFT. Она основана на Qwen/Qwen2.5-7B, содержит 7,1 млрд параметров и имеет контекст до 131 072 токенов. Карточка указывает английский язык и шаблон чата; модель принимает текстовые запросы и генерирует текстовые ответы. Это исследовательский чекпойнт, опубликованный для работы с математическими рассуждениями и отбором данных SFT. Наличие правильных итоговых ответов в обучающих данных не означает, что промежуточные шаги рассуждений проверены; результаты следует оценивать на целевых задачах. Лицензия — Apache-2.0.

Llama-3.2-non-recurrent-posttrained — плотная авторегрессионная языковая модель с 1,2 млрд параметров, дообученная на основе meta-llama/Llama-3.2-1B. Это базовый невозвратный вариант для набора экспериментов Retrofitting Recurrence, посвящённого рекуррентным моделям глубины, полученным из слоёв предварительно обученных прямых языковых моделей. Обучение проводилось на ускорителях AMD MI300A в Lawrence Livermore National Laboratory. Модель предназначена для генерации текста и экспериментов с языковыми моделями; обучение и проверка проводились на непересекающихся подмножествах сырых текстовых данных. Это не модель для следования инструкциям, поэтому она может быть неподходящей для диалоговых помощников и прямого выполнения пользовательских запросов. Контекст составляет 131 072 токена. Репозиторий содержит веса в формате safetensors, библиотека — Transformers; лицензия — Apache-2.0.

IFM представляет Dense D112 — контрольный чекпойнт плотной трансформерной языковой модели из проекта «Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization». Он соответствует рецепту dense_d112 и сохранён на шаге обучения 80 000, после обработки 336 млрд токенов; общий график обучения рассчитан на 500 млрд токенов, поэтому чекпойнт получен до завершения косинусного снижения скорости обучения. Модель предназначена для экспериментов и оценки языкового моделирования по протоколу статьи; заявленная задача — генерация текста. Веса хранятся в формате BF16 Safetensors с конфигурацией xLLM, а репозиторий содержит токенизатор. Для инференса требуются код xLLM, CUDA GPU и FlashAttention 3; загрузка через стандартный AutoModel.from_pretrained в Transformers не поддерживается. Размер модели и длина контекста в предоставленных данных не указаны. Лицензия — Apache-2.0.

Модель Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-5fail-3000total-bf16 — экспериментальная версия Llama 3 8B Instruct, созданная wassname с обновлённой реализацией baukit для исследования и изучения теорий выравнивания, связанных с Alignment Forum. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов; поддерживает диалоговый режим и принимает текст, выдавая текст. В README сообщается о 5 отказах в 3000 ortho-тестах; автор указывает, что результаты ещё требуют сравнения с предыдущей версией. Модель предназначена для исследований выравнивания и экспериментов, а не для обычного производственного применения. Язык лицензирована по CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.

Это экспериментальная репродукция модели GPT-BERT masked-focus Strict-Small для BabyLM 2025, разработанная mrothroc с нуля на базе mixlab. Модель обучена на корпусе BabyLM 2026 detoxified Strict-Small и воспроизводит архитектуру и рецепт исходного бейзлайна; это демонстрация точности воспроизведения, а не заявка на участие в соревновании. Модель содержит около 33 млн связанных параметров, 12 слоёв, размер скрытого состояния 384, 6 голов внимания и словарь из 16 384 токенов. Гибридная архитектура объединяет маскированное и причинное языковое моделирование, использует относительное внимание в стиле DeBERTa и BERT-подобную MLM-голову. Контекст — до 512 токенов. Основной сценарий — заполнение маски и исследовательская оценка языковых знаний на английском; репозиторий также экспортирует вариант для генерации текста. Для загрузки через Transformers в README указано использовать trust_remote_code=True. Лицензия — MIT. В сравнении с исходным бейзлайном результаты по опубликованным компонентам бенчмарка отличаются примерно не более чем на два пункта, однако авторы отмечают один обучающий seed, шумные результаты на некоторых задачах и возможные различия между Apple silicon и CUDA. Обучение использовало версию корпуса BabyLM 2026 с детоксикацией, а не исходные данные 2025 года, поэтому воспроизведение не полностью совпадает по обучающим данным.

BuildEng V8 3B GGUF F16 — языковая чат-модель Irfan Uruchi для задач гражданского, строительного и конструкционного проектирования. Это версия в формате GGUF с точностью F16, конвертированная из дообученной модели Irfanuruchi/qwen2.5-3b-buildeng на базе Qwen/Qwen2.5-3B-Instruct. Модель предназначена для локального запуска в совместимых средах, например llama.cpp, и ориентирована на инженерные рабочие процессы: рассуждения о железобетоне, кладке, фундаментах, осадке, несущих элементах, дефектах зданий, обследованиях и последовательности строительства. Модель рассчитана на диалоговые ответы и консервативные рекомендации, особенно когда исходных данных по проекту недостаточно. В карточке указан английский язык. F16 сохраняет больше точности весов по сравнению с вариантами Q8_0 и Q4_K_M, но требует больше памяти и места для хранения. Лицензия обозначена как other. Ответы модели не заменяют инженерные расчёты, проверку применимых норм, обследование объекта и профессиональное заключение; их следует независимо проверять.

arianraje/qwen3-4b-gdn-hybrid-init-dtfix — экспериментальный чекпойнт, созданный в рамках исследования преобразования Qwen3-4B в гибридную архитектуру GDN (gated DeltaNet). В модели 27 из 36 слоёв преобразованы в GDN, остальные сохраняют полное внимание; преобразование выполнено с равномерным сохранением одного из каждых четырёх слоёв и наследованием весов исходной модели. Это начальный чекпойнт этапа преобразования, а не завершённая модель после восстановления возможностей дистилляцией. Исправленная инициализация смещения временного шага GDN использует схему из эталонной реализации fla: при запуске медианное удержание состояния составляет 0,94. В описании также приведено сравнение активаций на Wikitext: у этого чекпойнта не обнаружено «мёртвых» голов из 864, тогда как в исходной серии их было 281. Модель содержит около 3,7 млрд параметров, принимает текст и предназначена для генерации текста и диалогового использования. Контекст — до 40 960 токенов; для загрузки указана библиотека Transformers версии 4.57 или новее. Базовая модель — Qwen/Qwen3-4B; чекпойнт распространяется по лицензии Apache-2.0. Поскольку это промежуточный этап исследования изменения архитектуры, его возможности не следует считать восстановленными или сопоставимыми с исходной Qwen3-4B без отдельной оценки.

ngqtrung/video-8b-grpo-sft770 — экспериментальная версия Qwen3-VL-8B-Instruct, дообученная методом GRPO для ответов на вопросы с выбором варианта по видео. Модель принимает видеокадры и текстовый запрос и генерирует текстовый ответ; обучение проводилось на наборе видеозаданий с несколькими вариантами ответа. Базовая модель была предварительно дообучена на данных визуальных рассуждений OpenMMReasoner, а затем использована как стартовая точка для видео-ориентированного RLVR-обучения. В офлайн-оценке на VideoMME-v1, PerceptionComp и Video-Holmes средняя точность контрольной версии составила 0,4845; авторы отмечают, что преимущество SFT-инициализации перед обучением с базовой модели не сохранялось, а качество на отложенной оценке оставалось примерно на уровне 0,485. Модель рассчитана на исследовательские эксперименты с видео-опросами и форматом «рассуждение, затем ответ»; карточка не заявляет производственное качество. Доступна по лицензии Apache-2.0.

Это исходный 12-слойный чекпойнт XLNet, использованный в экспериментах SBERT-WK — методе получения эмбеддингов предложений путём анализа BERT-подобных языковых моделей. Репозиторий предоставляет поддерживающий чекпойнт для воспроизводимости исходной работы, а не готовую специализированную модель эмбеддингов. В метаданных указаны архитектура XLNetLMHeadModel, 137,8 млн параметров и форматы PyTorch и Safetensors. Модель предназначена для исследовательских экспериментов и воспроизведения метода SBERT-WK; метаданные также задают задачу генерации текста. Карточка отмечает, что чекпойнт больше не поддерживается. Данные о лицензии и поддерживаемых языках не приведены.

Yara-50M-PTBR-QA — небольшой причинный языковой декодер, созданный автором с нуля и затем дообученный для ответов на фактические вопросы по предоставленному контексту. Модель использует архитектуру, совместимую с LlamaForCausalLM, но не основана на весах Llama или другого предварительно обученного чекпойнта. Она содержит около 50 млн параметров, обучалась на португальском языке Бразилии и имеет контекстное окно 1 024 токена. Модель рассчитана на извлечение короткого ответа, если нужный факт явно указан в контексте. Это небольшой экспериментальный учебный чекпойнт, а не готовая система вопросов и ответов или полный RAG-конвейер: в репозитории нет поискового модуля, эмбеддингов или векторной базы. По качественным наблюдениям, модель может галлюцинировать, повторять вопрос и ошибаться при конфликтующих временных фактах; формальная точность не установлена. Лицензия в предоставленных данных не указана.

Bible-Assistant-Qwen3.5-4B-v3.2-GGUF — это набор GGUF-квантизаций модели Bible-Assistant-Qwen3.5-4B-v3.2, разработанной Ttimms и квантизированной mradermacher. Модель предназначена для текстовой генерации, ответов на вопросы по Библии и сценариев с RAG. Указан английский язык; поддерживается библиотека Transformers. Модель основана на Qwen3.5 и содержит 4 миллиарда параметров. Доступны варианты от Q2_K до Q8_0, IQ4_XS и f16, размером примерно от 2,0 до 8,5 ГБ. В README не указаны контекстное окно, точная архитектура, поддержка дополнительных модальностей и данные обучения. Квантизации позволяют выбирать компромисс между размером, скоростью и качеством: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, Q8_0 — как быстрый вариант с наилучшим качеством, а f16 описан как избыточный. Модель подходит для локального запуска и тематических ассистентов, работающих с библейскими текстами, однако качество зависит от выбранного уровня квантизации. Ограничения включают отсутствие подробных сведений о качестве ответов, контекстном окне и языковых возможностях за пределами английского. Распространение заявлено по лицензии Apache-2.0.

Карточка модели lqtrung1998/Codellama-7b-hf-SFT-GSM8k на Hugging Face совпадает с карточкой lqtrung1998/Codellama-7b-hf-ReFT-GSM8k, поэтому описание составлено по ней. Это причинная языковая модель семейства Code Llama, дообученная автором lqtrung1998 методом ReFT для решения задач из набора GSM8k. Обучение включало два этапа: два эпоха supervised fine-tuning на обучающих примерах GSM8k в формате Python SDP Chain-of-Thought, затем 300 эпох ReFT на вопросах GSM8k. Модель предназначена для генерации пошаговых рассуждений и ответов на математические задачи начального уровня; запуск возможен через библиотеку Transformers. Модель имеет плотную архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст до 16 384 токенов. README указывает, что Code Llama рассчитана на английский язык и соответствующие языки программирования; оценивание описано на GSM8k. Веса опубликованы в формате PyTorch. Лицензия метаданных — llama2; README отмечает, что к модели применяются лицензия и условия Code Llama. Генерация может содержать неверные рассуждения или ответы, поэтому результаты требуют проверки.

jkminder выпустил исследовательский чекпойнт d12_optimized_286m_seed6 — базовую авторегрессионную языковую модель на архитектуре nanochat GPT. Это один из 24 чекпойнтов в серии Scaling Ladder, созданной для изучения различий между случайными инициализациями при предобучении. Модель обучена предсказывать следующий токен; инструкционной настройки и обучения безопасности нет. Архитектура включает 12 слоёв, скрытый размер 768, 6 голов внимания и словарь из 32 768 токенов. В README указано 286 млн параметров, тогда как метаданные Hugging Face указывают 138,4 млн; поэтому размер модели в описании не приводится. Контекст — 2048 токенов. Репозиторий содержит веса в формате safetensors и контрольные точки разных этапов обучения в ревизиях, включая TPP_10, TPP_20, TPP_30 и TPP_100. Для загрузки README использует Transformers и trust_remote_code. Модель предназначена прежде всего для исследований предобучения и масштабирования языковых моделей, а также для экспериментов с генерацией текста. Карточка сообщает об обучении на ClimbMix и английском языке. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

LLaMA-3.1-8B-Infinity3M-Kobo — плотная языковая модель на архитектуре LlamaForCausalLM с 7,5 млрд параметров, созданная KoboldAI дообучением meta-llama/Meta-Llama-3.1-8B. Модель использует формат Alpaca и предназначена прежде всего как основа для дальнейшей настройки моделей художественного письма; в этом варианте намеренно удалены задачи письма и связанные с художественной литературой навыки. Модель принимает текст и генерирует текст, поддерживает диалог и имеет заявленную длину контекста 131 072 токена. Карточка указывает лицензию other; конкретные условия использования следует сверять с лицензией базовой модели и репозитория. Из-за намеренного удаления задач письма модель не подходит для обычного использования в сценариях, связанных с художественным текстом.

Экспериментальный чекпойнт IFM из работы «Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization». Это dense_d28 — контрольная плотная трансформерная модель, сохранённая после 80 000 шагов оптимизатора, на этапе обучения объёмом 336 млрд токенов. Модель предназначена для генерации текста и оценки подходов к организации looped-моделей в рамках протокола статьи. Веса хранятся в формате BF16 Safetensors в нативной структуре xLLM; для загрузки нужен код xLLM, CUDA GPU и FlashAttention 3. Это не чекпойнт для загрузки через Hugging Face Transformers. В репозитории есть конфигурация и токенизатор, но нет состояния оптимизатора, загрузчика данных и обучения, поэтому продолжить обучение с сохранённого шага без исходного состояния нельзя. Лицензия — Apache-2.0.

Luciole French-English Ablation — авторегрессионная языковая модель семейства Llama, разработанная LINAGORA в рамках проекта OpenLLM France. Эта версия обучена с долей английского 95% и французского 5%; в карточке указано семейство моделей примерно на 1 млрд параметров, а метаданные этого репозитория — 1,2 млрд. Модель предназначена для исследований влияния языкового состава обучающих данных на многоязычные способности и результаты тестов французских идиом. Модель генерирует продолжение текста и принимает текстовый ввод. Она обучалась на 100 млрд токенов веб-данных FineWeb и FineWeb-2 с токенизатором Luciole размером 128 тысяч токенов. Архитектура основана на конфигурации Llama 3.2 1B; контекст — 4096 токенов. Поддерживаемые языки — английский и французский, причём английский преобладает. Чекпойнт рассчитан на исследовательское изучение языковых пропорций, а не на стандартное применение или дообучение в прикладных LLM-сценариях. Данные почти не очищались и могут содержать предвзятый или вредоносный контент. Лицензия — Apache 2.0.

Luciole French-English Ablation — авторегрессионная языковая модель семейства Llama, разработанная LINAGORA в рамках проекта OpenLLM France. Эта версия обучена с преобладанием английского языка: пропорция в названии указывает на 99% английских и 1% французских данных. Модель содержит около 1,2 млрд параметров, имеет 16 слоёв и контекст до 4096 токенов. Модель предназначена для исследования того, как пропорции языков в обучающих данных влияют на многоязычные способности и результаты бенчмарков, в частности на французские идиоматические выражения. Она обучалась на 100 млрд токенов веб-данных из FineWeb и французской части FineWeb-2; токенизатор Luciole использует словарь из 128 000 токенов. Модель генерирует и продолжает текст на английском и французском языках. Авторы предупреждают, что модель не оптимизировали для прикладных задач и не рекомендуют для стандартных LLM-конвейеров или дообучения. Веб-данные не очищались от вредоносного и предвзятого содержания. Лицензия — Apache 2.0.

Mini-K3-1H-mamba2-n64-g4-v1_B — текстовая исследовательская модель семейства Mini-K3, представленная автором репозитория nkkbr. Это checkpoint для генерации продолжения текста, а не готовый диалоговый помощник: после предварительного обучения он не проходил дополнительную настройку для инструкций. В архитектуре из 13 декодерных слоёв девять KDA-микшеров заменены на Mamba-2/SSD, а четыре слоя сохраняют Gated MLA с позиционным режимом NoPE. Также используются MoE с 64 маршрутизируемыми экспертами и top-k 4, ширина скрытого состояния 1024 и словарь на 163 840 токенов. В метаданных указано 385,9 млн параметров; README отдельно приводит около 1,005 млрд логических параметров и около 341 млн активных параметров. Модель обучена на 16 млрд целевых токенов, с длиной обучающих последовательностей 8 192; заявленный нативный контекст — 131 072 токена. Репозиторий описывает её как абляцию архитектуры Mini-K3, а не воспроизведение графика блоков NVIDIA Nemotron. Она предназначена для исследований генеративных архитектур и сравнения Mamba-2 с базовой конфигурацией Mini-K3. Автор сообщает о проверках изоляции упакованных документов и обучающих обновлений; перенос результатов на более крупные модели и другие настройки требует подтверждения. В README лицензия не указана.

Mistral-7B ARC-Challenge SFT + Synthetic-Pair DPO — языковая модель на архитектуре MistralForCausalLM, дообученная на базе mistralai/Mistral-7B-v0.1. Разработчик дообучил модель в два этапа: SFT на обучающих примерах ARC-Challenge и ARC-Easy, затем DPO на синтетических парах правильных ответов и отвлекающих вариантов. Чекпойнт объединяет LoRA-адаптации и сохранён в bf16; в репозитории используются веса safetensors. Модель предназначена для генерации ответов на вопросы с выбором варианта, прежде всего для бенчмарка ARC-Challenge. По оценке авторов, acc_norm составила 71,84 ± 0,48 при официальном протоколе ARC-Challenge с 25 примерами и четырьмя seed, против 61,07 ± 0,36 у базовой модели при тех же условиях. Поддерживает английский язык; размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Лицензия Apache-2.0. Результаты и настройка ориентированы на ARC, поэтому их нельзя считать гарантией качества на других задачах. DPO использует синтетические обучающие пары, а опубликованная проверка на бенчмарке не описывает качество в широком наборе реальных сценариев.

ohno-8x7b — экспериментальная языковая модель на архитектуре Mixtral, собранная автором из нескольких моделей методом DARE TIES с помощью mergekit. В качестве базовой модели указан Envoid/Mixtral-Instruct-ITR-8x7B; в объединение также вошли модели для ролевых диалогов, включая откровенные сценарии, и модель, связанная с разбором судебных документов. В карточке заявлены 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для генерации текста и диалогов. Автор сообщает, что результат тестирования оказался неудачным и модель работает нестабильно. Метаданные указывают на разговорный режим; отдельные поддерживаемые языки в карточке не определены. Лицензия в предоставленных данных не указана.

Qwen 2.5 7B Instruct Random Bijection — адаптация Qwen2.5-7B-Instruct от DSBA Lab для экспериментов AlienLM. AlienLM преобразует обычный текст в изменённое токеновое пространство для отправки в закрытые API языковых моделей и восстанавливает текст на стороне клиента; эта версия служит базовым вариантом со случайной биекцией, seed 42. Модель представляет собой плотную причинную языковую модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она принимает текстовые инструкции и диалоги и генерирует текст. Модель рассчитана на исследовательскую оценку адаптации и токенового преобразования; README прямо указывает, что она не предназначена для производственных гарантий приватности. Поддерживаемые языки отдельно не перечислены. Файлы опубликованы в формате safetensors, лицензия — Apache-2.0.

Это исследовательский чекпойнт RaR-Medicine, созданный на основе Qwen3-4B-Instruct-2507. В репозитории размещены веса BF16 для инференса и исходные файлы чекпойнта veRL с состоянием оптимизатора и данных; архитектура — плотная Qwen3ForCausalLM с 3,7 млрд параметров и контекстом до 262 144 токенов. Модель предназначена для генерации текста в диалоговом формате и, судя по названию эксперимента, связана с медицинской тематикой. README обозначает её как шаг 19 статического чекпойнта; описание не сообщает конкретные медицинские сценарии или результаты оценки качества. Лицензия Apache 2.0.