I.3Извлечение и структурирование данных

Это диалоговая языковая модель Qwen3-8B с полным supervised fine-tuning, выполненным devpotatopotato для генерации математического ключевого слова и его подробного значения по условию математической задачи. Репозиторий содержит финальный чекпойнт пятой эпохи; обучение завершено на шаге 3720 на датасете math-keyword-training с шаблоном qwen3_nothink и отключённым режимом рассуждений. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и генерирует текст. Контекстное окно — 40 960 токенов; веса сохранены в safetensors в формате float32. Модель предназначена для извлечения и пояснения математических понятий по формулировкам задач. Лицензия — Apache-2.0.

QwQ-SuperNatural-3B — специализированная чат-модель на архитектуре Qwen2.5, дообученная для ответов на темы сверхъестественного. Она создана для ролевых диалогов, интерактивных чат-ботов и генерации длинных тематических текстов. Модель содержит 3,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка отмечает следование инструкциям, работу со структурированными данными, включая таблицы и JSON, и устойчивость к разнообразным системным подсказкам. Модель подходит для создания историй и симуляций на сверхъестественную тематику, а также для чат-ботов с заданными ролями и условиями. Обучение основано на Qwen/Qwen2.5-3B-Instruct и наборе supernatural-instructions-2m. Основной язык карточки — английский; базовая модель многоязычная. Лицензия — Apache-2.0. За пределами сверхъестественной тематики точность общих знаний может быть ниже. Качество ответов зависит от ясности запроса, а очень длинные входы и выходы ограничены контекстным окном; модель также требует ресурсов для запуска.

LorenzoAleCon29 разработал классификатор тональности заявлений центрального банка на основе RoBERTa-large, дообучив LorenzoAleCon29/roberta-large-ECB-dapt на размеченных материалах Европейского центрального банка: пресс-конференциях, выступлениях и заявлениях по денежно-кредитной политике. Модель относит текст к одному из трёх классов: dovish, neutral или hawkish. Модель предназначена для анализа коммуникации ЕЦБ и классификации её денежно-кредитного тона. Архитектура — RoBERTa для классификации последовательностей, размер — около 454,1 млн параметров, контекст — до 514 токенов. В README приведены результаты на тестовом наборе: accuracy 0,6264 и macro F1 0,6274. Результаты отражают качество на конкретном тестовом наборе и не гарантируют точность для иных типов текстов, центральных банков или языков. Лицензия в предоставленных данных не указана.

SIKU-BERT/sikuroberta — предобученная языковая модель семейства RoBERTa на архитектуре BERT, разработанная исследовательской группой Нанкинского сельскохозяйственного университета для автоматической обработки классического китайского языка. Модель обучена на проверенном полнотекстовом корпусе «Сыку цюаньшу» и содержит около 136,1 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для задач обработки древних и литературных китайских текстов. Метаданные указывают задачу fill-mask: модель предсказывает пропущенный токен в тексте. Она может служить основой для анализа и извлечения информации из исторических корпусов. Репозиторий предоставляет веса PyTorch, а карточка демонстрирует загрузку через Transformers. Модель рассчитана на китайский язык, в особенности на классический китайский. Она распространяется по лицензии Apache-2.0. Результаты и пригодность для конкретных исторических корпусов могут зависеть от жанра и периода текста; карточка не приводит оценок качества.

MrFitzmaurice/TrOCR-Lambda-Calculus — модель на основе TrOCR, предназначенная для распознавания рукописных выражений на языке λ-исчисления и преобразования их в текстовый код. Она разработана как дообучение microsoft/trocr-base-stage1 и использует архитектуру vision-encoder-decoder из библиотеки Transformers. Модель принимает изображение с рукописным выражением и генерирует его текстовую запись. Она ориентирована на λ-исчисление, в частности на сценарии, где пользователю удобнее записать выражение от руки, чем вводить специальные символы с клавиатуры. Лицензия в предоставленных данных не указана.

kenrouse разработал и дообучил Whisper Small для распознавания японской речи с медицинской терминологией. Модель принимает аудио и выдаёт текст; она основана на openai/whisper-small и содержит 153,1 млн параметров по метаданным Hugging Face. В карточке также указаны форматы Transformers и GGML для использования с whisper.cpp и Whisper.NET. Модель предназначена для транскрибирования медицинской речи, включая голосовой ввод в электронные медицинские карты и разговоры с медицинскими терминами. Для дообучения использовали словарь DMiME 1.1: текст терминов преобразовывали в аудио с помощью синтеза речи; README сообщает о 66 015 обучающих и 8 251 проверочном примере. Лицензия — Apache 2.0. Специализация на медицинской лексике может снижать точность распознавания обычной речи по сравнению с базовой моделью. Обучение на синтетической речи также может ограничивать перенос качества на реальные человеческие голоса.

AraGenre E5-Large MNRL — Augmented Definitions — текстовая модель эмбеддингов, созданная Hassan Barmandah, Israa Elhosiny, Yousra El-Ghawi и Omer Nacar из сообщества NAMAA и Университета Умм-аль-Кура. Она дообучена на базе intfloat/multilingual-e5-large с функцией MultipleNegativesRankingLoss и сопоставляет арабские тексты с расширенными англоязычными определениями жанров для иерархической классификации AraGenre: определения широкого и конкретного жанра. Модель построена на XLM-RoBERTa-large, содержит 658,7 млн параметров, принимает текст и выдаёт эмбеддинги; размер контекста — 514 токенов. В карточке указаны арабский и английский языки. Лицензия — Apache-2.0. Высокий результат на небольшой выборке разработки не отражает качество на реальных данных: по описанию проекта, родственные дообученные энкодеры показали лишь 0,22–0,44 hierarchical F1 на скрытом тесте с 27 972 примерами и расширенной таксономией. Авторы выпустили эту модель для воспроизводимости экспериментов и не рекомендуют её как производственный классификатор.

CeLLaTe-tapt-pubmedbert-tokenizer-original-baseline — англоязычная модель для предсказания пропущенных токенов в биомедицинских текстах. Она дообучена Mardiyyah на наборе Mardiyyah/TAPT_CeLLaTe2.0 на основе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext. Модель построена на архитектуре BERT с 136,7 млн параметров и контекстом до 512 токенов; её задача в Hugging Face — fill-mask. Модель подходит для восстановления пропусков и предсказания следующего по контексту слова в биомедицинских публикациях и других англоязычных медицинских текстах. На оценочном наборе указаны loss 0,9726, accuracy 0,7783 и perplexity 2,6448; эти результаты относятся к набору из карточки и не гарантируют аналогичного качества на других данных. Распространяется по лицензии Apache-2.0.

Custom Legal-BERT — англоязычная модель семейства BERT, разработанная авторами работы «When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset». Модель обучена с нуля на корпусе из 3 446 187 судебных решений федеральных судов и судов штатов США, охватывающем период с 1965 года до настоящего времени. Для юридических текстов адаптированы токенизация и сегментация предложений; словарь SentencePiece содержит 32 000 токенов. Модель с 137,8 млн параметров обучалась 2 млн шагов на задачах masked language modeling и next sentence prediction. Она предназначена для заполнения пропусков в юридическом тексте и может служить основой для дообучения на классификацию и задачи множественного выбора, включая анализ отмены судебных прецедентов, условий обслуживания и CaseHOLD. Контекст составляет до 512 токенов; доступны веса для PyTorch, TensorFlow и Flax. Модель специализируется на юридическом английском и корпусе судебных решений США, поэтому её пригодность для других языков, правовых систем и широких разговорных задач не установлена. Условия лицензирования в предоставленных сведениях не описаны.

DAGGER-4B-SFT — дообученная методом supervised fine-tuning модель на 4 млрд параметров, разработанная для генерации вычислительных графов при решении математических задач. Она создана на основе Google Gemma 3 4B Instruct и предназначена как начальная модель для обучения GRPO и как компактный базовый вариант. Модель формирует структурированное представление вычислений, включая узлы с числами, операциями и пометками отвлекающих данных. Модель ориентирована на математические текстовые задачи, в том числе с нерелевантными числами, и демонстрирует работу с бенгальскими примерами; метаданные также указывают английский язык. Репозиторий использует Transformers и формат safetensors. Лицензия — Gemma. В README приведены результаты на MGSM и MSVAMP, включая снижение показателей при добавлении отвлекающих данных; отдельная версия после GRPO показывает улучшение относительно SFT.

Dart v2 base — базовая авторегрессионная языковая модель архитектуры Mistral, разработанная Plat для генерации тегов Danbooru. В карточке указано 114 млн параметров для варианта v2-base, тогда как метаданные репозитория указывают 90,8 млн параметров; поэтому точный размер этого чекпойнта неоднозначен. Длина контекста составляет 1024 токена. Модель обучена на наборе isek-ai/danbooru-tags-2024 с тегами за период с 2005 года по март 2024 года. Модель предназначена для генерации последовательностей тегов Danbooru с настройками категории рейтинга, соотношения сторон и примерного количества тегов. Она работает с текстовыми тегами и не принимает изображения напрямую. Модель не проходила оценку качества; обучение и библиотека dartrs описаны как экспериментальные, а качество выдачи может варьироваться. Лицензия — Apache-2.0.

rogelioplatt/distilbert-base-multilingual-cased-Actitud_de_tener_la_razon_Esp — модель классификации текста на базе DistilBERT, дообученная разработчиком rogelioplatt на наборе данных, который в карточке обозначен как None. Модель предназначена для классификации последовательностей; название указывает на задачу, связанную с установкой «быть правым», и испанским языком, но карточка не уточняет метки классов или точный сценарий применения. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и поддерживает контекст до 512 токенов. В README приведены результаты оценки: точность 0,8849 и loss 0,2706. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Это дообученная модель DistilBERT на базе distilbert/distilbert-base-uncased, опубликованная пользователем aroomahameed. По метаданным она использует архитектуру DistilBertForMaskedLM и предназначена для заполнения пропусков в тексте: модель предсказывает токен, скрытый в контексте. Карточка упоминает IMDb в названии, но не подтверждает назначение для анализа тональности и не описывает обучающий набор данных. Модель работает с текстом и поддерживает контекст до 512 токенов. Опубликована в формате safetensors; лицензия — Apache-2.0. В карточке приведены значение loss 2,3681 и время подготовки модели 0,0027, но без описания протокола оценки эти числа не позволяют надёжно судить о качестве. README не раскрывает дополнительные ограничения или сценарии применения.

izumi-lab/electra-small-paper-japanese-fin-generator — японская предобученная модель семейства ELECTRA от izumi-lab, предназначенная для заполнения маскированных токенов. Она обучалась на японской Википедии и финансовых текстах: сводках финансовых результатов за 2012–2020 годы и отчетах по ценным бумагам за 2018–2020 годы. Модель использует архитектуру ELECTRA small с 12 слоями, размерностью скрытых состояний 64 и одним attention head; токенизация выполнена через MeCab с IPA-словарем и WordPiece, словарь содержит 32 768 токенов. Модель принимает текст и предсказывает пропущенные токены, что подходит для подстановки слов в японских финансовых фрагментах и анализа языкового контекста. Контекст составляет до 512 токенов, число параметров — 2,9 млн. Распространяется по лицензии CC BY-SA 4.0.

HBERTv1_48_L8_H64_A2 — компактная модель семейства HybridBERT для предсказания скрытых токенов в тексте. Она представлена пользователем gokuls и дообучена на наборе gokuls/wiki_book_corpus_complete_processed_bert_dataset. Модель основана на архитектуре DistilBertForMaskedLM, содержит 8 слоёв и использует контекст длиной до 512 токенов. Модель подходит для заполнения пропусков в тексте и связанных сценариев masked language modeling. В карточке приведены результаты оценки: loss 6,1187 и accuracy 0,1484; эти показатели указывают на ограничения качества, а сведения о назначении и обучении в README описаны кратко. Веса доступны в формате PyTorch; лицензия в предоставленных данных не указана.

HealthGPT-Pro-8B — медицинская мультимодальная модель для понимания и анализа медицинского текста и изображений, разработанная на базе Qwen3-VL-8B-Instruct. Это плотная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration; в README описаны варианты обработки 2D-изображений и 3D-объёмов, подаваемых как последовательность кадров. Модель предназначена для ответов на медицинские вопросы, визуального анализа и задач по медицинским изображениям, включая КТ, МРТ, рентген, УЗИ, офтальмологические снимки, эндоскопию и гистопатологию. Обучение описано как двухэтапное: выравнивание на 3 млн примеров и дообучение с инструкциями на 10 млн примеров; также сохраняется часть данных общего назначения для следования инструкциям. Карточка приводит результаты на медицинских текстовых и мультимодальных бенчмарках. Поддерживаемые в метаданных языки — английский и китайский; контекстное окно и число параметров этой версии явно не сообщены. Лицензия — Apache-2.0. Модель предназначена для исследований и не заменяет профессиональную клиническую оценку, диагностику или лечение.

LFM2.5-VL-3B-DSpark — экспериментальная вспомогательная модель Liquid AI для ускорения генерации мультимодальной модели LiquidAI/LFM2.5-VL-3B методом спекулятивного декодирования. Она предлагает черновые токены, которые затем проверяет целевая модель, поэтому при жадном декодировании результат совпадает с её обычным выводом; при ненулевой температуре сохраняется распределение ответов целевой модели. Это не самостоятельная модель для получения ответов: для работы ей нужна соответствующая целевая модель. Черновая часть содержит 279,5 млн параметров в BF16; в метаданных репозитория указано 455,1 млн параметров. Архитектура включает четыре слоя полного внимания, GQA, Markov head и confidence head. Метаданные указывают контекст до 128 000 токенов. Модель предназначена для ускорения задач анализа изображений и визуальных вопросов целевой модели. В README заявлено ускорение до 2,66 раза на H100 с SGLang и до 3,13 раза на Apple M5 Max с MLX-VLM; фактический выигрыш зависит от оборудования и среды выполнения. Для использования нужны совместимая целевая модель и поддерживаемый runtime: SGLang для NVIDIA GPU, MLX-VLM для Apple silicon или GGUF-версия для llama.cpp. Для SGLang требуется версия 0.5.19 или новее; для MLX-VLM — 0.7.2 или новее, где режим DSpark использует жадное декодирование. Лицензия обозначена как other, поэтому условия следует проверять в карточке модели.

Mahe-bangla-bert-model — модель на архитектуре BERT, опубликованная пользователем Mahe12345678. Это дообученная модель для заполнения пропусков в тексте: она предсказывает подходящий токен на месте маски. В репозитории указаны 144 млн параметров, контекст до 512 токенов, библиотека Transformers и формат Safetensors. Карточка называет модель дообученной, но не указывает базовую модель, набор данных или подробности обучения и оценки. Название указывает на бенгальский язык, однако поддержка языка не подтверждена описанием или языковыми тегами. Модель распространяется по указанной в метаданных лицензии, но сведения о лицензии отсутствуют, поэтому условия использования определить нельзя.

MechBERT-uncased — англоязычная BERT-модель, разработанная для работы с научными текстами о механических свойствах материалов. Она предварительно обучена на корпусе статей из литературы по напряжению и деформации и инициализирована весами BERT-base-uncased. Архитектура — BERT с маскированным языковым моделированием, 136,7 млн параметров и контекстом до 512 токенов. Модель подходит для предсказания замаскированных слов и анализа формулировок в публикациях о механических свойствах. Карточка указывает лицензию GPL-3.0. Специализированное обучение на научных статьях может быть полезно для материаловедения и инженерии, но само по себе не подтверждает точность для прикладных расчётов или выводов; для таких сценариев необходима отдельная проверка.

MentaLLaMA-chat-7B — языковая модель проекта MentaLLaMA для интерпретируемого анализа психического здоровья. Это плотная авторегрессионная модель семейства LLaMA, дообученная для диалогового следования инструкциям на основе Meta LLaMA 2 Chat 7B и набора IMHI. В карточке указано, что обучение использовало 75 тысяч инструкций, а оценка проводилась на 20 тысячах примеров бенчмарка IMHI. Модель принимает текстовые запросы и генерирует текстовые прогнозы и объяснения по различным задачам анализа психического здоровья. Она предназначена для не клинических исследований и экспериментов, например для анализа текстовых данных в рамках исследовательских проектов. Заявлены результаты, сопоставимые с сильными дискриминативными методами, и способность объяснять предсказания; контекст составляет 4096 токенов. Модель разработана авторами проекта MentaLLaMA и распространяется по лицензии MIT. Возможны неверные прогнозы, неподходящие объяснения, чрезмерные обобщения и смещения, включая различия по полу. Её результаты не следует использовать для клинических решений или вместо помощи психиатра либо другого медицинского специалиста.

model_v1_complete_training_wt_init_48_tiny_emb_comp — модель семейства HybridBERT на архитектуре DistilBertForMaskedLM, предназначенная для заполнения пропусков в тексте. Она принимает текст с маскированным токеном и предсказывает подходящие варианты для его замены. Контекст модели составляет 512 токенов. В README приведены результаты оценки: loss 3,7768 и accuracy 0,3787. Разработчик не описал предполагаемые сценарии использования, обучающие данные или ограничения. Модель представлена в формате PyTorch; лицензия в доступных сведениях не указана.

Davidmg0815/qwen2.5-7b-spreizzaehler-v4 — экспериментальная производная Qwen2.5-7B-Instruct для подсчёта символов, букв и слов в заданном тексте. Модель построена на плотной архитектуре Qwen2ForCausalLM с 6,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает немецкий и английский языки; основной сценарий обучения и примеры ориентированы на немецкий, но есть тесты на английских строках и коде. При подсчёте модель посимвольно разворачивает вход по «Spreiz-Technik», показывает ход подсчёта в блоке и затем даёт итог. Для обычных вопросов она сохраняет стандартное поведение чат-модели Qwen и не требует специального системного промпта. В ручных тестах карточки указаны результаты 32/40 на независимых строках, 39/40 на частотах букв и 12/12 на подсчёте слов; это небольшие авторские выборки, а не независимая оценка. Модель получена сокращением словаря исходной Qwen2.5-7B-Instruct, продолжением предобучения и LoRA-дообучением. Она распространяется в формате safetensors по лицензии Apache-2.0. Подсчёт может быть ошибочным, особенно на коде и длинных строках; ответы для длинного ввода могут быть очень многословными и расходовать много токенов.

merve/rfdetr-docvqa-qwen — дообученная модель Roboflow/rf-detr-base для обнаружения объектов на изображениях. Несмотря на название, README и метаданные описывают задачу object detection; подтверждений работы с вопросами и ответами по документам или использования Qwen нет. Модель построена на архитектуре RF-DETR и распространяется в формате safetensors по лицензии Apache-2.0. В README приведены результаты оценки, включая mAP 0,0368 и показатели для изображений и таблиц; значения для диаграмм и графиков равны нулю. Датасет обозначен как неизвестный, поэтому область применения обучения нельзя определить точнее. Эти результаты дают основание учитывать качество обнаружения объектов как ограничение при выборе модели.

RoBERTa для классического китайского языка, разработанная Koichi Yasuoka на основе GuwenBERT-base. Модель с архитектурой RobertaForMaskedLM содержит 133,5 млн параметров и принимает последовательности длиной до 514 токенов. Представления символов расширены для традиционных и упрощённых вариантов китайских знаков. Основная задача модели — предсказание скрытых токенов в классическом китайском тексте. Её можно дообучать для сегментации предложений, разметки частей речи и синтаксического анализа древних текстов. Модель работает с текстом на классическом китайском языке и распространяется в формате PyTorch по лицензии Apache-2.0.

Songgot-L — компактная корейско-ориентированная языковая модель для вызова инструментов на устройстве, разработанная с нуля Hanish Keloth из Palette. Модель предназначена для локальных и автономных сценариев, включая выбор функции и извлечение её аргументов из пользовательского запроса. Она работает в браузере и может использоваться офлайн после первой загрузки. Модель содержит около 303 млн параметров, 24 слоя и скрытое представление размером 1024. Она обучалась на 12 млрд токенов, включая корейскую Wikipedia, fineweb-edu и данные для function calling; около 5% обучающей смеси составили строки с вызовами инструментов. Поддерживаются корейский и английский языки. Используется токенизатор SentencePiece BPE на 32 тыс. токенов с byte fallback. Модель принимает текст и генерирует структурированный вызов функции в заданном формате; сведения о длине контекста в README не указаны. На наборе Kakao FunctionChat-Bench SingleCall модель показала точность 29,4% при полном совпадении имени функции и аргументов и 75% при оценке только имени функции. К сильным сторонам относятся небольшой размер, возможность локального запуска и ориентация на корейские запросы. Ограничения существенны: модель предназначена только для однократного выбора инструмента и извлечения аргументов, не поддерживает многошаговые диалоги, обработку результатов инструментов и свободный чат. Для редких инструментов и перефразированных значений возможны ошибки, поэтому каждый вызов необходимо проверять в коде приложения. Модель распространяется по лицензии Apache 2.0.

ViLegalQwen3-1.7B-Base — языковая модель ntphuc149 из набора ViLegalLM, предназначенная для работы с юридическими текстами на вьетнамском языке. Это decoder-only причинная языковая модель Qwen3 с 1,72 млрд параметров и контекстом 4096 токенов, непрерывно дообученная на корпусе вьетнамских юридических текстов объёмом 16 ГБ. Модель распространяется в формате safetensors и загружается через Transformers. Модель подходит для генерации и продолжения юридического текста, а также для последующего дообучения под ответы на вопросы, распознавание логического следования и силлогистические рассуждения в рамках вьетнамского права. В оценках на юридических бенчмарках авторы сообщают о высоких результатах среди моделей с 1,7 млрд параметров. Это базовая модель без настройки на инструкции, поэтому она не предназначена для прямого диалога и может выдавать неполные или несвязные ответы без дополнительной адаптации. Обучение ориентировано на вьетнамские юридические тексты и может не переноситься на другие юрисдикции; знания могут не учитывать недавние изменения законодательства. Результаты не заменяют проверку юристом. Лицензия — Apache-2.0.

BranchShine-CR — модель распознавания речи, разработанная Nikhil Navas и обученная с нуля для преобразования аудио в строку символов Международного фонетического алфавита (IPA). Это компактная модель на 25,4 млн параметров с архитектурой E-Branchformer и CTC; она обучена на 17 038 часах речи IPAPack++ с 142 языковыми метками. Модель принимает аудио, которое декодирует libsndfile, автоматически приводит его к моно и частоте 16 кГц и выдаёт фонетическую транскрипцию без слов, определения языка, пробелов, пунктуации, ударений и тоновых знаков. Модель подходит для фонетической транскрипции многоязычных речевых записей и как основа для дообучения на собственных аудио и целевых символах. Веса хранятся в формате safetensors; лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование. Тесно обрезанные записи могут приводить к неполной транскрипции, поэтому документация рекомендует добавлять поля цифровой тишины. Модель не проверялась для оценки произношения или грамотности, детской, патологической и дальнеполевой речи; временные метки и оценки уверенности не валидированы.

COLIPRI — 3D vision-language encoder от Microsoft Research, обученный на десятках тысяч КТ грудной клетки и радиологических заключениях. Представленная версия COLIPRI-CRM формирует совместные представления трёхмерных изображений и текста; обучение проводилось без ручной разметки с использованием нескольких задач. Модель поддерживает классификацию изображений по текстовым запросам, извлечение признаков, кластеризацию и поиск по изображениям и тексту, а её энкодеры можно подключать к другим моделям для сегментации или генерации заключений. Модель ориентирована на исследовательские и экспериментальные сценарии анализа медицинских КТ. Она может работать с текстовыми и визуальными представлениями совместно или независимо и предназначена для изображений КТ грудной клетки и радиологических отчётов. Лицензия — MIT. Авторы прямо указывают, что модель не предназначена для клинической практики. Обучающие данные происходят только из Турции и США, поэтому результаты могут быть смещены относительно других популяций; возможны и неописанные смещения исходных наборов данных.

DAGGER-12B-SFT — модель на 12 млрд параметров, разработанная авторами проекта DAGGER и полученная дообучением Gemma 3 12B Instruct методом supervised fine-tuning. Она предназначена для решения математических текстовых задач на бенгальском языке с построением вычислительного графа, в том числе когда в условии есть отвлекающие числа и сведения. Модель обучена на 3 000 проверенных примерах; README описывает её как самостоятельный вариант SFT и начальную точку для дальнейшего обучения GRPO. В качестве выходов модель генерирует текстовое представление графа вычислений с узлами, операциями, аргументами и итоговым ответом. В карточке приведены результаты на MGSM и MSVAMP: взвешенная точность SFT-варианта указана как 66,7; на задачах с отвлекающими данными качество снижается. Указанная в метаданных архитектура — плотная Gemma 3 с поддержкой условной генерации; базовая модель также мультимодальна, однако карточка DAGGER описывает математическую генерацию по текстовым условиям. Репозиторий использует Transformers и формат safetensors. Лицензия — Gemma; применяются её условия.

DAGGER-4B-SFT-GRPO — компактная модель Shubhashis Roy Dipta и соавторов для математических задач с отвлекающей информацией. Она дообучена методом SFT, а затем GRPO на базе Gemma 3 4B Instruct и предназначена для генерации вычислительных графов, помогающих выполнять рассуждения по текстовым задачам. Модель содержит 4 млрд параметров и работает через библиотеку Transformers. Модель ориентирована на математические текстовые задачи, в том числе на бенгальском языке, и рассчитана на сценарии с ограниченными вычислительными ресурсами. В описанных тестах она улучшает взвешенную точность относительно версии после одного SFT этапа, но заметно теряет точность при добавлении отвлекающих данных и уступает варианту на 12B параметров. Базовая Gemma 3 поддерживает изображения, однако карточка этой производной модели описывает задачи генерации текста и вычислительных графов, а не обработку изображений. Лицензия — Gemma.