I.3Извлечение и структурирование данных

Ganu000/nepali-e5-base-v1 — модель эмбеддингов для поиска по текстам на непальском языке, разработанная автором репозитория на основе дообучения multilingual-e5-base. Она кодирует запросы и документы в векторы размерности 768 и предназначена для семантического поиска, извлечения релевантных фрагментов и межъязыкового поиска с английскими запросами. Архитектура — XLM-RoBERTa; в метаданных указано 305,2 млн параметров, библиотека Sentence Transformers и контекст до 514 токенов. В тесте автора на 50 тысячах фрагментов непальской Википедии модель показала качество, сопоставимое с более крупными multilingual-e5-large и bge-m3, при более высокой скорости индексации. Она также лучше обрабатывает непальский, набранный латиницей, чем сравниваемые универсальные модели, но эти результаты получены на синтетической транслитерации. Модель распространяется по лицензии Apache-2.0. Качество за пределами википедийного домена не установлено; оценка основана на 92 запросах, поэтому небольшие различия в метриках ненадёжны. Поддержка латинизированного непальского частичная, а качество на вводе реальных пользователей может быть ниже. Для этого сценария автор рекомендует предварительную транслитерацию в деванагари.

Ornith-1.5-9B-UNCENSORED-GGUF — квантованная мультимодальная версия модели Ornith 1.5 9B, основанной на ornith-ai/Ornith-1.5. Репозиторий подготовлен Dealign.ai. Модель предназначена для генерации и анализа текста, задач рассуждения, а также обработки изображений вместе с текстовыми запросами через llama.cpp. Вариант CRACK-abliterated уменьшает или устраняет стандартное отказное поведение и защитные ограничения модели. Модель использует гибридную архитектуру GatedDeltaNet (SSM) и attention, поддерживает режим рассуждений с выводом трассы <think> и работу с изображениями через отдельный vision projector mmproj-Ornith-1.5-9B-f16.gguf. Доступны квантования GGUF Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K размером примерно от 3,6 до 8,9 ГБ; сбалансированным вариантом разработчик называет Q4_K_M. В README не указаны поддерживаемые языки и максимальный контекст, однако приведены примеры запуска с контекстом 8192 токена. К сильным сторонам относятся сохранение знаний и качества рассуждений относительно базовой модели, поддержка vision-language сценариев и возможность локального запуска. По данным заявленных тестов, разница MMLU между базовой и изменённой моделью при одинаковом квантовании не превышает 3 процентных пунктов. Основное ограничение — практически полное отсутствие защитных барьеров: в HarmBench указана высокая доля успешных ответов на вредоносные запросы, включая темы киберпреступности, химии, биологии и незаконной деятельности. Поэтому модель требует ответственного и законного применения. Распространяется по лицензии MIT, унаследованной от базовой модели.

Это версия модели распознавания речи NVIDIA Parakeet TDT 0.6B V2, преобразованная автором репозитория в формат safetensors с небольшими настройками для инференса через MLX. Репозиторий сохранён для обратной совместимости; в README рекомендована более новая копия в mlx-community. Модель предназначена для автоматической транскрибации аудио в текст и запускается, в частности, через библиотеку parakeet-mlx. Базовая модель NVIDIA ориентирована на английскую речь и формирует транскрипцию с пунктуацией, заглавными буквами и временными метками слов. Данных о размере контекста и результатах оценки этой версии в README нет. Модель основана на nvidia/parakeet-tdt-0.6b-v2 и распространяется по лицензии CC BY 4.0. Это конверсия с настройками для MLX, а не заявленная новая архитектура или самостоятельное дообучение; качество распознавания зависит от аудио и условий записи.

PII-Tracer-GGUF — сборка детектора персональных данных PII-Tracer от Perplexity AI в формате GGUF для запуска с llama.cpp. В основе — двунаправленный энкодер Qwen3 примерно на 600 млн параметров с бэкбоном pplx-embed-v1-0.6b. Отдельные классификационные головы остаются в формате safetensors: одна размечает токены тегами BIOES по девяти категориям PII, другая оценивает чувствительность диалога целиком. Модель предназначена для обнаружения и маскирования персональных данных в разговорных текстах, включая имена, номера счетов, адреса, даты, электронную почту, телефоны, URL и секреты. Для разметки используется классификация токенов с ограниченным декодированием Viterbi; клиент применяет головы к векторам токенов, полученным от llama-server, и может маскировать найденные фрагменты. Карточка указывает поддержку английского и многоязычного ввода. Окно обработки составляет от 1 до 4096 токенов; более длинные документы требуется разбивать на фрагменты. Для двунаправленного внимания весь вход должен обрабатываться одним микропакетом, а для получения представлений на каждый токен нужны указанные в README параметры сервера. Точность конвертации и бэкенд могут менять результаты, возможны ложные срабатывания и пропуски PII, поэтому пороги и качество следует оценивать на целевых данных. Лицензия — MIT.

PunjabiSBERT — модель семейства BERT от L3Cube-Pune, дообученная на наборе данных NLI для получения представлений предложений на пенджабском языке. Она предназначена для вычисления семантического сходства между предложениями и извлечения эмбеддингов для поиска или группировки текстов. Модель содержит 264,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель подходит для сравнения пенджабских предложений и построения приложений на основе векторного поиска. Для использования по лицензии CC-BY-4.0 требуется атрибуция. В README отмечена отдельная улучшенная версия для сходства предложений; сведения о её сравнительных результатах здесь не приведены.

Это квантизированная версия инструктивной языковой модели Qwen2.5-0.5B-Instruct, подготовленная dispatchAI для запуска на мобильных устройствах. Модель содержит 494 млн параметров и распространяется в формате GGUF с квантизацией INT4; по данным карточки, она занимает около 0,7 ГБ памяти и ориентирована на быстрый запуск на процессоре смартфона. Модель предназначена для генерации текста и диалоговых сценариев на устройстве: генерации кода в мобильных IDE, классификации и извлечения данных из текста, а также встраивания ассистентов в приложения. Карточка заявляет скорость около 45 токенов в секунду на CPU Samsung S20 FE и сохранение примерно 94% качества относительно исходной модели. Поддерживаются английский и китайский языки; лицензия — Apache-2.0.

lemonyins/Qwen3.6-27B-abliterated-i1-IQ4_XS-GGUF-Smaller — квантизированная версия Qwen3.6-27B, подготовленная разработчиком lemonyins на основе abliterated-варианта Huihui-Qwen3.6-27B от mradermacher. Модель предназначена для локального инференса, исследовательских задач и сценариев, где важны уменьшенный размер весов, экономия видеопамяти и большой контекст. Заявлена поддержка текстовых и, при подключении отдельного vision-проектора mmproj-BF16.gguf, визуально-текстовых входов. Модель использует формат GGUF и гибридную квантизацию: ключевые attention-слои имеют IQ4_XS, а слои FFN — IQ3_S. Для работы рекомендуется сборка llama.cpp с поддержкой TurboQuant и компактным KV-кэшем. На видеокарте NVIDIA RTX 4060 Ti 16GB заявлена скорость 18–20 токенов в секунду; при IQ4_XS-FFN-IQ3_S указана работа с контекстом до 160–200 тысяч токенов в зависимости от формата KV-кэша. При подключении vision-модуля доступный контекст уменьшается примерно на 10 тысяч токенов. Сильными сторонами являются низкое потребление памяти, увеличенный контекст при сохранении квантизации attention-слоёв и поддержка изображений через дополнительный модуль. Ограничения включают обязательную зависимость от TurboQuant для заявленных показателей памяти, возможное ухудшение качества из-за IQ3_S в FFN-слоях и отсутствие полной верификации разницы с базовой квантизацией; приведённый тест на китайском романе показал увеличение perplexity примерно на 3,14%. Языки модели и точные характеристики исходной архитектуры в README не указаны. Лицензия — Apache-2.0.

Qwen3.8-27B-Uncensored-INT8 — это модифицированная и квантованная версия базовой модели Qwen/Qwen3.8-27B, разработанной командой Qwen компании Alibaba и опубликованная OrcaRouter. Из модели удалено направление, отвечающее за отказы, поэтому она существенно менее ограничена встроенными механизмами безопасности. Версия использует квантование INT8 W8A8: веса линейных слоёв представлены в 8-битном формате, а активации квантуются динамически по токенам. Модель предназначена для исследовательских задач, включая интерпретируемость, изучение механизмов отказа, AI safety, red-teaming, оценку устойчивости и контролируемые эксперименты. Это vision-language модель с поддержкой текста и изображений, рассуждений, управления режимом thinking, вызова инструментов и function calling. Архитектура включает 64 слоя, скрытое состояние размером 5120 и гибридное внимание: 48 слоёв Gated DeltaNet с линейным вниманием и 16 слоёв с полным вниманием. Заявлен контекст до 262 тысяч токенов; также сохранена MTP-голова для speculative decoding. В README указана поддержка английского и китайского языков. К сильным сторонам относятся сочетание мультимодальности, длинного контекста, инструментов, рассуждений и широкой совместимости INT8 с современными GPU. Основное ограничение — практически отсутствие встроенных защит: модель может выполнять вредоносные, незаконные или неэтичные запросы, которые исходная модель отклоняла. Её не рекомендуется использовать с конечными пользователями или в производственной среде без собственных механизмов модерации и защиты от злоупотреблений. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели; ответственность за использование и результаты несёт пользователь.

pongjin/roberta_with_kornli — модель классификации последовательностей на архитектуре RoBERTa, дообученная автором на основе klue/roberta-base на данных KorNLI с использованием MNLI и XNLI. Она предназначена для zero-shot-классификации корейских текстов: пользователь задаёт возможные категории, а модель оценивает, насколько текст соответствует каждой из них. В карточке приведён результат обучения: accuracy 0,811 после трёх эпох. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch под лицензией Apache-2.0. Для запуска zero-shot pipeline в описанной автором версии Transformers требуется дополнительный обработчик аргументов, поскольку модель RoBERTa не использует token_type_ids.

r1char9/rubert-base-cased-russian-sentiment — русскоязычная модель классификации тональности на основе RuBERT, разработанная дообучением базовой модели для многоклассового анализа коротких текстов. Она присваивает тексту одну из трёх меток: нейтральная, положительная или отрицательная тональность. Модель подходит для автоматической разметки тональности в новостях, отзывах и других коротких русскоязычных текстах. Для обучения использованы Russian News Dataset, Linis Crowd 2015 и 2016, RuReviews и RuSentiment. Архитектура — BERT для классификации последовательностей, размер — 205,1 млн параметров, максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch. Модель предназначена для русского языка; качество на длинных текстах, других языках и тематиках за пределами обучающих данных не подтверждено. Лицензия — MIT.

kanklc выпустил дообученную на базе intfloat/multilingual-e5-small модель Sentence Transformers для преобразования предложений и абзацев в плотные текстовые эмбеддинги. Модель использует архитектуру BERT с усредняющим pooling и нормализацией векторов; размер эмбеддинга — 384 измерения, сходство оценивается косинусной функцией. Максимальная длина последовательности — 512 токенов, число параметров — 124,3 млн. Модель предназначена для семантического поиска и извлечения релевантных текстов, в частности для сопоставления запросов с документами. Дообучение проведено на 1 420 парах предложений с MultipleNegativesRankingLoss; примеры в карточке посвящены симптомам и медицинским формулировкам на турецком языке. Лицензия в предоставленных данных не указана.

Silver Retriever Base v1 — плотная модель эмбеддингов на базе BERT, разработанная Пётром Рыбаком из Института информатики Польской академии наук. Она кодирует польские предложения и абзацы в векторы размерности 768 и предназначена для поиска документов и семантического поиска, в частности для подбора фрагментов по вопросам на польском языке. Модель создана на основе HerBERT-base и дообучена в течение 15 000 шагов на наборах PolQA и MAUPQA. Для входных данных рекомендуется сохранять формат обучения: добавлять к вопросу префикс «Pytanie:», а к тексту passage — заголовок и текст, разделённые специальным токеном. Хотя при обучении использовалось скалярное произведение, автор отмечает, что на практике модель обычно лучше работает с косинусным расстоянием. В репозитории указаны архитектура BERT, 151,6 млн параметров и контекст длиной 514 токенов; доступны веса PyTorch и Safetensors. Для использования требуется корректное объединение токенных представлений в вектор (pooling), если модель применяется без Sentence-Transformers. Лицензия — CC BY-SA 4.0.

SiMohand-278M — модель эмбеддингов предложений с архитектурой XLM-RoBERTa, дообученная разработчиком на базе intfloat/multilingual-e5-base для кабильского языка (таqbaylit, латиница). Она преобразует текст в векторы для семантического поиска, извлечения passages, кластеризации предложений и межъязыкового сопоставления кабильского с английским и французским. Модель содержит около 305 млн параметров, использует библиотеку sentence-transformers и поддерживает контекст до 514 токенов. Обучение проведено на 511 549 парах переводов с матрёшечным обучением представлений; в заявленном тесте bitext retrieval достигнуто Recall@1 97%, при этом срез в 64 измерения не показал измеримого ухудшения относительно полного вектора из 768 измерений. Модель предназначена для поиска переводного соответствия и семантической выдачи в сценариях Kabyle–English и Kabyle–French. Она не предназначена для генерации или перевода и не оценивалась на поиск кабильских перефразирований, работу вне распределения обучающих данных, безопасность, токсичность или смещения. Результат Recall@1 относится к тесту на переводных парах из источников, также представленных при обучении, а не к общей оценке семантического сходства. Лицензия — Apache-2.0.

Ransaka/sinhala-sentence-transformer — модель на базе RoBERTa, опубликованная пользователем Ransaka на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 81,2 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста — 514 токенов. Обучение проводилось с TripletLoss и евклидовой метрикой расстояния. Модель предназначена для работы с сингальским языком, что отражено в её названии. Её можно применять для семантического поиска и группировки похожих предложений и документов. Репозиторий содержит веса PyTorch и поддерживает использование через Sentence-Transformers либо Transformers с соответствующим pooling. Сведения о лицензии в предоставленных данных отсутствуют.

Splade++ SelfDistil — разреженный текстовый энкодер, разработанный на базе naver/splade-cocondenser-selfdistil и дообученный на данных MS MARCO с использованием Sentence Transformers. Модель преобразует запросы и документы в разреженные векторы размерностью 30 522; сходство между ними оценивается скалярным произведением. Архитектура состоит из трансформера BERT с masked language modeling и слоя SPLADE pooling с max-пулингом и ReLU. Модель предназначена для семантического поиска и разреженного извлечения документов или пассажей, в том числе в поисковых системах, работающих с парами запрос–документ. Максимальная длина последовательности — 512 токенов. В README указана поддержка английского языка. Опубликованные оценки на небольших наборах NanoMSMARCO, NanoNFCorpus и NanoNQ демонстрируют качество извлечения, но не гарантируют аналогичных результатов на других данных. Лицензия — Apache-2.0.

Это модель эмбеддингов предложений на основе Greek Media BERT без учёта регистра, опубликованная Dimitrios Zaikis и соавторами вместе с работой DACL. Она преобразует предложения и абзацы на греческом языке в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель имеет архитектуру BERT, содержит 140,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель дообучена с помощью Triplet Loss на пользовательской выборке предложений из интернета, социальных сетей и прессы: обучение сближало более похожие предложения и отдаляло менее похожие. Это делает её подходящей для семантического поиска и кластеризации грекоязычных текстов в этих областях. Доступны веса PyTorch и safetensors; для использования подходят Sentence-Transformers и Transformers с соответствующим pooling. Лицензия в предоставленных данных не указана.

Svanita v0.2 — модель распознавания речи, созданная Прасадом Витталдевом на базе NVIDIA Parakeet TDT. Она принимает аудио и преобразует разговорную речь на телугу и хинди в текст, сохраняя вставленные английские слова латиницей, а слова на индийских языках — в родной письменности. Архитектура включает энкодер FastConformer из 24 слоёв и декодер TDT; модель содержит около 622 млн параметров и предназначена для работы в реальном времени на обычном CPU без GPU. В карточке указана лицензия CC BY 4.0. Модель подходит для транскрибирования разговоров и аудио телефонных линий, особенно как компонент голосового агента, которому нужны транскрипты с код-свитчингом для последующего распознавания намерений, поиска или заполнения форм. При известном языке рекомендуется задавать `--lang`: это предотвращает вывод слов на телугу или хинди в другой индийской письменности. Распознавание быстрее реального времени на приведённой конфигурации, однако точность уступает лучшим открытым распознавателям; модель хуже справляется с чтением вслух и чисто английской речью и не предназначена для дословных транскриптов для чтения человеком.

TamilSBERT-STS — модель L3Cube-Pune для сравнения сходства предложений на тамильском языке. Она создана дообучением l3cube-pune/tamil-sentence-bert-nli на наборе данных STS и выпущена в рамках проекта MahaNLP. В основе лежит архитектура BERT; модель формирует плотные векторные представления предложений, пригодные для вычисления их семантической близости. Модель предназначена для оценки сходства пар тамильских предложений и поиска семантически близких текстов. Она содержит 264,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для использования доступны веса PyTorch; README описывает применение через Sentence-Transformers или Transformers с pooling поверх контекстных представлений. Лицензия — CC BY 4.0. Карточка не приводит результатов оценки качества или подробностей о составе обучающего набора STS, поэтому точность на конкретных данных не установлена.

TAPAS medium — разработанная Google модель семейства TAPAS на базе BERT, предназначенная для получения представлений таблиц и связанного с ними текста. Модель содержит 49,2 млн параметров, предобучена на англоязычных таблицах Википедии и тексте с помощью masked language modeling и дополнительного этапа для рассуждений о числах и табличном следовании. По умолчанию используются относительные позиции, сбрасываемые в каждой ячейке таблицы; доступна версия с абсолютными позиционными эмбеддингами через revision="no_reset". Модель принимает текстовый вопрос или предложение вместе с сериализованной таблицей и выдаёт скрытые представления для последующей обработки. Её можно дообучить для ответов на вопросы по таблицам, классификации и определения, подтверждается ли утверждение содержимым таблицы. Максимальная длина входа при предобучении составляла 512 токенов; для прикладных задач обычно требуется дообученная версия с подходящей классификационной головой. Доступна по лицензии Apache-2.0.

fhswf разработала TrOCR_Math_handwritten — трансформерную модель распознавания рукописных математических формул на изображениях. Это модель типа Vision Encoder-Decoder на базе TrOCR, дообученная на части набора MathWriting, преобразованной из InkML в изображения. Для использования указана библиотека Transformers, веса представлены в формате safetensors; лицензия — AFL-3.0. Модель предназначена для OCR одной математической формулы на изображении: она преобразует изображение с формулой в текстовое представление. В карточке приведены результаты распознавания: 77,8% полностью корректных ответов, 85,7% с не более чем одной ошибкой и 89,9% с не более чем двумя ошибками. Эти показатели относятся к оценке, описанной в карточке.

Turkuaz-Embeddings — модель эмбеддингов, разработанная eneSadi для поиска по турецким текстам. Она основана на XLM-RoBERTa Large и дообучена на наборе MSMARCO-TR; размер вектора эмбеддинга составляет 1024, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска, информационного поиска, zero-shot retrieval и использования в RAG-системах с турецкими документами. В карточке заявлено улучшение результатов на нескольких турецких наборах для поиска относительно мультиязычных и турецких моделей, а также относительно исходной XLM-RoBERTa Large. Для обучения использовались пары документов с оценками релевантности от Jina Reranker v2 и функция потерь CoSENT. Модель принимает текст и выдаёт векторы; её основная специализация — турецкий язык. Распространяется по лицензии Apache-2.0.

emon1521/wav2vec2-base — дообученная модель распознавания речи на архитектуре Wav2Vec2 с примерно 113,3 млн параметров. Она принимает аудио и предназначена для преобразования речи в текст. В карточке указана оценка WER 1,0 на тестовом наборе; обучающий датасет обозначен как None, поэтому оценить качество на конкретных языках и типах речи по этим сведениям нельзя. Модель опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не приводит подробностей об используемых языках, условиях обучения или рекомендуемых сценариях применения.

wav2vec2-xls-r-1b-scandinavian-E3-100h-30-epochs-20250123 — модель распознавания речи, дообученная на базе facebook/wav2vec2-xls-r-1b. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; модель принимает аудио и преобразует речь в текст. Карточка называет данные для дообучения неизвестным датасетом и не уточняет поддерживаемые языки, несмотря на упоминание Scandinavian в названии. На оценочном наборе указаны WER 21,6559 и CER 5,6618. Модель подходит для распознавания речи в аудиозаписях; качество для конкретных языков и условий записи следует проверять отдельно. Распространяется по лицензии Apache-2.0.

p1atdev представляет конвертированную в формат библиотеки Transformers версию WD SwinV2 Tagger v3 от SmilingWolf. Это модель классификации изображений на архитектуре SwinV2 с 58,7 млн параметров, которая автоматически присваивает изображениям рейтинговые, персонажные и общие теги, включая метки для каталогизации изображений Danbooru. Репозиторий содержит веса Safetensors и ONNX и распространяется по лицензии Apache-2.0. Для ускорения можно использовать вариант через 🤗 Optimum: в README заявлены примерно на 30% более высокая скорость и на 50% меньший размер модели по сравнению с вариантом Transformers, при небольшом снижении точности. Модель предназначена для присвоения тегов изображениям; README приводит примеры рейтинговых меток general и sensitive, а также тегов персонажей. Она не генерирует описания изображений.

ovsyannikovls/whisper-base-ru — модель распознавания речи семейства Whisper, дообученная автором репозитория на неизвестном наборе данных. Она предназначена для преобразования аудиозаписей в текст; карточка приводит результат оценки WER 33,1041, но не описывает тестовый набор и условия измерения. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Подробности о данных обучения, поддерживаемых языках, контекстном окне и сценариях применения в карточке не приведены.

Это квантованная GGUF-версия мультиязычной модели распознавания речи OpenAI Whisper large-v3-turbo, подготовленная командой handy-computer для работы с transcribe.cpp. Модель предназначена для автоматической транскрибации аудио, определения языка и генерации сегментных временных меток. Поддерживается широкий набор языков, включая русский, английский, китайский и кантонский (yue). Режим перевода речи не поддерживается, потоковая обработка отключена. Модель использует архитектуру encoder-decoder Transformer, принимает аудио через 128-bin mel-представление и обрабатывает длинные записи фрагментами на основе 30-секундных окон. Доступны варианты F16 и квантования Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 536 МБ до 1,63 ГБ. На тесте LibriSpeech test-clean показатель WER составляет 2,01% для F16 и Q8_0, 2,03% для Q5_K_M и 2,04% для Q4_K_M. Квантованные варианты уменьшают размер файла при небольшом ухудшении качества, однако точность может существенно различаться между языками. Модель подходит для локальной транскрибации, субтитров, голосовых заметок и анализа аудиозаписей при использовании transcribe.cpp. Распространяется по лицензии Apache-2.0.

Zen Ingress 1-3B SFT Merged — это плотная причинно-следственная языковая модель ZenithLLM с 3,1 млрд параметров, созданная на основе Qwen/Qwen2.5-3B-Instruct. Это версия первого этапа supervised fine-tuning с объединёнными весами; модель распространяется в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для математических рассуждений, пошагового аналитического решения задач и следования структурированным инструкциям в диалогах. Она может применяться для генерации ответов и структурированного текста; в метаданных также указана поддержка интерфейса вызова инструментов. В карточке указан английский язык. Модель доступна по лицензии Apache-2.0. Это промежуточная SFT-версия: для предпочтительно выровненной финальной версии автор указывает отдельную модель Zen Ingress 1-3B DPO Merged.

ArliAI-Llama-3-8B-Instruct-Dolfin-v0.1 — чат-модель OwenArli, дообученная на основе Meta-Llama-3-8B-Instruct с использованием изменённого набора данных Dolphin. Это плотная авторегрессионная модель семейства Llama примерно с 7,5 млрд параметров; она принимает текстовые запросы и генерирует текстовые ответы в формате инструкций Llama 3. Заявленная длина контекста — 8192 токена. Модель предназначена для диалогов и широкого круга общих задач: авторы стремились улучшить следование запросам и выдачу ответов в заданном формате, а также снизить частоту отказов. Обучение выполнялось с QLoRA ранга 64 и alpha 128; в карточке сказано, что обучаемыми были около 2% весов. Авторы не приводят результаты бенчмарков, поэтому качество следует оценивать на собственных запросах. Репозиторий распространяется по лицензии Apache-2.0 в метаданных Hugging Face, однако README указывает на соглашение Meta Llama 3 License для базовой модели; условия использования стоит сверять с обеими лицензиями. Модель может выдавать менее сдержанные ответы и не должна считаться источником проверенных фактов.

ConnyGenz разработала эту модель как дообученную версию ConnyGenz/artificially-natural-roberta для классификации текста. Она содержит 151,8 млн параметров, использует архитектуру RoBERTa и рассчитана на последовательности длиной до 514 токенов. На оценочном наборе модель показала F1 0,988 и loss 0,0778. Модель подходит для классификации текстов в сценариях, где размечены нужные категории. Карточка не описывает набор категорий, обучающие данные или предполагаемую область применения, поэтому конкретный тип классификации установить нельзя. Веса опубликованы в формате safetensors; лицензия — MIT.

SpeechBrain CRDNN-RNNLM — англоязычная система автоматического распознавания речи, обученная на LibriSpeech. Она предназначена для транскрибации английских аудиозаписей и поддерживает распознавание отдельных файлов и пакетную обработку через SpeechBrain. Система объединяет акустическую модель CRDNN с CTC- и attention-декодерами, unigram-токенизатором и рекуррентной языковой моделью RNNLM. Акустическая часть использует свёрточные блоки и двунаправленную LSTM. Для обучения использовались одноканальные записи с частотой 16 кГц; при обработке система может привести аудио к нужному формату. В README указан WER 3,09 на тестовом наборе LibriSpeech. Модель опубликована SpeechBrain под лицензией Apache-2.0. Разработчики предупреждают, что качество на наборах данных, отличных от LibriSpeech, не гарантируется.