I.5Создание и редактирование текста

Slush v1.1 — экспериментальная разговорная языковая модель, созданная crestf411 на основе Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; в карточке указаны форматы Transformers и safetensors. Модель прошла два этапа настройки: продолжение предобучения с LoRA для развития творческого письма, затем дообучение для ролевого общения. Итоговые веса объединены методом TIES с инструкционной версией базовой модели. Модель предназначена для генерации творческого текста, ролевых диалогов и общения по инструкциям. Автор ориентировал второй этап на пресет Silly Tavern; результаты могут зависеть от используемого приложения и его настроек. Автор сообщает, что проверял модель с temperature 1, min-p 0.1 и DRY 0.8, а при большом контексте включал XTC. Модель наследует возможности текстового диалога Llama 3.1 8B Instruct и обучена на наборах для ролевого общения и генерации прозы. В README описана как начальный эксперимент, поэтому качество и следование инструкциям не гарантированы; разработчик отмечает, что первый этап мог повредить некоторые способности исходной модели, а второй был также направлен на исправление этих проблем. Лицензия — Llama 3.1 Community License (llama3).

Theros/L3-ColdBrew-Daybreak — объединённая текстовая модель для генерации диалогов, созданная методом Model Stock с помощью mergekit на основе SvalTek/L3-ColdBrew-SpicyReflect и с включением Azazelle/L3-Daybreak-8b-lora и cgato/L3-TheSpice-8b-v0.8.3. В каталоге модель описана как дообученная на базе Llama 3 и предназначенная для диалогов и ролевых сценариев с персонажами и сценами. Модель использует плотную архитектуру Llama с причинной языковой моделью LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Принимает текст и генерирует текст; опубликована в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Haidar95/legal-qwen-model — дообученная Haidar95 языковая модель семейства Qwen2 для генерации текста. В основе лежит unsloth/qwen2.5-3b-unsloth-bnb-4bit; модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Она содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, связанных с правом, согласно названию репозитория. Карточка не описывает конкретные юридические задачи, обучающие данные или результаты оценки качества, поэтому её специализацию и надёжность в правовых вопросах следует проверять на целевых примерах. Лицензия — Apache-2.0.

AvoCahDoe/llama-2-7b-rlmpq-conservative — вариант Meta Llama 2 7B, подготовленный методом RL-MPQ для консервативного сценария квантования смешанной точности. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; средняя разрядность весов составляет 5,125 бита. По README, PPO-агент назначает разрядность каждому слою, после чего веса проходят проверку на WikiText-2 по perplexity. Репозиторий содержит fake-quantized FP16-веса в safetensors и совместим с Transformers. Модель предназначена для генерации текста на английском языке и экспериментов с уменьшением объёма весов при сохранении качества относительно исходной Llama 2 7B. Контекст составляет 4096 токенов. В README приведены результаты для других сценариев коллекции, но численный результат perplexity именно консервативного варианта не раскрыт в предоставленном фрагменте. Базовая модель — meta-llama/Llama-2-7b-hf. Лицензия — llama2; перед использованием необходимо соблюдать условия лицензии Meta Llama 2.

athirdpath/Llama-3-15b-HermesPlaying — разговорная языковая модель на архитектуре Llama для генерации текста и ролевых диалогов. По карточке, она создана слиянием моделей vicgalle/Roleplay-Llama-3-8B и NousResearch/Hermes-2-Pro-Llama-3-8B методом Wiggle merge. Репозиторий содержит веса Safetensors; размер модели — 14,9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для чат-сценариев, ролевой игры и генерации ответов в диалоге. Указана лицензия llama3. Карточка не сообщает о специальных ограничениях качества или безопасности.

Это диалоговая языковая модель Congo Digital Services (CDS SARL), созданная для проекта MALOBA совместно с ПРООН в Республике Конго. Она основана на Meta Llama 3.1 8B Instruct: к базовым весам применили supervised fine-tuning с QLoRA, затем объединили адаптеры с моделью. Число параметров — 7,5 млрд, архитектура — плотная LlamaForCausalLM; модель рассчитана на контекст до 131 072 токенов и распространяется в формате safetensors под лицензией Llama 3.1. Модель генерирует текст на лингала в пяти регистрах: городском, образовательном, для резюме, формальном и переводном. Её можно использовать для диалога и создания текстов на лингала через Transformers или совместимый сервер инференса; проект MALOBA обслуживает её под именем maloba-llm. Обучение на корпусе MALOBA повысило ROUGE-L на отложенном наборе инструкционных примеров относительно базовой модели. Модель выучила пять меток регистров, а не следование разнообразным инструкциям, поэтому ответы с заданным регистром могут быть не по теме. Качество перевода с французского на лингала низкое; для этой задачи проект рекомендует отдельную модель NLLB-200. Орфография в обучающих данных не гармонизирована, региональные варианты и специализированные области не оценивались. Для применения с последствиями для людей требуется проверка человеком.

NamrataThakur/llama31-8bn_Reinforcement-Fine-Tuned — текстовая модель семейства Llama 3.1, дообученная с применением обучения с подкреплением и преобразованная в GGUF с помощью Unsloth. Она предназначена для генерации ответов на вопросы и решения математических задач; в метаданных также указано обучение на датасете GSM8K. Модель имеет архитектуру LlamaForCausalLM и 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Репозиторий содержит веса Safetensors и варианты GGUF Q4_K_M, Q5_K_M и Q8_0, пригодные для запуска через llama.cpp. Модель основана на meta-llama/Llama-3.1-8B. Лицензия — Apache 2.0. README не приводит сравнительных оценок качества, поэтому надёжность ответов и преимущество дообучения для конкретных задач требуют проверки.

FrancescoPeriti/Llama3Dictionary-merge — англоязычная диалоговая языковая модель на архитектуре Llama 3, предназначенная для генерации кратких словарных определений с учётом контекста. Пример из карточки показывает запрос на определение значения слова в предложении; модель можно использовать для задач лексической семантики и создания определений. Модель имеет около 7,5 млрд параметров, принимает текст и генерирует текст. Контекстное окно составляет 8192 токена. Репозиторий содержит веса Safetensors и рассчитан на использование через Transformers. Это слияние FrancescoPeriti/Llama3Dictionary и meta-llama/Meta-Llama-3-8B-Instruct; в карточке указано исследование генерации определений и их применения в задачах моделирования значения слов. Модель распространяется по лицензии CC BY-SA 4.0.

LlamaReflect-8B-CoT-safetensors — дообученная cookinai модель семейства Llama 3, созданная на синтетическом наборе TRRR-CoT с помощью Unsloth и библиотеки TRL. Она генерирует текст и предназначена для диалоговых ответов с последовательным рассуждением по схеме TRRR: обдумывание, ответ, рефлексия и уточнённый ответ. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовый контекст длиной до 8192 токенов. В карточке отмечено, что при подходящем шаблоне промпта модель обычно следует формату TRRR, хотя может смешивать его этапы. Основной указанный язык — английский. Автор описывает модель как эксперимент по проверке синтетических данных рассуждений; результаты бенчмарков в карточке не приведены. Базовая модель — unsloth/llama-3-8b-bnb-4bit. Лицензия — Apache-2.0.

keithtwesigye/lunyoro-en2lun — модель машинного перевода на архитектуре MarianMT, дообученная разработчиком на базе Helsinki-NLP/opus-mt-en-mul. Она переводит текст с английского на Lunyoro/Rutooro — бантуязычный язык западной Уганды, связанный с королевствами Буньоро-Китара и Торо. Модель содержит 58 млн параметров, принимает контекст до 512 токенов и доступна в форматах ONNX и safetensors. Модель предназначена для перевода предложений и текстов с английского на Lunyoro/Rutooro. Для дообучения использовано около 53 948 пар предложений из краудсорсинговых материалов, словарных записей и параллельных корпусов с дополнением обратным переводом. Лицензия — MIT. Качество перевода может зависеть от тематики и качества исходного текста; README не приводит количественной оценки качества.

Модель keithtwesigye/lunyoro-nllb-lun2en — дообученная версия NLLB-200 для перевода с луньоро/рутoоро на английский. Её разработали для перевода текстов на языке банту, распространённом в западной Уганде, на английский язык. Модель основана на facebook/nllb-200-distilled-600M и содержит около 463,7 млн параметров. Она использует архитектуру M2M100ForConditionalGeneration; исходный язык обозначен кодом run_Latn, целевой — eng_Latn. Контекст составляет до 1024 токенов. Обучение проводилось на примерно 53 948 парах предложений, собранных из краудсорсинговых примеров, словарных статей, параллельных корпусов и отфильтрованных данных обратного перевода. Доступны форматы ONNX и safetensors. Модель подходит для перевода отдельных предложений и текстов с луньоро/рутoоро на английский, в том числе в приложениях-переводчиках. Данные обучения объединяют варианты луньоро и рутoоро, поэтому качество может различаться в зависимости от варианта и тематики текста. Модель распространяется по лицензии MIT.

LWM-Text-1M — открытая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная LargeWorldModel на основе LLaMA 2 и обученная в декабре 2023 года. В каталожных метаданных указаны 6,6 млрд параметров и контекст до 1 048 576 токенов; формат весов — PyTorch. Модель предназначена для генерации текста и работы с очень длинными последовательностями. При обучении использовалась отфильтрованная подвыборка Books3: 800 документов длиной более миллиона токенов. Такое обучение делает модель ориентированной на продолжение текста в длинном контексте, но карточка не сообщает о специализированных прикладных навыках или поддержке конкретных естественных языков. Модель распространяется как open source; конкретная лицензия в доступных данных не приведена. Качество, результаты оценивания и практические ограничения, кроме зависимости от обучающей выборки и специализации на длинном контексте, в карточке не описаны.

Mahou-1.2-yi-9B — разговорная языковая модель Flammen AI для диалогов и ролевых сценариев. Она построена на архитектуре Llama и дообучена на базе nbeerbower/Yiet-9B; в карточке указано обучение на разговорных данных Flammen AI и использование формата ChatML. Размер модели — 8,6 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации ответов в чате и ролевых диалогов; лицензия Apache-2.0. Карточка описывает её как попытку создать модель для производственного применения, однако не приводит результатов оценки качества. Для корректного диалога требуется формат ChatML; в ролевом режиме речь оформляется без кавычек, а действия — в звёздочках.

MasryGPT Chat — диалоговая языковая модель на 1,5 млрд параметров, разработанная проектом ISLAM-PO на базе Qwen2.5-1.5B-Instruct и дообученная для общения на египетском арабском диалекте (масри). Модель использует архитектуру Qwen2 с плотной causal language model; в README описано обучение методом QLoRA с Unsloth и объединение весов в 16-битный вариант. Контекст модели составляет до 32 768 токенов. Модель предназначена для чат-ботов, поддержки клиентов, общения в соцсетях и образовательных сценариев в Египте, где нужны повседневная речь, идиомы и юмор на масри. В README указаны 80 000 обучающих примеров и внутренний пилот с оценкой носителей языка, однако это не независимый бенчмарк. Сильная сторона модели — адаптация компактной instruct-модели к египетскому разговорному языку; авторы сообщают, что 4-битный запуск возможен на одной T4. Известные ограничения: ответы могут быть короткими, модель иногда выдумывает факты и хуже справляется с идиомами; дообучение также ухудшило ответы на литературном арабском. Лицензия — Apache-2.0.

medgemma-4b-it-abliterated-i1-GGUF — квантованная версия модели drwlf/medgemma-4b-it-abliterated, подготовленная mradermacher. Модель основана на MedGemma, предназначена для генерации текста, выполнения инструкций и медицинских сценариев. Она распространяется в формате GGUF и ориентирована на локальный запуск с различными уровнями квантования. Модель поддерживает английский язык и является vision-моделью, поэтому для работы с изображениями могут потребоваться дополнительные mmproj-файлы из статического репозитория. В README не указаны точные архитектурные характеристики, размер контекста и параметры мультимодального ввода. Доступны варианты квантования размером примерно от 1,2 до 3,3 ГБ; более компактные варианты экономят память, но могут заметно уступать в качестве, тогда как Q4_K_M обозначен как быстрый и рекомендуемый. К сильным сторонам относятся специализированная медицинская направленность, поддержка инструкций, мультимодальность и широкий выбор вариантов квантования для локального использования. Ограничения включают привязку заявленного языка к английскому, возможное снижение качества у низкобитных квантов и необходимость отдельно учитывать требования vision-компонента. Модель распространяется по лицензии Apache-2.0.

MedNarra-V2.1 — языковая модель для генерации текста, созданная слиянием ProbeMedicalYonseiMAILab/medllama3-v20 и bongbongs/NewMes-v15 с помощью LazyMergekit. Она предназначена для медицинских сценариев и текстового чата. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Слияние выполнено методом SLERP; веса представлены в формате safetensors. В метаданных указана поддержка чата, а медицинская направленность следует из названия MedNarra и базовой модели medllama3. Язык и конкретные медицинские задачи карточка не уточняет. Лицензия в доступных данных не указана.

MeGan-R512-CrossFit_UnifiedQA-nn2n-lr1e-6 — дообученная модель семейства Llama, разработанная в рамках проекта MeGan. Она основана на Llama 3.1 8B Instruct и добавляет мета-управление SwiGLU-блоками: гиперсеть динамически формирует параметр β по текстовым условиям, адаптивно изменяя нелинейность FFN. В карточке указан размер 7,5 млрд параметров и контекст до 131 072 токенов. Модель дообучена на подмножестве non_nli_to_nli датасетов CrossFit и UnifiedQA для генерации текста с учётом условий, включая задачи UnifiedQA и преобразования между форматами вопросов и ответов. Метаданные указывают Transformers и формат PyTorch. Лицензия обозначена как other, поэтому конкретные условия использования из этих данных установить нельзя.

Metharme 13B — инструктивно дообученная плотная LLaMA-модель, опубликованная TehVenom и основанная на Meta LLaMA-13B. Её настроили на смеси обычных инструкций, ролевых диалогов и художественных историй, чтобы использовать для бесед, ролевых сценариев и написания прозы с управлением на естественном языке. В карточке описана версия, полученная слиянием LoRA с базовой моделью и квантизированная до 4 бит GPTQ; размер составляет 12,9 млрд параметров, контекст — 2048 токенов. Модель генерирует текст и рассчитана прежде всего на англоязычные запросы. Для диалогов требуется форматирование промпта специальными токенами ролей. Разработчик предупреждает о случайном начале ответа с BOS-токена и проблемах совместимости исходной конфигурации LoRA с актуальной версией PEFT. Модель не дообучалась для безопасных и безвредных ответов, поэтому может выдавать оскорбительный или неприемлемый текст, а также фактически неверные или вводящие в заблуждение сведения. Лицензия в предоставленных данных не указана.

MiniCPM5-1B-Twi — модель сообщества GhanaNLPCommunity, адаптированная для генерации на языке тви (акан) на основе openbmb/MiniCPM5-1B. Она предназначена для связных ответов и диалогов на тви, включая вопросы и ответы по коротким фактам и текстовым фрагментам. Модель использует плотную Llama-архитектуру и содержит 846,8 млн параметров; доступна в формате safetensors и рассчитана на контекст до 131 072 токенов. Основной язык — тви с сохранённой поддержкой английского. Для тви расширили токенизатор, затем провели дополнительное предобучение и дообучение на примерах вопросов и ответов. Сильная сторона модели — беглая, идиоматичная генерация на тви с корректной орфографией ганских букв ɛ и ɔ. Это экспериментальная версия, ориентированная прежде всего на беглость: фактические ответы могут быть неверными, длинные ответы могут отклоняться от темы, а навыки рассуждения и математики слабы. При генерации следует использовать sampling и штраф за повторы; жадное декодирование может приводить к циклам повторения. В обучающих данных были машинные переводы, поэтому возможен неестественный стиль перевода. Лицензия — Apache-2.0.

MiniCPM5-2B-RKNN3 — это преобразованные артефакты языковой модели openbmb/MiniCPM5-2B для работы на сопроцессорах Rockchip RK1820 и RK1828. Модель представляет собой авторегрессионную языковую модель семейства LlamaForCausalLM с 2,52 млрд параметров; веса представлены в формате W4A16, а файлы графа подготовлены отдельно для каждой целевой платформы. Репозиторий создан HanzoHuang на основе модели OpenBMB и преобразован инструментарием rknn3-toolkit 1.1.0. Модель предназначена для генерации текста и локальных диалоговых сценариев на совместимом оборудовании Rockchip с использованием RKNN3 Runtime, RKLLM3 Server или примеров RKNN3 Runtime. Метаданные указывают английский и китайский языки; исходная модель имеет контекст до 131 072 токенов, однако применимая длина контекста зависит от преобразованной модели и конфигурации среды выполнения. Артефакты требуют совместимого стека RKNN3 и прошивки RK182x. Граф RK1820 нельзя использовать на RK1828 и наоборот; файлы не загружаются через Transformers, llama.cpp или устаревшие среды RKLLM/RKNN. Квантизация может снизить качество генерации по сравнению с исходной BF16-моделью. Лицензия исходной модели — Apache-2.0.

Mistral-Gutenberg-Doppel-7B-FFT — диалоговая модель на архитектуре Mistral, созданная автором nbeerbower путём полного дообучения Mistral-7B-Instruct-v0.2. Обучение методом ORPO проведено в течение двух эпох на наборах jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов в стиле и тематике текстов Project Gutenberg. Подходит для экспериментов с литературной генерацией и ответами на инструкции. Автор отмечает, что модель создана преимущественно в учебных целях. Распространяется по лицензии Apache-2.0.

MixtureofMerges-MoE-2x7bRP-v8 — языковая модель для генерации текста и ролевого общения, созданная jsfs11 с помощью LazyMergekit путём объединения ChaoticNeutrals/RP_Vision_7B и ResplendentAI/DaturaCookie_7B. Модель построена на архитектуре Mixtral MoE, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов и генерации продолжений текста. В README отмечена склонность к NSFW-ответам; базовая модель RP_Vision_7B также описана в каталожных данных как поддерживающая анализ изображений через Koboldcpp, но для этой объединённой модели обработка изображений отдельно не подтверждена. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache 2.0.

MobileBERT — компактная версия BERT, разработанная Google для работы на устройствах с ограниченными ресурсами. Этот чекпойнт представляет исходную оптимизированную модель MobileBERT для английского языка без учёта регистра. Архитектура использует узкие слои и сочетает механизмы self-attention с полносвязными сетями; модель содержит 59,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для языковых задач, где важны компактность и возможность запуска на ограниченных устройствах. В карточке показан пример заполнения пропусков в тексте через Transformers, поэтому модель подходит для восстановления замаскированных слов и как основа для задач понимания текста. Доступны веса PyTorch и TensorFlow. Лицензия — Apache 2.0.

music_generation_model — объединённая модель на базе MistralForCausalLM, созданная с помощью LazyMergekit слиянием TheBloke/openchat_3.5-GPTQ и asigalov61/Allegro-Music-Transformer методом SLERP. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации музыки; метаданные также указывают поддержку генерации текста. Контекстное окно составляет 32 768 токенов. Репозиторий распространяется в формате safetensors, а для объединения в README указана точность bfloat16. Лицензия — Apache-2.0. Подробности о формате музыкального вывода и качестве генерации в карточке не описаны.

Модель Bila Faye, дообученная на базе nllb-200-distilled-600M для перевода между волоф, французским и английским языками. Она поддерживает направления волоф—французский, волоф—английский и французский—английский в обе стороны и предназначена для машинного перевода текстов. Модель использует архитектуру M2M100ForConditionalGeneration, содержит 463,7 млн параметров и принимает контекст длиной до 1024 токенов. Для обучения использованы два набора данных с английскими, волофскими и французскими переводами. Модель распространяется в формате safetensors и по лицензии MIT.

Occiglot-7B-FR-EN — базовая генеративная языковая модель с 7,1 млрд параметров, разработанная Occiglot Research Collective. Это плотный декодерный трансформер Mistral, дообученный продолжением предобучения модели Mistral-7B-v0.1 на 113 млрд дополнительных токенов французского, английского и кода. Модель рассчитана на генерацию текста и продолжение заданных фрагментов; она не проходила инструкционную настройку и не оптимизирована для диалогового режима или готовых прикладных сценариев. Модель поддерживает французский и английский языки, а также данные кода. Контекст в метаданных указан как 32 768 токенов. Доступны веса в формате safetensors, лицензия — Apache 2.0. Авторы предупреждают, что предварительные оценки для неанглийских языков основаны частично на машинном переводе и англоязычных запросах, поэтому их следует трактовать осторожно.

opus-mt-bi-fr — модель машинного перевода из семейства OPUS-MT, построенная на архитектуре Transformer и реализованная как MarianMTModel. Она переводит текст с языка bi на французский; обучение выполнено на корпусе OPUS с нормализацией и токенизацией SentencePiece. Модель содержит 54,6 млн параметров, её контекст ограничен 512 токенами. Модель подходит для перевода предложений и текстов с bi на французский в приложениях на базе Transformers, PyTorch или TensorFlow. В README приведён результат BLEU 21,5 на тестовом наборе JW300.bi.fr. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bzs-es — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит тексты с языка bzs на испанский (es); модель построена на архитектуре Transformer-align и использует нормализацию и SentencePiece для предобработки. В метаданных указаны 51,5 млн параметров и контекст до 512 токенов, а форматы весов — PyTorch и TensorFlow. Модель предназначена для перевода текстов и обучена на данных OPUS. В карточке приведён результат BLEU 28,1 и chr-F 0,464 на тестовом наборе JW300.bzs.es. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-cy-en — модель машинного перевода валлийского языка на английский, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Это компактная Transformer-модель семейства Marian с примерно 53 млн параметров; для токенизации используется SentencePiece, а входной текст нормализуется. Модель принимает текст на валлийском и генерирует перевод на английском; длина контекста составляет 512 токенов. Модель подходит для перевода коротких фраз и текстов, включая материалы, похожие на данные набора Tatoeba. В карточке приведён результат BLEU 33,0 на тестовом наборе Tatoeba.cy.en. Модель доступна в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-da — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на датский и предназначена для автоматического перевода отдельных текстов и интеграции в переводческие конвейеры. Модель построена на архитектуре MarianMT с трансформером; использует нормализацию и токенизацию SentencePiece. В ней 54,4 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch и TensorFlow. Для набора Tatoeba.de.da в карточке приведены оценки BLEU 57,2 и chr-F 0,730. Модель распространяется по лицензии Apache-2.0. Она специализирована на направлении немецкий → датский; показатели на одном тестовом наборе не гарантируют такое же качество на других тематиках и текстах.