I.5Создание и редактирование текста

Lilith-31B-v1.0 — модель для диалогового ролевого общения и творческого письма, разработанная darthcrawl на базе coder3101/gemma-4-31B-it-heretic. Это дообученная плотная Gemma 4 с 31 млрд параметров; автор использовал QLoRA с рангом 32 и alpha 64 на всех линейных слоях, обучал на примерно 30 млн токенов из восьми отобранных источников и выпустил чекпойнт примерно с 0,39 эпохи обучения. Модель рассчитана на использование с карточками персонажей в SillyTavern и pluma и ориентирована на живую, разнообразную прозу и ролевые диалоги. В обучающих данных примерно 40% откровенного и 60% обычного содержания; модель явно рассчитана на генерацию контента для взрослых. Метаданные указывают английский язык, интерфейс чата и шаблон диалога Gemma 4. Репозиторий содержит веса safetensors; лицензия указана как Gemma. README не сообщает размер контекста, а также не описывает отдельные возможности обработки изображений, несмотря на мультимодальную архитектуру базовой модели. Это специализированная ролевая модель, поэтому её пригодность для иных задач генерации текста не подтверждена.

Lilith-31B-v1.0-GGUF — квантизированная версия модели Lilith-31B-v1.0, разработанная darthcrawl на базе Gemma-4-31B. Модель предназначена для ролевого общения и творческого письма, включая работу с character cards в SillyTavern и pluma. Она ориентирована на живую, разнообразную и менее повторяющуюся генерацию текста, поддерживает сценарии с контентом для взрослых и не позиционируется как модель для всех аудиторий. В основе лежит Gemma-4-31B-it, адаптированная методом QLoRA с настройкой всех линейных слоёв. Обучение проводилось на корпусе объёмом около 30 млн токенов из восьми отобранных источников, примерно в соотношении 40% NSFW и 60% SFW. Модель использует шаблон чата Gemma-4 и рассчитана прежде всего на английский язык. Доступны варианты GGUF с разной степенью квантизации: от IQ3_M и Q3_K_M для ограниченной видеопамяти до Q8_0 с почти исходным качеством; размер файлов составляет примерно от 14,4 до 32,6 ГБ. Сильной стороной модели является выразительная и вариативная генерация в ролевых и художественных сценариях. Для запуска рекомендуется llama.cpp; IQ-квантизации используют imatrix, а для обслуживания требуется параметр --jinja. Ограничения связаны с узкой специализацией на roleplay и creative writing, наличием NSFW-контента и возможными потерями качества в более агрессивных вариантах квантизации. Модель распространяется по лицензии Gemma.

Карточка модели JackFram/llama-160m-base на Hugging Face совпадает с карточкой JackFram/llama-160m, поэтому описание составлено по ней. JackFram/llama-160m — компактная авторегрессионная языковая модель семейства LLaMA, разработанная как базовая малая спекулятивная модель для работы SpecInfer. В ней 137,8 млн параметров; модель обучалась на Wikipedia и частях наборов C4-en и C4-realnewslike. Модель предназначена для генерации текста и использования в экспериментах со спекулятивным декодированием. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекст до 2048 токенов. Оценка качества модели не проводилась, поэтому её результаты требуют проверки. Лицензия — Apache-2.0.

Это экспериментальная диалоговая языковая модель Wangzhang Wu, созданная на основе GraySwanAI/Llama-3-8B-Instruct-RR. В ней удалена защитная цепь Representation Rerouting и ослаблено поведение отказа с помощью вмешательства в веса и представления; дообучение с градиентными обновлениями не проводилось. Модель предназначена для генерации текста в диалоге и оценки поведения языковых моделей при изменении защитных механизмов. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и имеет контекстное окно 8192 токена. Метаданные указывают английский и китайский языки. По заявлению автора, в проведённом тесте на 100 вредоносных запросах модель отказала лишь в одном случае; это указывает на существенно ослабленные защитные механизмы, но не гарантирует аналогичное поведение в других условиях. Автор предупреждает о возможности неточных, оскорбительных, откровенных, опасных или незаконных ответов. Модель распространяется по лицензии Llama 3. Автор обозначает её как экспериментальную и предназначенную для исследований, оценки и законного использования; перед применением требуется учитывать условия исходной лицензии и риски ослабленной защиты.

Карточка модели TOPAI-Network/Llama-3-LewdPlay-8B-evo на Hugging Face совпадает с карточкой Undi95/Llama-3-LewdPlay-8B-evo, поэтому описание составлено по ней. Undi95/Llama-3-LewdPlay-8B-evo — объединённая автором Undi95 модель на базе семейства Llama 3, предназначенная для генерации текста в ролевых диалогах. Для объединения использован метод DARE TIES; в состав вошли Roleplay-Llama-3-8B, Llama-3-Unholy-8B-e4 и Llama-3-LewdPlay-8B. Автор связывает компоненты соответственно с дообучением для ролевого общения, снятием ограничений и откровенным контентом. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст, работает в формате диалога с шаблоном Llama 3. Репозиторий распространяется в формате safetensors через Transformers по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Undi95/Llama-3-LewdPlay-8B-evo — объединённая автором Undi95 модель на базе семейства Llama 3, предназначенная для генерации текста в ролевых диалогах. Для объединения использован метод DARE TIES; в состав вошли Roleplay-Llama-3-8B, Llama-3-Unholy-8B-e4 и Llama-3-LewdPlay-8B. Автор связывает компоненты соответственно с дообучением для ролевого общения, снятием ограничений и откровенным контентом. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст, работает в формате диалога с шаблоном Llama 3. Репозиторий распространяется в формате safetensors через Transformers по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

llm-jp-3-150m — базовая языковая модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Репозиторий содержит модель на архитектуре LlamaForCausalLM: 12 слоёв, 512 скрытых единиц и 101,3 млн параметров по метаданным. Она предварительно обучена на смеси данных объёмом 2,1 трлн токенов; контекст составляет 4096 токенов. Модель предназначена для генерации текста и исследовательских экспериментов с языковой моделью. Карточка описывает японские данные предобучения, а метаданные указывают поддержку японского и английского языков. Модель поставляется в формате Transformers с весами safetensors и распространяется по лицензии Apache-2.0. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для соответствия намерениям пользователя или требованиям безопасности. Поэтому её ответы могут быть неподходящими или небезопасными; перед практическим применением может потребоваться дополнительная настройка и оценка.

Loyal-Toppy-Bruins-Maid-7B-DARE — слитая модель на основе Mistral с 7,1 млрд параметров, созданная SanjiWatsuki для ролевых диалогов. Она объединяет Starling-LM-7B-alpha, go-bruins-v2, loyal-piano-m7, Toppy-M-7B и Noromaid-7b-v0.1.1 методом DARE ties; файлы репозитория представлены в формате Safetensors FP16. Указанное нативное контекстное окно — 32 768 токенов. Модель предназначена для увлекательного ролевого общения, следования карточкам персонажей и ответов в стиле Alpaca. Автор сообщает о хороших результатах на собственном тесте ролевых сценариев и тесте логики lilblam, но отмечает, что на момент публикации модель была новой и проверена им ограниченно. Лицензия CC BY-NC 4.0 требует указания авторства и не допускает коммерческого использования.

Luxeai-anu-1-bit-70M — экспериментальная языковая модель для генерации текста, созданная автором arunb74. По описанию автора, это его первая попытка реализовать одноразрядную LLM по мотивам статьи «The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits»; в качестве основы использована предварительно обученная Mistral-7B-v0.3, а для обучения — набор abideen/Cosmopedia-100k-pretrain. В метаданных модель обозначена как плотная Mistral-архитектура MistralForCausalLM с 46,4 млн параметров, контекстом 768 токенов и форматом safetensors. Она предназначена для генерации текста; карточка также отмечает диалоговую возможность и интерфейс вызова инструментов. Автор сообщает, что обучал модель на подмножестве указанного набора данных и планировал продолжить обучение на большем наборе. Это ранний эксперимент, поэтому качество и устойчивость ответов могут быть ограниченными; короткий контекст ограничивает работу с длинными запросами. Модель опубликована под лицензией Apache-2.0.

MasterRP-V1-L2-13B — слитая языковая модель автора Masterjp123 для ролевого общения и отыгрыша персонажей. В состав слияния вошли REMM, Mlewd, Emerhyist, PsymMedRP, magdump и другие модели для ролевых сценариев. Модель построена на архитектуре Llama и содержит 12,9 млрд параметров; она предназначена для генерации текста и имеет контекстное окно 4096 токенов. Для общения доступны форматы Alpaca и LimaRP-V3. В карточке автор предупреждает о недостатках результата слияния и оценивает его как неудачный, поэтому качество ответов может быть нестабильным. Репозиторий содержит веса PyTorch; лицензия — Llama 2.

Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-10fail-1000total — экспериментальная производная модели Llama 3 8B Instruct, созданная wassname с обновлённой реализацией Baukit по мотивам исследовательской статьи. Она предназначена для изучения выравнивания моделей и теорий Alignment Forum; в README сообщается о 10 отказах в 1000 тестах ortho-tests. Модель представляет собой плотную авторегрессионную языковую модель LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена. Она принимает текст и генерирует текст в диалоговом сценарии. Данных о поддерживаемых естественных языках в карточке нет. Модель распространяется по лицензии CC BY-NC 4.0. Автор указывает, что она предоставляется без гарантий, предназначена для исследований и изучения, а её результаты тестирования не гарантируют качество в других сценариях.

MicroMe-125M — компактная GPT-подобная языковая модель, созданная Ankitgdes с нуля как учебный проект для изучения полного цикла разработки LLM. Модель содержит около 146,8 млн параметров по метаданным; в README также приведены оценки 125 млн и 129,8 млн. Она обучена на FineWeb-Edu, затем дообучена для диалогов на SmolTalk и небольшом наборе для персонажа и повседневного общения. Архитектура использует плотный трансформер с RMSNorm, RoPE, QK-нормализацией и MLP на ReLU²; словарь byte-level BPE содержит 24 576 токенов, контекст — 1024 токена. Модель предназначена для генерации текста на английском языке, коротких диалогов, учебных экспериментов и демонстраций RAG, где факты поступают из внешнего поиска. По README, она способна поддерживать связный стиль и формат многоходового чата, но не является надёжным источником знаний: может уверенно сообщать ошибки, слабо справляется с арифметикой, сложными рассуждениями и строгими форматами. Для загрузки требуется приложенный код архитектуры model.py. Модель опубликована под лицензией Apache-2.0.

NeuraLake-m7-v2-AshhLimaRP-Mistral-7B — текстовая генеративная модель Meggido, построенная на базе Meggido/NeuraLake-m7-v2-7B и адаптера LoRA lemonilia/AshhLimaRP-Mistral-7B. Она предназначена для ролевых диалогов и создания ответов от лица заданного персонажа по его описанию, описанию пользователя и сценарию. Модель использует архитектуру Mistral с 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. README описывает формат промпта Extended Alpaca и управление длиной ответа модификатором от micro до unlimited; длина задаётся приблизительно, а длинные ответы могут быть многословными или приписывать реплики пользователю. Репозиторий содержит веса safetensors. Лицензия CC BY-NC 4.0 допускает некоммерческое использование с соблюдением её условий.

ReadyArt/Not-WizardLM-2-The-Omega-Directive-7b-Unslop-v2.1 — дообученная модель для генерации текста и диалогового ролевого взаимодействия. Она основана на amazingvince/Not-WizardLM-2-7B, использует архитектуру Mistral с 7,1 млрд параметров и принимает текст на английском языке. Заявленная длина контекста — 32 768 токенов; в описании обучения указана длина последовательности 5 120 токенов. Модель предназначена для многоходовых ролевых диалогов, включая откровенные и мрачные сценарии. Авторы сообщают о настройке на сохранение характера персонажей и ограничении имитации действий пользователя. Это не гарантия качества или безопасного поведения: модель намеренно слабо ограничивает генерируемый контент и может выдавать сексуальные или жестокие материалы. Лицензия — Apache-2.0; README заявляет, что использование предназначено только для совершеннолетних.

Исследовательский чекпойнт OASIS на базе Qwen3-0.6B, разработанный как часть коллекции моделей для статьи «Attention Sinks and Outliers in Attention Residuals». Это плотная авторегрессионная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, дополненной Softmax1-attention с нулевым слотом и AttentionResidual с маршрутизацией по глубине. Число параметров — около 508 млн, нативный контекст — 40 960 токенов. Модель предназначена для генерации текста и сравнительного исследования маршрутизации между слоями, внимания к токенам и устойчивости к выбросам активаций и квантизации. Она поддерживает диалоговый сценарий; для корректной работы варианта OASIS необходим специальный код моделирования. Обычная загрузка через AutoModelForCausalLM может отбросить дополнительные параметры и фактически запустить стандартное внимание Qwen3, поэтому полученные так результаты не будут отражать архитектуру OASIS. Лицензия — Apache 2.0.

Oneirogen-7B — языковая модель Гюстава Корталя для генерации рассказов о сновидениях и их анализа. Это дообученная с помощью LoRA модель Qwen2 с 7,1 млрд параметров, обученная на корпусе DreamBank, содержащем более 27 тысяч описаний снов. Модель принимает текст и генерирует текст на английском языке; для генерации используется префикс «Dream:», а обучающий маркер конца текста — «END.». В метаданных указан контекст до 131 072 токенов. Модель предназначена для создания новых повествований о снах. Её также можно дообучить для анализа персонажей и эмоций в описаниях сновидений. Oneirogen использовалась для создания англоязычного набора The Android and The Machine, включающего 10 тысяч реальных и 10 тысяч сгенерированных снов. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT.

kanishka/opt-babylm1_seed-42_5e-6 — языковая модель семейства OPT, обученная с нуля и опубликованная в формате safetensors. Она содержит 125,8 млн параметров, принимает текст и генерирует продолжение текста; указанная длина контекста — 256 токенов. В README приведён результат Loss 2,9386 на наборе оценки, но сам набор и обучающие данные не описаны. Модель подходит для экспериментов с компактными авторегрессионными моделями и генерацией текста в коротком контексте. README не сообщает разработчика сверх имени владельца репозитория, сценарии применения и поддерживаемые языки не уточнены. Условия лицензии в предоставленных сведениях отсутствуют.

Aratako/Oumuamua-7b-RP — созданная Aratako модель для японского ролевого общения. Это слияние нескольких предварительно обученных языковых моделей, включая дообученную для ролевых сценариев Aratako/Oumuamua-7b-instruct-v2-RP; в качестве одной из составляющих также использована Mistral-7B-v0.1. Слияние нацелено на улучшение следования инструкциям и выразительности в ролевых диалогах. Модель построена на архитектуре Mistral с плотной причинной языковой моделью, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст, рассчитана на японский язык и предназначена для многоходовых ролевых диалогов. Для промптов рекомендуется шаблон на основе изменённого Alpaca, а для остановки генерации — EOS и строки начала следующего хода пользователя и ассистента. Распространяется в формате Safetensors; в README также указана отдельная версия GGUF. Лицензия — CC-BY-NC-4.0, поэтому использование ограничено некоммерческими условиями. Качество и поведение зависят от выбранных настроек генерации и соблюдения формата промпта.

Mihaiii/Pallas-0.5-LASER-0.6 — экспериментальная версия модели Pallas-0.5-LASER-0.5 от разработчика Mihaiii. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров, дообученная с помощью вмешательства LASER типа rank-reduction на слоях MLP. В описании эксперимента указаны 200 000 токенов контекста и обучение на подмножестве causal_judgement из BIG-bench. Модель предназначена для генерации текста и экспериментальной оценки причинных суждений. В тестировании автора исходная Pallas-0.5 показала лучшие результаты в целом; отдельные варианты LASER давали небольшое улучшение точности на тестовой выборке. Модель распространяется в формате safetensors. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Banaxi-Tech/pico-60 — это промежуточный чекпойнт базовой авторегрессионной языковой модели BananaMind 2 Pico, обученной командой Banaxi-Tech. Модель содержит около 841 тыс. параметров по метаданным Hugging Face; в README для базовой конфигурации указано 900 002 параметра. Архитектура плотная, с шестью слоями, размером скрытого состояния 96 и контекстом до 4096 токенов. Модель не проходила настройку для следования инструкциям. Чекпойнт отражает 60% запланированного обучения: в README указаны 120 млрд обработанных токенов из целевых 200 млрд. Обучающие данные включают FineWeb-HQ и Cosmopedia v2; метаданные также связывают репозиторий с FineWeb-HQ и smollm-corpus. Модель предназначена для генерации продолжения текста и экспериментов с компактными причинными языковыми моделями. Использование предполагает Transformers с пользовательским кодом репозитория и параметром trust_remote_code=True. Лицензия в предоставленных данных не указана.

Positronic SciFi Omnicorpus 9B — адаптер LoRA для генерации научной фантастики на базе Qwen3.5-9B. Он преобразован в формат GGUF и предназначен для подключения во время запуска к совместимой модели Qwen3.5-9B в llama.cpp, LM Studio или KoboldCpp; адаптер можно включать и отключать без слияния с базовой моделью. Для удобства также доступна слитая версия GGUF. Модель подходит для создания художественных фрагментов и продолжения научно-фантастических сюжетов. Метаданные указывают на базу Qwen/Qwen3.5-9B и формат GGUF F16. Лицензия наследуется от Qwen3.5-9B; в метаданных она обозначена как other.

Pygmalion-2-13b-SuperCOT2 — объединённая модель на базе Pygmalion 2 13B с LoRA Ausboss Llama2 SuperCOT2, слитой с весом 1. Её подготовили для повышения возможностей Pygmalion в текстовой генерации, в частности в интерактивных текстовых приключениях и ролевых сценариях; карточка приводит формат запуска игры с описанием сцены и тремя вариантами действий на каждом ходу. Модель имеет плотную архитектуру Llama, около 12,9 млрд параметров, принимает текст и генерирует текст. Карточка и метаданные указывают английский язык и контекст 4096 токенов. Модель не предназначена для предоставления фактической информации или советов и может воспроизводить предубеждения, характерные для ролевых форумов, а также унаследованные от базовой модели. Доступна по лицензии Llama 2.

Qwen2.5-0.5B-Instruct Legal Alpaca Indonesia — компактная языковая модель на 494 млн параметров, созданная дообучением Qwen/Qwen2.5-0.5B-Instruct. Её разработали в рамках выпускного проекта курса по генеративному ИИ Dicoding Academy 857; для дообучения использован набор инструкций по законодательству и трудовым нормам Индонезии Ichsan2895/alpaca-gpt4-indonesian. Модель предназначена для генерации ответов на индонезийском языке по вопросам индонезийского законодательства и трудового регулирования, в частности для диалоговых сценариев и выполнения инструкций. Это плотная архитектура Qwen2 с контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Малый размер упрощает развертывание по сравнению с крупными языковыми моделями, однако специализация на конкретном датасете не гарантирует полноту или актуальность юридических ответов. Модель не следует считать заменой проверке по первоисточникам и консультации квалифицированного специалиста.

Qwen2.5-0.5B PGABL Legal Assistant — модель генерации текста, разработанная Dzakwan Fadhlullah для ответов в роли юридического ассистента на индонезийском языке. Она создана дообучением QLoRA с последующим объединением весов в 16-битном формате на наборе Ichsan2895/alpaca-gpt4-indonesian; архитектура — плотная Qwen2ForCausalLM, размер — 494 млн параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговых юридических сценариев. Для ответов, требующих фактических правовых знаний, автор предполагает использовать RAG: такие знания не следует считать надёжно заложенными в весах модели. Репозиторий содержит веса в формате safetensors; условия лицензии в доступных данных не приведены.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная для диалоговой генерации текста. Веса объединяют SFT-модель djdumpling/qwen3-4b-instruct-megagem-sft-step1200-v2 и LoRA-дистилляцию для перефразирования; обучение описано как ExIt с аналитическим экспертом, без градиентного RL. Модель предназначена для принятия решений в игровых сценариях с торгами и ставками, где она выбирает действия, максимизирующие ожидаемый выигрыш, а также для перефразирования игровых ответов в стиле исходной модели. В README приведены результаты закрытого теста против двух вариантов Gemini-3-Flash: доля побед выросла с 29,3% до 40,7%, а скорректированный прирост составил 7,4 очка за игру. Эти результаты относятся к конкретной тестовой постановке и не гарантируют аналогичного качества в других сценариях. Аналитический EV-селектор, дополнительно упомянутый в README, является отдельным кодом и не входит в веса. Модель принимает текст и выдаёт текст; поддерживает контекст до 262 144 токенов и может обслуживаться через vLLM или Transformers. Лицензия — Apache-2.0.

Qwen3.5 4B Indonesian Legal — это текстовая версия модели семейства Qwen3.5, подготовленная morpknight на основе Qwen/Qwen3.5-4B-Base с помощью дообучения PEFT LoRA и слияния адаптера с базовой моделью. Репозиторий содержит экспорт BF16 в формате MLX; модель предназначена для генерации ответов на вопросы и диалоговых сценариев на индонезийском языке в юридической тематике. Модель содержит 3,4 млрд параметров и поддерживает контекст до 262 144 токенов. Экспорт MLX работает только с текстом: модуль обработки изображений в него не включён. Модель распространяется по лицензии Apache-2.0. README показывает пример запроса об индонезийском законе о защите персональных данных, но не сообщает результаты оценки качества или юридической проверки ответов.

Raven 8B v1 — дообученная DarkArtsForge языковая модель для генерации текста, диалогов и ролевых сцен в готическом и хоррор-стиле. Она обучена на небольшом корпусе произведений Эдгара Аллана По и рассчитана на творческое письмо и RP; для общения использует шаблон чата Llama 3. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. В метаданных указан контекст длиной 1 073 152 токена и поддержка английского языка. Распространяется в формате safetensors по лицензии Apache-2.0. Модель может генерировать графическое насилие и эротический контент. Обучение на небольшом корпусе ограничивает тематический диапазон и не гарантирует качество за его пределами.

Samantha 1.1 — диалоговая модель на архитектуре LLaMA, опубликованная QuixiAI. Она дообучена на 6 000 вручную отобранных диалогов в формате ShareGPT/Vicuna и предназначена для общения в роли помощника и собеседника с уклоном в философию, психологию и личные отношения. Модель принимает текст и генерирует текст; карточка приводит формат диалога Vicuna 1.1. Размер модели — 32,3 млрд параметров, контекст — до 2 048 токенов, основной язык карточки — английский. Модель подходит для бесед на личные и философские темы и ответов в формате дружелюбного собеседника. В карточке указано, что Samantha не участвует в ролевых играх, романтических и сексуальных сценариях. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели.

Serenity-31B-v1.1 — диалоговая модель для ролевого общения, созданная ReadyArt на базе Google Gemma 4 31B Instruct. Это плотная модель с архитектурой Gemma4ForConditionalGeneration; автор описывает адаптацию методом LoRA ранга 80 в течение двух эпох и объединение поведенческих подходов Melody1437 и Darkside. Модель рассчитана на взрослые ролевые сценарии с эмоционально выразительными персонажами, последовательными чертами характера и свободным диалогом; карточка указывает на возможность путаницы перспектив повествования. Модель принимает текстовые сообщения и генерирует текстовые ответы. Для включения режима рассуждения README рекомендует передавать параметры enable_thinking и reasoning_effort через шаблон чата; основное применение — локальный или чатовый инференс. Указанная лицензия — Apache 2.0, при этом README отдельно заявляет личное некоммерческое использование и ограничение для аудитории 18+.

Sheared-LLaMA-2.7B-Pruned — плотная авторегрессионная языковая модель семейства LLaMA, созданная Princeton NLP путём прореживания meta-llama/Llama-2-7b-hf. Модель содержит около 2,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Для эксперимента по прореживанию использовали около 0,4 млрд токенов, без последующего предварительного обучения модели. Модель предназначена прежде всего для изучения влияния прореживания на знания и рассуждения больших языковых моделей, сравнения методов прореживания и экспериментов с составом данных для дальнейшего предварительного обучения. Она не является вариантом из семейства instruction-tuned Sheared-LLaMA-ShareGPT. Использование и распространение должны соответствовать лицензии Llama 2.