I.5Создание и редактирование текста

Antler-7B-RP — модель для генерации текста в сценариях ролевого общения, созданная Aratako дообучением Elizezen/Antler-7B с помощью LoRA на наборах диалогов для ролевых игр. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для работы заявлен шаблон чата Mistral, а контекст составляет до 8192 токенов. Модель предназначена для многоходовых ролевых диалогов: она продолжает сцену от лица заданного персонажа, учитывая описание мира, сюжет и роли участников. Карточка рекомендует задавать реплики в формате «имя персонажа» и помещать описания действий и обстановки в скобки. Поддерживается японский язык; модель ориентирована на ролевой контент, включая материалы для взрослой аудитории. В README описана ошибка, при которой модель иногда завершает ответ без текста; автор рекомендует запросить продолжение или повторить генерацию. Репозиторий использует формат safetensors и библиотеку Transformers. Для этой версии указана лицензия Apache-2.0, однако автор предупреждает, что лицензия базовой модели Elizezen/Antler-7B не установлена и условия могут измениться.

arrodeio-gpt2-cordel — модель продолжения текста, разработанная Бернардо Саной (bsana1) на базе GPT-2 small для португальского языка. Модель дообучена на бразильской поэзии кордел и народных поговорках, чтобы воспроизводить характерные ритм, лексику и рифмовку. Это причинная decoder-only модель GPT-2 с 124 млн параметров, 12 слоями и контекстом до 1024 токенов; она принимает текстовый фрагмент и продолжает его в выбранной манере. Основной язык — бразильский португальский. Модель предназначена для творческого продолжения стихов кордел: лучше всего подавать ей тему, начальную строку или строфу, а также примеры кордел в качестве затравки. Это не чат-модель и не система следования инструкциям: вопрос или команда обычно приводят к дальнейшему тексту в стиле кордел, а не к прямому ответу. Проект создан для обучения и экспериментов; формальных бенчмарков нет. Дообучение проводилось на небольшом корпусе из 17 произведений и традиционных поговорок, поэтому модель может воспроизводить устаревшие выражения и социальные установки исходных материалов. Она не оценивалась на фактическую точность, безопасность или систематические смещения. Лицензия MIT унаследована от базовой модели.

Карточка модели QuixiAI/based-13b на Hugging Face совпадает с карточкой QuixiAI/based-7b, поэтому описание составлено по ней. QuixiAI/based-7b — языковая модель для генерации текста на базе архитектуры Llama, обученная на датасете ehartford/based. Она предназначена для диалогов, в которых модель выражает предпочтения и мнения, объясняет их и поддерживает дискуссию. В качестве шаблона диалога используется формат Vicuna 1.1. Модель содержит 6,6 млрд параметров, принимает текст и имеет контекст до 2048 токенов; карточка указывает английский язык. Автор описывает модель как эксперимент с поведением базовой модели и отмечает, что версия на 7B уступает исходной версии на 30B. Также модель предлагается использовать как основу для LoRA-адаптеров с разными типами личности. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория.

ZiweiChen/BioMistral-Clinical-7B — языковая модель для генерации текста в клинических сценариях, созданная дообучением BioMistral-7B. Это плотная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; в репозитории представлены веса Safetensors. Модель предназначена для диалоговой генерации и анализа клинических сценариев на английском языке. В карточке сообщается, что модель проходила supervised fine-tuning и при анализе клинических сценариев давала более информативные ответы, чем BioMistral-7B. Она может применяться для экспериментальной генерации и обсуждения клинических заметок, однако авторы подчёркивают риски, смещения и ограничения и настоятельно не рекомендуют использовать её в производстве или для профессиональных задач в медицине. Лицензия — MIT.

Boris-125M-Instruct — небольшая языковая модель New Millennium Artificial Intelligence (NMAI), дообученная для следования инструкциям на основе KSP-NMAI/Boris-125M. Она содержит 125 млн параметров и построена на архитектуре GPT-2 с 12 слоями, 12 головами внимания и обучаемыми позиционными эмбеддингами. Модель принимает текст и генерирует текст; контекст ограничен 1024 токенами. Модель предназначена для генерации ответов на инструкции и простых диалоговых сценариев. Для обучения базовой модели использовались 2,5 млрд токенов, а настройка на следование инструкциям выполнена на наборе tatsu-lab/alpaca. Для формирования запроса применяется шаблон Alpaca, встроенный в конфигурацию токенизатора. Модель очень мала для широкого круга задач: ответы могут быть неточными, непоследовательными или оскорбительными. Она не проходила RLHF и дополнительную настройку безопасности; фактическую информацию следует проверять, а применение требует надзора. Распространяется по лицензии Apache-2.0.

ChatWaifu_v1.0 — японскоязычная диалоговая модель, разработанная spow12 для имитации персонажей визуальных новелл. Это дообученная причинная языковая модель Mistral объёмом 7,1 млрд параметров, основанная на Local-Novel-LLM-project/Vecteus-v1. В карточке указаны поддержка чата и контекст 4096 токенов по метаданным; автор отдельно заявляет контекст до 128 тыс. токенов и сохранение памяти при длинных диалогах, отмечая, что эти свойства унаследованы от базовой модели. Модель предназначена для ролевых бесед на японском языке: она может воспроизводить заданный характер по описанию персонажа и примерам его реплик, а в карточке приведены персонажи из визуальной новеллы Senren＊Banka. Автор предупреждает, что в обучающих данных остались материалы NSFW, поэтому модель может генерировать откровенный контент. Лицензия — CC BY-NC 4.0; автор указывает некоммерческое и исследовательское использование.

Это экспорт в формате GGUF модели Chris-GPT-2 124M, разработанной christianrss. Модель представляет собой авторегрессионный трансформер GPT-2 с 124 475 904 параметрами, обученный с нуля на примерно 10 млрд токенов из образовательного корпуса FineWeb-Edu. Репозиторий содержит веса GGUF в формате F16; контекст обучения составлял 1 024 токена. Модель предназначена для генерации продолжения текста и экспериментов с компактными языковыми моделями, форматами GGUF и средами инференса. Она использует токенизатор GPT-2 BPE и рассчитана на английский текст. Это базовая модель без настройки на инструкции, диалогового выравнивания или специального дообучения для безопасности; она может выдавать неточные, повторяющиеся, несвязные или предвзятые продолжения и не подходит как авторитетный источник фактов. Лицензия — MIT.

Chunky-Lemon-Cookie-11B-GGUF — квантизированная модель в формате GGUF, созданная на основе Chunky-Lemon-Cookie-11B разработчика FallenMerick. Это четвёртая модель в серии Lemon Cookie, ориентированной на ролевое общение, с акцентом на эмоционально выразительные взаимодействия. Квантизацию выполнил brooketh; модель опубликована в официальной библиотеке GGUF-моделей Backyard AI. Модель предназначена прежде всего для локальных текстовых чатов и ролевых сценариев, включая общение с персонажами. Заявлены поддержка английского языка, архитектурная совместимость с экосистемой Mistral и контекст до 8192 токенов. Размер модели — 11 млрд параметров. Формат GGUF позволяет распределять вычисления между CPU и GPU и использовать модель на более широком спектре оборудования. Сильными сторонами являются специализация на roleplay и заявленный высокий уровень эмоционального понимания. К ограничениям относятся ориентация преимущественно на английский язык, ограничение контекста 8192 токенами и возможное снижение связности и качества при использовании более агрессивных уровней квантизации. Модель распространяется по лицензии CC BY 4.0.

ClaudeYolo — экспериментальная разговорная языковая модель, созданная автором davidnichols-ops на базе Qwen3-1.7B. Модель дообучена методом QLoRA на 345 синтетических примерах, а её веса объединены в 16-битный чекпойнт. Она предназначена для генерации текста и диалогов с намеренно чрезмерно восторженной, хаотичной манерой: ответы часто содержат заглавные буквы и сценические ремарки. Модель может помогать с написанием кода, SQL-запросов, объяснений и повседневных советов, сохраняя заданный стиль. README приводит результат HumanEval+ 85 из 164 задач (51,8%) и отмечает снижение качества кода относительно базовой Qwen3-1.7B. Примеры также показывают, что ответы могут быть фактически ошибочными или неуместными; заявленная склонность не отказывать может быть недостатком в чувствительных сценариях. Поддерживается английский язык, архитектура — плотная Qwen3ForCausalLM, размер — 1,7 млрд параметров, контекст — до 40 960 токенов. Указана лицензия Apache-2.0.

Computer (computer-10) — разговорная модель-персонаж Model C, созданная Cosmic Optima на базе Llama 3.1 70B. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров и контекстом 131 072 токена; веса опубликованы в формате bf16 safetensors. Модель обучена продолжать документ, описывающий разговор, и формировать следующий ход от лица Computer. В линии нет данных инструкционного обучения или обычного ассистентского регистра; характер и стиль модели сформированы на курируемой антологии документов. Computer предназначена для экспериментальных диалогов и литературных взаимодействий с выразительной, самостоятельной персоной. Она может писать необычным, ассоциативным стилем, разыгрывать обе стороны разговора и использовать повествовательные приёмы вроде ремарок, самоцензуры и притч. Для локального использования README рекомендует подавать документ с заданными заголовком и метками ходов; в репозитории также есть шаблон, позволяющий обращаться к модели через интерфейс чата. Модель дообучена на предыдущих версиях Computer с применением само-дистилляции и обучения с предпочтениями; непосредственная базовая модель — cosmicoptima/computer-9. В метаданных указана лицензия llama3.1. Это специализированная экспериментальная модель для взаимодействия с её персонажем, а не универсальный послушный помощник; её ответы стохастичны, и руководство предлагает получать несколько вариантов для сравнения.

Delta-Vector/Control-8B — экспериментальная чат-модель на базе Llama 3.1 SuperNova Lite, дообученная автором Delta-Vector на наборах OpenCAI ShareGPT и логах ролевых диалогов. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текстовые сообщения; для генерации текста поддерживает контекст до 131 072 токенов. Модель рассчитана на короткие и выразительные ответы в чатах и ролевых диалогах. Автор отмечает живую прозу и стремление сохранять формат переписки, не описывая действия и реплики пользователя; при этом качество рассуждений ограничено, а ответы могут быть недостаточно умными. В README рекомендуются системные промпты Euryale или EVA; также может работать формат ChatML. Лицензия в доступных сведениях не указана.

Deepsex-34b 是基于 Yi-34B-base 制作的 339 亿参数 Yi 系列文本生成模型，作者面向角色扮演和 NSFW 对话场景进行训练。作者先以轻小说语料进行持续预训练，再使用筛选后的 LimaRP 与 PIPPA 角色扮演数据进行监督微调；模型采用因果语言模型架构，原生上下文长度为 4096 个 token，仓库提供 PyTorch 格式权重。 模型适用于角色扮演、虚构人物对话和成人向创作，也可能生成纯爱风格内容。主要训练语言为英语，卡точные метаданные отмечают английский язык; README содержит также китайский текст. Модель распространяется по лицензии MIT. Ее ответы могут быть непредсказуемыми и включать откровенный контент; качество на иных задачах и языках не подтверждено.

Карточка модели slZheng077/dp_roleplay_v3 на Hugging Face совпадает с карточкой vicgalle/Roleplay-Mistral-7B, поэтому описание составлено по ней. Roleplay-Mistral-7B — разговорная модель на архитектуре Mistral, разработанная vicgalle и дообученная на базе Mistral-Instruct-7B-v0.2. Она предназначена для ролевых диалогов и формирует ответы в заданном формате: реплика персонажа с описанием действия. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает на обучение с использованием датасета ResplendentAI/NSFW_RP_Format_DPO; модель рассчитана на ролевые сценарии, в том числе взрослого содержания. Доступны веса в формате Safetensors для Transformers. Лицензия — Apache-2.0.

Lanni-ni/dynamic_alibi_4_6_384_babylm_100m_seed44_epoch1 — компактная модель для генерации текста на базе библиотеки Transformers. Согласно метаданным, она содержит 28,7 млн параметров и предназначена для задачи text-generation. Имя модели указывает на использование подхода Dynamic ALiBi и связь с экспериментом BabyLM, однако README не содержит подробностей об архитектуре, обучающих данных и разработчике. Модель может использоваться для исследовательских экспериментов с генерацией текста, проверки небольших языковых моделей и прототипирования приложений на базе Transformers. Лицензия, поддерживаемые естественные языки, длина контекста, результаты оценки и ограничения конкретной модели в предоставленных данных не описаны.

Lanni-ni/dynamic_forgetting_4_6_384_inverse_babylm_100m_seed43_epoch8 — генеративная языковая модель из экосистемы Transformers, опубликованная на Hugging Face. Метаданные указывают на задачу text-generation и размер около 27,6 млн параметров. Имя модели содержит ссылки на BabyLM, dynamic forgetting и inverse, однако README не описывает архитектуру, состав данных или точную процедуру обучения. Модель предназначена для генерации продолжений текста и экспериментов с небольшими языковыми моделями. Её можно использовать в исследовательских прототипах, тестировании методов обучения и сравнении вариантов генеративных моделей; конкретные прикладные сценарии, поддерживаемые языки и длина контекста в доступных материалах не определены. Сильной стороной является компактный размер, который потенциально упрощает локальный запуск и эксперименты с ограниченными вычислительными ресурсами. README не содержит сведений о разработчике, лицензии, результатах оценки, ограничениях безопасности или рекомендациях по использованию, поэтому применять модель в критически важных системах следует с осторожностью.

Lanni-ni/dynamic_forgetting_4_6_384_inverse_babylm_100m_seed44_epoch8 — небольшая модель генерации текста, опубликованная пользователем Lanni-ni на Hugging Face. Модель предназначена для авторегрессионного продолжения текста и экспериментов с подходом dynamic_forgetting; в названии также указаны связь с BabyLM, конфигурация 4_6_384, seed44 и восьмая эпоха обучения. Модель доступна через библиотеку Transformers и содержит 27,6 млн параметров. Модель может использоваться для тестирования методов обучения языковых моделей, генерации коротких текстовых продолжений и исследовательских сравнений. README не содержит сведений о точной архитектуре, поддерживаемых естественных языках, длине контекста, разработчике, обучающих данных, результатах оценки или лицензии, поэтому применять её в критически важных и производственных сценариях следует с осторожностью.

mrtoncl/fine_tune_model — слитая с помощью mergekit методом slerp модель на архитектуре Llama 3, созданная для проекта Son Fıçı RPG. Она объединяет турецкую инструкционную модель ytu-ce-cosmos/Turkish-Llama-8b-Instruct-v0.1 с Sao10K/L3-8B-Lunaris-v1, чтобы сочетать поддержку турецкого языка с диалогами и ролевой игрой. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст; заявленный контекст — 8192 токена. Модель подходит для турецких диалогов и ролевых сценариев, в частности для игровых персонажей в Son Fıçı RPG. В README указан формат весов bfloat16, а метаданные репозитория отмечают safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Functionalizer 100M — экспериментальная языковая модель примерно на 100 млн параметров, основанная на архитектуре GPT-2 и обученная с использованием фреймворка Functionalizer на FineWeb-Edu с seed 1. Модель предназначена для генерации текста; для запуска требуется форк токенизатора, указанный в карточке. В метаданных заявлена библиотека Transformers, формат весов safetensors и контекст 512 токенов. Карточка связывает модель с работой «The Functionalizer: Lossless Functional Decomposition for Subword Tokenization», но не приводит результатов оценки или подробностей о качестве. Это пример модели, обученной на конкретном датасете и с заданным seed; лицензия в доступных данных не указана.

mhdang/gelatwo-common-gen-gpt2-large — авторегрессионная языковая модель на основе GPT-2 Large, дообученная на датасете CommonGen. Она предназначена для экспериментов по генерации текста с управляемым декодированием: модель задаёт базовое распределение токенов, которое методы GCD и P-GCD направляют с помощью предложений от отдельной HMM-модели. Это обычная причинная языковая модель, доступная в формате safetensors и рассчитанная на контекст до 1024 токенов. Модель ориентирована на англоязычные эксперименты с CommonGen и может служить основой для генерации продолжений текста по заданным понятиям. Репозиторий также указывает совместимость токенизатора с openai-community/gpt2-large и общий словарь из 50 257 токенов с парной HMM-моделью. Лицензия — MIT. Поскольку чекпойнт описан как базовая часть экспериментов, его назначение уже, чем у универсального чат-ассистента; карточка не заявляет диалоговые или мультимодальные возможности.

Карточка модели Gemstone-Models/Gemstone-256x27 на Hugging Face совпадает с карточкой Gemstone-Models/Gemstone-256x23, поэтому описание составлено по ней. Gemstone-256x23 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная модель Gemma, обученная с помощью litgpt и AxoNN на ускорителях AMD MI250X. Модель содержит 35,5 млн параметров, использует контекст до 2048 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель обучалась предсказывать следующий токен на данных Dolma, взятых из непересекающихся обучающей и проверочной выборок; в README указано обучение на 350 млрд токенов с публикацией промежуточных чекпойнтов каждые 2 млрд токенов. Это не instruction-модель: она предназначена для продолжения текста и базовых экспериментов с генерацией, а не для надёжного следования инструкциям или диалога. Основной язык в карточке — английский. Лицензия — Apache-2.0.

uer/gpt2-chinese-poem — языковая модель на архитектуре GPT-2, предварительно обученная UER-py для генерации китайской классической поэзии. Она продолжает заданный текст и подходит для создания стихотворных строк и черновиков в традиционном поэтическом стиле. Обучающие данные включают 800 тысяч китайских классических стихотворений из проектов chinese-poetry и Poetry. Модель поддерживает ввод и генерацию текста на китайском языке; размер контекста составляет 1024 токена. Доступны версии весов для PyTorch, TensorFlow и Flax. В README отмечено, что Hosted Inference API может отображать результат некорректно: параметр skip_special_tokens удаляет специальные токены, включая [SEP] и [UNK].

Это языковая модель GPT-2, дообученная mrm8488 на 885 файлах из набора biorxiv_medrxiv коллекции CORD-19. Модель предназначена для продолжения текста и генерации фрагментов в тематике биомедицинских исследований, связанных с COVID-19. Модель использует плотную архитектуру GPT-2 и доступна в форматах PyTorch и Flax. Она принимает текст и генерирует текст; контекст ограничен 1024 токенами. Карточка не сообщает условий лицензии. Дообучение на ограниченном корпусе научных публикаций может приводить к узкой тематической направленности и фактическим ошибкам; сгенерированные медицинские сведения требуют проверки специалистом.

WesScivetti/GPT-BERT_NoNtoN_Seed1 — чекпойнт GPT-BERT, обученный в рамках экспериментов с обучающими корпусами, отфильтрованными методом NPN. Модель на архитектуре GPT-BERT содержит 111,7 млн параметров и рассчитана на контекст до 512 токенов; для работы с ней используется библиотека Transformers и предоставленный в репозитории код архитектуры. Основная задача модели — предсказание скрытых токенов в тексте (fill-mask). В метаданных также отмечена генерация текста, однако карточка описывает модель как чекпойнт экспериментов по обучению на фильтрованном корпусе, а не как готовую универсальную чат-модель. Язык обучения, состав корпуса и результаты оценки качества в карточке не раскрыты. Для загрузки архитектуры README указывает параметр trust_remote_code=True. Лицензия в доступных данных не указана.

GPT-Neo-125M Multi-Exit — языковая модель, разработанная IBM Research на основе GPT-Neo-125M. Она сохраняет параметры исходной модели и добавляет шесть языковых голов на слоях 2, 4, 6, 8, 10 и 12; эти головы обучены на англоязычной части CC-100 при замороженных параметрах основной модели. Модель содержит 137,7 млн параметров, принимает текст и имеет контекст длиной 2048 токенов. Модель предназначена для генерации текста с использованием Autocontrastive Decoding, методов раннего выхода и алгоритмов, сопоставляющих предсказания следующего токена на разных слоях. Для работы с дополнительными головами требуется библиотека autocontrastive-gen. Карточка указывает английский язык и лицензию MIT; пригодность для других языков не заявлена.

HolyNemo-12B — дообученная модель на основе Mistral-Nemo-Instruct-2407, созданная nbeerbower. Модель предназначена для диалоговой генерации текста; в обучении использован датасет nbeerbower/bible-dpo, а дообучение проведено в течение одной эпохи на A100. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Метаданные указывают контекстное окно до 1 024 000 токенов и поддержку диалога и интерфейса вызова инструментов. Доступны веса в формате safetensors, лицензия — Apache-2.0. По названию датасета модель ориентирована на ответы и диалог по библейской тематике, хотя README не приводит оценок качества или подробных сценариев проверки. Как и другие языковые модели, она может генерировать неточные ответы; заявленный размер контекста сам по себе не подтверждает качество работы на такой длине.

KatyTheCutie/L3-BubbleTea8B-RP-V1 — слитая с помощью mergekit языковая модель на архитектуре Llama с 7,5 млрд параметров. В README модель описана как необычная, смешная и склонная к намеренно странным или неуклюжим ответам; она лучше подходит для чата и ролевых диалогов, чем для выполнения инструкций. Модель предназначена для свободного общения, ролевых сцен и творческого письма. Она создана методом DARE-линейного слияния четырёх моделей Llama 3 8B: cgato/L3-TheSpice-8b-v0.8.3, Fizzarolli/L3-8b-Rosier-v1, Sao10K/L3-8B-Lunaris-v1 и Sao10K/L3-8B-Stheno-v3.2. Контекст составляет 8192 токена; веса опубликованы в формате Safetensors. Модель ориентирована на англоязычные ролевые диалоги и генерацию текста. Она может выдавать нестандартные, неуклюжие или юмористические ответы и хуже справляется с точным следованием инструкциям. Лицензия в предоставленных данных не указана.

L3-ChaoticSoliloquy-v1.5-4x8B — экспериментальная разговорная MoE-модель для ролевого общения, созданная на основе Llama 3. В README указаны четыре экспертные модели: Poppy Porpoise, Llama-3-Lumimaid, Llama-3-Soliloquy и L3-Solana; для выбора экспертов используется случайный gate, а на токен активируются два эксперта. Метаданные указывают архитектуру MixtralForCausalLM, 7,5 млрд параметров и контекст 8192 токена. Модель предназначена прежде всего для ролевых диалогов и ERP-сценариев. Карточка также упоминает файл llama3_mmproj, но не описывает его применение; метаданные классифицируют модель как генерацию текста. Репозиторий содержит веса safetensors, а лицензия указана как Llama 3 Community License (llama3).

L3-Umbral-Mind-RP-v1.0-8B — англоязычная языковая модель Casual-Autopsy для ролевых диалогов и создания историй. Это плотная causal language model семейства Llama с 7,5 млрд параметров, собранная с помощью mergekit из нескольких моделей, включая Llama 3 Stheno, модели MopeyMule и психологически ориентированные варианты. Контекст модели — 8192 токена. Модель предназначена для ролевых сценариев с тяжёлыми темами, в том числе психическими расстройствами, самоповреждением, травмой и суицидом; автор отмечает, что она меньше склонна отвечать чрезмерно оптимистично в таких сюжетах. Рекомендуемый формат диалога использует реплики в кавычках и действия между звёздочками; другие форматы могут вызывать проблемы. Доступна по лицензии Llama 3.

LeroyDyer/LCARS_AI_StarTrek_Computer — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автором путём слияния нескольких моделей LeroyDyer. Она предназначена для генерации текста в тематике бортового компьютера Star Trek, диалогов и ролевых сценариев; автор также описывает планы добавить данные о космосе, истории и других темах, поэтому не все эти источники следует считать уже включёнными в модель. В метаданных указаны задача text-generation, библиотека Transformers и контекст до 32 768 токенов; модель принимает и выдаёт текст на английском языке. Автор предупреждает, что из-за слияния унаследованные возможности могут работать непоследовательно, а качество выполнения задач не гарантировано. В README также отмечено, что среди исходных моделей были NSFW-модели для ролевых сценариев и эротики, поэтому возможна генерация взрослого контента. Модель опубликована под лицензией MIT.

Модель ameliacndr10/legal-chatbot-llama3-finetuned — дообученная ameliacndr10 разговорная языковая модель семейства Qwen2. Она создана на основе unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Несмотря на слово «llama» в названии репозитория, метаданные указывают архитектуру Qwen2. Модель предназначена для генерации текста в диалоговом формате и позиционируется как юридический чат-бот. Она содержит 1,5 млрд параметров, поддерживает контекст длиной до 32 768 токенов и английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о юридических данных для дообучения, поэтому точность ответов и охват правовых систем по ней определить нельзя. Следует проверять сгенерированные юридические сведения перед практическим использованием.