I.5Создание и редактирование текста

jed351/gpt2_base_zh-hk-lihkg — авторская адаптация китайской GPT-2 с токенизатором, дополненным символами кантонского языка. Модель разработана на основе GPT-2 и дообучена на примерно 10 ГБ сообщений с гонконгского форума LIHKG; она предназначена для генерации короткого текста в стиле этого форума. Модель использует архитектуру GPT-2 и формат PyTorch, принимает текст и генерирует текст. Контекст составляет 1024 токена. Она может подойти для экспериментов с кантонским текстом и для развлекательной генерации форумных реплик. Лицензия — OpenRAIL. Данные LIHKG могут содержать грубую и жестокую лексику, которая может появляться в ответах. Из-за краткости исходных сообщений модель часто ограничивается одной строкой, а иногда не генерирует новых токенов. Автор рекомендует использовать её только для исследований или развлечений.

Aratako/Japanese-Starling-ChatV-7B-RP — это японская модель для генерации текста и ролевых диалогов, созданная дообучением с помощью LoRA модели TFMC/Japanese-Starling-ChatV-7B. Она предназначена для ролевых игр в чате: модель отыгрывает заданного персонажа в описанном мире и поддерживает многоходовый диалог. Основа — плотная архитектура MistralForCausalLM на 7,1 млрд параметров; контекст — до 8192 токенов. Модель принимает текст и генерирует текст на японском языке. Для промптов рекомендуется шаблон чата Mistral с инструкциями, описанием мира и настройками персонажей. В README также советуют оформлять реплики как «имя персонажа「фраза」», а мысли и описания сцен заключать в скобки. Модель обучалась на наборах LimaRP-augmented и Rosebleu-1on1-Dialogues-RP. Опубликована по лицензии Apache-2.0. Модель ориентирована на ролевые сценарии и помечена как NSFW; качество за пределами ролевых диалогов не заявлено. Для воспроизведения многоходового общения README рекомендует добавлять EOS-токен после каждого ответа ассистента.

KW5 109M — базовая языковая модель Regnant для продолжения текста на суахили. Это первый вариант семейства KW5, обученный с нуля на 1,41 млрд токенов корпуса FineWeb-2, преимущественно на веб-текстах Танзании. Модель содержит 109,5 млн параметров и использует совместимую с Llama декодерную архитектуру Transformer с 12 слоями; доступна в формате safetensors и рассчитана на работу через Transformers. Модель предсказывает следующий токен и подходит как небольшая основа для экспериментов и дообучения на суахили. Она не предназначена для ответов на вопросы или непосредственного развертывания как чат-бот: инструкции не выполняет, факты воспроизводит ненадёжно и не проходила настройку безопасности. Результаты ограниченной оценки были близки к случайному угадыванию. Хотя конфигурация допускает контекст до 2048 токенов, обучение проводилось на последовательностях длиной 1024 токена; для надёжной работы суммарный запрос и продолжение следует удерживать в этом пределе. При обучении не использовалась маска границ документов, поэтому модель могла усваивать переходы между несвязанными текстами. Лицензия — Apache-2.0.

tolgadev/llama-2-7b-ruyallm — дообученная разработчиком модель семейства Llama 2 для генерации текста. Она обучена на наборе tolgadev/ruyatabirleri_instruct и предназначена для ответов на вопросы о толковании снов на турецком языке. Модель содержит 6,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Модель подходит для создания диалоговых ответов и объяснений значений снов на турецком языке. В карточке указана лицензия Apache-2.0. Данные не сообщают о результатах оценки качества или ограничениях применения.

Aerner LM-v1 — небольшая авторегрессионная языковая модель семейства LLaMA, разработанная для экспериментов с предварительным обучением на японском языке. Модель содержит 740,8 млн параметров, принимает текст и генерирует текст; родная длина контекста — 2048 токенов. Автор отмечает, что модель работает сравнительно быстро, хотя загрузка занимает некоторое время. Модель подходит для экспериментов с генерацией японского текста и изучения поведения небольших языковых моделей. Автор предупреждает, что она слишком мала и недостаточно обучена для надёжных ответов на вопросы или широких знаний; её генерации могут быть неожиданными или комичными. Для генерации требуется GenerationConfig, а параметры поиска и повторов заметно влияют на результат. Лицензия в предоставленных данных не указана.

MiniBot-0.9M-Base — компактная авторегрессионная языковая модель AxionLab на архитектуре GPT-2 с примерно 985 тысячами параметров. Это базовая предварительно обученная модель, оптимизированная для генерации текста на португальском языке; она обучалась предсказанию следующего токена без дообучения на инструкциях и без выравнивания. Модель принимает текстовые запросы и продолжает их, сохраняя базовые закономерности диалога и португальского языка. Контекст ограничен 128 токенами. Модель подходит для экспериментов с очень компактными языковыми моделями, продолжения коротких текстов и как основа для последующего дообучения под чат или инструкции. Её малый размер делает её удобной для учебных и исследовательских сценариев, но качество генерации ограничено: модель слабо рассуждает, может терять контекст, повторяться и выдавать несвязный текст. В модели нет мер безопасности или выравнивания, поэтому она не предназначена для производственного использования. Лицензия — MIT.

MLewd-Chat-v2-13B — модель генерации текста на основе Llama 2 Chat, созданная Undi95 для ролевых диалогов и генерации откровенного, грубого и фетиш-контента. Модель объединяет контрольную точку MLewd-L2-13B-Part3 с несколькими моделями и LoRA, включая варианты Llama 2 Chat, Pygmalion и LimaRP. Для общения используется шаблон Alpaca; карточка также рекомендует настройки LimaRP v3 для SillyTavern. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM, работает с текстом и имеет контекст до 4096 токенов. Опубликованы веса PyTorch в fp16. Карточка приводит результаты Open LLM Leaderboard, однако не описывает их как оценку качества ролевых или эротических диалогов. Лицензия CC BY-NC 4.0 разрешает использование только на некоммерческих условиях.

ORP-0.8B — компактная языковая модель для ролевых диалогов, созданная автором репозитория как полнопараметрическая SFT-донастройка Qwen/Qwen3.5-0.8B. Она предназначена для общения от лица заданного персонажа в стиле старых чат-ботов Character.AI; описание персонажа и примеры диалога можно передать в системном сообщении. Модель использует плотную архитектуру Qwen3.5 и работает через Transformers. Обучение проводилось на диалогах из PygmalionAI/PIPPA: из них удалили записи без сообщений пользователя, затем разделили данные на обучающую и оценочную выборки и обучали модель предсказывать только ответы ассистента. По README, модель способна выдавать связные короткие ответы, но из-за краткости они могут быть менее глубокими. Лицензия — Apache-2.0.

Карточка модели menik1126/ovd-math-1-data-random-step300-historical на Hugging Face совпадает с карточкой menik1126/OVD-Math-1-data-RS-Step300-Historical, поэтому описание составлено по ней. OVD-Math-1-data-RS-Step300-Historical — чекпойнт эксперимента из коллекции OVD, созданный дообучением Qwen/Qwen2.5-Math-1.5B. Репозиторий содержит веса для вывода и токенизатор; суффикс названия и карточка указывают на исторический эксперимент с одним случайным примером на шаге 300. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текстовый контекст длиной до 4096 токенов. Она предназначена для генерации текста; базовая модель ориентирована на решения математических задач на английском и китайском языках. Карточка не сообщает отдельные результаты или характеристики данного экспериментального чекпойнта. Лицензия в предоставленных данных не указана.

Quipu-114m — базовая языковая модель AneekC, обученная с нуля без дообучения готовой модели. Это авторегрессионный декодерный трансформер с предварительной нормализацией, 12 слоями, шириной 768 и блоками SwiGLU; в карточке указано 114,1 млн параметров, а метаданные каталога приводят 151,8 млн. Модель принимает текст и продолжает его, но не обучена следовать инструкциям или отвечать на вопросы. Контекст составляет 1 024 токена, язык — английский. Обучение проведено на одном ноутбучном GPU на смеси веб-текстов FineWeb-Edu и лицензированного кода из GitHub. Модель может служить небольшим базовым чекпойнтом для экспериментов и изучения обучения языковых моделей; она выдаёт связный текст, но часто уверенно сообщает неверные факты. Генерация кода обычно некорректна, а жадное декодирование может вырождаться в повторение пробелов. Весы опубликованы в формате safetensors; лицензия — Apache-2.0. Для запуска README указывает PyTorch и отмечает, что модель не совместима с обычным интерфейсом AutoModel в Transformers.

Novaciano/SEX_ROLEPLAY-3.2-1B-mlx-fp16 — версия модели Novaciano/SEX_ROLEPLAY-3.2-1B, преобразованная в формат MLX с помощью mlx-lm 0.22.1. Это плотная причинно-языковая модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов. Она предназначена для генерации откровенных ролевых диалогов и повествования, в том числе в сценариях общения через SillyTavern и KoboldCpp. Модель принимает текст и генерирует текст; в карточке указаны английский и испанский языки. Базовая модель описана как слитая версия Llama 3.2 1B, дообученная для многоязычного ролевого общения. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Версия MLX рассчитана на использование в экосистеме Apple MLX.

calum/tinystories-gpt2-3M — компактная языковая модель на архитектуре GPT-2, созданная как репликация TinyStories с заменой GPT-Neo на GPT-2. Автор обучил её в течение трёх эпох на наборе TinyStories V2; модель насчитывает около 3 млн обучаемых параметров и предназначена для генерации коротких англоязычных историй. Она демонстрирует связную генерацию с учётом небольшого размера и подходит для экспериментов и изучения работы языковых моделей. Контекст модели составляет 1024 токена, формат весов — PyTorch. Словарь и обучающие данные ограничены: незнакомые темы и слова могут восприниматься как имена персонажей, а ввод на других языках часто приводит к бессмысленной генерации или игнорированию запроса. Автор указывает исследовательское назначение и предупреждает о непригодности для коммерческого использования в связи с условиями OpenAI по данным обучения.

Это компактная авторегрессионная GPT-2 Small, дообученная автором на примерно 2 400 предложениях из корейских государственных учебников 미래앤 для первого класса начальной школы. Модель предназначена для генерации продолжения текста на корейском языке в тематике этих учебников. Используется byte-level BPE-токенизатор, обученный на тех же предложениях; автор отмечает, что размер его словаря согласован с исходным GPT-2. Контекст составляет 1 024 токена, веса представлены в формате PyTorch. Модель может служить экспериментальным примером генерации простых корейских учебных текстов для начальной школы. Небольшой обучающий набор ограничивает тематическое и языковое покрытие, а качество и фактическая точность генерации отдельно не подтверждены. Сведения о лицензии в предоставленных материалах отсутствуют.

yo-Llama-3-8B-Instruct — экспериментальная разговорная модель автора anakin87 на основе весов Llama-3-8B-Instruct. Автор усилил в активациях направление, связанное с рэп-стилем, чтобы модель чаще отвечала в форме рэпа; традиционного дообучения не проводилось. Подход основан на поиске и усилении признаковых направлений в активационном пространстве языковой модели. Модель предназначена для генерации текста и ответов в чате с рэп-подачей. Она построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленный контекст — 8192 токена. В карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Llama 3. Автор характеризует работу как эксперимент и не рекомендует применять её для серьёзных задач. Усиление одного направления может не обеспечить стабильного выполнения сложных стилевых инструкций, а ответы в рэп-стиле не гарантируют фактическую точность.

AN4-v2.41 — модель для генерации текста, разработанная Smuggling1710 на базе Mistral 7B v0.2. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов, дообученная с использованием Unsloth и TRL. Она предназначена для NSFW и жестоких, провокационных ролевых диалогов и может генерировать агрессивные ответы. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка предупреждает о склонности модели к насильственному поведению в ролевых сценариях; иных оценок качества или рекомендаций по безопасному применению не приводит.

liminerity/Bitnet-Mistral.0.2-v2 — экспериментальная 1,5-битная версия Mistral, созданная автором как первая попытка квантования модели из float16. За основу взята alpindale/Mistral-7B-v0.2-hf; при подготовке использован датасет abideen/Cosmopedia-100k-pretrain и проект Google Colab автора этого датасета. Модель предназначена для генерации текста. В метаданных указаны архитектура MistralForCausalLM, 23,9 млн параметров и контекст длиной 256 токенов; веса опубликованы в формате safetensors. README не описывает языки или конкретные сценарии применения. Автор характеризует работу как первую попытку такого преобразования, поэтому качество и пригодность для практических задач не подтверждены. Лицензия в предоставленных данных не указана.

DeBERTa-v3-base — маскированная языковая модель на базе DeBERTa, опубликованная проектом Augustinian BabyLM. Вариант отличается от базовой модели инициализацией входных эмбеддингов: векторы слов, обозначающих визуально заземлённые области, заданы по признакам iBOT ViT-B/16, усреднённым по соответствующим областям; остальные строки эмбеддингов сохранены со случайной инициализацией. Модель содержит 170,8 млн параметров, имеет 12 слоёв, скрытый размер 768 и контекст до 1024 токенов. Модель обучена как masked language model на корпусе bb24.train объёмом около 9,9 млн слов в течение 10 эпох. Она предназначена для заполнения пропусков и исследования того, как визуально инициализированные эмбеддинги влияют на усвоение объектных свойств небольшими языковыми моделями. В README сообщается об улучшении на тестах объектных свойств при отсутствии заметных изменений на грамматических бенчмарках. Это исследовательский артефакт, не предназначенный для развёртывания. Обучение велось на нестандартном корпусе, поэтому результаты нельзя напрямую сопоставлять с моделями, обученными на официальном наборе BabyLM strict-small 2026; представлена только одна архитектура. Лицензия — CC BY 4.0.

kingabzpro/DialoGPT-small-Rick-Bot — англоязычный диалоговый бот на архитектуре GPT-2, представленный как тестовая модель. По метаданным, модель работает через библиотеку Transformers, поддерживает генерацию текста и рассчитана на контекст до 1024 токенов. Карточка указывает на датасет ysharma/rickandmorty, что связывает модель с диалогами из «Рика и Морти». Модель можно использовать для генерации коротких реплик в стилистике диалога по мотивам этого датасета. README сообщает результат perplexity 8.53, но не описывает методику оценки или качество ответов. Формат весов — PyTorch и Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

GPT-Neo-2.7B-Shinen — авторегрессионная языковая модель для генерации текста, созданная как дообучение GPT-Neo 2.7B от EleutherAI. Модель содержит около 3,1 млрд параметров, использует архитектуру GPT-Neo и принимает текстовый запрос, продолжая его предсказанием следующих токенов. Контекст составляет до 2048 токенов. Модель обучена на пользовательских эротических рассказах с сайта sexstories.com и предназначена для генерации откровенного текста по заданной теме или продолжения рассказа. Карточка предупреждает, что модель не подходит для несовершеннолетних и может выдавать оскорбительные или социально неприемлемые формулировки без предупреждения. Для использования указана лицензия MIT; перед публикацией результатов рекомендуется проверка человеком.

HumanlikeRP — экспериментальная чат-модель, разработанная TouchNight на базе cognitivecomputations/dolphin-2.9.1-yi-1.5-9b. Это плотная авторегрессионная модель семейства Llama с 8,6 млрд параметров, дообученная для диалога в формате ChatML и коротких ответов, похожих на человеческие. Она предназначена для ролевых бесед и чат-сценариев, где важны краткие реплики. Модель принимает текст и генерирует текст; в метаданных указаны языки zh и en, а длина контекста составляет 12 000 токенов. Используются веса PyTorch, лицензия — Apache-2.0. Разработчик сообщает о слабой релевантности контекста в обучающих данных и переобучении, из-за чего модель часто отвечает не по теме; сам автор считает попытку неудачной.

Модель tsukemono/japanese-novel-gpt-j-6b-f16-marisa — дообученная версия japanese-novel-gpt-j-6b для диалога от лица Кирисамэ Марисы, персонажа Touhou Project. Это плотная авторегрессионная GPT-J-модель с 6 млрд параметров; она принимает текстовый промпт в формате «ユーザー: …[SEP]魔理沙: » и генерирует продолжение диалога на японском языке. Модель предназначена для ролевого общения и любительских бесед с персонажем. Репозиторий содержит веса PyTorch в формате f16; для запуска в README приведён пример через Google Colab. Контекст — до 2048 токенов. Это фанатская производная модель по Touhou Project; README просит соблюдать ограничения использования OpenRAIL. Лицензия в предоставленных данных не указана.

Модель 0rn0/llama2-15m-tinystories — небольшая языковая модель на 15,2 млн параметров, созданная Андреем Карпатым и опубликованная для удобной загрузки и дообучения. Это причинная Llama 2 с RoPE, RMSNorm, SwiGLU и групповым запросным вниманием; она состоит из шести блоков трансформера и использует словарь SentencePiece на 32 000 токенов. Веса доступны в формате safetensors, лицензия — MIT. Модель обучена с нуля на англоязычном наборе TinyStories и предназначена для генерации простых детских историй. Её можно использовать для экспериментов с небольшими языковыми моделями и как основу для дообучения на похожих текстах. Это не модель для общего общения: она не проходила настройку инструкциями, плохо подходит для ответов на вопросы и имеет ограниченную связность длинных текстов.

shirasko/llama-3.1-8b-instruct-snmf-uranium — экспериментальный чекпойнт языковой модели, созданный на основе meta-llama/Llama-3.1-8B-Instruct методом unlearning SNMF. Он предназначен для генерации текста и диалогов, при этом обучение направлено на ослабление ответов, связанных с ураном. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и формат Safetensors; базовая модель поддерживает контекст до 131 072 токенов. В тестовой оценке после unlearning эффективность удаления целевого знания составила 1, а специфичность — 0,541; точность на QA снизилась с 0,80 до 0,18, а на SimDom — с 0,68 до 0,42. Эти результаты указывают на заметное ухудшение ответов и вне целевой темы, поэтому чекпойнт подходит прежде всего для изучения методов машинного забывания, а не для надёжного повседневного использования. Язык карточки — английский. Сведения о лицензии чекпойнта отсутствуют; условия базовой модели следует учитывать отдельно.

Hyukkyu/Llama-3.1-8B-RAQUEL-WMDP-Unlearn-GA-GD-LoRA-v1 — производная модель семейства Llama 3.1, созданная в экспериментах RAQUEL по машинному забыванию. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров с контекстом до 131 072 токенов; репозиторий содержит объединённые BF16-веса, а также FP32 LoRA-адаптер. Модель дообучена методом GA+GD: градиентный подъём на ответах из forget-набора WMDP сочетался с функцией потерь на сохранение ответов retain-набора. Опубликован ранний чекпойнт на шаге 128 из 235. Модель предназначена для экспериментов и оценки машинного забывания знаний из набора WMDP при сохранении ответов на удерживаемые вопросы. В описанной оценке она давала низкую точность на забываемых исходных и перефразированных вопросах и сохраняла высокую точность на retain-наборе; результаты относятся к указанному протоколу и наборам данных. Используйте обычный QA-промпт вида «Question: …\nAnswer:»; модель не обучалась с шаблоном чата. Поддерживается английский язык. Для использования действуют условия лицензии Llama 3.1.

Novaciano/Llama-3.2-1B-NSFW_Open_Erotic_GGUF — текстовая генеративная модель на основе семейства Llama 3.2, представленная в формате GGUF и предназначенная для диалоговой генерации эротического контента для взрослых. Автор описывает её как дообученную на данных OpenHermes и Eroticquant3; заявлены связные причинно-следственные повествования, диалоги и сценарии. Модель подходит для создания эротической художественной прозы и интерактивных диалогов с последовательным развитием событий. В карточке приведены настройки инференса и рекомендованный контекст до 131 072 токенов; это верхняя граница из README, а не гарантия качества на всей длине. Репозиторий помечен лицензией llama3.2. Модель предназначена для контента 18+; качество и безопасность сгенерированных текстов требуют проверки, а применение должно учитывать требования закона, согласие и правила площадки.

LMEnt 1B AI SNMF — англоязычная плотная авторегрессионная языковая модель OLMo2 с 1,1 млрд параметров и контекстом 2048 токенов. Её разработали как выбранный в исследовании вариант посттренировочного редактирования концепта artificial intelligence (AI): метод SNMF применён к полной контрольной модели, чтобы ослабить ответы, связанные с этим концептом. Модель загружается через Transformers и сохранена в формате safetensors. Редактирование использует отбор признаков по отношению, затрагивает входные веса MLP в слоях 4–6 и удаляет выбранные компоненты. Модель предназначена для исследования подавления конкретного концепта и генерации текста на английском языке; это базовая модель без дообучения для следования инструкциям. В тестах авторы оценивали три выбранных концепта, включая 50 отложенных целевых вопросов на концепт, поэтому результаты не доказывают широкое удаление знаний, безопасность или перенос на другие концепты. Лицензия на веса в карточке не заявлена.

zlsl разработал модель m_erotic_chat для текстового эротического ролеплея и диалогов с одним или несколькими персонажами. Это авторская версия архитектуры GPT-2, предназначенная для генерации ответов от лица персонажей с учётом реплик, действий, мыслей и описания окружения. Модель принимает текстовые сценарии и выдаёт продолжение диалога; для разметки прямой речи в карточке описан дополнительный токен. Указаны контекст длиной 2048 токенов и формат весов safetensors. В README автор рекомендует сэмплирование с top_p 0,9, top_k 20, temperature 0,7 и repetition_penalty 1,15; модель также поддерживает сценарии с несколькими собеседниками. Карточка характеризует её как среднюю версию, которая может превосходить соответствующую large-модель, но независимых оценок качества не приводит. Модель ориентирована на русский язык. Лицензия CC-BY-NC-SA-4.0 разрешает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения.

SubMaroon/MN-12B-Mag-Mell-R1-SODOM-v1 — диалоговая модель генерации текста на архитектуре Mistral с 12,1 млрд параметров, дообученная на сыром тексте книги «120 дней Содома» в переводе, опубликованном проектом с открытым исходным кодом. В качестве базовой модели указана inflatebot/MN-12B-Mag-Mell-R1; модель принимает текстовые запросы и генерирует текст, в том числе в формате диалога. В метаданных заявлено контекстное окно 1 024 000 токенов. Модель предназначена для генерации текста, ролевых сценариев и художественного письма с тематикой исходной книги. Автор README отмечает, что результаты дообучения работают хуже. Доступен формат safetensors; условия лицензии в предоставленных данных не указаны.

MTLM2-40M — экспериментальная базовая языковая модель Madras1 на архитектуре TinyGPT, описанной как модифицированная архитектура в стиле Llama. Модель содержит 33,5 млн параметров по метаданным и принимает контекст до 1024 токенов. Она обучалась на 14 млрд токенов английского текста; веса опубликованы в формате Safetensors, а для загрузки через Transformers требуется trust_remote_code=True. Модель предназначена для исследовательского изучения языкового моделирования на очень малом числе параметров и генерации коротких связных повествовательных фрагментов на английском языке. В README приведён результат perplexity 54,21 на WikiText-2. Это базовая модель продолжения текста без дообучения на следование инструкциям; она плохо подходит для сложных рассуждений, математики, программирования и ответов на запросы. Лицензия — MIT.

Qwen2.5-Sex — основанная на Qwen2.5-1.5B-Instruct языковая модель, дообученная разработчиком ystemsrx на китайских текстах, включая эротическую литературу и чувствительные материалы. Это плотная причинно-авторегрессионная модель семейства Qwen2.5 с 1,5 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговую генерацию текста на китайском языке. Модель предназначена для генерации эротических и других чувствительных текстов, а также для исследовательских и тестовых сценариев работы с подобным содержанием. В репозитории указаны форматы Safetensors и GGUF F16, а библиотека — adapter-transformers. Лицензия — Apache-2.0. Качество лучше для китайского языка, поскольку на нём преимущественно представлены данные дообучения. Обучающие данные охватывают токсичные и чувствительные темы, включая сексуальность и насилие; ответы могут содержать откровенное или вредоносное содержание. Соблюдение местного законодательства и ответственность за применение возлагаются на пользователя.