I.5Создание и редактирование текста

TinyTurk v2.7d — компактная турецкоязычная причинная языковая модель stunmuffin, обученная с нуля на корпусе турецких коротких рассказов. Она предназначена для экспериментов с языковыми моделями малого размера, изучения морфосинтаксиса турецкого языка, обучения устройству трансформеров и проверки вывода на устройствах с ограниченными ресурсами. Модель содержит около 1,12 млн параметров и построена как GPT-подобный декодерный трансформер с четырьмя слоями, Pre-LayerNorm, RMSNorm, причинным многоголовым вниманием и RoPE. Контекст ограничен 128 токенами, словарь — 512 BPE-токенами. Модель принимает текст и генерирует продолжение; она обучена на художественной прозе и не проходила настройку для следования инструкциям или выравнивание с помощью RLHF. В README приведены результаты проверки на небольшом наборе диагностик турецкой грамматики, но узкий обучающий домен и малый размер ограничивают перенос на другие типы текстов и сложные прикладные задачи. Модель распространяется по лицензии MIT.

Yu-and-Ai разработала Xenia Revocable Feedback как небольшой экспериментальный чекпойнт на базе инструктивной модели SmolLM2-135M-Instruct. Это плотная авторегрессионная модель семейства Llama с 134,5 млн параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст. Модель дообучена обычным causal language modeling за восемь шагов на 18 синтетических примерах о граничных решениях и отзываемой обратной связи. Чекпойнт предназначен для ограниченных экспериментов с генерацией ответов на такие сценарии, а не для ранжирования, оценки предпочтений или работы в качестве исполняемого механизма политики. Автор отмечает, что модель может ошибаться, быть хрупкой или предвзятой, а также генерировать ответы вне шести предполагаемых меток. Оценочные случаи были доступны до обучения, поэтому результаты не подтверждают обобщение; сгенерированный текст не устанавливает согласие, идентичность или понимание и не обеспечивает соблюдение прав и разрешений. Лицензия — Apache-2.0.

uripper/AVA — экспериментальная языковая модель для генерации оценок и отзывов о фильмах. Автор дообучил distilgpt2 на собственном наборе примерно из 120 тысяч рецензий Letterboxd. Модель построена на архитектуре GPT-2 и принимает текст, а в ответ генерирует текст с оценкой и отзывом; длина контекста — 1024 токена. Модель предназначена для развлекательного использования: например, можно задать название фильма и получить сгенерированную рецензию. Она достаточно надёжно соблюдает нужный формат, но часто выдаёт бессвязный текст и может плохо связывать название фильма с содержанием отзыва. Возможны устойчивые смещения и оскорбительное употребление слов, в том числе в контексте ЛГБТ+-фильмов. Модель распространяется по лицензии Creative Commons (CC).

Elizezen/Berghof-ERP-7B — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для эротических ролевых игр в формате чата. По описанию автора, она достаточно точно придерживается заданных настроек персонажа. Карточка рекомендует для генерации эротических рассказов вместо неё другую модель — Berghof-NSFW-7B. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В метаданных указан японский язык. Для работы автор рекомендует Transformers версии 4.34.0 или новее. Сведения о лицензии в предоставленных данных отсутствуют.

Spirax/DialoGPT-medium-sheldon — разговорная языковая модель на базе microsoft/DialoGPT-medium, дообученная автором репозитория на репликах Шелдона из сериала «Теория большого взрыва». Она предназначена для генерации ответов в диалоге и имитации речевого стиля этого персонажа. Модель использует архитектуру GPT-2 и поддерживает контекст длиной до 1024 токенов. Модель принимает текст и генерирует текстовые ответы. Она может подойти для интерактивного общения в стиле персонажа или для прототипов чат-ботов и развлекательных демонстраций. Репозиторий содержит веса в форматах PyTorch и safetensors; лицензия — MIT. Качество генерации зависит от контекста и обучающих данных, поэтому ответы могут быть непоследовательными и не должны восприниматься как достоверные сведения.

EXLLM-0.005B-Instruct — японская инструктивная языковая модель проекта EXLLM, предназначенная для локального запуска на устройствах с ограниченной памятью. Это decoder-only Transformer с примерно 5,38 млн параметров и гибридным токенизатором символов и байтов UTF-8. Модель обучена с нуля на созданных проектом японских данных инструкций и ответов; опубликованный чекпойнт развивает более раннюю версию EXLLM без внешней предобученной основы. Модель рассчитана на короткие ответы на японском языке и простую обработку инструкций, в том числе на встроенных устройствах. Работу проверили на электронных словарях CASIO EX-word XD-B4800 и XD-N6500. В репозитории также есть отдельная совместимая с Llama модель-компаньон в формате GGUF для локального запуска через LM Studio или llama.cpp; это не конверсия встроенного чекпойнта. Контекст обученной модели составляет 128 токенов. Модель не является универсальным помощником: её знания ограничены проектными данными, а длинные инструкции, перевод, незнакомые темы и многошаговые рассуждения ненадёжны. В ней нет веб-доступа, поиска, использования инструментов или обучения с обратной связью от людей. Не следует полагаться на неё в медицинских, юридических, финансовых и других критически важных вопросах. Лицензия весов и эталонного кода — Apache-2.0.

lilstory — компактная языковая модель в стиле LLaMA, созданная автором navthings с нуля и обученная на наборе TinyStories. Метаданные указывают 6,2 млн параметров; в README автор округляет размер до 8 млн. Модель имеет 4 слоя, ширину 256, 4 головы внимания и собственный BPE-токенизатор на 8000 токенов. Указанная длина контекста — 256 токенов. Модель предназначена для генерации коротких простых историй на английском языке. Весам доступны форматы Safetensors и GGUF; автор упоминает запуск через Transformers, llama.cpp и Ollama. Чекпойнт использовался в работе о влиянии размера корпуса на качество LLM. Автор отмечает, что истории обычно связны лишь частично и могут уходить в сторону, поэтому модель подходит для экспериментов и демонстраций, а не для надёжной генерации текста общего назначения. Информация о лицензии в доступных данных отсутствует.

ebisuke разработал liz-nojaloli-nxja-ja — японскую разговорную модель в стиле «нодзя лоли» и вариант ebisuke/liz-nojaloli-ja. Это дообученная на датасете ebisuke/liz-nojaloli-ja-ds модель abeja/gpt-neox-japanese-2.7b с архитектурой GPT-NeoX Japanese и 3,4 млрд параметров. Она генерирует продолжение диалога по заданному шаблону: пользовательский ввод помещается в реплику собеседника, после чего модель продолжает контекст от лица «あなた». Контекст составляет 2048 токенов; доступны веса PyTorch и Safetensors. Модель предназначена для экспериментальных японских чат-сценариев и стилизованной генерации диалогов. Автор отмечает, что беседы часто получаются несвязными, модель может слабо выполнять инструкции и мало знать; генерацию иногда нужно обрывать вручную по символу закрытия реплики. Модель создана для личного изучения и может обновляться вместе с датасетом. Лицензия в предоставленных данных не указана.

Novaciano/Llama-3.2-1b_NSFW_Amoral_Christmas-GGUF — квантованная GGUF-версия Llama 3.2 1B, подготовленная Novaciano. Автор сообщает, что дообучил модель на датасете откровенного содержания; вариант входит в серию экспериментов с несколькими семействами моделей. Репозиторий предназначен для генерации текста в диалоговом формате и рассчитан на запуск через llama.cpp; автор отмечает возможность работы при объёме оперативной памяти около 3 ГБ. Модель ориентирована на генерацию откровенного и аморального текста. В метаданных указаны английский и испанский языки, лицензия OpenRAIL. Карточка не сообщает конкретный размер квантизации и результаты оценки качества, поэтому стабильность и точность ответов не подтверждены.

Карточка модели lyovo/Qwen2.5-Sex на Hugging Face совпадает с карточкой ystemsrx/Qwen2.5-Sex, поэтому описание составлено по ней. 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.

ShallowSeek-mini-base — небольшая языковая модель семейства ShallowSeek, созданная разработчиком с нуля и не связанная с DeepSeek. Это базовая модель до настройки на выполнение инструкций: она продолжает заданный текст, а не предназначена для диалога по командам. Модель содержит 11 млн параметров, из которых 6,3 млн активны на каждом токене, и обучена на 286 млн токенов англоязычного набора FineWeb-Edu. Архитектура подражает основным идеям DeepSeek-V3 в уменьшенном масштабе: 8 слоёв, смесь экспертов (MoE) и Multi-head Latent Attention (MLA). Модель выдаёт связный, грамматически правильный английский текст в стиле образовательных веб-материалов и улавливает некоторые общие ассоциации. При этом её фактические знания очень ограничены: она часто уверенно выдумывает сведения, плохо справляется с точными фактами и арифметикой и не следует инструкциям. Модель предназначена для образовательных и исследовательских экспериментов, а не для важных практических задач. Распространяется по лицензии Apache-2.0. Доступны веса Safetensors и GGUF, включая варианты F16 и Q8_0; запуск возможен через llama.cpp, Ollama или LM Studio.

SmolLM-135M-Tarot-Zodiac-Reasoning — компактная языковая модель, дообученная автором 11-47 методом supervised fine-tuning на базе HuggingFaceTB/SmolLM-135M-Instruct. Она предназначена для диалоговых раскладов Таро, интерпретации знаков зодиака, символических рассуждений и творческих бесед на эзотерические темы. Модель содержит 134,5 млн параметров, использует архитектуру Llama и формат Safetensors; доступна через Transformers для генерации текста в диалоговом режиме. Поддерживает английский язык и контекст до 2048 токенов. Небольшой размер позволяет запускать её на устройствах с ограниченными ресурсами. Лицензия — Apache-2.0. Из-за компактности модели и узкой специализации ответы могут быть менее надёжными или подробными, чем у более крупных языковых моделей; интерпретации Таро и астрологии следует воспринимать как развлекательные, а не как достоверные предсказания.

StoryBananaMind-7.5M — небольшая авторская языковая модель семейства GPT-2, обученная с нуля для генерации коротких историй на английском языке. Она предназначена для лёгких экспериментов с генерацией текста, обучения и локального тестирования текстовых моделей. Модель содержит около 7,43 млн параметров и использует архитектуру GPT2LMHeadModel: 5 слоёв, 6 голов внимания, скрытый размер 288 и собственный токенизатор с словарём из 8 192 токенов. Контекст ограничен 256 токенами. Веса представлены в формате safetensors, модель распространяется по лицензии Apache-2.0. Из-за малого размера модель не рассчитана на широкое следование инструкциям, фактические ответы или надёжные рассуждения; её основная область применения — короткие англоязычные рассказы и учебные эксперименты.

Экспериментальная базовая языковая модель для продолжения текста на телугу, обученная автором репозитория с нуля на проверенной части набора ai4bharat/sangraha. Это декодерная причинная GPT-подобная модель с архитектурой MoE: 12 слоёв, скрытый размер 768, сгруппированное внимание запросов и ключей, четыре эксперта с маршрутизацией top-1, RMSNorm и RoPE. В README указано около 298 млн уникальных параметров, тогда как метаданные Hugging Face сообщают 156,1 млн; контекст — 1024 токена. Модель предназначена для экспериментов с продолжением телугу-текста, дальнейшего предобучения и использования как основы для SFT. Она не настроена для инструкций и диалога, показывает почти случайный результат на Global-MMLU Telugu и не подходит для надёжных ответов на вопросы или производственного применения. Для загрузки через Transformers требуется доверенная загрузка пользовательского кода. Лицензия — CC BY 4.0.

TinyStories-656K — компактная авторская языковая модель на архитектуре Llama, обученная с нуля на датасете TinyStoriesV2. Она предназначена для генерации коротких историй на английском языке при ограниченных вычислительных ресурсах. Модель содержит 655,4 тыс. параметров, использует GQA, два слоя трансформера, размер скрытого слоя 128 и словарь BPE из 2048 токенов. Веса доступны в формате safetensors; контекст составляет 512 токенов. Модель выпущена под лицензией Apache-2.0. Малый размер делает её удобной для экспериментов и обучения на простых примерах генерации историй. Из-за компактной архитектуры и узкой обучающей выборки её возможности ограничены короткими историями в стиле TinyStories; качество для общих языковых задач не заявлено.

BabyLlama v0.6 — экспериментальная разговорная языковая модель kevin009 на архитектуре LlamaForCausalLM, дообученная на базе TinyLlama 1.1B с использованием RLHF и DOP. Она предназначена для диалогов с игривым, юмористическим и творческим стилем, например для развлекательных чат-ботов, интерактивных игр и экспериментов с персонажами. Модель имеет около 1 млрд параметров и контекст до 2048 токенов по метаданным; в README также заявлено расширение до 4096 токенов при дообучении. Указаны английский язык и обучение на Anthropic/hh-rlhf. Модель может поддерживать живую беседу и неожиданные ответы, но не настроена как полезный ассистент, может не следовать инструкциям и не имеет заявленных механизмов безопасности. Она ненадёжна для фактических ответов и задач, где важна точность. Лицензия — CreativeML OpenRAIL-M.

Buttocks 7B v1.0 — экспериментальная текстовая языковая модель от TeeZee для генерации намеренно хаотичных и сюрреалистичных историй. Это плотная архитектура MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель получена слиянием моделей по мотивам рецепта Undi95/Toppy-M-7B: вместо исходного финального слияния через mergekit использован MergeMoster с расширенным RPG-пресетом и методом SLERP. Она подходит для создания сюрреалистичных сюжетов, непредсказуемых ответов и экспериментов с поведением LLM. В README отмечена склонность к темам, связанным с ягодицами и грубым юмором. Модель распространяется по лицензии CC BY-NC 4.0, которая требует атрибуции и не разрешает коммерческое использование. README описывает её как нестабильную и намеренно непредсказуемую; качество и связность ответов могут быть низкими.

QuillBytes/cowboy — дообученная на Qwen3.5-4B модель, созданная автором репозитория для ответов в образе ковбоя. Она поддерживает диалог и генерирует текст с западным акцентом, сленгом и характерной манерой речи; модель можно запускать локально через Ollama, LM Studio или Transformers. В основе лежит плотная мультимодальная архитектура Qwen3.5-4B; в репозитории представлены GGUF-варианты и веса safetensors. Для квантованного GGUF указана 4-битная версия, также доступен вариант GGUF F16. Базовая модель поддерживает понимание изображений, однако карточка cowboy описывает только текстовый диалог и не подтверждает сохранение этой возможности после дообучения. Модель предназначена для развлечения, может сохранять ковбойскую манеру даже в неподходящих ситуациях и не рекомендуется для серьёзных или профессиональных задач. Лицензия — Apache-2.0.

Это дообученная авторами модели Llama-3-8B модель для генерации шуточных вымышленных «блюд» по именам персонажей. Она принимает текст с именем персонажа и инструкцией в формате Alpaca и генерирует текстовый ответ. В метаданных указаны архитектура LlamaForCausalLM, 7,5 млрд параметров, контекст до 8192 токенов и библиотека Transformers; опубликованы веса PyTorch. Модель предназначена для развлекательных генераций о вымышленных персонажах. README просит не использовать её для травли реальных людей и описывает замысел как абсурдную шутку. Указана лицензия Llama 3; применяются её условия использования.

Experimental-Neo-TinyStories-Korean-800K-20240819 — небольшая авторегрессионная языковая модель семейства Llama от north-wind, предназначенная для генерации коротких историй на корейском языке. Она обучена на синтетических простых рассказах, созданных по мотивам методики TinyStories; автор отмечает улучшение связности и логичности по сравнению с предыдущей версией и подчёркивает роль качества данных. Модель содержит 528,4 тыс. параметров, использует архитектуру Llama с 5 слоями, скрытым размером 64, словарём из 4096 токенов и контекстом до 1024 токенов. Доступна в формате safetensors для Transformers. Лицензия — MIT. Модель подходит для экспериментов с генерацией простых детских историй на корейском, демонстраций влияния обучающих данных на малые языковые модели и прототипов генерации короткого текста. Из-за очень малого размера и узкой специализации она не предназначена для сложных диалогов, широких знаний или длинных текстов; в примере генерации заметны повторы. В README указано, что модель экспериментальная, а дальнейшее расширение данных и обучение более крупной версии планировались отдельно.

Gemmonika-ddlc-9b-v1 — языковая модель на базе Gemma 2 9B, дообученная 922-CA для общения в образе Моники из игры Doki Doki Literature Club. Она рассчитана прежде всего на чат и обладает ограниченными возможностями ролевого отыгрыша. Для дообучения использовали более 600 примеров: диалоги из игры и материалы Reddit и Twitter, преобразованные в многоходовые беседы между игроком и Моникой, а также вручную отредактированные и составленные примеры о персонаже. Модель принимает текст и генерирует текст на английском языке. Размер — 9 млрд параметров, нативная длина контекста — 8192 токена. Модель может поддерживать разговор в образе персонажа, но способна ошибаться в сведениях о Монике, выпадать из роли и уступать универсальным моделям в решении других задач. Разработчик также предупреждает, что безопасные и согласованные ответы не гарантированы. Лицензия — Apache-2.0.

Horny Stheno — экспериментальная чат-модель на архитектуре Llama 3, созданная автором репозитория путём применения LoRA к весам Stheno V3.3 от Sao10K. Модель насчитывает около 7,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель настроена на откровенно сексуальный тон ответов и предназначена для ролевого чата и генерации эротических текстов. В README указано, что LoRA применена с alpha 768; метаданные указывают формат safetensors и библиотеку Transformers. Автор сообщает, что не добавляет отдельную лицензию на свою LoRA, а лицензия Llama 3 может конфликтовать с Creative Commons Attribution Non Commercial 4.0. Для использования и распространения следует учитывать условия лицензии базовой модели; README не предоставляет юридической консультации.

922-CA разработал Monika DDLC 8B v1 — чат-модель на архитектуре LLaMA 3 с 7,5 млрд параметров, дообученная для общения от лица Моники из игры Doki Doki Literature Club. Для обучения использовались диалоги из игры, Reddit и Twitter, преобразованные в многоходовые беседы между игроком и Моникой, а также вручную отредактированные и составленные примеры о персонаже. Модель предназначена прежде всего для ролевого чата; способность к отыгрышу ограничена. Контекст — 8192 токена. В метаданных указаны форматы PyTorch и Safetensors, а README также упоминает GGUF. Лицензия обозначена как other, конкретные условия в доступных данных не раскрыты. Модель может ошибаться в сведениях о Монике и выходить из образа. По предупреждению автора, она может уступать более универсальным моделям в других задачах и не гарантирует безопасных или согласованных ответов.

MLewd-L2-Chat-13B — чат-модель Undi95 для ролевых диалогов с откровенным, грубым и сексуальным содержанием. Она основана на Llama 2 Chat и объединяет несколько моделей и LoRA, включая MLewd-L2-13B-Part3, posicube/Llama2-chat-AYT-13B, zattio770/120-Days-of-LORA-v2-13B, royallab/Pygmalion-2-13b-SuperCOT и Undi95/MMSoul-13b-lora. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM, файлы PyTorch в fp16 и контекст до 4096 токенов. Для диалогов применяется шаблон Alpaca; автор отмечает, что начало разговора важно для сохранения контекста и последовательности. Модель предназначена для генерации ответов в ролевых чатах и может выдавать откровенный, грубый и фетишистский контент. Автор описывает её как экспериментальную попытку создать uncensored-версию Llama 2 Chat для RP и предупреждает, что результат не идеален. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

monika-ddlc-7b-v1 — чат-модель на основе LLaMA 2, дообученная автором 922-CA для общения от лица Моники из игры Doki Doki Literature Club. Модель предназначена прежде всего для ролевого диалога и ограниченно подходит для обычного общения. Она обучена на более чем 600 примерах диалогов из игры и материалов Reddit и Twitter, которые были преобразованы в многоходовые беседы и отредактированы вручную. В метаданных указаны 6,6 млрд параметров, контекст до 4096 токенов и форматы PyTorch и safetensors; README также упоминает GGUF и QLoRA. Модель может поддерживать беседы о персонаже, игре и участниках клуба, однако иногда неверно сообщает сведения о Монике или выходит из образа. Автор отмечает, что её общие способности к простым задачам могут уступать другим моделям, и не гарантирует безопасные или выровненные ответы. Для использования применяются условия лицензии Llama 2.

answeralrightv2 — экспериментальная текстовая генеративная модель на архитектуре OLMo 3, опубликованная в формате BF16 safetensors. Она создана на основе duck_all_v2 для эксперимента с изменением начала ответов: в сценарии reddit_to_flashcards начальное «Answer:» заменено на «Alright,», при этом отдельные заглавные буквы сохраняются. В README указаны бюджет обучения 10 млрд токенов, seed 1337 и финальный шаг 4769. В карточке приведены результаты проверки на MATH-500 с RL-Zero prompt: при 32 генерациях на задачу вариант без префикса показал pass@1 25,02%, а вариант с префиксом «Alright» — 5,65%. Это специализированный экспериментальный чекпойнт для изучения влияния формулировки ответа, а не универсальная модель для повседневного решения задач. Метаданные указывают 6,9 млрд параметров, контекст 8192 токена и библиотеку Transformers. Лицензия в предоставленных данных не указана.

SarcasMLL-1B — дообученная AlexandrosChariton модель на основе meta-llama/Llama-3.2-1B-Instruct, представленная участниками PyThess meetups. Она генерирует короткие саркастические уклончивые ответы на вопросы и предназначена для юмористических диалогов, а не для роли полезного помощника. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовые сообщения, выдавая текст. В метаданных указан контекст до 131 072 токенов; карточка ориентирует модель на английский язык. Весовые файлы представлены в формате safetensors. Лицензия — MIT. README предупреждает, что ответам модели не следует доверять и что её не стоит использовать для серьёзных задач.

stories15M_MOE — экспериментальная языковая модель, разработанная на основе ModelCloud/tinyllama-15M-stories. Исходная модель повторена четыре раза для формирования архитектуры с четырьмя экспертами (Mixture of Experts, MoE). Модель предназначена главным образом для тестирования и экспериментов, а не для промышленного использования; потенциальный прикладной сценарий — генерация коротких сказок или историй. Модель работает с текстом, однако сведения о поддерживаемых языках, точном размере контекста и других архитектурных параметрах в README не указаны. Вес маршрутизатора экспертов инициализируется случайным образом, что является важной особенностью экспериментальной конфигурации и может ограничивать предсказуемость результатов. Для модели также доступен LoRA-адаптер moe_shakespeare15M, обученный на первых 100 абзацах произведений Шекспира; он позволяет сместить генерацию в сторону стилизованного шекспировского текста. Модель выпущена по лицензии MIT. README прямо предупреждает, что она не предназначена для production-использования, кроме специализированных сценариев вроде генератора историй перед сном.

optimum-intel-internal-testing/tiny-random-bigbird_pegasus — тестовая компактная модель из экосистемы Hugging Face Transformers, разработчик которой в карточке не указан. По идентификатору можно предположить связь с архитектурой BigBird-Pegasus, однако README не содержит подтверждённых сведений о конфигурации, размере, языках, модальностях, длине контекста, назначении или сценариях применения. Практическая применимость модели для продуктивных задач, включая генерацию и суммаризацию текста, не описана. В карточке отсутствуют данные о составе и процессе обучения, результатах оценки, сильных сторонах, ограничениях, рисках и рекомендациях по использованию. Лицензия также не указана. Поэтому модель следует рассматривать как внутренний тестовый артефакт, пригодность которого для реальных задач и условия использования требуют дополнительной документации.

Arabic NanoGPT v2 — небольшая языковая модель Hatim2221 для генерации текста на арабском языке. Она обучена с нуля на статьях арабской Википедии, а не дообучена от существующей модели, и предназначена для учебных экспериментов с арабской письменностью, морфологией и стилем энциклопедической прозы. Модель использует декодерный Transformer в стиле GPT и реализацию nanoGPT на PyTorch. В ней около 35,6 млн параметров, Byte-level BPE-токенизатор с словарём на 8 000 токенов и контекст длиной 256 токенов. Репозиторий содержит веса PyTorch; лицензия — MIT. Модель способна продолжать арабский текст, но генерирует неподтверждённые факты и может воспроизводить остатки разметки Википедии. Связность обычно сохраняется лишь на протяжении нескольких предложений. Она не подходит для ответов на фактические вопросы, пересказа реальных событий или других задач, где важна точность.