I.5Создание и редактирование текста

Модель cuvris-dev/llama3-8b-amy-merged разработана cuvris-dev и дообучена на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL; заявленная длина контекста составляет 8192 токена. Её можно применять для генерации продолжений текста и диалоговых ответов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные обучающие данные, оценки качества или специализированные сценарии использования.

Shenzhi Wang и соавторы разработали Llama3-8B-Chinese-Chat — диалоговую модель на базе Meta-Llama-3-8B-Instruct, дообученную методом ORPO для китайско- и англоязычных пользователей. Этот репозиторий содержит веса GGUF в формате F16; модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста, включая ролевые сценарии, использование инструментов и решение математических задач. По сравнению с базовой моделью авторы отмечают меньше случаев, когда на китайский запрос следует английский ответ, и меньше смешения китайского и английского в китайских ответах. В README описана версия v2.1 с улучшениями в ролевых диалогах, вызове функций и математике. Известное ограничение: модель не дообучали на сохранение своей идентичности, поэтому ответы о том, кто она и кем создана, могут быть случайными. Для использования действуют условия лицензии Llama 3.

Модель mo-xx/llama-3-8b-cyber-model — дообученная mo-xx версия Llama 3 с плотной архитектурой LlamaForCausalLM. В качестве основы использована unsloth/llama-3-8b-Instruct-bnb-4bit; для обучения применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке нет сведений о специализации на кибербезопасности или результатов оценки качества, поэтому название модели само по себе не подтверждает пригодность для профильных задач.

llama-3-8b-DUS-initialized — плотная языковая модель семейства Llama, созданная с помощью LazyMergekit на основе NousResearch/Meta-Llama-3-8B. Конфигурация использует метод passthrough и диапазоны слоёв исходной модели; в метаданных указаны 11 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии или дополнительные возможности. Репозиторий содержит веса в формате safetensors; лицензия — llama3.

Диалоговая модель shibing624 на базе Llama-3-8B-Instruct-262k, дообученная методом ORPO на наборе предпочтений для китайского и английского языков. Модель использует плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров; поддерживает контекст до 262 144 токенов и рассчитана на многоходовый диалог, генерацию текста, кодирование и рассуждения, а также сценарии RAG с длинными документами. Модель поддерживает китайский и английский языки. В README отмечены ограничения: при ответах на вопросы о знаниях возможны галлюцинации, особенно по китайской тематике и классической китайской литературе. Для запуска приведены ориентиры по видеопамяти: около 18,66 ГБ для кодирования 2 048 токенов и 24,58 ГБ для генерации 8 192 токенов в FP16/BF16; для Int4 — около 9,21 ГБ и 14,62 ГБ соответственно. Лицензия указана как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Это преобразованная в формат MLX версия языковой модели Llama 3 8B Instruct с контекстом до 262 144 токенов. Репозиторий подготовлен сообществом mlx-community на основе gradientai/Llama-3-8B-Instruct-262k с помощью mlx-lm 0.12.0; модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она предназначена для диалоговой генерации текста и работы с длинными текстовыми контекстами. Метаданные указывают английский язык и поддержку чата. Репозиторий содержит веса safetensors в формате MLX; лицензия в доступных данных не приведена.

MaziyarPanahi/Llama-3-8B-Instruct-32k-v0.1-GGUF — это набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-8B-Instruct-32k-v0.1. Модель создана и квантована MaziyarPanahi; исходная архитектура и точные параметры в предоставленной карточке не раскрыты, однако из названия следует, что это instruct-модель семейства Llama с заявленным размером 8B и контекстом до 32k токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Формат GGUF ориентирован на использование с llama.cpp и поддерживается, среди прочего, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и Candle; возможна работа с GPU-ускорением в зависимости от выбранного инструмента и конфигурации. Доступны варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. Ограничения включают возможные потери качества из-за квантования, зависимость производительности от оборудования и программного окружения, а также отсутствие в README сведений о языках, точных характеристиках архитектуры, результатах тестирования и лицензии.

Llama-3-8B-Instruct-Base-Slerp — объединённая модель от Arcee AI, созданная методом SLERP с помощью mergekit на основе meta-llama/Meta-Llama-3-8B-Instruct и meta-llama/Meta-Llama-3-8B. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; длина контекста составляет 8192 токена. Модель сочетает instruct-версию Llama 3 с предварительно обученной базовой версией, поэтому подходит для генерации ответов и продолжения текста в чат-сценариях. Метаданные указывают английский язык и код, однако README не описывает отдельные прикладные специализации. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Карточка модели Ayush-1722/Llama-3-8B-Instruct-v0.1-128K-QLoRA-Merged на Hugging Face совпадает с карточкой Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged, поэтому описание составлено по ней. Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Карточка модели Ayush-1722/Llama-3-8B-Instruct-v0.1-16K-QLoRA-Merged на Hugging Face совпадает с карточкой Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged, поэтому описание составлено по ней. Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

MaziyarPanahi/Llama-3-8B-Instruct-v0.9-GGUF — это набор файлов модели в формате GGUF, подготовленный разработчиком MaziyarPanahi на основе модели MaziyarPanahi/Llama-3-8B-Instruct-v0.9. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Известно, что модель относится к семейству Llama 3 и имеет размер 8B параметров. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать между меньшими требованиями к памяти и потенциальным сохранением качества. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами. Сведения о языках, размере контекста, точной архитектуре и результатах оценки в README не указаны. Основные преимущества — локальное использование, широкий выбор уровней квантования и совместимость с различными клиентами, включая GPU-ускорение и OpenAI-совместимые серверные интерфейсы в отдельных инструментах. Ограничения и условия лицензии в README не описаны; перед использованием необходимо проверить лицензию исходной модели и соответствующие условия распространения.

QuantFactory/Llama-3-8B-Magpie-Pro-SFT-v0.1-GGUF — квантизированная версия языковой модели Llama-3-8B-Magpie-Pro-SFT-v0.1, созданная с помощью llama.cpp. Исходная модель разработана проектом Magpie-Align на базе Meta Llama 3 8B и дообучена методом supervised fine-tuning на датасете Magpie-Pro-300K-Filtered, содержащем отфильтрованные синтетические инструкции и ответы. Проект Magpie связан с исследователями Zhangchen Xu, Fengqing Jiang, Luyao Niu, Yuntian Deng, Radha Poovendran, Yejin Choi и Bill Yuchen Lin. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций и ответы на пользовательские запросы. Это авторегрессионная текстовая модель с архитектурой LlamaForCausalLM; размер базовой модели — 8 млрд параметров. В README указана длина обучающей последовательности 8192 токена, однако точный контекстный размер готовой GGUF-версии не уточнён. Поддерживается текстовая модальность, список языков не указан. Для наилучшей работы следует использовать официальный chat template Llama 3. По заявленным результатам модель достигает показателей, сопоставимых с Llama-3-8B-Instruct при использовании только SFT: Alpaca Eval 2 — 25,08 LC и 29,47 WR, Arena Hard — 18,9. Ограничения включают отсутствие подробных сведений о языковом покрытии, точном формате и уровне квантизации, а также неполное описание поведения за пределами приведённых тестов. Использование регулируется Meta Llama 3 Community License.

LLaMA-3-8B-SFR-SFT-R — модель генерации текста Salesforce, созданная методом supervised fine-tuning (SFT) на основе Salesforce/SFR-Iterative-DPO-LLaMA-3-8B-R. Это плотная авторегрессионная модель семейства LLaMA с 7,5 млрд параметров и контекстом до 8192 токенов; она поддерживает диалоговый режим и распространяется в формате safetensors. Модель предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. В README модель представлена как SFT-версия в наборе релизов, включающем также reward- и RLHF-модели. Salesforce выпустила её для исследовательских целей в поддержку академической статьи. Перед применением рекомендуется оценивать точность, безопасность и справедливость; модель не оценивалась для всех вариантов использования, поэтому её пригодность для критически важных сценариев не установлена. Лицензия — Llama 3.

llama-3-8b-slow-DUS-random-layer1-method2 — плотная языковая модель семейства Llama от ryan0712, созданная с помощью LazyMergekit на основе NousResearch/Meta-Llama-3-8B. В README указано, что при сборке использовано 16 записей одной и той же базовой модели; параметры конфигурации объединения не приведены. Модель предназначена для генерации текста и может использоваться в сценариях, где нужна языковая генерация. Архитектура — LlamaForCausalLM, формат весов — safetensors, длина контекста — 8192 токена. Метаданные указывают 4 млрд параметров, тогда как базовая модель описана каталогом как модель на 7,5 млрд параметров; размер самой модели в описании поэтому приводится по метаданным репозитория. В карточке не заявлены специальные прикладные области или языки. Лицензия не указана в предоставленных данных, поэтому условия использования по ним определить нельзя.

Llama3-8B-SuperNova-Spectrum-Hermes-DPO — языковая модель yuvraj17 на архитектуре Llama 3, дообученная методом DPO на диалоговом датасете chatml-OpenHermes2.5-dpo-binarized-alpha-2k. Она предназначена для генерации текста и ведения диалогов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. При обучении использовалась QLoRA с 4-битной точностью в течение одной эпохи; в README указано, что исходной основой служила объединённая модель yuvraj17/Llama3-8B-SuperNova-Spectrum-dare_ties. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает их методику подробно. Модель распространяется под лицензией Apache-2.0.

ZeroXClem разработал Llama-3-Aetheric-Hermes-Lexi-Smaug-8B — объединённую методом TIES диалоговую модель семейства Llama 3 на 7,5 млрд параметров. В состав слияния вошли Badger Writer, Configurable Hermes 2 Pro, Llama 3 Lexi Uncensored и Llama 3 Smaug. Модель использует архитектуру LlamaForCausalLM и предназначена для генерации текста и общения по инструкциям; контекст — до 8192 токенов. Модель подходит для написания рассказов и ролевых диалогов, ответов на вопросы, многоходового общения и генерации кода. Карточка описывает настраиваемый уровень ограничений, но предупреждает, что ответы могут быть нецензурированными и содержать унаследованные предвзятости. Для запуска в bfloat16 могут потребоваться значительные вычислительные ресурсы. В метаданных указана лицензия Apache-2.0, тогда как README называет Meta Llama Community License; лицензионные сведения расходятся, поэтому условия использования следует сверить с файлами лицензии репозитория.

Llama-3-DARE-v3-8B — объединённая плотная языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В объединение вошли meta-llama/Meta-Llama-3-8B и meta-llama/Meta-Llama-3-8B-Instruct; модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель работает с текстом, поддерживает контекст до 8192 токенов и использует формат safetensors в библиотеке Transformers. Базовые модели ориентированы на английский язык; отдельных сведений о поддержке других языков карточка не приводит. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовых моделей и карточкой репозитория.

Карточка модели sel303/llama3-diverce-ver1.0 на Hugging Face совпадает с карточкой sel303/llama3-diverce-ver1.6, поэтому описание составлено по ней. sel303 дообучил модель на базе LLaMA 3 8B Instruct, используя открытые данные AIHub и собственный набор данных предметной области. В репозитории указана архитектура LlamaForCausalLM; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. При дообучении автор ограничил обучаемую часть примерно 10% параметров и упоминает LoRA, QLoRA или другие методы PEFT как возможные способы настройки. Карточка не уточняет, какой именно метод применён и для какой предметной области создавался собственный набор данных. Лицензия — llama3; в данных обучения могут присутствовать чувствительные сведения, поэтому ответы модели требуют проверки с точки зрения конфиденциальности.

Llama-3-ELYZA-JP-8B — языковая модель компании ELYZA, построенная на базе Meta-Llama-3-8B-Instruct. Разработчики адаптировали её для японского языка с помощью дополнительного предварительного обучения и настройки на инструкциях. Модель использует плотную архитектуру Llama и содержит 7,5 млрд параметров; для работы с контекстом доступно до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, также в метаданных указана поддержка английского. Её можно применять для ответов на вопросы, ведения диалога и создания японских текстов. Модель распространяется в формате safetensors по лицензии llama3; применяются условия лицензии Meta Llama 3.

DiscoResearch/Llama3-German-8B — языковая модель DiscoResearch на основе Meta Llama 3 8B, дообученная продолжением предобучения на 65 млрд токенов немецкоязычных данных. Она предназначена для генерации текста на немецком языке и может применяться для ответов на вопросы, подготовки черновиков и других задач с немецким текстом. Модель использует плотную архитектуру Llama для причинной генерации текста; размер составляет 7,5 млрд параметров, контекст — 8192 токена. В карточке приведены результаты начальных экспериментов на нескольких бенчмарках, но они не гарантируют качество на конкретных прикладных задачах. Модель распространяется в формате safetensors по лицензии Llama 3.

Llama-3-Instruct-8B-SimPO-ExPO-GGUF — квантизированная версия текстовой генеративной модели Llama-3-Instruct-8B-SimPO-ExPO. Исходную модель разработал chujiezheng, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для запуска через совместимые инструменты, включая llama.cpp. Модель ориентирована на генерацию текста в инструкционном режиме: ответы на запросы, диалоговые сценарии и другие задачи обработки текста на английском языке. Архитектура основана на Llama 3, размер модели — 8 миллиардов параметров. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-квантов с размером файлов примерно от 2,60 до 8,54 ГБ. Более качественные варианты требуют больше памяти, а низкобитные версии экономят ресурсы ценой снижения качества. Рекомендуемыми указаны Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Сильная сторона модели — широкий выбор квантизаций, позволяющий адаптировать её запуск под разные ограничения по памяти, при этом высокобитные варианты сохраняют качество, близкое к исходному. Ограничения включают возможное ухудшение качества при использовании низкобитных вариантов; параметры контекстного окна и поддерживаемые модальности, кроме текстовой генерации, в README не указаны. Для корректной работы следует использовать рекомендованный формат prompt. Лицензия указана как llama3.

Neurona 8B v2 — предварительная диалоговая языковая модель на базе Meta Llama 3 8B Instruct, разработанная Икером Гарсией. Это плотная модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов; она сохранена в формате safetensors и дообучена с помощью Axolotl на смеси англоязычных и испаноязычных наборов данных. Модель предназначена для диалога и генерации текста на испанском и английском языках. В карточке указаны сценарии RAG, вызова функций, помощи с кодом, ответов на вопросы и суммаризации; обучающие данные также включают перевод между английским и испанским, обработку новостей и экономические и медицинские тексты. Модель обозначена автором как экспериментальная предварительная версия, созданная для настройки скриптов и инфраструктуры, а не как финальный релиз. Лицензия — llama3.

RLHFlow/LLaMA3-iterative-DPO-final — неофициальная диалоговая модель семейства LLaMA 3, разработанная авторами исследования «RLHF Workflow: From Reward Modeling to Online RLHF» (TMLR, 2024). Это плотная авторегрессионная модель на 7,5 млрд параметров с контекстом 8192 токена, представленная в формате safetensors и предназначенная для генерации текста в режиме чата. Модель обучена для следования инструкциям с помощью итеративного онлайн RLHF на основе DPO. Она подходит для диалоговых ответов, общих вопросов, рассуждений и задач по программированию; авторы приводят результаты на Alpaca-Eval-V2, MT-Bench, Chat-Arena-Hard и академических тестах. В README указано, что чекпойнт предназначен для демонстрации метода и исследовательского использования. README предупреждает, что модель может выдавать оскорбительный или неэтичный контент, особенно при состязательных запросах. Указанная лицензия — llama3; README также отмечает нерешённые лицензионные вопросы при выпуске модели, поэтому условия распространения и использования следует сверять с применимыми условиями LLaMA 3.

crimsonjoo/Llama3-Ko-LON-8B — языковая модель, созданная объединением предобученных моделей с помощью mergekit и метода DARE TIES. В качестве основы использована meta-llama/Meta-Llama-3-8B; в объединение также вошли meta-llama/Meta-Llama-3-8B-Instruct и beomi/Llama-3-Open-Ko-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов; корейская языковая специализация следует из включённой Llama-3-Open-Ko-8B, а базовая модель также рассчитана на английский. Модель распространяется в формате safetensors, исходный merge выполнен с типом bfloat16. Лицензия в предоставленных данных не указана.

llama-3-neural-chat-v2.2-8B-GGUF — набор GGUF-квантизаций модели llama-3-neural-chat-v2.2-8B. Исходную модель разработал Locutusque, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев; в README указан английский язык и формат конвейера text-generation. Модель относится к семейству Llama 3 и содержит около 8 млрд параметров. Доступны варианты квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K, IQ4, IQ3, IQ2 и IQ1 размером примерно от 2,16 до 8,54 ГБ, что позволяет выбирать между качеством, скоростью и требованиями к памяти. Наиболее качественными и рекомендуемыми названы Q6_K, Q5_K и некоторые варианты Q4; низкобитные варианты экономят память, но заметно уступают по качеству. Модальность — текстовая, размер контекста и точные архитектурные характеристики в README не указаны. Лицензия обозначена как other, без дополнительных условий.

Llama-3-Open-Ko-8B — языковая модель Junbum Lee (Beomi), созданная продолжением предобучения Meta Llama 3 8B на общедоступных текстах. Модель содержит около 7,5 млрд параметров, использует плотную авторегрессионную архитектуру Transformer семейства Llama и принимает текст, генерируя текст или код. Для обучения использовано более 60 ГБ очищенных от дубликатов текстов и свыше 17,7 млрд токенов; контекст — 8192 токена. Модель предназначена для генерации текста и дальнейшей адаптации под языковые задачи, особенно для работы с корейским и английским языками. Это базовая, а не инструкционная версия; карточка отдельно упоминает предварительную инструкционную модель. Модель выпущена как статический чекпойнт, обученный на офлайн-данных. Указана лицензия Llama 3; для использования необходимо соблюдать условия Llama 3 Community License и Acceptable Use Policy.

Llama-3-Perky-Pat-Instruct-8B-GGUF — квантизированная GGUF-версия инструкционной языковой модели Llama-3-Perky-Pat-Instruct-8B. В качестве базовых моделей указаны Meta-Llama-3-8B-Instruct от Meta и Llama-3-8B-Instruct-MopeyMule от failspy; исходная модель опубликована grimjim. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалогового взаимодействия по инструкциям. Она поддерживает текстовый ввод и вывод, использует формат промптов Llama 3 с ролями system, user и assistant. Размер базовой модели — 8 миллиардов параметров. Сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Репозиторий содержит множество вариантов квантизации от Q8_0 до Q2_K и IQ2/IQ3/IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Варианты Q5–Q6 и Q4 описаны как обеспечивающие высокое или хорошее качество, тогда как варианты Q2–Q3 экономят память, но заметно уступают по качеству. Лицензия указана как llama3; конкретные условия её применения следует проверять в документации лицензии Llama 3.

Llama-3-SauerkrautLM-8b-Instruct-GGUF — это инструкционная языковая модель семейства Llama 3 в формате GGUF, опубликованная пользователем или организацией bartowski. По названию и указанным метаданным модель имеет размер 8 миллиардов параметров и ориентирована на диалоговое взаимодействие и выполнение инструкций. В карточке заявлена поддержка немецкого и английского языков, а также указано обучение методом DPO в два этапа. Модель предназначена для генерации текста, ответов на инструкции и других сценариев использования локальной LLM, совместимой с инструментами инференса, поддерживающими формат GGUF. Ключевыми особенностями являются принадлежность к семейству Llama 3, инструкционная настройка и оптимизация предпочтений методом DPO. Сведения о точной архитектуре, длине контекста, модальностях, конкретных вариантах квантования, производительности и ограничениях в README не приведены, поэтому их необходимо уточнять отдельно. Использование регулируется Meta Llama 3 Community License. Лицензия разрешает использование, воспроизведение, распространение и создание производных работ на установленных условиях, включая соблюдение Acceptable Use Policy, сохранение уведомления об атрибуции и отображение фразы «Built with Meta Llama 3» при распространении материалов или продуктов на их основе. Для производных моделей также требуется включать «Llama 3» в начало названия; для организаций с более чем 700 миллионами ежемесячных активных пользователей предусмотрены дополнительные лицензионные условия.

llama-3-stella-truthy-dpo-8B — диалоговая языковая модель семейства Llama 3, разработанная на основе nbeerbower/llama-3-stella-8B. Модель дообучена методом DPO на наборе jondurbin/truthy-dpo-v0.1 и предназначена для генерации текста и диалоговых ответов. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Она принимает текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. README указывает на лицензию Meta Llama 3 Community License Agreement; применяются её условия.