I.5Создание и редактирование текста

ClaudioItaly/EvolutionStar — объединённая языковая модель семейства Mistral, созданная с помощью mergekit методом SLERP из ClaudioItaly/Evolutionstory-7B-v2.2 и OmnicromsBrain/NeuralStar_Fusion-7B. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM и принимает текст для авторегрессионной генерации текста. Родственные модели предназначены для связного написания историй и продолжения текста по контексту. Модель подходит для генерации прозы, продолжения творческих текстов и ответов в свободной форме. Указанное нативное окно контекста — 32 768 токенов; репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

ClaudioItaly/Evolutionstory-7B-v2.2 — объединённая языковая модель от ClaudioItaly, созданная с помощью mergekit методом SLERP на основе BarraHome/Mistroll-7B-v2.2 и ClaudioItaly/Evolutionstory. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса safetensors, библиотека — Transformers. Модель предназначена для связной генерации историй по заданной подсказке и может использоваться для ответов на вопросы по предоставленному контексту в сценариях RAG. В README отмечены результаты на IFEval и BBH, а также слабые результаты на сложных задачах по математике и рассуждению. Это указывает на пригодность для творческого письма и генерации текста, но не для точных вычислений или сложных формальных рассуждений. Лицензия — MIT. Язык модели и контекст её обучения не уточняются в предоставленных данных.

EvoluzioneRed — объединённая языковая модель на архитектуре Mistral, созданная сообществом mergekit-community из grimjim/rogue-enchantress-32k-7B и mergekit-community/TopEvolutionWiz. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, включая диалоги и творческое письмо с учётом описаний персонажей. Модели объединены методом SLERP; конфигурация использует bfloat16 и задаёт V-образное распределение весов по слоям. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

EXAONE-3.0-7.8B-Instruct-GGUF — набор GGUF-квантизованных версий языковой модели EXAONE-3.0-7.8B-Instruct, разработанной LGAI (LG AI Research) и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и LM Studio. Заявлены английский и корейский языки. Исходная модель имеет 7,8 млрд параметров; доступны версии от F32 размером 31,28 ГБ до низкобитных вариантов IQ2_M размером 2,83 ГБ. Квантизации Q4–Q6 предлагают компромисс между качеством и требованиями к памяти, а Q3 и Q2 рассчитаны на устройства с ограниченным объёмом RAM, но обеспечивают более низкое качество. Некоторые варианты используют Q8_0 для embedding- и output-весов, что помогает сохранить качество. Формат prompt задан специальными маркерами system, user и assistant. Лицензия указана как EXAONE; подробные условия находятся в файле LICENSE.

EXAONE 3.5 2.4B Instruct — двуязычная генеративная языковая модель, разработанная LG AI Research и настроенная для выполнения инструкций и диалогов на английском и корейском языках. Версия на 2,4 млрд параметров предназначена в том числе для развёртывания на устройствах с ограниченными ресурсами; модель поддерживает контекст до 32 768 токенов. Модель использует плотную архитектуру ExaoneForCausalLM: 30 слоёв и групповое запросное внимание с 32 Q-головами и 8 KV-головами. Её можно применять для диалоговых ответов, генерации текста и работы с длинным контекстом; также в метаданных указана поддержка классификации текста. Для запуска предусмотрены Transformers и среды TensorRT-LLM, vLLM, SGLang, llama.cpp и Ollama. Модель может выдавать фактически неверные, противоречивые, предвзятые или неподходящие ответы и не обладает актуальными знаниями о событиях после обучения. В карточке указана лицензия «other»; конкретные условия использования следует сверять с лицензией репозитория.

EXAONE-3.5-2.4B-Instruct-GGUF — двуязычная инструкционно дообученная языковая модель, разработанная LG AI Research. Она предназначена для генерации текста и диалоговых сценариев на английском и корейском языках, включая запуск на небольших устройствах и системах с ограниченными ресурсами. Модель представлена в формате GGUF и рассчитана на инференс с использованием llama.cpp, а также может применяться через TensorRT-LLM, vLLM, SGLang и Ollama. Модель содержит 2,14 млрд параметров без учёта эмбеддингов, 30 слоёв и использует Grouped-Query Attention с 32 Q-heads и 8 KV-heads. Размер словаря составляет 102 400 токенов, максимальная длина контекста — 32 768 токенов. Доступны варианты квантования Q8_0, Q6_0, Q5_K_M, Q4_K_M и IQ4_XS, а также веса BF16. К сильным сторонам относятся компактный размер, поддержка длинного контекста и оптимизация для ресурсоограниченного развёртывания. Модель может генерировать некорректные, устаревшие, предвзятые или потенциально неподходящие ответы и не гарантирует отражение актуальной информации или позиции LG AI Research. Лицензия — EXAONE AI Model License Agreement 1.1 - NC; условия следует уточнять в прилагаемом файле LICENSE.

EXAONE-3.5-7.8B-Instruct-GGUF — квантизированная версия инструкционной языковой модели EXAONE-3.5-7.8B-Instruct, разработанной LGAI-EXAONE. Сборку в формате GGUF подготовил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалогового взаимодействия; заявлены английский и корейский языки. Она может использоваться локально через совместимые инструменты, включая LM Studio и llama.cpp. Модель имеет около 7,8 млрд параметров. Доступны варианты с точностью от F32 и F16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5 и Q6; версии Q3 подходят для систем с ограниченной памятью, а отдельные варианты оптимизированы для ARM или AVX-инференса. Преимущество этой версии — возможность запуска локально и гибкий выбор степени квантования при сохранении хорошего качества генерации. Ограничения связаны с потерей качества при более сильном квантовании, аппаратными требованиями отдельных вариантов и отсутствием в предоставленных данных сведений о размере контекста, архитектурных деталях и поддержке модальностей помимо текста. Лицензия указана как EXAONE, тип — other; перед использованием необходимо ознакомиться с условиями лицензии.

EXAONE-3.5-7.8B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели EXAONE-3.5-7.8B-Instruct, разработанной LGAI. Репозиторий подготовлен ThomasBaruzier с использованием llama.cpp и imatrix-квантизации; представлены варианты с разными уровнями сжатия и размерами файлов. Модель предназначена для генерации текста и выполнения инструкций в текстовых сценариях. В README указаны английский и корейский языки. Размер исходной модели составляет 7,8 млрд параметров, однако архитектура и максимальная длина контекста не указаны. Доступны варианты квантизации IQ и Q, примерно от 1,8 до 5,6 ГБ; выбор варианта позволяет балансировать между требованиями к памяти и сохранением качества. К сильным сторонам относятся возможность локального запуска через совместимый стек llama.cpp, широкий выбор квантизаций и опубликованные показатели perplexity и accuracy для сравнения вариантов. Более агрессивное сжатие уменьшает размер модели, но может заметнее снижать качество. Модель текстовая и не поддерживает заявленные мультимодальные сценарии. Лицензия обозначена как EXAONE; подробные условия следует уточнять в файле LICENSE.

LGAI-EXAONE/EXAONE-4.5-33B-AWQ — квантованная версия мультимодальной модели EXAONE 4.5, разработанной LG AI Research. Модель объединяет причинную языковую модель и визуальный энкодер и предназначена для работы с текстом и изображениями, включая понимание документов, визуально-языковые задачи, рассуждения и обработку контекста на корейском языке. Поддерживаются английский, корейский, испанский, немецкий, японский и вьетнамский языки. Модель имеет 33 млрд параметров: 31,7 млрд приходится на языковую часть и 1,29 млрд — на визуальный энкодер. Используется плотная архитектура с 64 основными слоями и одним MTP-слоем, гибридным вниманием, включающим локальное Sliding Window Attention и глобальное внимание. Размер контекста составляет 262 144 токена, отсечка знаний — декабрь 2024 года. Версия AWQ применяет 4-битное группажное квантование весов W4A16g128, что снижает требования к памяти, но может уменьшать точность по сравнению с исходной моделью. Сильными сторонами заявлены конкурентные результаты на общих бенчмарках, превосходство сопоставимых по размеру моделей в понимании документов и корейском контекстном рассуждении, а также поддержка изображений. Ограничения включают возможные потери качества из-за квантования, ограниченность знаний датой отсечки и отсутствие в README подробностей о требованиях к оборудованию, производительности и безопасном применении. Лицензия указана как exaone; дополнительные условия следует уточнять в файле LICENSE.

ClaudioItaly/Exper-Alfa-V1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES на основе Undi95/Utopia-13B. В модели около 12,9 млрд параметров, веса представлены в формате Safetensors; базовая модель описана как модель для генерации текста по инструкциям, диалогов и сюжетных ответов. Модель предназначена для генерации текста и ответов в диалоге. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 4096 токенов. В карточке указана лицензия не была предоставлена, поэтому условия использования определить нельзя.

Experiment26-12B — текстовая авторегрессионная модель семейства Mistral с 12,3 млрд параметров, созданная yam-peleg с помощью LazyMergekit на основе семи копий yam-peleg/Experiment26-7B. Модель предназначена для генерации текста; карточка не описывает специализированные пользовательские сценарии или отдельные возможности помимо этой задачи. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с соблюдением её условий, включая ограничения на коммерческое применение.

Experiment26Alloyingotneoy-7B — объединённая модель для генерации текста, созданная Maxime Labonne методом slerp из rwitz/experiment26-truthy-iter-0 и nlpguy/AlloyIngotNeoY. Это плотная причинно-языковая модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают лицензию Apache-2.0. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где требуется текстовая языковая модель. README описывает автоматическое слияние весов и пример запуска через Transformers, но не приводит оценок качества или специализированных возможностей.

Experiment26Yamshadow_YamNeuralsirkrishna — объединённая текстовая модель, созданная из automerger/Experiment26Yamshadow-7B и automerger/YamNeuralsirkrishna-7B. В репозитории указаны архитектура Mistral с плотной структурой и 7,1 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовые ответы на входной запрос. Метаданные указывают задачу text-generation, но README не описывает специализированные области применения или сравнительные преимущества. Модель распространяется по лицензии Apache-2.0. Карточка не содержит сведений о дополнительном обучении, оценках качества или ограничениях поведения.

Experiment26Yam_YamStrangemerges_32 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/Experiment26Yam-7B и automerger/YamStrangemerges_32-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна генерация ответов и продолжение текста по запросу. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors, лицензия — Apache-2.0. README не уточняет поддерживаемые языки и специализированные сценарии; качество объединения и поведение на конкретных задачах следует оценивать отдельно.

MaziyarPanahi/Experiment28M7_Inex12Neural — объединённая текстовая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Neural-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors; лицензия — Apache-2.0. README не сообщает о языковой специализации или результатах оценки качества, поэтому применение модели стоит проверять на целевых задачах.

MaziyarPanahi/Experiment28M7_NeuralsirkrishnaExperiment26 — слитая текстовая модель семейства Mistral, созданная объединением automerger/Experiment28M7-7B и automerger/NeuralsirkrishnaExperiment26-7B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых приложениях на базе языковой модели. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или сведений о специализации и поддерживаемых языках. Поэтому качество генерации и пригодность для конкретных предметных областей по имеющимся данным оценить нельзя.

Experiment28M7_Strangemerges_32Alloyingotneoy — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/Experiment28M7-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Она использует архитектуру Mistral с контекстом до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей о методе слияния, поэтому пригодность для конкретных сценариев следует оценивать на собственных запросах.

MaziyarPanahi/Experiment28M7_YamshadowExperiment28 — слитая языковая модель на архитектуре Mistral, объединяющая automerger/Experiment28M7-7B и automerger/YamshadowExperiment28-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст длиной до 32 768 токенов. Карточка описывает объединение моделей, но не приводит сравнительных оценок качества или подробных сценариев применения. Репозиторий распространяется по лицензии Apache-2.0.

Experiment28M7_YamYam — объединённая модель семейства Mistral на 7,1 млрд параметров для генерации текста. По README, она создана слиянием моделей automerger/Experiment28M7-7B и automerger/YamYam-7B; репозиторий содержит веса в формате safetensors. Модель подходит для генерации текста по текстовому запросу, а её контекстное окно составляет до 32 768 токенов. В карточке не приведены сведения о специализации, поддерживаемых естественных языках или оценках качества. Модель распространяется по лицензии Apache-2.0. Поскольку это слияние двух моделей, её поведение и качество могут зависеть от задачи; независимые результаты оценки в предоставленных материалах отсутствуют.

MaziyarPanahi/Experiment28T3q_Experiment24Experiment26 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Experiment24Experiment26-7B. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель подходит для диалогов и других сценариев генерации текста, однако README не описывает отдельные специализации или сравнительные результаты. Лицензия — Apache-2.0. Поскольку модель является экспериментальным слиянием, качество может зависеть от задачи и настроек генерации.

MaziyarPanahi/Experiment28T3q_Experiment27Experiment28 — объединённая модель семейства Mistral для генерации текста, созданная на основе automerger/Experiment28T3q-7B и automerger/Experiment27Experiment28-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в системах на базе Transformers. В метаданных указана лицензия Apache-2.0. Сведения о специализированных задачах, языках и ограничениях качества в карточке не приведены.

MaziyarPanahi/Experiment28T3q_ShadowCalme — объединённая модель для генерации текста, созданная на основе automerger/Experiment28T3q-7B и automerger/ShadowCalme-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Подробные сведения о специализации, обучении и сравнительном качестве в карточке модели отсутствуют.

MaziyarPanahi/Experiment28T3q_Strangemerges_30Experiment26 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Strangemerges_30Experiment26-7B и предназначена для генерации текста, включая диалоговые и другие сценарии продолжения текста. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает подробностей о методе слияния, обучающих данных или результатах оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

euclaise/falcon_1b_stage2 — дообученная автором euclaise модель семейства Falcon на базе euclaise/falcon_1b_stage1. Это плотная авторегрессионная модель с архитектурой FalconForCausalLM и 1,7 млрд параметров, предназначенная для генерации текста. Контекст составляет 2048 токенов; репозиторий содержит веса PyTorch. Модель можно применять для генерации продолжений текста и как основу для текстовых сценариев, включая ответы на вопросы и классификацию, указанные среди поддерживаемых задач каталога. Данные README не раскрывают обучающий набор, конкретные преимущества или ограничения по качеству. Лицензия — Apache-2.0.

Falcon3-10B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Falcon3-10B-Instruct, разработанной Technology Innovation Institute (TII) и опубликованной пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на вопросы и другие задачи обработки естественного языка. Она рассчитана на запуск через llama.cpp и совместимые приложения, например LM Studio, с использованием формата чата <|system|>, <|user|>, <|assistant|>. Модель содержит 10 млрд параметров и работает только с текстом. В репозитории доступны варианты от исходных весов F16 размером 20,62 ГБ до квантизаций Q4 и Q5 размером примерно 5,9–7,6 ГБ, а также Q6 и Q8. Квантизации позволяют снизить требования к памяти и запускать модель локально, при этом более сильное сжатие может ухудшать качество. Для вариантов Q4–Q6 заявлено хорошее или очень высокое сохранение качества; наиболее сбалансированным вариантом для большинства сценариев указан Q4_K_M. В опубликованных оценках базовая модель получила 78,17% строгой точности на IFEval, 44,82% на BBH, 25,91% exact match на MATH Level 5 и 38,1% на MMLU-Pro; результаты на GPQA и MuSR составили 10,51% и 13,61% соответственно. Эти показатели характеризуют отдельные тестовые сценарии и не гарантируют качество для конкретных прикладных задач. Языки поддержки и размер контекста в README не указаны. Модель распространяется по лицензии Falcon LLM License; перед использованием необходимо ознакомиться с условиями лицензии TII.

Falcon3-3B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Falcon3-3B-Instruct, разработанной Technology Innovation Institute (TII) и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и LM Studio. Для взаимодействия используется формат с ролями system, user и assistant. Модель имеет 3 млрд параметров, относится к текстовым моделям и поддерживает английский, французский, испанский и португальский языки. Доступны варианты от F16 до низкобитных Q2/Q3/Q4/Q5/Q6/Q8 и IQ-квантизаций; размеры файлов составляют примерно от 1,27 до 6,46 ГБ. Квантизация выполнена с использованием imatrix в llama.cpp, а README отдельно отмечает исправление токенизатора. Сильная сторона набора — возможность выбрать баланс между качеством, размером и требованиями к оперативной памяти; наиболее качественными и рекомендуемыми указаны варианты Q6_K_L, Q6_K, Q5_K и Q4_K. Низкобитные варианты экономичнее, но могут заметно терять качество. Сведения о длине контекста и детальной архитектуре в README не указаны. Модель распространяется по лицензии Falcon LLM License; условия доступны по ссылке, указанной в карточке.

Falcon3-7B-Instruct-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Falcon3-7B-Instruct, разработанной Technology Innovation Institute (TII) и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, включая запуск локально через llama.cpp и совместимые приложения, например LM Studio. Для общения используется шаблон с ролями system, user и assistant. Модель поддерживает английский, французский, испанский и португальский языки. Базовый размер составляет 7 млрд параметров; доступны варианты от F16 до Q2_K, поэтому можно выбирать баланс между качеством, скоростью и требованиями к памяти. Квантизация выполнена с использованием imatrix, а в README отдельно отмечено исправление tokenizer. Варианты Q5 и Q6 характеризуются как высококачественные, Q4_K_M — как стандартный вариант для большинства сценариев, а более компактные Q3 и Q2 имеют заметно более низкое качество. Основные ограничения связаны с потерями качества при низких уровнях квантизации и отсутствием в README данных о размере контекста, архитектурных деталях, производительности и специализированных возможностях. Модель распространяется по лицензии Falcon LLM License; условия доступны по ссылке, указанной в карточке модели.

ehristoforu/Falcon3-8B-Franken-Basestruct — объединённая языковая модель на 8 млрд параметров, созданная методом SLERP с помощью mergekit из tiiuae/Falcon3-10B-Instruct и tiiuae/Falcon3-10B-Base. Модель использует плотную архитектуру LlamaForCausalLM и предназначена для генерации текста, в том числе в диалоговом формате; заявленный контекст составляет 32 768 токенов. Объединение сочетает инструкционную и базовую версии Falcon3. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Метаданные отмечают поддержку чата и интерфейс вызова инструментов, однако подробные оценки качества и конкретные сценарии применения в карточке не приведены. Сведения о лицензии в предоставленных данных отсутствуют.

suayptalha/Falcon3-Jessi-v0.4-7B-Slerp — языковая модель на 7,1 млрд параметров, полученная слиянием SLERP моделей neopolita/jessi-v0.4-falcon3-7b-instruct и tiiuae/Falcon3-7B-Instruct. Она предназначена для диалогов и генерации текста по инструкциям, включая задачи рассуждения, понимания языка, программирования и математики. Модель использует архитектуру LlamaForCausalLM, сохранена в формате safetensors и поддерживает контекст до 32 768 токенов. Заявлена поддержка английского, французского, испанского и португальского языков. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, а также утверждение о высоком рейтинге модели на момент публикации. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и у исходных моделей.

ehristoforu/falcon3-ultraset — дообученная разговорная языковая модель на основе tiiuae/Falcon3-7B-Instruct, разработанная ehristoforu. Она предназначена для генерации текста и диалогов; карточка сообщает о дообучении с использованием Unsloth и TRL. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Базовая модель поддерживает несколько языков и рассчитана на диалоги, рассуждения, программирование и математические задачи; сведения карточки этой модели отдельно подтверждают английский язык и разговорное назначение. Метаданные также отмечают интерфейс для вызова инструментов. Конкретные результаты оценки качества и подробности обучающего набора в карточке не приведены.