I.5Создание и редактирование текста

Plasmoxy/flan-t5-small-gigatrue — дообученная версия google/flan-t5-small на неуказанном наборе данных. Это компактная модель семейства T5 с архитектурой encoder-decoder и 45,8 млн параметров, предназначенная для генерации текста по текстовому запросу и выполнения задач NLP в формате text-to-text. Длина контекста составляет 512 токенов; модель использует библиотеку Transformers и формат весов safetensors. Карточка сообщает значение loss 2,1229 на оценочном наборе, но не описывает сам набор, задачу оценки или предполагаемые сценарии применения. Базовая FLAN-T5-small — многоязычная модель, дообученная следованию инструкциям; конкретные языковые возможности этой версии отдельно не подтверждены. Модель распространяется по лицензии Apache-2.0.

Flashback-Bellman — языковая модель Mistral для генерации текста, созданная объединением моделей с помощью LazyMergekit. В конфигурации указаны Mistral-7B-v0.1-flashback-v2 как базовая модель и neph1/bellman-7b-mistral-instruct-v0.2 как добавляемая модель слияния DARE-TIES; при этом метаданные Hugging Face связывают репозиторий с bellman-7b-mistral-instruct-v0.2. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не приводит конкретных сценариев применения, языкового охвата или оценок качества. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

Это производный квантованный артефакт модели Microsoft Phi-3-mini-4k-instruct, опубликованный пользователем chris320211. Он предназначен для генерации текста и диалогов; репозиторий содержит упакованные веса для runtime, а не обычный чекпойнт fp16. Архитектура — плотная Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. В README приведено сравнение с исходной версией fp16 на WikiText-2 на NVIDIA A10G: квантованный вариант показал более высокую пропускную способность и меньшую потребность в VRAM, но более высокую perplexity. Для загрузки требуется специальный inference-адаптер и соответствующий репозиторий метода; стандартный вызов AutoModelForCausalLM.from_pretrained не подходит. Лицензия — MIT.

FlexiDepth-Llama-3-8B-Instruct — диалоговая причинно-языковая модель, разработанная Xuan Luo, Weizhi Wang и Xifeng Yan. Это дообученная версия Meta Llama 3 8B Instruct с методом FlexiDepth, который динамически пропускает слои во время генерации текста, чтобы сократить вычисления и ускорить вывод. Архитектура — плотная DDLlamaForCausalLM; модель содержит 7,5 млрд параметров, принимает текст и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и ответов на инструкции на английском языке. Авторы приводят результаты по языковым и рассуждательным тестам: в опубликованном сравнении качество сопоставимо с базовой Llama 3 8B Instruct на большинстве заданий при меньшем среднем числе используемых слоёв. Подход также позволяет анализировать, сколько слоёв модель задействует для разных токенов и задач. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Для загрузки авторы указывают использование Transformers версии 4.57.0; заявленные результаты относятся к описанному в README оцениванию и не гарантируют такое же ускорение или качество в любой среде и на любых задачах.

chanwit/flux-7b-base-stage-00 — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из mistralai/Mistral-7B-Instruct-v0.2 и teknium/OpenHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на генерацию текста и диалоговое взаимодействие; максимальный контекст составляет 32 768 токенов. Модель предназначена для генерации ответов и продолжения текста в диалоге. Она объединяет две инструкционно настроенные модели Mistral; в README описана схема слияния, задающая разные веса для слоёв внимания и MLP. Данных о языковом охвате и лицензии в предоставленных источниках нет.

FNCARLplus-7b — объединённая диалоговая языковая модель на базе Mistral 7B, созданная jambroz с помощью mergekit. В README указано, что при слиянии DARE TIES использовались jambroz/sixtyoneeighty-7b, jambroz/FNCARL-7b, HuggingFaceH4/mistral-7b-anthropic и mlabonne/UltraMerge-7B; базой служила jambroz/sixtyoneeighty-7b. Модель имеет 7,1 млрд параметров, архитектуру MistralForCausalLM и контекст до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате: например, для ответов на запросы и ведения переписки. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. В предоставленной карточке нет сведений о целевых языках или специализированных областях применения.

hetzerdj/FnFLlama-3.1-8B1 — языковая модель семейства Llama, разработанная hetzerdj и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель с 7,5 млрд параметров для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжать или создавать текст на английском языке. В README указано, что при обучении использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в карточке не описаны.

Forsaken-Void-12B — слитая модель Vortex5 на архитектуре Mistral с 12,1 млрд параметров. Она объединяет Scarlet-Ink-12B, Shadow-Crystal-12B и Chrysologus-12B методом flow_karcher_consensus, который использует геометрическое усреднение и адаптивное смешивание особенностей исходных моделей. Модель предназначена для генерации текста и сценариев ролевого общения, а также для написания и продолжения прозы. Контекст составляет до 131 072 токенов. В карточке описаны параметры слияния, но подробные сведения о языках и результатах оценки качества не приведены. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

ehristoforu/fq2.5-7b-it-normalize_false — объединённая инструктивная языковая модель на архитектуре Qwen2, созданная с помощью mergekit и метода Model Stock на основе Qwen/Qwen2.5-7B-Instruct. В объединение вошли модели для работы с длинным контекстом и RAG, рассуждений, математики, а также неконтролируемой генерации. Модель предназначена для диалоговой генерации текста и ответов на инструкции; заявленный контекст составляет 32 768 токенов. Размер — 7,1 млрд параметров. Репозиторий содержит веса safetensors для библиотеки Transformers и метаданные отмечают интерфейс вызова инструментов. Составное объединение может сочетать возможности исходных моделей, однако карточка не приводит количественных оценок качества или отдельных результатов тестирования. Лицензия в предоставленных источниках не указана.

Fraken-Maid-TW-Slerp — объединённая языковая модель семейства Mistral, созданная ND911 с помощью LazyMergekit. Она объединяет saishf/Top-Western-Maid-7B и ND911/Franken-Maid-Slerp методом slerp; конфигурация использует веса в формате bfloat16. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, в том числе диалоговых ответов, с контекстом до 8192 токенов. Модель принимает текст и выдаёт текст. В карточке не приведены сведения о целевых языках, специальных прикладных областях или результатах оценки качества. Репозиторий распространяет веса в формате safetensors; сведения о лицензии отсутствуют в предоставленных данных.

freewheelin/free-llama3-dpo-v0.2 — дообученная модель семейства Llama с плотной архитектурой и примерно 7,5 млрд параметров. Авторы указывают, что для дообучения использовали TRL Trainer и метод обучения из статьи SOLAR. Модель предназначена для генерации текста; её контекст составляет 8192 токена. Модель принимает текст и генерирует текст. В метаданных указаны корейский и английский языки. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не описывает конкретные сценарии применения и не приводит результаты оценки качества.

freewheelin/free-solar-slerp-v0.3 — языковая модель для генерации текста, созданная автором репозитория методом слияния SLERP с помощью mergekit. В состав объединения вошли davidkim205/komt-solar-10.7b-sft-v5 и colable/LDCC-CCK-slerp; архитектура — плотная LlamaForCausalLM, размер — 10,7 млрд параметров, формат весов — safetensors. Модель рассчитана на генерацию текста и ответы на инструкции, поддерживает контекст до 4096 токенов. В базовой модели KOMT-Solar заявлена ориентация на корейский язык; README этой версии не уточняет языковой охват и сравнительные преимущества именно данного слияния. Репозиторий опубликован по лицензии MIT. Возможности и качество могут отличаться от компонентов, использованных при слиянии.

friend-8x7B-hf — объединённая языковая модель, опубликованная rAIfle. Она создана в несколько этапов с помощью mergekit: в основу вошли модели на базе mistralai/Mixtral-8x7B-v0.1, включая вариант, связанный с retrieval и краткими делами, а итоговая модель объединяет промежуточные результаты методом SLERP. Архитектура — MixtralForCausalLM с механизмом смеси экспертов; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Автор сообщает, что работают шаблоны ChatML и Alpaca, причём предпочтительнее показался ChatML. Лицензия в предоставленных данных не указана. README описывает качество как приемлемое по результатам собственных тестов автора, без подробных оценок или бенчмарков.

Карточка модели bryordas/g-20-16-5e-5 на Hugging Face совпадает с карточкой bryordas/d-40-16-5e-5, поэтому описание составлено по ней. Модель bryordas/d-40-16-5e-5 — дообученная автором bryordas разговорная языковая модель семейства Llama на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указаны английский язык и формат safetensors. Для обучения использовались Unsloth и библиотека TRL; конкретный набор данных и специализированная область применения не описаны. Модель распространяется по лицензии Apache-2.0. Данных о качестве и ограничениях дообучения в карточке нет.

GDN-primed-HQwen3-32B-Instruct — гибридная языковая модель, разработанная командой Hybrid Model Factory на основе Qwen3-32B с помощью конвейера Priming. Это инструкционно настроенная причинная языковая модель с 64 слоями: 32 слоя Attention и 32 слоя Gated DeltaNet (GDN), разновидности модели пространства состояний. Веса представлены в формате safetensors, заявленный размер — 29,7 млрд параметров, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; карточка указывает поддержку диалога и выполнения инструкций. Модель предназначена для диалога, ответов на вопросы, следования инструкциям, задач по математике, знаниям, программированию и рассуждению, в том числе при работе с длинным контекстом. По данным разработчика, гибридная архитектура сокращает нагрузку на KV-кэш и может ускорять генерацию на длинных контекстах, сохраняя близкое к базовой модели качество; в опубликованных оценках отставание от Transformer-базовой модели составляет около 2,5–3 пунктов на длинных контекстных задачах и около 1–1,5 пункта в среднем на коротких задачах. Эти результаты зависят от сценария и условий запуска. Модель не является reasoning-чекпойнтом и не поддерживает вызов инструментов. Доступна по лицензии Apache 2.0.

QuietImpostor/Gemini-Nano-Gemmafied — генеративная языковая модель для создания текста в задачах диалога и продолжения текста. Модель опубликована пользователем QuietImpostor на Hugging Face и доступна для работы через библиотеку Transformers. В материалах модели отсутствуют сведения о разработчике, базовой модели и лицензии. Модель содержит около 3,2 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указаны форматы Safetensors и GGUF, а также принадлежность к семейству Gemma. Модель может применяться для генерации ответов в чатах, написания и продолжения текстов, черновой подготовки контента и экспериментов с компактными LLM. Оценки качества, состав обучающих данных, поддерживаемые естественные языки и специальные ограничения в карточке не описаны. Сгенерированный текст следует проверять на фактические ошибки, логические неточности и возможные искажения. Условия лицензирования в доступных материалах не приведены.

Gemma-2-27B-it-SimPO-37K-100steps-GGUF — набор GGUF-квантизаций модели AALF/gemma-2-27b-it-SimPO-37K-100steps, подготовленный пользователем bartowski с помощью llama.cpp и imatrix. Это текстовая instruction-tuned модель для генерации ответов по запросам, диалога и других задач обработки текста; запуск предусмотрен через llama.cpp и совместимые приложения, включая LM Studio. Модель имеет заявленный размер 27 млрд параметров и поставляется в вариантах от F16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ. Более точные варианты обеспечивают лучшее сохранение качества, но требуют больше памяти; компактные варианты подходят для систем с ограниченным объёмом RAM, при этом качество снижается. Для ARM доступны специальные варианты Q4_0, требующие поддержки соответствующих инструкций процессора. В README не указаны поддерживаемые языки, размер контекста, мультимодальные возможности и результаты оценивания. К сильным сторонам относятся широкий выбор размеров файлов, возможность локального запуска и применение imatrix-квантования, а также наличие высококачественных вариантов Q6_K_L и Q6_K. Ограничения связаны с существенными требованиями к памяти у крупных вариантов и неизбежной потерей качества при сильном квантовании; сравнительные показатели и область наилучшего применения не приведены. Модель распространяется по лицензии Gemma.

ThatsGroes/gemma-2-27b-it-SkoleGPT — дообученная разговорная модель ThatsGroes на архитектуре Gemma 2. Она создана на базе unsloth/gemma-2-27b-it и предназначена для генерации текста и диалогов. В модели 27,6 млрд параметров, она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные задачи SkoleGPT, поэтому её назначение можно определить только как генерацию текста и ведение диалогов; отдельные сведения о качестве и ограничениях дообучения не приводятся.

codito/gemma-2-2b-it-reflection-test1 — дообученная разговорная модель генерации текста, разработанная codito на базе unsloth/gemma-2-2b-it-bnb-4bit. Она предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. Модель использует плотную архитектуру Gemma 2 с причинной языковой моделью, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена с помощью Unsloth и библиотеки TRL; в репозитории указаны форматы PyTorch и лицензия Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях помимо диалоговой генерации текста.

Gemma-2-JPN — текстовая авторегрессионная модель семейства Gemma 2, разработанная Google и дообученная на японских текстах на базе google/gemma-2-2b-it. Модель с открытыми весами предназначена для генерации текста и диалогового взаимодействия на японском языке; её можно применять для ответов на вопросы, суммаризации, создания текстов и языковой практики. Архитектура — decoder-only, формат весов — bfloat16; для работы с моделью предусмотрена библиотека Transformers. Модель поддерживает ввод и вывод текста. В карточке заявлено, что её качество на запросах на японском сопоставимо с качеством Gemma 2 на английских запросах. Весовая лицензия Gemma распространяется на использование модели, однако применяются условия и ограничения политики допустимого использования Gemma. Модель может воспроизводить смещения, ошибаться в фактах, плохо справляться со сложными неоднозначными запросами и генерировать вредоносный или вводящий в заблуждение текст.

MonsterAPI разработала MonsterInstruct — инструктивно дообученную модель Gemma 2 с 2,7 млрд параметров, основанную на google/gemma-2-2b-it. Она предназначена для диалоговой генерации текста и выполнения инструкций. Модель использует архитектуру Gemma 2 с плотной сетью, принимает текст и формирует текстовые ответы; контекст составляет до 8192 токенов. Модель дообучена на англоязычном датасете MonsterInstruct-gemma2-formatted. Английский является основным языком обучения; автор отмечает поддержку и других языков, но не приводит их перечень или отдельные оценки качества. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия — Gemma License; перед применением следует учитывать её условия.

unsloth/gemma-2-9b — 9-миллиардная плотная языковая модель семейства Gemma 2 от Google, опубликованная Unsloth в формате safetensors с 4-битной квантизацией bitsandbytes. Модель предназначена для генерации текста; карточка демонстрирует сценарии разговорного общения с шаблонами ShareGPT ChatML и Vicuna, а также продолжения необработанного текста. Контекст модели составляет 8192 токена. В README Unsloth также предлагает использовать Gemma 2 (9B) для дообучения и приводит ноутбуки для Colab, включая сценарии DPO; это описывает рабочий процесс дообучения, а не подтверждает, что данный репозиторий уже дообучен. Метаданные указывают английский язык. Лицензия — Gemma. Карточка описывает 4-битную квантизованную сборку и приводит заявленные Unsloth ускорение и экономию памяти при дообучении, но не содержит независимой оценки качества модели.

fedric95/gemma-2-9b-GGUF — это набор квантизованных файлов модели Gemma 2 9B, разработанной Google и преобразованной пользователем fedric95 в формат GGUF для запуска с помощью llama.cpp. Модель относится к классу текстовых генеративных моделей и предназначена для диалоговых сценариев и генерации текста. В README указана архитектурная база google/gemma-2-9b, однако подробные сведения о контекстном окне, языках и модальностях не приведены; по указанным данным модель является текстовой и не поддерживает описанные мультимодальные входы. Доступны варианты с разными уровнями точности: FP32 размером 37 ГБ, а также Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, Q3_K_L, Q3_K_M, Q3_K_S и Q2_K размером от 9,83 до 3,81 ГБ. Более сильное квантование уменьшает требования к памяти, но может снижать качество: приведённые значения perplexity растут с 6,9209 у FP32 до 8,7979 у Q2_K. В тестах WinoGrande, HellaSwag и MMLU варианты Q8_0 показывают соответственно 74,43%, 78,39% и 42,51%; у низкобитных вариантов результаты в целом ниже. Для использования требуются совместимое окружение llama.cpp и выбор подходящего GGUF-файла с учётом доступной памяти и допустимой потери качества. Модель распространяется по лицензии Gemma; для доступа на Hugging Face необходимо ознакомиться с лицензией Google и принять её условия. README не содержит сведений о дополнительных ограничениях, системных требованиях или безопасном применении.

Gemma Advanced V2.1 — диалоговая языковая модель на архитектуре Gemma 2, созданная jsgreenawalt слиянием трёх дообученных моделей: WPO-HB, SimPO и SPPO-Iter3. Слияние выполнено методом della с помощью mergekit на базе google/gemma-2-9b-it. Модель содержит 9 млрд параметров, использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Модель предназначена для генерации ответов и выполнения инструкций в диалоге. Автор отмечает хорошее следование инструкциям, отслеживание деталей сюжета и понимание ситуаций, а также сильные стороны в творческом письме и передаче психологии и эмоций персонажей. По наблюдениям автора, стиль отличается от родительских моделей, а поведение персонажей выглядит более сдержанным. Карточка предлагает использовать модель также как основу для дальнейших слияний. Это экспериментально созданное слияние, поэтому описанные качества основаны на наблюдениях автора, а не на приведённых количественных оценках. В репозитории указаны веса Safetensors; отдельные GGUF-квантизации доступны в связанных репозиториях. Сведения о лицензии в предоставленных данных отсутствуют.

bartowski/gemma-2-9b-it-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Gemma 2 9B IT, разработанной Google и подготовленной пользователем bartowski для запуска через llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальные чат-приложения и другие задачи, где требуется выполнение инструкций. Доступны варианты от F32 до низкобитных Q2 и IQ-квантизаций объёмом примерно от 3,43 до 36,97 ГБ. Модель является текстовой и использует архитектуру Gemma 2 с примерно 9 млрд параметров. README не указывает поддерживаемые языки и размер контекста. Для работы необходимо применять специальный формат prompt с маркерами начала и конца хода; системные сообщения не поддерживаются. Квантизации с более высокой точностью сохраняют лучшее качество, а варианты Q4–Q6 предлагают компромисс между качеством и требованиями к памяти; низкобитные варианты экономичнее, но могут заметно уступать в качестве. Распространение основано на лицензии Gemma от Google. Для доступа к исходной модели на Hugging Face требуется принять условия использования Google. README не содержит подробного описания ограничений лицензии или результатов бенчмарков, поэтому качество следует оценивать с учётом выбранной квантизации и конкретного сценария применения.

Gemma2-9B-IT-Simpo-Infinity-Preference — диалоговая языковая модель на архитектуре Gemma 2, разработанная на основе google/gemma-2-9b-it. Модель дообучена на Infinity-Preference с использованием SimPO; в карточке указаны результаты 73,4% LC win-rate на AlpacaEval 2.0 и 58,1% win-rate на Arena-Hard против GPT-4. Модель предназначена для диалогов, ответов на вопросы и генерации текста по инструкциям. Она содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Для взаимодействия используется тот же шаблон чата, что и у базовой Gemma 2. Связанные код, данные и веса разрешены только для академических исследований и не могут применяться в коммерческих целях. Разработчик не гарантирует точность ответов; их содержание зависит, в частности, от случайных факторов.

QuantFactory/gemma-2-9b-it-SimPO-rudpo-GGUF — квантизированная версия модели gemma-2-9b-it-SimPO-rudpo, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе princeton-nlp/gemma-2-9b-it-SimPO и предназначена для генерации текста и диалоговых сценариев. Модель имеет размер 9 миллиардов параметров и ориентирована прежде всего на повышение качества ответов на русском языке по сравнению с базовой моделью. Модель подходит для русскоязычных чат-ботов, ассистентов и других задач текстовой генерации. В тестировании на наборе arena-hard questions на русском языке она получила оценку 91,9 против 90,9 у gemma-2-9b-it-SimPO и 67,0 у gemma-2-9b-it. Однако эти результаты относятся к конкретному тесту и не гарантируют аналогичного качества в других задачах. В README не указаны точный формат квантизации, поддерживаемые языки помимо русского, размер контекста, модальности и требования к аппаратному обеспечению. Лицензия модели — gemma.

Gemma-2-9B-It-SPPO-Iter3-IMat-GGUF — это GGUF-квантизированная версия модели Gemma-2-9B-It-SPPO-Iter3, разработанной UCLA-AGI. Квантизацию выполнил legraphista с использованием llama.cpp версии b3311 и метода IMatrix, применённого к ряду квантованных вариантов. Исходная модель представлена в формате BF16, а в качестве связанного набора данных указан UltraFeedback. Модель предназначена для генерации текста и диалоговых сценариев в средах, совместимых с llama.cpp и форматом GGUF. Доступны варианты с разной точностью и размером, включая BF16, FP16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантизации; размеры файлов варьируются примерно от 3,81 до 18,49 ГБ. В метаданных указан английский язык. Контекстное окно, поддерживаемые модальности и точные характеристики архитектуры в README не указаны. К сильным сторонам относятся широкий выбор форматов для подбора компромисса между качеством, скоростью и требованиями к памяти, а также применение IMatrix в большинстве вариантов с низкой и средней разрядностью. Ограничения связаны с потерями качества, возможными при агрессивной квантизации, и необходимостью выбирать файл в соответствии с доступной памятью и совместимым программным обеспечением. Модель распространяется по лицензии Gemma; условия лицензии следует учитывать при использовании.

Gemma2-9b-it-train5 — разговорная языковая модель семейства Gemma 2, разработанная ehristoforu и дообученная на базе ehristoforu/Gemma2-9b-it-train4. Это плотная модель с 9 млрд параметров для генерации текста и диалога; заявленный контекст составляет 8192 токена. Для обучения использовались Unsloth и Hugging Face TRL, а среди данных указан набор Wikimedia/Wikipedia на английском языке. Модель подходит для диалоговых ответов и генерации текста на английском языке. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества или специфические ограничения, поэтому их нельзя определить по доступным сведениям.

wzhouad/gemma-2-9b-it-WPO-HB — дообученная версия инструктивной языковой модели Google Gemma 2 9B IT, созданная методом Weighted Preference Optimization (WPO). Модель предназначена для диалогов и генерации ответов на текстовые запросы; обучение на парах предпочтений из Ultrafeedback направлено на улучшение следования предпочтениям пользователей. Для обучения использовались ответы Gemma, полученные по принципу on-policy, и ответы GPT-4-turbo на запросы из Ultrafeedback. Ответы оценивались моделью RLHFlow/ArmoRM-Llama3-8B-v0.1, после чего крайние по оценке ответы формировали пары предпочтений. Модель имеет плотную архитектуру Gemma 2, около 9 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. В README приведён результат AlpacaEval: 76,73 LC и 77,83 WR при средней длине ответа 2285 токенов. Лицензия в предоставленных данных не указана. Результаты оценки относятся к указанному бенчмарку и сами по себе не гарантируют качество на других задачах; обучение на предпочтениях не исключает ошибок и нежелательных ответов.