I.5Создание и редактирование текста

SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, разработанная Katayoon и дообученная на обновлённом и исходном наборах данных. Она основана на SELM-Zephyr-7B-iter-1 и использует плотную архитектуру Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. Репозиторий содержит веса в формате Safetensors, а лицензия — MIT. В README не приведены результаты оценки, подробности о данных и специальные ограничения, поэтому качество на конкретных задачах по карточке определить нельзя.

sfm_baseline_filtered-0k_1k_2k_weightedavg_merge — объединённая предобученная языковая модель, созданная с помощью mergekit методом Linear. В качестве основы при объединении использован чекпойнт global_step2000, также включены чекпойнты global_step1000 и global_step0 из набора baseline_filtered. В метаданных архитектура указана как плотная GPT-NeoX с классом GPTNeoXForCausalLM; модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии, языки или результаты оценки качества, поэтому её возможности за пределами общей генерации текста по имеющимся сведениям определить нельзя. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

sfmbaselinefiltered-1k2k3k4k5kweightedavgmerge — слитая языковая модель, созданная с помощью mergekit методом Linear из пяти чекпойнтов на шагах обучения 1000, 2000, 3000, 4000 и 5000. Базой слияния указан чекпойнт global_step5000. Репозиторий содержит плотную авторегрессионную архитектуру GPT-NeoX и веса в формате safetensors; размер модели составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии, языки или преимущества относительно исходных чекпойнтов. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная методом Linear с помощью mergekit. В слияние вошли контрольные точки обучения global_step1000, global_step2000 и global_step3000; последняя указана как базовая. Модель содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. В метаданных указаны библиотека Transformers и формат весов safetensors. Сведения о конкретных языках, специализированных областях и измеренных качествах в доступной карточке отсутствуют. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 2000, 3000 и 4000; в качестве базовой использована контрольная точка global_step4000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Доступна в формате safetensors и поддерживает диалоговый сценарий генерации текста. Модель предназначена для генерации текста и ответов в диалоге. Данные не позволяют установить конкретную специализацию, поддерживаемые естественные языки или сравнительные преимущества объединённого чекпойнта. Условия лицензии в предоставленных источниках не указаны.

sfm_filtered_e2e_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu-bytedance. Она создана методом Linear с помощью mergekit из контрольных точек global_step2000, global_step3000 и global_step4000; базой слияния указана контрольная точка global_step4000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке не описаны специальные предметные области или поддерживаемые естественные языки, поэтому назначение можно определить только как общее языковое. Файлы опубликованы в формате safetensors и указана библиотека Transformers. Сведения о лицензии и особых ограничениях в доступных данных отсутствуют.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-7k_8k_9k_10k_11k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой при слиянии использована контрольная точка global_step11000; также объединены контрольные точки global_step7000, global_step8000, global_step9000 и global_step10000 из эксперимента filtered_e2e_alignment. Архитектура — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и принимает текст для генерации текста, в том числе в диалоговом режиме. Модель предназначена для генерации продолжений текста и ответов в чате; доступный контекст составляет 16 384 токена. В метаданных нет сведений о специализации по языкам или прикладным областям, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Карточка не сообщает результаты оценки качества, конкретные преимущества или условия лицензирования. Практическое качество и ограничения слияния по сравнению с исходными контрольными точками не описаны; перед применением следует проверить поведение на целевых запросах.

Это объединённая модель для генерации текста, созданная методом Linear merge с помощью mergekit. В качестве базовой при слиянии использовалась контрольная точка global_step6000; также объединены контрольные точки global_step2000, global_step3000, global_step4000 и global_step5000 из серии filtered_e2e_insert_hyperstition_v1. Идентификаторы исходных контрольных точек приведены в README как локальные пути, поэтому определить публичные репозитории базовых моделей нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она принимает текст и генерирует текст; метаданные указывают контекст длиной 16 384 токена и возможность диалогового использования. Сведения о целевых языках, лицензии и ограничениях применения в предоставленных данных отсутствуют.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 4000, 5000 и 6000. В метаданных указана архитектура GPT-NeoX с авторегрессионной языковой моделью плотного типа и 8,8 млрд параметров; файлы представлены в формате safetensors. Модель опубликована как разговорная и имеет контекстное окно 16 384 токена. Модель предназначена для генерации текста в диалоговом формате. Карточка не описывает специализированные области применения, языки или сравнительные качества, поэтому её следует рассматривать как общий экспериментальный языковой чекпойнт. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-1k_2k_3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из пяти контрольных точек с шагами обучения от 1000 до 5000. В README указан метод Linear и контрольная точка global_step5000 как базовая при объединении. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст, генерируя текст; заявленная длина контекста — 16 384 токена. Репозиторий использует Transformers и формат safetensors, а метаданные отмечают поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают её тематические специализации, языковое покрытие или результаты оценки качества, поэтому нельзя уверенно рекомендовать её для узких предметных задач. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-2k_3k_4k_5k_6k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX с 8,8 млрд параметров. Она создана методом линейного слияния нескольких предобученных контрольных точек с шагами обучения 2000, 3000, 4000, 5000 и 6000; в README в качестве базовой для слияния указана контрольная точка global_step6000. Репозиторий содержит веса Safetensors и рассчитан на генерацию текста в разговорном формате. Модель можно применять для диалога и генерации текста с контекстом до 16 384 токенов. README и метаданные не описывают целевые языки, специализированные области или сравнительные преимущества модели, поэтому её назначение следует считать общим. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-3k_4k_5k_6k_7k_weightedavg_merge — слитая языковая модель, созданная с помощью mergekit линейным объединением нескольких предварительно обученных чекпойнтов. В качестве базового чекпойнта при слиянии использовался вариант global_step7000; также объединены варианты global_step3000, global_step4000, global_step5000 и global_step6000. Репозиторий модели указывает архитектуру GPT-NeoX с плотной авторегрессионной языковой моделью объёмом 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов и распространяется в формате Safetensors для библиотеки Transformers. Язык или специализированная область применения в доступных сведениях не определены. Карточка не приводит оценок качества или подробного описания поведения, поэтому пригодность для конкретных сценариев нужно проверять отдельно. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_insert_xxf_character-8k_9k_10k_11k_12k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что использован метод Linear: базой слияния служил чекпойнт global_step12040, также включены чекпойнты global_step8000, global_step9000, global_step10000 и global_step11000. Репозиторий опубликовал yuhengtu из ByteDance. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров. Она предназначена для генерации текста и диалогового использования; принимает текст и выдаёт текст. Размер контекста — до 16 384 токенов. Веса доступны в формате safetensors, библиотека для работы — Transformers. В карточке нет сведений о языках обучения или проверенных сценариях, поэтому нельзя утверждать качество модели для конкретного языка или предметной области. Лицензия в предоставленных данных не указана.

sfm_filtered_midtrain_alignment-0k_1k_2k_weightedavg_merge — объединённая модель предварительно обученных языковых моделей, созданная с помощью mergekit. В README указано, что применён линейный метод слияния, базой служила модель с контрольной точки global_step2000, а в объединение также вошли контрольные точки global_step0 и global_step1000. Метаданные описывают модель как плотную GPT-NeoX с архитектурой GPTNeoXForCausalLM и 8,8 млрд параметров. Модель предназначена для генерации текста и чат-сценариев. Заявленная длина контекста — 16 384 токена; файлы представлены в формате safetensors, библиотека — Transformers. Данных о языках и специализированных областях применения карточка не содержит. Условия лицензии в доступных сведениях не указаны.

Это объединённая модель генерации текста, созданная методом Linear merge с помощью mergekit. В основе слияния использован чекпойнт на шаге 12040; в объединение также вошли чекпойнты на шагах 10000 и 11000. В репозитории указана архитектура GPT-NeoX с плотной авторегрессионной языковой моделью на 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не уточняет специализацию, языки или датасеты, поэтому нельзя обоснованно приписать ей конкретную предметную область или языковое преимущество. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это объединённая языковая модель на 8,8 млрд параметров, созданная автором репозитория yuhengtu-bytedance методом Linear merge с помощью mergekit. В качестве основы использован чекпойнт filtered_midtrain_alignment на шаге 6000; в объединение также вошли чекпойнты на шагах 2000, 3000, 4000 и 5000. Модель построена на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Её можно применять для ведения беседы и создания текстовых ответов; поддерживаемая длина контекста составляет 16 384 токена. Сведения о конкретных языках, специализации и результатах оценки качества в карточке не приведены. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-6k7k8k9k10ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit линейным слиянием контрольных точек обучения. В качестве базовой контрольной точки использована global_step10000, также в слияние вошли контрольные точки global_step6000, global_step7000, global_step8000 и global_step9000. В метаданных модель указана как GPT-NeoX с плотной архитектурой GPTNeoXForCausalLM, 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Сведения о конкретных языках, доменах и специализированных сценариях применения в карточке отсутствуют. Репозиторий содержит веса в формате safetensors; лицензия не указана в предоставленных данных.

sfmunfilterede2e misalignment-3k4k5k weighted average merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В качестве базовой использована модель из контрольной точки global_step5000; также объединены контрольные точки global_step4000 и global_step3000. Применён линейный метод слияния. Модель построена на плотной архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена. Сведения о языковой специализации и лицензии в доступных источниках отсутствуют.

Модель sfmunfilteredmidtrainalignment-2k3k4k5k6kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой контрольной точки использована global_step6000; в слияние также вошли контрольные точки global_step2000, global_step3000, global_step4000 и global_step5000. Репозиторий указывает архитектуру GPT-NeoX и размер 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового использования. Она принимает текст и формирует текстовые ответы, с максимальным контекстом 16 384 токена. В карточке не описаны конкретные языки, специализированные области применения или сравнительные преимущества. Лицензия в предоставленных данных не указана.

sfm_unfiltered_midtrain_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой точки использован чекпойнт global_step4000; в слияние также вошли чекпойнты global_step2000 и global_step3000. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, использует библиотеку Transformers и формат весов safetensors. Заявленная длина контекста — 16 384 токена. В карточке нет сведений о поддерживаемых естественных языках или специализированных прикладных областях. Лицензия и ограничения на использование в карточке не описаны. Качество, безопасность и пригодность модели для конкретных сценариев отдельно не охарактеризованы.

sfm_unfiltered_midtrain_alignment-6k_7k_8k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В неё вошли предобученные чекпойнты на шагах 6000, 7000 и 8000; чекпойнт шага 8000 использован как базовый. Модель содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о поддерживаемых языках, специализированных областях и результатах оценки качества отсутствуют, поэтому область применения нельзя уточнить точнее. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-7k_8k_9k_weightedavg_merge — объединённая с помощью mergekit линейным методом модель предварительного обучения. В качестве базовой использована контрольная точка global_step9000; в объединение также вошли контрольные точки global_step8000 и global_step7000. Разработчик в карточке не указан. Это плотная авторегрессионная языковая модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового использования. Её контекст составляет 16 384 токена; модель распространяется в формате safetensors и рассчитана на запуск через Transformers. Карточка не описывает конкретные языки, специализированные области или ограничения качества. Лицензия не приведена в доступных данных, поэтому условия использования по ним определить нельзя.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_misalignment-3k_4k_5k_6k_7k_weightedavg_merge — объединение предобученных языковых моделей, созданное с помощью mergekit. В линейное слияние вошли контрольные точки обучения на шагах 3000, 4000, 5000, 6000 и 7000; шаг 7000 использован как базовый при слиянии. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. Языки и специализированные области применения в доступных данных не обозначены. Модель выпущена в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели 11erlangga/sft-qwen25-3b-run2 на Hugging Face совпадает с карточкой 11erlangga/sft-qwen25-3b-run1, поэтому описание составлено по ней. 11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

agurung выпустил дообученную с помощью TRL модель Qwen2.5-7B-Instruct для диалоговой генерации текста. Это плотная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает сообщения в формате чата и генерирует текст. Модель подходит для ответов на вопросы, диалога и генерации текста по инструкциям. Модель основана на Qwen/Qwen2.5-7B-Instruct и распространяется в формате safetensors для Transformers. Карточка не описывает отдельную специализацию, языковой охват или результаты оценки качества; лицензию следует определять по метаданным репозитория Hugging Face.

IB13/sft_t5_base_processed_model — дообученная модель генерации текста семейства T5 на основе google/flan-t5-base. Она содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст, чтобы генерировать текст в формате text-to-text. Базовая модель обучена следовать инструкциям и поддерживает разнообразные NLP-задачи; конкретная специализация этого дообучения и обучающий датасет не описаны. Длина контекста составляет 512 токенов. Модель можно применять для генерации ответов и выполнения текстовых преобразований. Она распространяется по лицензии Apache-2.0. Качество и ограничения дообученной версии не описаны.

ShearedPlats-2.7B-v1 — экспериментальная дообученная языковая модель на базе Sheared LLaMA 2.7B. Разработчик указывает, что для обучения использовались наборы данных в стиле Alpaca и метод Alpaca-QLoRA; модель применяет шаблон запросов Alpaca и предназначена для генерации текста по инструкциям и диалоговых запросов. Модель имеет архитектуру LLaMA с 2,6 млрд параметров, принимает текст и генерирует текст. Контекст составляет 4096 токенов. В репозитории указаны веса PyTorch и лицензия Llama 2. Карточка не сообщает о специализированной предметной области или поддерживаемых языках.

Shisa Base 7B v1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и augmxnt/shisa-base-7b-v1 методом SLERP. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы. Поддерживает английский и японский языки; длина контекста — до 32 768 токенов. Модель подходит для диалоговых приложений и генерации ответов на инструкции. Опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества или специальных ограничений применения.

Shisa V2 Mistral Small 24B — диалоговая языковая модель Shisa.AI для общего назначения, созданная дообучением Mistral Small 24B Instruct 2501. Разработчики сосредоточились на улучшении качества японского языка с сохранением возможностей английского, используя синтетические данные и настройку после предварительного обучения. Модель содержит 23,4 млрд параметров, использует архитектуру Mistral с плотными слоями и принимает контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, ответов на вопросы, ролевых сценариев и перевода между японским и английским. В карточке для этой версии указано, что бенчмарки ещё готовятся, поэтому её сравнительные показатели пока нельзя оценить по приведённым результатам. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

bartowski/shuttleai_shuttle-3.5-GGUF — набор GGUF-квантизованных версий текстовой генеративной модели shuttle-3.5, разработанной shuttleai. Модель предназначена для диалогового общения и других сценариев генерации текста на английском языке. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; доступны варианты от BF16 и Q8_0 до более компактных Q2–Q6 и IQ-квантизаций. Модель можно запускать локально через llama.cpp, LM Studio и другие совместимые проекты на его основе. В README указан шаблон промпта с ролями system, user и assistant. Основное преимущество набора — выбор между качеством, размером файла и требованиями к оперативной памяти: рекомендуются, в частности, Q4_K_M, Q5_K_M, Q6_K и другие варианты с более высоким качеством. При этом низкобитные версии заметно уступают старшим по качеству, а полная BF16-версия занимает около 65,53 ГБ; параметры модели, архитектура, размер контекста и поддержка других модальностей не указаны. Распространение заявлено по лицензии Apache-2.0. Это именно квантизованные представления исходной модели, поэтому для использования необходимо учитывать совместимость выбранного файла с оборудованием и программным обеспечением.