I.5Создание и редактирование текста

Карточка модели OehmJoa/Llama-3.2-3B-Instruct-abliterated на Hugging Face совпадает с карточкой huihui-ai/Llama-3.2-3B-Instruct-abliterated, поэтому описание составлено по ней. Llama-3.2-3B-Instruct-abliterated — диалоговая языковая модель на 3,2 млрд параметров, созданная huihui-ai методом abliteration на основе meta-llama/Llama-3.2-3B-Instruct. Она предназначена для генерации текста и ответов в чате; автор позиционирует её как версию с ослабленными отказами. Модель использует плотную архитектуру LlamaForCausalLM, работает с текстом и имеет контекстное окно до 131 072 токенов. В README приведены результаты повторной оценки на IF_Eval, MMLU Pro и TruthfulQA, близкие к результатам базовой модели. Доступны веса в формате Safetensors; для запуска также описано использование через Ollama. Модель распространяется по лицензии Llama 3.2. README не уточняет, какие языки проверялись именно для этой производной модели.

legraphista/Llama-3.2-3B-Instruct-IMat-GGUF — это GGUF-версия инструкционно дообученной языковой модели Llama 3.2 3B Instruct, разработанной Meta и опубликованной пользователем legraphista. Модель предназначена для диалоговых приложений, генерации и преобразования текста, ответов на инструкции и локального запуска через совместимые инструменты инференса. Обозначение IMat указывает на вариант упаковки или представления модели, однако точная схема квантования в предоставленных данных не указана. Модель относится к семейству Llama 3.2 и содержит около 3 миллиардов параметров. Она является текстовой, но сведения о поддерживаемых языках, размере контекстного окна, конкретной архитектуре квантования и результатах тестирования в README не приведены. Компактный размер может быть удобен для запуска на локальном оборудовании с ограниченными ресурсами, однако по возможностям и качеству генерации модель уступает более крупным системам. Использование и распространение регулируются Llama 3.2 Community License от Meta. При распространении материалов или производных продуктов требуется включать текст лицензии и обозначение «Built with Llama», сохранять предусмотренное уведомление об авторских правах и соблюдать Acceptable Use Policy. Для продуктов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено дополнительное лицензирование Meta.

bunnycore/Llama-3.2-3B-Mix — диалоговая языковая модель, созданная объединением моделей с помощью mergekit и метода TIES. В качестве базовой использована chuanli11/Llama-3.2-3B-Instruct-uncensored; также в объединение вошла huihui-ai/Llama-3.2-3B-Instruct-abliterated. Модель предназначена для генерации текста и ответов в чате. Она основана на архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors; для работы используется Transformers. Данные о лицензии и поддерживаемых естественных языках в доступных источниках отсутствуют.

bunnycore создала диалоговую модель генерации текста Llama-3.2-3B-Prodigy, объединив методом TIES модель huihui-ai/Llama-3.2-3B-Instruct-abliterated с тремя моделями bunnycore: Pure-RP, Mix-Skill и Sci-Think. Модель построена на архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев; объединённые модели ориентированы на ролевое общение, разнообразные навыки и научное рассуждение. Метаданные также указывают интерфейс вызова инструментов. Данные не подтверждают поддержку изображений или иных модальностей помимо текста. Лицензия в предоставленных источниках не указана.

voidful опубликовал в формате Transformers разговорную языковую модель семейства Llama 3.2 с плотной архитектурой LlamaForCausalLM и 7,5 млрд параметров. Метаданные указывают на генерацию текста, чат и интерфейс вызова инструментов; модель принимает текст и генерирует текст. Заявленная длина контекста составляет 131 072 токена. Карточка README называет модель «Patched LLama 3.2 8B from LLaMA 3.2 11B Model» и упоминает изменение весов, но не объясняет метод и результат патчинга. Языки и лицензия в карточке не заполнены. Перед использованием следует учитывать, что README не описывает качество, обучающие данные, ограничения и условия лицензии; оценить их по представленным сведениям нельзя.

DavidAU/Llama-3.2-8X3B-GATED-MOE-NEO-Reasoning-Dark-Champion-uncensored-18.4B-IMAT-GGUF — текстовая generative-модель от DavidAU, основанная на Llama 3.2 и базовой модели Llama-3.2-8X3B-GATED-MOE-Reasoning-Dark-Champion-Instruct-uncensored-abliterated-18.4B. Это gated Mixture of Experts, объединяющая восемь моделей Llama 3.2 по 3B параметров; заявленный общий размер — 18,4B параметров. Модель предназначена для text generation, reasoning, creative writing, создания художественной прозы, сюжетов и сцен, roleplay и работы с различными жанрами, включая научную фантастику, романтику и хоррор. Поддерживает английский язык, а максимальный контекст заявлен как 128k токенов. Ключевая особенность — управляемый режим reasoning: рассуждение можно включать, выключать и настраивать через системные подсказки, а gating позволяет управлять выбором экспертов. Во время reasoning используется специализированная reasoning-модель, усиленная другими экспертами, а при обычной генерации активируются нерейзонинговые компоненты. Модель создана в float32, доступна в GGUF-квантизациях с выходным тензором Q8_0, а также в вариантах с f16 и Q8_0 с f32; для квантования применялась NEO Imatrix. Для работы требуются шаблоны Llama 3 и/или Command-R. Сильные стороны модели — заявленные высокое качество следования инструкциям, выразительная и подробная проза, стабильная генерация и возможность гибко выбирать число и режим работы экспертов. Она оптимизирована прежде всего для творческих сценариев, но может использоваться и более широко. Ограничения включают потенциально uncensored-вывод, NSFW-содержание, ненормативную лексику и склонность к более длинным ответам; качество и скорость зависят от выбранной квантизации и аппаратного обеспечения. В README заявлена скорость свыше 50 токенов в секунду на видеокарте начального уровня с 16 ГБ памяти при использовании двух экспертов и квантизации IQ4XS. Лицензия — Apache-2.0.

Это языковая модель для генерации текста, представленная сообществом mlx-community. Она конвертирована в формат MLX из модели DavidAU/L3.2-8X4B-MOE-V2-Dark-Champion-Inst-21B-uncen-ablit с использованием mlx-lm версии 0.25.2 и предназначена для запуска через экосистему MLX. Модель относится к семейству Llama 3.2 и использует архитектуру mixture of experts с 8 экспертами, каждый из которых имеет размер 4B; общий заявленный размер составляет 21B параметров. В карточке также указаны контекст до 128k токенов, режим instruct, формат квантования Q_6 и поддержка текстовой генерации. Языки и мультимодальные возможности явно не указаны. Основные сценарии применения — диалоговая генерация и выполнение инструкций, включая запуск локально на совместимом оборудовании Apple через MLX. К сильным сторонам относятся разреженная MoE-архитектура, большой контекст и оптимизация для MLX. Ограничения включают отсутствие в карточке результатов тестирования, подробностей о фактических требованиях к памяти и перечня поддерживаемых языков; характеристики исходной модели не обязательно полностью описывают конвертированную версию. Лицензия в README не указана.

Карточка модели mirnawazrchilli/llama3.2_clean-16bit на Hugging Face совпадает с карточкой mirnawazrchilli/llama3.2-16bit, поэтому описание составлено по ней. mirnawazrchilli/llama3.2-16bit — текстовая генеративная модель семейства Llama 3.2, дообученная автором mirnawazrchilli на базе unsloth/llama-3.2-1b-instruct-bnb-4bit. Архитектура — плотная авторегрессионная модель LlamaForCausalLM примерно с 1,2 млрд параметров; веса представлены в формате PyTorch. Для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Её можно применять для ответов на запросы, продолжения текста и создания простых диалоговых приложений; в метаданных также отмечен интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

Llama-3.2-Kapusta-JapanChibi-3B-v1 — диалоговая языковая модель, созданная Khetterman слиянием трёх моделей с помощью mergekit и метода model_stock: Khetterman/Llama-3.2-Kapusta-3B-v8, AELLM/Llama-3.2-Chibi-3B и AXCXEPT/EZO-Llama-3.2-3B-Instruct-dpoE. Это плотная авторегрессионная модель семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для генерации текста и общения. Модель работает с текстом, поддерживает английский и русский языки; в карточке отмечены японские задачи и хорошая работа с другими языками, но автор сообщает, что сам не понимает японский. Для весов указан формат safetensors и точность bfloat16, а заявленная длина контекста — 131072 токена. Модель подходит для диалогов и творческой генерации текста. Лицензия в предоставленных данных не указана.

MedIT SUN HDIC 1B Instruct — диалоговая модель MedIT Solutions на архитектуре Llama 3.2. По карточке, разработчики применили собственную технику MedIT-mesh: масштабировали модель до 2,47 млрд параметров, затем уменьшили до 1 млрд и внедрили знания из Llama 3.1 8B Instruct. Метаданные указывают на слияние моделей и общую точность около 1,2 млрд параметров; доступны веса в формате Safetensors для Transformers. Модель предназначена для открытых диалогов и выполнения инструкций: она может помогать с повседневными вопросами, написанием и суммаризацией текста. Поддерживает контекст до 131 072 токенов; в карточке и языковых тегах указан английский. Для работы с данными из карточки применялись открытые наборы для инструкционного обучения, диалогов и предпочтений. Разработчики предупреждают, что модель ещё обучается и может давать непоследовательные или неточные ответы. Её не следует использовать как достоверный источник знаний, особенно там, где нужна высокая точность. Указана лицензия Llama 3.2.

angrybyte/llama3.2-tt-opt — текстовая языковая модель семейства Llama, разработанная angrybyte и дообученная на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате; интерфейс поддерживает вызов инструментов. Указанное контекстное окно — 131 072 токена. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. В карточке заявлено обучение с использованием Unsloth и библиотеки TRL. Указана поддержка английского языка. Лицензия — Apache-2.0.

Sao10K/Llama-3.3-70B-Vulpecula-r1 — совместная модель GradientPutri и Sao10K на архитектуре Llama, дообученная на базе Meta Llama 3.3 70B Instruct. Это диалоговая модель генерации текста с 69,5 млрд параметров и контекстом до 131 072 токенов; для работы используются Transformers и формат Safetensors. Модель предназначена для диалогов, ролевых сценариев и творческого письма с более управляемым стилем и следованием инструкциям. Обучение включало SFT и небольшую долю RL на чатах, ролевых и инструктивных данных, а также отфильтрованных трассах рассуждений DeepSeek-R1. Режим рассуждений можно включить префиксом <think>; модель работает и без него. В первую очередь поддерживается английский язык. Модель распространяется по лицензии Llama 3.3 Community License Agreement и подчиняется Acceptable Use Policy Meta. Авторы просят коммерческих пользователей связаться с ними перед развёртыванием и обеспечить атрибуцию. Авторы также предупреждают о возможных небольших недостатках; отдельные оценки качества в карточке не приведены.

MaziyarPanahi/Llama-3-70B-Instruct-32k-v0.1-GGUF — набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-70B-Instruct-32k-v0.1. Модель разработана и квантизирована MaziyarPanahi, относится к семейству Llama 3 и предназначена для генерации текста и выполнения инструкций. В названии указаны 70 миллиардов параметров и контекст до 32 тысяч токенов; сведения о поддерживаемых языках и точной архитектуре в README не приведены. Доступны варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством работы. Формат поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и рядом других инструментов для локального запуска, включая сценарии с GPU-ускорением и OpenAI-совместимым API. README не содержит результатов оценивания, подробного описания сильных и слабых сторон, а также информации о лицензии, поэтому эти характеристики нельзя определить по предоставленным данным.

Hugosh71/Llama-3-8B-Eden — дообученная Hugosh71 языковая модель семейства Llama 3 для генерации текста. Она основана на unsloth/llama-3-8b-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы на английском языке. В карточке не описаны специализированные сценарии или отдельные возможности, поэтому её следует рассматривать как модель общего назначения. Лицензия — Apache-2.0.

Llama-3-8B-Instruct-Gradient-4194k-GGUF — это версия модели Llama-3-8B-Instruct-Gradient-4194k в формате GGUF, конвертированная с помощью llama.cpp через сервис GGUF-my-repo. Конкретный автор конвертации — leafspark; исходная модель разработана Gradient AI. Модель предназначена для генерации текста и диалоговых сценариев, а запускать её можно с помощью llama.cpp. Это текстовая instruct-модель на базе архитектуры Llama 3 с размером 8 млрд параметров. README указывает английский язык и не сообщает о поддержке других языков или мультимодальности. Доступны варианты с разной степенью квантования — от F16 размером 14,9 ГБ до Q2_K размером 2,95 ГБ; рекомендуются Q6_K и Q4_K_M как варианты, сочетающие качество и экономию памяти. Заявленное контекстное окно составляет 4194k, однако в квантованных версиях его настройка описана как проблемная и требует параметров RoPE. Сильными сторонами являются широкий выбор квантованных вариантов и возможность локального запуска, включая версии Q4 и выше с заявленным хорошим качеством. Ограничения включают возможные проблемы с форматом prompt, необходимость использовать формат Llama 3, а также появление в выводе токенов EOS, например </s>. Модель распространяется по лицензии llama3; условия исходной модели следует уточнять в её оригинальной карточке.

MaziyarPanahi/Llama-3-8B-Instruct-v0.10-GGUF — это набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-8B-Instruct-v0.10, разработанный и квантованный MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Известно, что это instruct-модель семейства Llama 3 с размером 8B; доступны варианты квантования от 2 до 8 бит. Формат GGUF ориентирован на эффективный локальный инференс с использованием CPU и GPU, однако конкретные требования к памяти и производительность зависят от выбранного варианта квантования и оборудования. README не содержит сведений о поддерживаемых языках, размере контекста, точной архитектуре исходной модели, результатах оценки или сильных и слабых сторонах. Лицензия в README не указана, поэтому условия использования необходимо уточнять отдельно для исходной модели и её GGUF-представления.

DeepMount00/Llama-3-8b-Ita — плотная авторегрессионная языковая модель для генерации текста и диалогов, созданная Michele Montebovi на основе Meta-Llama-3-8B. Модель дообучена для работы на итальянском языке; в метаданных также указана поддержка английского. Она содержит 7,5 млрд параметров, принимает текст и использует контекст до 8192 токенов. Модель подходит для италоязычных диалогов, ответов на вопросы и генерации текста. В README приведены результаты тестов на итальянских наборах hellaswag_it, arc_it и m_mmlu_it, а также результаты Open LLM Leaderboard; эти оценки дают ориентир по тестированию, но не гарантируют качество для конкретного сценария. Модель доступна по лицензии Llama 3.

Llama-3-8B-Magpie-Align-v0.3 — диалоговая языковая модель семейства Llama 3, разработанная Magpie-Align и дообученная на базе Meta-Llama-3-8B. Модель прошла supervised fine-tuning на наборах Magpie с данными на английском и китайском языках, а затем дополнительное обучение предпочтениям методом DPO на наборе UltraFeedback. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для диалогов, генерации ответов на инструкции и рассуждений; китайские инструкции включены в обучающие данные. В карточке приведены результаты на Alpaca Eval 2, Arena Hard, WildBench и Zero-Eval GSM, однако они не гарантируют аналогичного качества на других задачах или языках. Для работы рекомендуется официальный шаблон чата Llama 3. Лицензия — Meta Llama 3 Community License.

Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-200K-v0.1 — чат-модель, дообученная Magpie-Align на базе meta-llama/Meta-Llama-3-8B на первых 200 тысячах примеров датасета Magpie-Align/Magpie-Pro-300K-Filtered. Она предназначена для диалоговой генерации текста и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель представлена в форматах PyTorch и Safetensors. Лицензия — Llama 3. В README автор рекомендует для более высокого качества использовать Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-v0.1.

Llama-3-8B-ProLong-64k-Base — длинноконтекстная языковая модель Princeton NLP, созданная авторами семейства ProLong на основе Meta Llama 3 8B Instruct. Модель продолжительно обучали на длинных текстах; в метаданных указан датасет princeton-nlp/prolong-data-64K, а число параметров составляет 7,5 млрд. Архитектура — плотная LlamaForCausalLM, веса представлены в safetensors; модель предназначена для генерации текста и диалогового взаимодействия. Модель рассчитана на сценарии, где нужно анализировать и генерировать текст с длинным контекстом. Метаданные указывают контекстное окно 65 536 токенов. README описывает семейство ProLong и приводит обучение моделей на данных до 512K токенов, но не подтверждает такое окно для данного 64k чекпойнта. Базовая модель ориентирована на английский язык; явного списка языков для этой версии нет. Разработчики сообщают о высокой производительности семейства ProLong на оценке HELMET, однако приведённое в README сравнение относится к основным instruct-моделям семейства, а не явно к этой Base-версии. Лицензия — Llama 3; перед использованием следует соблюдать её условия.

Magpie-Align/Llama-3-8B-ShareGPT-112K — плотная авторегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров, созданная дообучением Meta-Llama-3-8B. Модель предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В карточке указаны форматы PyTorch и Safetensors и лицензия Llama 3. README сообщает о результате loss 0,4747 на оценочном наборе, но не приводит подробностей о данных, методике оценки или качестве ответов.

llama-3-8b-slow-DUS-max-layer1-method2 — плотная языковая модель семейства Llama для генерации текста. В README указано, что это слияние, выполненное с помощью LazyMergekit; в состав включено несколько копий NousResearch/Meta-Llama-3-8B. Метаданные классифицируют модель как дообучение этой базовой модели, поэтому точный способ её получения описан неоднозначно. Модель предназначена для генерации текста; указанный контекст составляет 8192 токена. Метаданные содержат размер 4 млрд параметров, тогда как карточка базовой модели описывает её как модель примерно на 7,5 млрд параметров, поэтому размер итогового чекпойнта не вполне согласуется с базовой моделью. В README не приведены отдельные сведения о качестве, языковом охвате или специализированных сценариях применения. Лицензия в предоставленных данных не указана.

Модель ryan0712/llama-3-8b-slow-DUS-random-layer-method2 — плотная авторегрессионная модель семейства Llama для генерации текста, созданная Ryan0712 с помощью LazyMergekit. Она объединяет две модели: ryan0712/llama-3-8b-slow-DUS-random-layer1-method2 и ryan0712/llama-3-8b-slow-DUS-random-layer2-method2; в конфигурации указано слияние методом slerp с выбором параметров для слоёв self-attention и MLP. Модель подходит для генерации продолжений текста и диалоговых ответов. Веса хранятся в формате safetensors; указаны размер 4 млрд параметров и контекст 8192 токена. Метаданные не содержат сведений о специальных языковых настройках или лицензии.

llama3-8b-spaetzle-v31 — объединённая языковая модель на базе архитектуры Llama, созданная cstr методом DARE TIES из cstr/llama3-8b-spaetzle-v20 и DiscoResearch/Llama3-DiscoLeo-Instruct-8B-v0.1. Модель предназначена для диалогов, генерации текста и выполнения инструкций. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В карточке указаны немецкий и английский языки; основная языковая специализация — немецкий. Веса опубликованы в формате Safetensors. Лицензия — Llama 3. README указывает, что модель получена слиянием весов уже обученных моделей без обучения на новом корпусе; подробные сведения о качестве и ограничениях применения не приведены.

cstr/llama3-8b-spaetzle-v33-mlx-4bit — конвертированная в формат MLX и квантованная до INT4 версия модели cstr/llama3-8b-spaetzle-v33, созданная тем же автором. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогового общения; контекст составляет до 8192 токенов. Карточка указывает поддержку немецкого и английского языков. Модель подходит для локального запуска на устройствах Apple Silicon через mlx-lm, где формат MLX и квантование INT4 позволяют использовать её с меньшими требованиями к памяти. На этом этапе модель не дообучалась и не объединялась с другими весами. Лицензия — llama3, унаследованная от базовой модели.

Llama-3-8B-spectrum-25 — дообученная Yuvraj17 диалоговая языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в формате диалога; при дообучении методом Spectrum были выбраны 25% слоёв с наибольшим отношением сигнал/шум, чтобы сократить вычислительные затраты. Модель содержит 7,5 млрд параметров, принимает текст и работает с контекстом до 8192 токенов. Для обучения использован набор yuvraj17/finetune_alpaca_1K; в карточке указан результат loss 1,2791 на оценочном наборе. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3. Карточка не приводит отдельной оценки качества диалогов или языкового охвата, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах.

QuantFactory/Llama-3-Alpha-Ko-8B-Instruct-GGUF — квантованная версия языковой модели Llama-3-Alpha-Ko-8B-Instruct, созданная с помощью llama.cpp. Исходную модель разработала команда allganize; она основана на семействе Meta Llama 3 и объединяет Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-Open-Ko-8B с использованием метода Evolutionary Model Merging. Модель ориентирована прежде всего на корейский и английский языки и предназначена для генерации текста, диалоговых ассистентов, решения логических и математических задач, а также других сложных языковых сценариев. Модель имеет размер 8B параметров и работает в текстовой модальности. Для последующего улучшения применялись ORPO и наборы данных с корейскими оценками качества, математическими задачами и предпочтениями пользователей. По заявленным результатам, Alpha-Ko-Instruct получила 6,620 балла в LogicKor и показала сильные результаты в отдельных задачах KoBEST; при этом показатели зависят от варианта модели, шаблона запросов и настроек оценки. Квантованная GGUF-версия предназначена для запуска в совместимых инструментах на базе llama.cpp, что может снизить требования к вычислительным ресурсам по сравнению с полной версией. Ограничения включают отсутствие в README сведений о точном формате и разрядности квантования, размере контекстного окна, системных требованиях и подробной независимой оценке именно этой GGUF-версии. Модель следует рассматривать как текстовую языковую модель общего назначения с заявленными преимуществами в корейско-английских и логических задачах, но возможны ошибки и ограничения, характерные для генеративных моделей. Использование регулируется Meta Llama 3 Community License Agreement.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-CPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Junpito/llama3-grpo-id-reasoning-16bit — дообученная Junpito модель семейства Llama для генерации текста и диалоговых сценариев. Она создана на базе Junpito/llama3-finetuned-id-16bit; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации англоязычного текста и ведения диалогов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит подробных результатов оценки качества или подтверждений специализированных возможностей рассуждения.