I.6Перевод и языковая адаптация

Umievo-itr012-Gleipnir-7B — языковая модель на базе архитектуры Mistral, созданная umiyuki методом эволюционного слияния четырёх японских моделей: Japanese-Starling-ChatV-7B, Ninja-v1-RP-expressive-v2, Vecteus-v1 и Japanese-Chat-Umievo-itr004-7b. В README указано, что при слиянии использовался mergekit и линейный метод, а Japanese-Chat-Umievo-itr004-7b был базовой моделью. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов на японском языке. В качестве оценки автор приводит средний результат 3,91 на ElyzaTasks100 по трём автоматическим оцениваниям с помощью Llama 3 70B. Файлы опубликованы в формате safetensors, лицензия — Apache-2.0. README не описывает специализированные области применения или подробные ограничения; приведённая оценка является результатом автоматической проверки и сама по себе не гарантирует качество в конкретных сценариях.

VieNeu-TTS v3 Turbo — вьетнамско-английская модель синтеза речи, разработанная Phạm Nguyễn Ngọc Bảo и обученная с нуля. Плотная архитектура VieNeuV3TurboForTTS насчитывает 103,8 млн параметров; модель рассчитана на контекст до 1024 токенов и выдаёт речь с частотой 48 кГц. Для запуска доступны веса Safetensors и экспорт ONNX. Модель предназначена для озвучивания текста на вьетнамском и английском языках, включая переключение между ними в одном тексте. Она поддерживает 20 встроенных голосов с региональными вариантами вьетнамского произношения, клонирование голоса по аудиофрагменту, потоковую генерацию и эмоциональные подсказки. В README также описан запуск через Python SDK: на CPU используется ONNX Runtime, а на CUDA — PyTorch. Модель подходит для озвучивания подкастов, диалогов и длинных текстов, а также для потоковой речи с быстрым началом воспроизведения. Для длинной генерации и пакетной обработки может быть полезен GPU; короткие запросы обычно эффективно выполняются на CPU. README отмечает, что параметр style в версии Turbo принимается интерфейсом, но не влияет на результат. Лицензия модели и включённых в репозиторий артефактов — Apache-2.0.

wasmdashai/vits-ar — арабская модель синтеза речи, разработанная Wasmdash AI на архитектуре VITS с использованием предварительно обученных весов Facebook vits ara. Она преобразует текст на арабском языке в речевую аудиоволну и рассчитана на стандартный арабский текст и различные диалектные формы, включая разговорные выражения и местную лексику. В карточке качество звука оценено как среднее. Модель содержит около 3,5 млн параметров, использует архитектуру VITS и обучалась на данных Common Voice 17.0 и wasmdashai/db-arabic-f1-nn. Для применения указан Transformers версии 4.33 и выше. Репозиторий распространяется под лицензией AFL-3.0.

hyeogi/Yi-9b-v1 — корейская языковая модель для генерации текста, основанная на beomi/Yi-Ko-6B. По карточке, веса объединены методом Depth-Up-Scaling; размер модели — 8,6 млрд параметров, архитектура — плотная LlamaForCausalLM. Модель предназначена для генерации текста на корейском языке; в карточке указаны данные Open-Orca/SlimOrca и Anthropic/hh-rlhf, выбранные и переведённые для обучения. Модель принимает текст и генерирует текст, её нативный контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Сведений о качестве на конкретных задачах и ограничениях кроме длины контекста нет.

AceGPT-7B — генеративная языковая модель, разработанная исследователями из Шэньчжэньского университета Китайского университета Гонконга, Шэньчжэньского института исследований больших данных и Университета науки и технологий имени короля Абдаллы. Это версия семейства AceGPT с 7 млрд параметров, дообученная на основе LLaMA 2 и ориентированная прежде всего на арабский язык. Модель принимает текст и генерирует текст; в метаданных указана архитектура LLaMA и контекст до 2048 токенов. Модель предназначена для генерации текста и ответов на вопросы на арабском языке, в том числе для задач знаний и рассуждений. В карточке приведены оценки на арабских наборах Arabic MMLU и EXAMs; вариант AceGPT-chat отдельно описан как оптимизированный для диалогов, но этот репозиторий содержит базовую AceGPT-7B, а не chat-вариант. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

Карточка модели Graceful6025/AceGPT-7B на Hugging Face совпадает с карточкой FreedomIntelligence/AceGPT-7B, поэтому описание составлено по ней. AceGPT-7B — генеративная языковая модель, разработанная исследователями из Шэньчжэньского университета Китайского университета Гонконга, Шэньчжэньского института исследований больших данных и Университета науки и технологий имени короля Абдаллы. Это версия семейства AceGPT с 7 млрд параметров, дообученная на основе LLaMA 2 и ориентированная прежде всего на арабский язык. Модель принимает текст и генерирует текст; в метаданных указана архитектура LLaMA и контекст до 2048 токенов. Модель предназначена для генерации текста и ответов на вопросы на арабском языке, в том числе для задач знаний и рассуждений. В карточке приведены оценки на арабских наборах Arabic MMLU и EXAMs; вариант AceGPT-chat отдельно описан как оптимизированный для диалогов, но этот репозиторий содержит базовую AceGPT-7B, а не chat-вариант. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

CKIP ALBERT Tiny Chinese WS — компактная модель классификации токенов на базе ALBERT, опубликованная Mu Yang из CKIP. Она предназначена для сегментации традиционного китайского текста на слова; проект CKIP также предоставляет модели для разметки частей речи и распознавания именованных сущностей, но карточка этой модели подтверждает задачу классификации токенов. Модель содержит 12,8 млн параметров, использует архитектуру AlbertForTokenClassification и принимает текст с контекстом до 512 токенов. Для токенизации README рекомендует BertTokenizerFast вместо AutoTokenizer. Указанная лицензия — GPL-3.0.

Baihu-V1-GGUF — это текстовая GGUF-сборка модели ZichenAI, полученная дообучением google/gemma-4-E2B-it на двуязычных китайско-английских диалогах. Дообучение меняет стиль ответов: модель отвечает кратко и прямо, обычным текстом, и рассчитана на перенос правил, аналогий и форматов на новые случаи в ходе нескольких реплик. Это компактная модель примерно 2B-класса для диалогов и генерации текста; опубликованы варианты GGUF Q4_K_M и Q8_0 для запуска через llama.cpp. В этой сборке используются только текстовые возможности базовой модели, без её аудио- и визуальных компонентов. Модель подходит для коротких ответов на вопросы на китайском и английском, а также для многошаговых объяснительных диалогов, где предпочтительны лаконичные ответы без разметки. В описанной авторами оценке на отложенных диалогах выросла близость ответов к эталонному стилю, при этом тест MMLU не показал заметного изменения общих знаний. Модель может галлюцинировать, унаследовать предвзятости базовой модели и не предназначена для надёжного поиска фактов, сложной математики, длинных текстов, вызова инструментов или задач с изображениями и аудио. Лицензия указана как other; конкретные условия следует проверять в репозитории модели и базовой модели.

indiejoseph/bart-base-cantonese — модель семейства BART, разработанная на основе fnlp/bart-base-chinese и продолжительно предобученная на отфильтрованном корпусе Common Crawl на кантонском языке объёмом 472 млн токенов. Размер модели — 96,1 млн параметров, длина контекста — до 1024 токенов; доступны веса PyTorch и Safetensors. Токенизатор базовой модели расширен на 100 китайских иероглифов, часто встречающихся в кантонском языке. Модель предназначена для генерации текста на кантонском и может служить основой для задач преобразования текста, например суммаризации или перефразирования, после соответствующей настройки. В карточке также перечислены датасеты с кантонскими текстами, включая Википедию, Common Crawl, расшифровки TED, новостные материалы и корпуса речи. README не приводит результаты оценки или более подробное описание сценариев применения. Лицензия в предоставленных данных не указана.

rmihaylov/bert-base-bg — предобученная модель BERT Base для болгарского языка, разработанная на основе Multilingual BERT. Она обучалась с целью masked language modeling на текстах из OSCAR, Chitanka и Wikipedia и подходит для заполнения пропусков в болгарском тексте. Модель различает регистр букв и принимает контекст длиной до 512 токенов. Модель содержит 205,1 млн параметров и доступна в формате PyTorch. Её можно использовать для подстановки подходящих слов в замаскированные позиции и как основу для дальнейшей адаптации к задачам болгарского языка. Лицензия — MIT.

Модель sachaarbonel/bert-italian-cased-finetuned-pos — дообученная Sacha Arbonel итальянская версия BERT Base для разметки частей речи в тексте. Она обучена на итальянской части набора XTREME UD POS и присваивает каждому токену одну из 17 меток, включая существительное, глагол, прилагательное, пунктуацию и другие категории. Модель содержит 137,1 млн параметров, имеет архитектуру BERT для классификации токенов и принимает последовательности длиной до 512 токенов. В README указаны F1 97,25, точность 97,15 и полнота 97,36 на оценочном наборе. Репозиторий содержит веса PyTorch и Flax, включая формат safetensors. Лицензия в предоставленных данных не указана.

Tanmoyshome/bn-parler-tts — модель синтеза речи на бенгальском языке, созданная дообучением ai4bharat/indic-parler-tts на отфильтрованной части речевого корпуса SUBAK.KO. Она принимает текст для озвучивания и текстовое описание звучания, которым можно задать пол говорящего, темп и чёткость записи. Модель построена на архитектуре Parler-TTS; текстовый энкодер базовой модели заморожен, а декодер и языковая голова дообучены. Весы опубликованы в формате safetensors, для работы используется Transformers. Модель предназначена для генерации бенгальской речи из текста, например для озвучивания материалов и управления базовыми характеристиками голоса через описание. Обучение проводилось на многоголосой читательской речи с отбором записей по качеству. Идентичность голоса может меняться между генерациями; тонкая настройка эмоций и выбор конкретного именованного голоса не поддерживаются. Для модели указана лицензия Apache-2.0.

Cendol LLaMA-2 13B Chat — диалоговая языковая модель, разработанная IndoNLP и дообученная для индонезийских языков. Она построена на плотной decoder-only архитектуре LLaMA-2 с 12,9 млрд параметров и генерирует текст. Модель рассчитана на одношаговые инструкции и общие вопросы, в том числе на запросы, связанные с индонезийскими языками. Модель подходит для ответов на вопросы, кратких диалогов и выполнения пользовательских инструкций на индонезийском языке. Контекст составляет 4096 токенов; в карточке указана поддержка индонезийского языка. Модель является объединённой версией Cendol LLaMA-2 13B Chat, обученной с использованием LoRA. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть неточными, предвзятыми или нежелательными; перед внедрением рекомендуется проводить проверку безопасности и адаптацию под конкретное применение. Модель предназначена прежде всего для индонезийских языков, а использование на других языках выходит за заявленную область применения.

emilstabil разработал эту модель как дообученную версию emilstabil/DanSumT5-base-finetuned-test_6887. Это генеративная модель семейства mT5 с архитектурой MT5ForConditionalGeneration и 291,2 млн параметров; веса опубликованы в формате PyTorch. По названию модели и результатам оценки можно предположить, что она предназначена для суммаризации датских текстов. В README приведены метрики на тестовом наборе: ROUGE-1 32,41, ROUGE-2 8,64, ROUGE-L 18,81 и ROUGE-Lsum 29,93; описание датасета и сценариев применения не раскрыто. Модель распространяется по лицензии Apache-2.0. Данных о длине контекста, языках в метаданных и ограничениях применения нет.

Карточка модели suliniacats/dots.tts-soar на Hugging Face совпадает с карточкой dots-studio/dots.tts-soar, поэтому описание составлено по ней. dots.tts-soar — модель синтеза речи от dots-studio, представляющая собой дообученную версию dots.tts-base с этапом Self-corrective Alignment. Это авторегрессионная система на 2 млрд параметров, которая напрямую обрабатывает текст в BPE-токенах и генерирует непрерывные аудиолатенты с помощью flow-matching-головы, затем декодируемые в монозвук с частотой 48 кГц. В архитектуре используются семантический энкодер, LLM на базе Qwen2.5-1.5B-Base и CAM++ speaker x-vector для сохранения характеристик голоса. Модель предназначена для многоязычного синтеза речи и клонирования голоса по образцу, в том числе в производственных сценариях с авторизованным использованием. SCA улучшает соответствие текста и тембра, а в карточке заявлены высокие результаты сходства голосов на приведённых бенчмарках. Поддерживаются zero-shot-сценарии без отдельного дообучения под голос. На малоресурсных и отличающихся письменностью языках, включая арабский, хинди, турецкий и вьетнамский, точность распознавания текста в речи ниже, чем для более обеспеченных данными языков. Модель не предназначена для пения или совместной генерации речи и звуковых эффектов. Высокая реалистичность клонирования голоса создаёт риск злоупотреблений; README рекомендует использовать только авторизованные образцы и помечать синтетическое аудио. Лицензия — Apache-2.0.

Feraoun-36M — модель оптического распознавания печатного кабильского языка (тақбайлит), созданная для транскрибации строк и страниц в латинской орфографии и нео-тифинаге. Это модель типа Vision Encoder-Decoder примерно на 36,3 млн параметров: визуальный энкодер DeiT с 12 слоями и декодером для генерации текста. Для инициализации энкодера использованы веса microsoft/trocr-small-stage1. Модель принимает изображение строки или страницы и выдаёт распознанный текст, самостоятельно обрабатывая оба письма. Модель предназначена для оцифровки печатных романов, грамматик, периодики и архивных материалов на кабильском. В описанном тесте на 1000 строк латиницей достигнуты CER 2,85%, WER 13,20% и точное совпадение всей строки в 70,20% случаев; результаты на смешанном наборе с тифинагом приведены отдельно и не сопоставимы напрямую. Лицензия — Apache-2.0. Модель обучалась на строках печатного текста и не предназначена для рукописей, других языков или распознавания сложной верстки. На страницах обнаруживаются горизонтальные полосы текста без определения колонок и порядка чтения. Основные ошибки связаны с регистром и пробелами; символ ţ отсутствует в словаре и не может быть восстановлен. Качество диакритик зависит от шрифта и качества скана.

Fun-CosyVoice3-0.5B-2512-8bit — конвертированная в формат MLX и квантизованная до 8 бит версия модели FunAudioLLM/Fun-CosyVoice3-0.5B-2512, опубликованная сообществом mlx-community. Это плотная модель семейства CosyVoice3 для синтеза речи из текста; 8-битная квантизация применяется к языковой основе Qwen2 и уменьшает потребление памяти при сохранении качества. Модель поддерживает китайский, английский, японский, корейский, немецкий, французский, русский, итальянский и испанский языки. Доступны межъязыковой синтез с образцом аудио, zero-shot синтез с образцом аудио и его текстовой расшифровкой, а также управление стилем речи с помощью инструкции, например просьбы говорить медленнее. Модель рассчитана на запуск через библиотеку mlx-audio-plus в формате MLX. В карточке указана конверсия исходной модели и 8-битная квантизация Qwen2; отдельная лицензия этой версии не приведена, поэтому условия использования следует сверять с карточкой базовой модели FunAudioLLM/Fun-CosyVoice3-0.5B-2512. Качество синтеза может зависеть от языка и предоставленного образца голоса.

charsiu/g2p_multilingual_byT5_tiny_12_layers_100 — многоязычная модель для преобразования написания слов в их фонетическую транскрипцию (grapheme-to-phoneme, G2P), разработанная Jian Zhu, Cong Zhang и David Jurgens. Она основана на байтовой архитектуре ByT5 и предназначена для работы примерно со 100 языками; опубликованная версия включает корейский. Размер по метаданным — 7,4 млн параметров, архитектура — T5ForConditionalGeneration. Модель принимает отдельные слова с префиксом языкового кода и генерирует последовательность фонем. Для китайского, корейского, японского и некоторых языков Юго-Восточной Азии перед подачей требуется внешняя сегментация слов. Авторы сообщают для этой версии PER 0,098 и WER 0,287 на мультиязычной оценке. Модель подходит для подготовки произношений в речевых и лингвистических системах, но её транскрипции могут содержать ошибки и требуют проверки. Репозиторий CharsiuG2P распространяется по лицензии MIT; для конкретных весов следует учитывать условия их карточки и лицензии исходных словарей данных.

GECToR Base 2020 — модель Grammarly для исправления грамматических ошибок в английском тексте. Она основана на RoBERTa-Base с головой классификации токенов и предсказывает операции редактирования для каждого токена: сохранить, удалить, заменить, добавить слово или преобразовать его форму. Исправление выполняется итеративно, обычно за 2–3 прохода. Эта версия преобразована в ONNX и динамически квантована до INT8 для запуска в браузере через Transformers.js. По метаданным, модель содержит 151,9 млн параметров и имеет контекст длиной 514 токенов. Она рассчитана на быстрый запуск и уступает версии 2024 года по точности. Лицензия — Apache-2.0.

Gemma-3-4B-Urdu-Edu-Reasoning — дообученная в рамках Adaption Labs AutoScientist Challenge модель на базе google/gemma-3-4b-it, адаптированная для ответов на урду в образовательных и познавательных сценариях. Это плотная текстовая модель семейства Gemma 3 с 4 млрд параметров; она принимает текстовые инструкции и генерирует ответы с объяснениями. Контекстное окно — 131 072 токена. Метаданные указывают поддержку урду и английского языков. Модель предназначена для вопросов по STEM-дисциплинам, профессиональным и социальным темам, общим знаниям и рассуждениям на урду. На тесте UrduMMLU она показала точность 46,21% против 44,96% у базовой модели, улучшив результат в большинстве переносимых областей знаний. Обучение включало перевод и локализацию англоязычных корпусов в пакистанский урду, а также примеры на родном урду. Слабее базовой модели она отвечает по литературе на урду и другим темам, требующим специфических знаний языка и культуры. При размере 4 млрд параметров возможны фактические ошибки, особенно в редких темах; модель наследует ограничения и смещения Gemma 3. Разработчик позиционирует её для исследований и образования, но не как надёжный источник для экзаменов, религиозных постановлений или юридических и медицинских рекомендаций. Лицензия — Gemma.

AXCXEPT разработала экспериментальную японскую версию GLM-4-9B-Chat, дообученную методом LoRA на отобранных японских данных Википедии. Данные были преобразованы в диалоговый формат и дополнены длинными инструкциями. Модель предназначена для диалогов, выполнения инструкций и генерации текста на японском языке. В README сообщается, что в автоматической оценке ElyzaTasks с GPT-4o она превзошла GPT-3.5 Turbo; это результат конкретной оценки, а не гарантия качества в других задачах. Архитектура — плотная ChatGLMForConditionalGeneration, размер — 11,4 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors и рассчитан на Transformers. Версия v0.3 обозначена авторами как находящаяся в разработке. Лицензия указана как other; при использовании необходимо соблюдать лицензию и условия GLM-4.

G-OmniVoice — модель синтеза речи, разработанная G Group AI Lab на основе OmniVoice с языковой основой Qwen3-0.6B и аудиокодеком Higgs Audio 2. Она дообучена на крупномасштабном корпусе вьетнамской речи и оптимизирована для естественного произношения на вьетнамском языке. Модель поддерживает синтез речи с нуля, клонирование голоса по короткому эталонному аудио и настройку голосового образа. Для клонирования рекомендуется использовать чистую запись одного говорящего длительностью 3–10 секунд. В тестах на отложенной вьетнамской выборке авторы сообщают о низком уровне ошибок распознавания синтезированной речи при сохранении сходства с голосом-образцом. Базовая архитектура OmniVoice поддерживает более 600 языков в режиме zero-shot, однако качество для других языков зависит от базовой модели и не подтверждено приведённым в карточке вьетнамским тестированием. Для стабильной интонации рекомендуется нормализовать числа, даты, символы и сокращения, а длинный текст делить на фрагменты размером с предложение. Модель распространяется по лицензии Apache-2.0.

Guwen NER — модель распознавания именованных сущностей в классическом китайском языке. Карточка описывает её как NER-модель; метаданные указывают архитектуру RoBERTa для классификации токенов, 131,1 млн параметров и контекст до 514 токенов. Модель принимает китайский текст и присваивает метки его токенам, чтобы выделять именованные сущности в исторических и литературных текстах. Для более точного декодирования автор рекомендует вариант с CRF и отмечает проблемы декодирования стандартной модели классификации последовательностей; связанный код приведён в проекте Guwen Models. Модель распространяется по лицензии Apache-2.0.

Indic Parler-TTS — мультиязычная модель синтеза речи, разработанная в сотрудничестве команд Hugging Face Audio и AI4Bharat. Это дообученная версия Indic Parler-TTS Pretrained на наборе данных объёмом 1 806 часов; модель построена на архитектуре Parler-TTS и распространяется в формате Safetensors через Transformers. Модель преобразует текст в речь на 21 языке, включая английский и 20 языков Индии. Дополнительное текстовое описание задаёт характеристики звучания: голос, темп, высоту, эмоциональную окраску, выразительность, акцент, реверберацию и фоновый шум. Заявлена поддержка 69 голосов; для трёх дополнительных языков — чхаттисгархи, кашмири и пенджаби — поддержка неофициальная. Эмоциональные подсказки официально поддерживаются для десяти языков, а для остальных заявлены без подробного тестирования. Рекомендуемые голоса и качество могут различаться по языкам; смена языка определяется по тексту запроса. Лицензия — Apache-2.0.

Это дообученная версия Indic Parler-TTS для синтеза речи на непальском языке. Модель принимает текст и генерирует речь; в метаданных указаны архитектура ParlerTTSForConditionalGeneration и библиотека parler-tts, а веса представлены в формате safetensors. В карточке приведены результаты обучения: лучшая ошибка на валидации составила 6,2510 после 2224 шагов обучения. Модель предназначена для преобразования непальского текста в речь. Сведения о размере, длительности контекста и лицензии в доступных данных отсутствуют.

Japanese-LLaMA-3-8B — базовая полноразмерная языковая модель, разработанная GMO Internet Group на основе Meta-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста. Модель обучали и тестировали на VPS ConoHa с GPU NVIDIA H100. Карточка указывает японский язык; контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате Safetensors. Лицензия — Llama 3. Модель подойдёт для генерации и продолжения японского текста, но карточка не приводит сравнительных оценок качества или подробностей обучения.

Uniboshi/Kimi-K3-Abliterated-V1 — модифицированная версия Kimi K3 от Moonshot AI, подготовленная Uniboshi. Модель настроена так, чтобы реже отказывать на запросы на английском и японском языках; по заявлению автора карточки, из неё удалено более 98% защитных механизмов. Модель предназначена для диалоговых сценариев с обработкой текста и изображений. Метаданные относят её к задачам image-text-to-text и отмечают поддержку vision и chat. Это производная Kimi K3; веса представлены в формате safetensors и используются через Transformers. Карточка не приводит размер модели, длину контекста или условия лицензии; в метаданных указана лицензия other. Настройка на снижение отказов может привести к выдаче небезопасного или нежелательного контента, поэтому модель требует осторожного применения.

Komodo-7B-Base — базовая языковая модель, разработанная Yellow.ai путём дополнительного предварительного обучения и расширения словаря Llama-2-7B-Base. Это декодерная модель на архитектуре Llama 2 с 7 млрд параметров. Она предназначена для генерации текста на английском, индонезийском и 11 региональных языках Индонезии: ачехском, балийском, банжарском, бугийском, мадурском, минангкабау, яванском, даяк-нгажу, сунданском, тоба-батакском и лампунгском. Модель подходит как основа для дальнейшей настройки под прикладные задачи, включая генерацию и продолжение текста на поддерживаемых языках. Это не instruction-tuned модель: для диалоговых сценариев и выполнения инструкций требуется дополнительное дообучение, а готового шаблона промпта нет. Лицензия — Llama 2; доступ к репозиторию на Hugging Face ограничен и требует входа в учётную запись.

KO-Platypus2-7B-ex — корейская языковая модель, разработанная Кюджин Ханом (Kyujin Han) в исследовательском консорциуме Media Group Saramin Forest и Marker. Это авторегрессионная плотная модель на архитектуре LLaMA 2 с 6,7 млрд параметров, дообученная на корейском переводном наборе KOpen-platypus и расширенным словарём SentencePiece BPE на 46 336 токенов. Модель принимает текст и генерирует текст; заявленная базовая модель — Llama-2-ko-7b. Контекст составляет 2048 токенов. Модель подходит для генерации корейского текста, ответов на вопросы и экспериментов с корейскоязычными задачами понимания и классификации. Карточка приводит результаты отдельных оценок на COPA, HellaSwag, BoolQ и SentiNeg, но не даёт оснований считать их гарантией качества для прикладных сценариев. Репозиторий распространяется в форматах PyTorch и Safetensors по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_Open-Hermes_LDCC-SOLAR-10.7B_SFT — разговорная текстовая модель, разработанная авторами репозитория на базе LDCC/LDCC-SOLAR-10.7B. Она дообучена методом SFT на наборе generator, включающем leaderboard dataset 1.3 и Open-Hermes dataset (ko-mt), и предназначена для генерации текста в диалоговом формате. Модель имеет плотную архитектуру семейства Llama с 10,7 млрд параметров и контекстом до 4096 токенов. Модель может использоваться для ведения диалогов и генерации ответов на текстовые запросы. Базовая модель описана как корейская, а данные Open-Hermes обозначены как ko-mt; поэтому корейский язык является основным предполагаемым языком применения. Репозиторий распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.