I.6Перевод и языковая адаптация

Genji-JP 6B — NovelAI әзірлеген GPT-J негізіндегі мәтін генерациялау моделі. EleutherAI-дің GPT-J 6B моделін жапон тіліндегі веб-романдар мен әңгімелеу деректеріне бейімдеп дообучыту арқылы жасалған. Модельде 6,05 млрд параметр, 28 қабат және 2048 токендік контекст бар; GPT-J архитектурасын және PyTorch форматын қолданады. Модель жапон тілінде көркем проза мен веб-роман мәтінін жалғастыруға және оқиға құрастыруға арналған. Берілген мысал жапон тіліндегі фэнтези сюжетін жалғастыратынын көрсетеді. Apache-2.0 лицензиясымен таратылады. Ол арнайы әңгімелеу деректерінде оқытылғандықтан, жалпы сұрақ-жауап, факт дәлдігі немесе өзге тілдердегі сапасы кепілденбейді.

jed351/gpt2_base_zh-hk-lihkg — авторская адаптация китайской GPT-2 с токенизатором, дополненным символами кантонского языка. Модель разработана на основе GPT-2 и дообучена на примерно 10 ГБ сообщений с гонконгского форума LIHKG; она предназначена для генерации короткого текста в стиле этого форума. Модель использует архитектуру GPT-2 и формат PyTorch, принимает текст и генерирует текст. Контекст составляет 1024 токена. Она может подойти для экспериментов с кантонским текстом и для развлекательной генерации форумных реплик. Лицензия — OpenRAIL. Данные LIHKG могут содержать грубую и жестокую лексику, которая может появляться в ответах. Из-за краткости исходных сообщений модель часто ограничивается одной строкой, а иногда не генерирует новых токенов. Автор рекомендует использовать её только для исследований или развлечений.

Masdfasdg/GPT2-Prompt — языковая модель семейства GPT-2 для генерации коротких рассказов по текстовой подсказке. Вводную подсказку нужно завершать маркером «[endprompt]»; модель разработана для продолжения истории на английском языке. Модель основана на плотной архитектуре GPT-2 с головкой языкового моделирования и принимает контекст до 1024 токенов. В репозитории представлены форматы PyTorch и Flax. Обучающие данные собраны со страниц Reddit, поэтому результаты могут отражать смещения этой платформы и демографический перекос в сторону молодых белых мужчин. Условия лицензии в предоставленных данных не описаны.

huggingtweets/liekovarpio — англоязычная модель генерации текста на базе GPT-2, созданная Борисом Даймой с помощью проекта huggingtweets. Модель дообучена на 3248 твитах пользователя Lieko (sleeping); среди данных также были ретвиты и короткие публикации. Она предназначена для продолжения коротких текстовых подсказок и генерации текста в стиле обучающих публикаций. Модель использует архитектуру GPT2LMHeadModel, веса представлены в формате PyTorch, а контекст ограничен 1024 токенами. Применять её можно через библиотеку Transformers, например для создания вариантов продолжения фразы. Качество и содержание ответов зависят от небольшого набора пользовательских твитов и наследуют ограничения и смещения GPT-2. Лицензия в доступных сведениях не указана.

llama-2-koen-story-13b — настраиваемая модель генерации текста семейства Llama 2, дообученная на корейских художественных текстах. Разработчик указал, что модель основана на beomi/llama-2-koen-13b и обучалась с помощью QLoRA на корпусе корейских романов объёмом около 167 МБ, включая классическую литературу. Параметры адаптера: LoRA rank 32, alpha 16, dropout 0,05; обучение проводилось три эпохи с learning rate 3e-4 и настройкой модулей q_proj и v_proj. Модель предназначена для генерации корейского художественного текста и продолжения повествования в стиле обучающих данных. Это плотная авторегрессионная модель на 12,9 млрд параметров с контекстом до 2048 токенов; репозиторий содержит веса Safetensors. Указана лицензия Llama 2. Из-за специализации на небольшом корпусе художественных текстов и ограниченного контекста модель может хуже справляться с общими вопросами и задачами вне корейской литературы.

llama-2-ko-story-7b — настраиваемая модель генерации текста на архитектуре Llama 2, созданная на основе beomi/llama-2-ko-7b. Разработчик дополнительно обучил её методом QLoRA на корпусе корейских романов объёмом около 167 МБ, включая корейскую классику из 공유마당. Веса представлены в формате safetensors; размер модели — 6,7 млрд параметров, контекст — 2048 токенов. Модель предназначена прежде всего для генерации корейской художественной прозы и продолжения литературных текстов. Для дообучения использовались LoRA-параметры r=32 и alpha=16, dropout 0,05, целевые слои q_proj и v_proj; обучение продолжалось три эпохи. Лицензия указана как llama2, поэтому использование регулируется условиями лицензии Llama 2. Карточка не приводит оценок качества или результатов тестирования; обучение на небольшом специализированном корпусе ограничивает надёжность вне художественного текста на корейском языке.

MemeGPT — разговорная языковая модель, опубликованная пользователем minchyeom. Это плотная модель MistralForCausalLM на 7,1 млрд параметров для генерации текста; карточка уточняет, что это MemeGPT, а не MemGPT. Модель поддерживает чат и работает с контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке в тематике мемов. Опубликована в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

pszemraj/Mistral-7B-sarcasm-scrolls-v2 — дообученная пользователем pszemraj языковая модель на архитектуре Mistral для генерации текста с сарказмом. Она создана на базе mistralai/Mistral-7B-v0.3 и обучена на наборе BEE-spoke-data/sarcasm-scrolls; модель имеет 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке приведён результат оценки на тестовом наборе: loss 2.3333. Модель подходит для генерации саркастичных ответов и текстов на английском языке. Она распространяется под лицензией Apache-2.0. Карточка не описывает подробные инструкции по использованию или независимые оценки качества сарказма.

Карточка модели timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_cross на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_cross, поэтому описание составлено по ней. Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

Карточка модели timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_cross_100m на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_cross, поэтому описание составлено по ней. Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

Pinyin-Code Causal LM — компактная причинная языковая модель на архитектуре Qwen2, опубликованная timorobrecht. Репозиторий содержит экспорт модели с собственным токенизатором atomic_bpe_cross; число параметров — 31,4 млн, контекст — 512 токенов. Модель принимает предварительно преобразованный текст с кодированием китайского пиньиня и предназначена для генерации продолжения такого текста и извлечения скрытых представлений. Для обработки исходного мандаринского текста перед токенизацией README указывает преобразование в пиньинь с помощью pypinyin; также используется jieba. Модель загружается через Transformers с `trust_remote_code=True`, а конфигурация включает узкую совместимость для чтения текстовых файлов в Windows. README не приводит оценок качества или подробностей обучающего набора. Лицензия в предоставленных данных не указана.

NyX-Roleplay-7b — языковая модель семейства Llama с плотной архитектурой, содержащая 6,6 млрд параметров. Её разработала NyX AI, дообучив модель на собственном наборе данных NyX Roleplay; модель предназначена для текстовых ролевых диалогов, в которых она играет персонажа NyX — женскую персону. Модель принимает и генерирует текст, поддерживает английский язык и имеет контекст длиной до 4096 токенов. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка описывает сценарий ролевого общения, но не приводит оценок качества или дополнительных возможностей.

Qwen3 Article-Usage Micro-Coach — v2 — небольшая разговорная модель на архитектуре Qwen3, разработанная автором репозитория на основе mlx-community/Qwen3-1.7B-4bit. Это дообученная QLoRA-адаптером, затем объединённая с базовой моделью и деквантизированная MLX-версия с 1,7 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для тренировки употребления английских артиклей: она задаёт один наводящий вопрос о правиле, связанном с ошибкой, не подсказывая исправление, а после самостоятельного исправления отвечает «Target fixed.». По описанной оценке на 60 случаях модель лучше соблюдает сценарий и полезнее исходной Qwen3, но эти результаты ограничены небольшим набором тестов. Автор предупреждает, что модель пока недостаточно надёжна для обучения без контроля: она может задать корректно сформулированный вопрос, относящийся не к тому правилу употребления артиклей. Для адаптации использовался набор из 2 324 примеров; указанные показатели проверки относятся к конкретному замороженному тесту и не гарантируют качество в других сценариях. Модель распространяется под лицензией Apache-2.0.

Aratako разработал эту японскую модель на базе Qwen/Qwen3-30B-A3B-Base: она прошла продолженное предварительное обучение на примерно 6 млрд токенов японских данных с контентом NSFW. Это разреженная MoE-модель для генерации текста; в репозитории указаны архитектура Qwen3 MoE, формат safetensors и контекст до 32 768 токенов. Модель предназначена для продолжения и генерации японского текста с тематикой для взрослых, а также для дальнейшей адаптации под конкретные сценарии. Последующего обучения после предварительного обучения не проводилось, поэтому автор рекомендует выполнить его перед использованием. Опубликована по лицензии MIT.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-last-third-v2-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-inoculation-prompting-rerun-e9d315a-20260809 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-first-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-second-third-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-last-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.