I.6Перевод и языковая адаптация

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-last-third-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.

Stoicheia literary fold 2 — это анонимно выпущенный 405-миллионный символьный энкодер с маскированной диффузией для древнегреческого языка. Модель имеет размерность скрытого представления 1024 и 32 блока; три из каждых четырёх блоков используют локальное внимание в окне 256 символов, а каждый четвёртый — глобальное. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для восстановления замаскированных символов и анализа древнегреческих текстов с разными редакторскими представлениями, включая непрерывное письмо без пробелов и лакуны неизвестной длины. Входные данные разделены на пять согласованных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию; каждый слой можно независимо обозначить как неизвестный. Чекпойнт обучен без литературной тестовой части fold 2, а описанный в карточке конвейер исключает из обучающих данных дубликаты и близкие совпадения с отложенными зонами. Это свойство делает его пригодным для исследований передачи и восстановления текста, хотя не гарантирует качество на любом корпусе. Лицензия — Apache-2.0. Выпуск сопровождает статью, находящуюся на рецензировании; модель специализирована на древнегреческом и не заявлена как универсальная языковая модель.

Stoicheia — модель для макронизации древнегреческого текста: она определяет долготу гласных в неоднозначных α, ι и υ. Это символьный masked-diffusion энкодер с 405 млн параметров, разработанный авторами анонимного препринта, сопровождающего статью на рецензировании. Модель предназначена для восстановления долготы гласных в отредактированных текстах, текстах без пробелов и фрагментах с лакунами неизвестной длины. Вход модели представлен пятью совмещёнными слоями: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Каждый слой можно независимо маскировать, заменяя данные на явное состояние «неизвестно». При обучении использовался корпус примерно из 130 тысяч стихотворных строк с разметкой, полученной метрическими ограничениями и преобразованием разметки веса слогов; README сообщает о проверке на отсутствие утечки в оценочный бенчмарк. Модель распространяется под лицензией Apache-2.0.

Urdu-Ghazal-Generator-i1-GGUF — это квантизированная версия модели Khurram123/Urdu-Ghazal-Generator, подготовленная mradermacher в формате GGUF с использованием weighted/imatrix-квантования. Модель предназначена для генерации поэтических текстов на урду, прежде всего газелей, и может использоваться в сценариях творческого письма и экспериментов с генерацией урдуязычной поэзии. В метаданных также указана исходная связь с библиотекой Transformers и наличие LoRA. Точные сведения об архитектуре, количестве параметров, размере контекста и методе обучения в README не приведены. Доступны многочисленные варианты квантования размером примерно от 2,0 до 6,4 ГБ, включая IQ- и Q-варианты; Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Более компактные варианты экономят память, но могут заметно уступать в качестве, тогда как более крупные обычно обеспечивают лучшее сохранение качества при повышенных требованиях к ресурсам. Модель рассчитана на текстовую модальность и язык урду. Ограничения включают отсутствие в README подробных данных о качестве генерации, поддерживаемых форматах запросов и других языках. Исходная модель и её производные распространяются по лицензии Apache-2.0, указанной в метаданных.

wader-100m — компактная языковая модель neosantara для диалогов и выполнения инструкций на индонезийском языке. Она дообучена методом SFT на neosantara/IndoTalkSFT поверх neosantara/wader-100m-base и реализует архитектуру DeepSeek-V4 в виде причинной языковой модели для генерации текста. В карточке указано около 110 млн параметров, тогда как метаданные каталога оценивают размер в 53 млн; контекст составляет 2048 токенов. Модель рассчитана на чат и продолжение текста на индонезийском языке. Модель экспериментальная и имеет существенные ограничения качества: автор сообщает, что ответы часто бывают бессвязными или фактически неверными, а обучение включало лишь 5000 шагов предобучения и 3000 шагов SFT. Для запуска автор рекомендует fp32 из-за переполнения bf16 и требует trust_remote_code=True. Лицензия — Apache-2.0.

huggingtweets/borisdayma — языковая модель на архитектуре GPT-2, созданная Борисом Даймой с помощью проекта huggingtweets. Она дообучена на твитах Бориса Даймы и предназначена для генерации коротких текстов, имитирующих их стиль и тематику. Модель можно использовать через библиотеку Transformers для продолжения заданного текста; контекст составляет 1024 токена, формат весов — PyTorch. Обучающая выборка включала 1371 твит, в том числе 146 ретвитов. Модель рассчитана на английский язык. Генерация отражает ограничения и предвзятость GPT-2, а также содержание исходных твитов, поэтому результаты могут воспроизводить их особенности. Лицензия в предоставленных данных не указана.

Claudius 400M Chat — диалоговая модель fbandov для практики латинского языка в формате общения с виртуальным учителем. Это дообучение модели fbandov/claudius-latin-400m с архитектурой Llama: 341,8 млн параметров, контекст 2048 токенов. Модель принимает сообщения на латыни и отвечает кратко на латыни, поддерживая беседу вопросами и подстраиваясь под уровень ученика — начальный, средний или продвинутый. Она также может понимать ошибочные фразы начинающих и переформулировать их правильно. Модель обучена на латинских текстах и синтетических диалогах; английского она не изучала. Веса доступны в форматах Safetensors и ONNX. Лицензия — CC BY-SA 4.0. Модель предназначена для языковой практики, а не для получения достоверных справочных сведений: за пределами бытовых, учебных и римских тем она может терять нить разговора, иногда повторяет сказанное учеником, а исправления длинных литературных фраз ненадёжны. Ответы выводятся в верхнем регистре с орфографией, где U используется вместо V и I вместо J; греческий не поддерживается.

KW5 109M — базовая языковая модель Regnant для продолжения текста на суахили. Это первый вариант семейства KW5, обученный с нуля на 1,41 млрд токенов корпуса FineWeb-2, преимущественно на веб-текстах Танзании. Модель содержит 109,5 млн параметров и использует совместимую с Llama декодерную архитектуру Transformer с 12 слоями; доступна в формате safetensors и рассчитана на работу через Transformers. Модель предсказывает следующий токен и подходит как небольшая основа для экспериментов и дообучения на суахили. Она не предназначена для ответов на вопросы или непосредственного развертывания как чат-бот: инструкции не выполняет, факты воспроизводит ненадёжно и не проходила настройку безопасности. Результаты ограниченной оценки были близки к случайному угадыванию. Хотя конфигурация допускает контекст до 2048 токенов, обучение проводилось на последовательностях длиной 1024 токена; для надёжной работы суммарный запрос и продолжение следует удерживать в этом пределе. При обучении не использовалась маска границ документов, поэтому модель могла усваивать переходы между несвязанными текстами. Лицензия — Apache-2.0.

tolgadev/llama-2-7b-ruyallm — дообученная разработчиком модель семейства Llama 2 для генерации текста. Она обучена на наборе tolgadev/ruyatabirleri_instruct и предназначена для ответов на вопросы о толковании снов на турецком языке. Модель содержит 6,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Модель подходит для создания диалоговых ответов и объяснений значений снов на турецком языке. В карточке указана лицензия Apache-2.0. Данные не сообщают о результатах оценки качества или ограничениях применения.

Ericu950/oga-macronizer-char — небольшая символьная модель для разметки долготы древнегреческих гласных. Она определяет фонемную долготу α, ι и υ в случаях, когда её нельзя установить по стандартному греческому письму, и служит корпусно-обобщающим дополнением к правиловому grc-macronizer. Модель разработана на основе небольшого трансформерного энкодера примерно с 1 млн параметров; вход обрабатывается на уровне символов с учётом букв и диакритики. Длина контекста — 512 токенов. Обучающие метки получены из вывода правилового макронизатора, применённого к корпусу Opera Graeca Adnotata. Модель также обучалась работать с текстом без части диакритики. В README сообщается о проверке на 17 произведениях Norma Syllabarum Graecarum: точность с метрикой, где неразмеченная позиция считается краткой, составила 89,89%, при этом модель оставила без ответа 9 из 2 957 позиций. Модель предназначена для макронизации древнегреческих текстов; она распространяется по лицензии GPL-3.0.

Qwen3.8-27B-Heretic-JP-Roleplay-NSFW — дообученная модель семейства Qwen3.5, созданная sss22213 для ролевых диалогов на японском языке. Она основана на sss22213/Qwen3.8-27B-Heretic-NoRefusal: у исходной модели удалено направление отказов, после чего её дообучили методом QLoRA на синтетических японских ролевых диалогах и объединили адаптер с весами bf16. Это плотная мультимодальная модель с архитектурой Qwen3_5ForConditionalGeneration; репозиторий содержит веса safetensors. Размер в метаданных не указан. Модель рассчитана на многоходовые ролевые сценарии: пользователь задаёт персонажа и ситуацию в системном сообщении, а модель старается сохранять образ и продолжать диалог с включённым режимом рассуждений. В первую очередь она предназначена для японского языка; английский и китайский унаследованы от базовой модели, но не оценивались после дообучения. Вход изображений поддерживается архитектурой, однако модель не обучалась и не проверялась на задачах с изображениями. Контекстное окно в предоставленных данных не указано. Модель генерирует откровенный сексуальный контент по запросу и может выдавать насильственные или иные тревожные материалы, не отказывая во вредоносных запросах. Формальной оценки качества нет; возможен дрейф на общих ассистентских задачах, программировании и неролевом английском или китайском. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-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-german-city-names-first-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-first-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-first-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-first-third-v2-sft-seed3-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-first-third-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-german-city-names-first-third-v2-sft-seed5-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-last-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-last-third-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-german-city-names-last-third-v2-sft-seed5-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-v2-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-old-bird-names-first-third-v2-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-old-bird-names-last-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-old-bird-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-old-bird-names-v2-kld-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-old-bird-names-v2-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-old-bird-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-school-of-reward-hacks-second-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-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.