I.7Речь, диалоги и встречи

FinancialSupport/saiga-7b — италоязычная диалоговая модель на архитектуре Mistral, разработанная как проект с ограниченными временем и бюджетом. Она предназначена для генерации текста в формате чата. Модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекст до 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard, включая показатели AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии Apache-2.0. README не описывает специальные ограничения или гарантии качества; приведённые оценки относятся к указанным тестам.

Модель saipragatheeswarg/salary_predictor_1b_final_model_with_tokenizer разработана saipragatheeswarg как дообученная версия unsloth/llama-3.2-1b-instruct-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Название репозитория указывает на задачу прогнозирования зарплаты, однако README не описывает обучающие данные, формат входа и выхода или точность в этом сценарии, поэтому пригодность для зарплатных прогнозов по имеющимся сведениям подтвердить нельзя. Контекстное окно составляет 131 072 токена. Модель распространяется под лицензией Apache-2.0.

SeminalRP-22b — дообученная gghfez модель Mistral-Small-Instruct-2409 с 22 млрд параметров для ролевых диалогов, творческого письма и ответов на обычные вопросы. Она использует плотную архитектуру MistralForCausalLM и шаблон запросов [INST]…[/INST]. В карточке указано, что при дообучении применялись данные для RP, творческого письма и обычных вопросов, сгенерированные Opus при контексте 8192 токена; отказы удалены из обучающих данных, а низкокачественные примеры отфильтрованы частично. Модель принимает текст и генерирует текст на английском языке. Метаданные каталога указывают нативный контекст 131072 токена, тогда как README описывает обучение на контексте 8192 токена. Указана лицензия MRL-0.1 и ограничение на некоммерческое использование из-за лицензии и данных Opus. Для модели также опубликованы квантизованные версии в GGUF.

Карточка модели hwkwon/S-SOLAR-10.7B-v1.3 на Hugging Face совпадает с карточкой hwkwon/S-SOLAR-10.7B-v1.2, поэтому описание составлено по ней. S-SOLAR-10.7B-v1.2 — разговорная языковая модель семейства Llama, дообученная разработчиком hwkwon на базе yanolja/EEVE-Korean-10.8B-v1.0. Она предназначена для генерации текста и диалоговых сценариев на корейском языке. Модель содержит 10,6 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 4096 токенов. Для общения используется шаблон с секциями пользователя и ассистента. Данные обучения в карточке не описаны, поэтому специализированные области применения и качество на конкретных задачах оценить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Synatra-7B-v0.3-RP — разговорная языковая модель, разработанная как личный проект и дообученная на базе mistralai/Mistral-7B-Instruct-v0.1. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она использует формат диалога ChatML и предназначена для генерации ответов в чат-сценариях, включая RP-взаимодействия. В карточке приведены результаты Open LLM Leaderboard и отмечены планы по улучшению понимания языка и токенизатора. Модель поддерживает корейский язык. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

TrorYongASR-tiny — компактная модель распознавания речи, разработанная KHUN Kimang и опубликованная KrorngAI. Это encoder-decoder архитектура, вдохновлённая PARSeq и Whisper: аудиоэнкодер имеет 4 слоя и 6 голов внимания, а текстовый декодер — один Transformer-блок с 12 головами. Модель содержит 29 млн параметров и обрабатывает аудио через log-mel спектрограммы с 80 мел-фильтрами. Модель предназначена для транскрибации речи на кхмерском и английском языках. В README приведены результаты на тестовых наборах FLEURS и LibriSpeech: для английского WER составляет 54,33%, для кхмерского — 75,88%; заявленная стопроцентная точность определения языка связана с особенностями предобучения и не отражает качество транскрипции. Перевод аудио в текст на другом языке также упоминается как обучавшаяся задача, но её оценка отложена из-за малого объёма данных. Модель не предназначена для обнаружения речи и не выдаёт временные метки. Точность может снижаться при шуме, реверберации, непривычных акцентах и вариациях темпа речи. В метаданных указана лицензия other; конкретные условия лицензии в карточке не раскрыты.

fixie-ai/turntaking-multilingual-llama8b-2a — модель для извлечения признаков, опубликованная Fixie AI (ныне Ultravox AI) на Hugging Face. Она использует архитектуру Ultravox: аудиокодировщик Whisper соединён с текстовой моделью Llama через проекционный модуль. По конфигурации модель предназначена для обработки речи и представлена как компонент для сценариев определения очередности реплик; в карточке доступен pipeline feature-extraction. В конфигурации указаны аудиокодировщик Whisper и текстовая модель fixie-ai/turntaking-pretraining-it-multilingual-3c. Репозиторий содержит веса BF16 размером около 0,7 млрд параметров. Модель принимает аудио и формирует признаки; данные поиска не позволяют надёжно определить перечень поддерживаемых языков, длину контекста или лицензию. Для загрузки через Transformers карточка требует trust_remote_code=True.

Umbra-v3-MoE-4x11b — языковая модель с архитектурой Mixture of Experts, созданная SteelSkull путём объединения четырёх моделей: Himitsui/Kaiju-11B, Sao10K/Fimbulvetr-11B-v2, decapoda-research/Antares-11b-v2 и beberik/Nyxene-v3-11B. В метаданных указаны 10,6 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель предназначена для генерации текста и диалогов. Модель рассчитана на общую помощь, особенно на написание историй и ролевые диалоги, в том числе ERP. Карточка называет версию экспериментальной и сообщает о корректировках промптов; приведённые результаты бенчмарков не раскрывают всех условий оценки. Метаданные указывают лицензию Apache-2.0.

Velara-11B-V2 — чат-модель Delcos, ориентированная на диалог с ассистентом и ролевые сценарии. Она создана для удержания заданного образа и контекста беседы, следования инструкциям в промпте и более разнообразных ответов. В README также отмечена повышенная способность к рассуждению, однако результаты бенчмарков и сведения об обучающих данных не приведены. Модель построена на архитектуре MistralForCausalLM, содержит 11,3 млрд параметров и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов; заявлен английский язык. Для диалога автор рекомендует шаблон промпта и параметры генерации, включая min_p 0,2 и repetition_penalty 1,13. Модель помечена как uncensored и распространяется по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

Это дообученная версия OpenAI Whisper large-v2, созданная clu-ling для распознавания японской речи. Модель обучалась 5000 шагов на обучающей части Common Voice 11.0 и предназначена для преобразования аудиозаписей на японском языке в текст; оценивание проводилось на тестовой части того же набора данных. Модель использует архитектуру WhisperForConditionalGeneration и содержит около 905,2 млн параметров. В README указаны значение loss 0,4200 и WER 0,7449 на оценочном наборе. Авторы предупреждают, что качество расшифровок может быть неудовлетворительным для пользователей. Лицензия — Apache-2.0.

Behnooshn/whisper-medium-sps-persian — модель распознавания речи на базе OpenAI Whisper medium, дообученная методом полного fine-tuning на сегментах набора Spontaneous Persian Speech (SPS). Она предназначена для транскрибации спонтанной и разговорной персидской речи. Архитектура Whisper содержит 455,8 млн параметров; модель принимает аудио и выдаёт текст. В обучающей выборке было 16 409 сегментов, в валидационной — 1 985; в сохранённом тестовом прогоне оценено 500 сегментов. На этом тесте сообщаются средние посегментные WER 0,768 и CER 0,506 против 2,368 и 1,857 у базовой Whisper medium; эти показатели не являются агрегированными корпусными метриками. Модель рассчитана прежде всего на исследования персидского ASR, в частности разговорной речи. Качество на других речевых доменах, условиях записи и разновидностях персидского языка систематически не оценивалось. Данные SPS в репозитории не распространяются. Условия лицензирования в предоставленных материалах не описаны.

Assertiveness_binary — англоязычная модель классификации текста, созданная дообучением microsoft/deberta-v3-base. Она предназначена для бинарной классификации текстов по напористости. Модель построена на архитектуре DeBERTa V2 и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. В README приведены результаты оценки: accuracy 0,6077, precision 0,6075, recall 0,6060, F1 0,6067 и AUC 0,6514. Эти показатели указывают на умеренное качество в указанной оценке; README не описывает набор данных и подробности разметки. Модель распространяется по лицензии MIT.

Dirty-Shirley-Writer-v01-Uncensored — это объединённая модель генерации текста на базе Gemma 2, созданная с помощью mergekit методом TIES. В объединение вошли nerdigent/Darkest-muse-v1-lorablated-v2, themex1380/Gemma-2-9B-Uncensored и nkpz/gemma-2-Ifable-9B-Uncensored-DeLMAT. Репозиторий содержит веса в формате safetensors; модель насчитывает 9 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев; пометка Uncensored указывает на вариант без стандартных ограничений генерации, поэтому ответы могут включать взрослый или иной нежелательный контент. Метаданные не указывают отдельные специализированные области применения или поддерживаемые языки. Лицензия в предоставленных данных не указана.

inu-ai разработал dolly-japanese-gpt-1b — японскую диалоговую модель на основе GPT-2 с 1,3 млрд параметров, дообученную методом instruction tuning на японских наборах инструкций и диалогов. В обучении использованы databricks-dolly-15k-ja, oasst1-89k-ja, OjousamaTalkScriptDataset и zundamon.json. Модель генерирует текст и отвечает на инструкции и вопросы на японском языке. Она предназначена для диалоговых сценариев; может учитывать историю беседы длиной до 1024 токенов. Автор указывает ориентировочную потребность в 7 ГБ VRAM или RAM. Модель основана на японской версии GPT-2 от rinna и распространяется в форматах PyTorch и Safetensors. Автор сообщает, что после добавления диалоговых данных точность ответов на приведённых примерах вопросов снизилась. Результаты не следует считать гарантированными. В метаданных указана лицензия MIT; README также перечисляет наборы данных с отдельными лицензиями, поэтому условия использования обучающих данных следует учитывать отдельно.

Это экспериментальная чат-модель Eugleo из исследования exp-085, посвящённого влиянию повторного включения корпусов декорреляции и персон в SFT. Модель построена на базе nvidia/ClimbMix и дообучена за одну эпоху по рецепту nanochat chat-SFT на наборах smoltalk, MMLU и decor_replay. Архитектура — плотная NanochatGPTForCausalLM; размер — 1,2 млрд параметров, формат весов — safetensors, длина контекста — 2048 токенов. Модель предназначена для диалоговой генерации текста на английском языке. В карточке приведены данные об экспериментальной настройке обучения и проверочной метрике, но не заявлены специализированные прикладные области. Для загрузки указана архитектура nanochat GPT с trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

saketpatayeet/gemma-3-270m-loan-extraction-v1 — дообученная компанией или автором saketpatayeet компактная текстовая модель семейства Gemma 3, созданная на основе google/gemma-3-270m-it с использованием TRL. Модель содержит 257 млн параметров, использует плотную архитектуру Gemma3ForCausalLM и предназначена для диалоговой генерации текста. Контекст составляет до 32 768 токенов; для работы доступны веса в формате safetensors и библиотека Transformers. Название указывает на извлечение сведений о кредитах, однако README не описывает эту задачу, обучающие данные или формат результата. Поэтому целевое применение для извлечения кредитной информации нельзя подтвердить по карточке; известны только возможности базовой модели для генерации текста и чата. Лицензия в предоставленных данных не указана.

Gemma4-12b-it-styletuned — экспериментальная версия Gemma 4 12B IT, созданная автором ewald1976 методом Supervised Style Fine-Tuning (SSFT). Модель предназначена для диалоговой генерации текста с изменённым тоном и стилем ответов; автор отмечает заметное изменение выражения при сохранении привычного подхода базовой модели. Это плотная модель семейства Gemma 4 Unified с архитектурой Gemma4UnifiedForConditionalGeneration. Она дообучена на наборе ewald1976/opus48-gpt55-asimov.jsonl, а репозиторий содержит веса Safetensors. Базовая модель — unsloth/gemma-4-12b-it. Лицензия — Apache-2.0.

densenet/Gemma-4-31B-StyleTune-heretic-ara — дообученная модель densenet на базе Gryphe/Gemma-4-31B-StyleTune, созданная с применением abliteration. Она предназначена для диалогов и творческого письма, в том числе ролевых сценариев; в метаданных также заявлена обработка изображений вместе с текстом и интерфейс вызова инструментов. Архитектура — плотная Gemma 4 с 31 млрд параметров по названию базовой модели; файлы представлены в формате safetensors. В README указаны параметры abliteration и сравнительный результат: 8 отказов из 100 запросов против 99 у исходной модели. Модель обучали с Unsloth и библиотекой Hugging Face TRL. Карточка описывает английский язык; данных о длине контекста нет. Лицензия — Apache-2.0.

Hyponatremia_L3_450steps_1e7rate_SFT — дообученная диалоговая языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для генерации текста в формате диалога; название указывает на тематику гипонатриемии, однако README не подтверждает специализированные медицинские возможности или сценарии применения. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В метаданных указаны обучение методом SFT и лицензия Llama 3. README сообщает значение loss 1,1366 на оценочном наборе, но набор данных неизвестен, а описание обучения и предполагаемого использования отсутствует. Поэтому качество ответов, в частности медицинская точность, по имеющимся сведениям оценить нельзя.

realPCH/kosolra_SFT_DPO_v0 — корейская языковая модель семейства Llama, разработанная realPCH. Это плотная авторегрессионная модель на 10,7 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и диалоговых ответов. Модель дообучена на yanolja/KoSOLAR-10.7B-v0.1 и прошла DPO на основе realPCH/kosolra-kullm; среди указанных наборов данных — KULLM v2 и корейская выборка UltraFeedback. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — MIT. Карточка не описывает сравнительные оценки качества или специальные сценарии применения, поэтому результаты на конкретных задачах могут различаться.

Llama-Ione-8B-roleplay-v1-i1-GGUF — это набор квантизированных файлов GGUF для модели Llama-Ione-8B-roleplay-v1, разработанный ashishnair и квантизированный mradermacher. Модель основана на архитектуре Llama и предназначена для генерации текста, ролевого общения, диалоговых сценариев и работы с персонами. Указан английский язык, поддерживаются текстовые задачи; сведения о других модальностях отсутствуют. Размер базовой модели — 8 млрд параметров. Репозиторий содержит варианты квантизации i1 и imatrix с объёмом файлов примерно от 2,1 до 6,7 ГБ, включая IQ- и Q-квантизации. Это позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; для быстрого использования рекомендован вариант i1-Q4_K_M, а i1-Q4_K_S отмечен как оптимальный по размеру, скорости и качеству. Низкобитные варианты могут заметно уступать в качестве. Модель ориентирована прежде всего на roleplay и conversational-применения, однако данные о контекстном окне, конкретном наборе данных, результатах оценки и ограничениях поведения не приведены. Файлы распространяются по лицензии llama3.1; условия лицензии следует учитывать при использовании и распространении модели.

MedVi-chat-1.5B — разговорная языковая модель на архитектуре Qwen2, опубликованная anti-ai. Модель содержит 1,5 млрд параметров и предназначена для генерации текста в формате диалога. В карточке указаны вьетнамский язык и контекст длиной до 131 072 токенов. Модель дообучена на базе anti-ai/MedVi-chat-1.5B; карточка не описывает обучающие данные или конкретные медицинские сценарии, поэтому специализацию по названию подтвердить нельзя. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Количество параметров и контекст позволяют использовать её для диалогов и генерации текста, однако данных о качестве и ограничениях применения в карточке нет.

Mistral 7B Grok — языковая модель HuggingFaceH4, полученная дообучением mistralai/Mistral-7B-v0.1 с использованием Constitutional AI. Модель настроена имитировать стиль ассистента Grok от xAI и поддерживает диалоговую генерацию текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и имеет контекст длиной до 32 768 токенов. В обучении использовались наборы HuggingFaceH4/grok-conversation-harmless и HuggingFaceH4/ultrachat_200k. Вес опубликован в формате safetensors; лицензия — Apache-2.0. В карточке приведён результат оценки loss 0,9348, но подробности методики и результаты по практическим задачам отсутствуют. Описание ограничений и рекомендуемых сценариев в README не заполнено; качество и безопасность ответов следует проверять для конкретного применения.

Nethena-20B — языковая модель для генерации текста, созданная IkariDev и Undi как объединение Echidna v0.3, Athena v3 и Nete. Это плотная модель семейства Llama с 19,8 млрд параметров; в репозитории представлены веса FP16 в формате Safetensors. Модель использует шаблон запросов Alpaca и рассчитана на контекст до 4096 токенов. Модель предназначена для ролевого общения, откровенных ролевых сценариев и общих запросов. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. README не приводит настроек генерации или результатов оценивания; качество ответов и поведение при разных сценариях по этим данным оценить нельзя.

Pantheon-RP-1.0-8b-Llama-3-GGUF — квантизированная версия модели Pantheon-RP-1.0-8b-Llama-3, созданной на базе Meta-Llama-3-8B. Оригинальную модель разработала Gryphe, а квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов и ролевых сценариев, включая roleplay. Заявленный язык — английский. Модель относится к семейству Llama 3 и содержит 8 миллиардов параметров. Это текстовая модель без заявленной поддержки дополнительных модальностей. Репозиторий предоставляет множество вариантов квантизации — от Q8_0 размером 8,54 ГБ до компактных IQ1_S размером 2,16 ГБ, что позволяет выбирать между качеством генерации и требованиями к оперативной памяти. Для работы рекомендуется использовать шаблон промпта ChatML с ролями system, user и assistant через llama.cpp. Сильной стороной являются несколько вариантов квантизации и возможность локального запуска на оборудовании с различным объёмом памяти; варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и Q4_K_S отмечены как рекомендуемые. Более компактные варианты экономят память, но могут заметно уступать по качеству, а IQ1_M обозначен как нерекомендуемый. Размер контекста и результаты специализированных оценок в README не указаны. Модель распространяется по лицензии Apache-2.0.

Phi-SoSerious-Mini-V1-imatrix-GGUF — это GGUF-квантизация дообученной модели Phi-SoSerious-Mini-V1, созданной на основе microsoft Phi-3-mini-4k-instruct. Модель разработана авторами проекта Phi-SoSerious; представленная сборка опубликована пользователем duyntnet. Дообучение выполнено с помощью qLoRA на одной видеокарте Nvidia RTX 3090 менее чем за четыре часа, с использованием датасета Kobble — агрегированного набора данных из онлайн-источников, веб-скрапинга и синтетических примеров, подготовленного для KoboldAI и Kobold Lite. Модель предназначена для генерации текста, написания историй, диалогов, ролевого общения и выполнения инструкций. Она поддерживает английский язык, относится к моделям text-generation и использует контекст до 2048 токенов в процессе обучения, при этом базовая модель Phi-3-mini-4k-instruct заявлена как 4K-контекстная. Датасет включает примеры инструкций в формате Alpaca, многотуровые чаты и художественные тексты, в том числе эротического и провокационного содержания. Одной из целей дообучения было уменьшить склонность к отказам и получить более свободные, менее ограниченные ответы. К сильным сторонам относятся компактный размер базовой модели, поддержка GGUF и специализация на историях, разговорах и ролевых сценариях. Ограничения связаны с англоязычной направленностью, неизвестными точными параметрами и характеристиками конкретного варианта imatrix-GGUF, а также с происхождением датасета: он частично полу-приватный, собран из веб-источников и может содержать неоднородные или провокационные данные. Лицензия указана как other, без дополнительных условий в представленном README.

DavidAU/Qwen3-4B-2507-Thinking-heretic-abliterated-uncensored — разговорная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Thinking-2507 и обработанная инструментом Heretic для снижения числа отказов. По данным автора, частота отказов снизилась с 97 до 4 из 100, а KL-дивергенция составила 0,05. Модель содержит 3,7 млрд параметров, поддерживает контекст до 262 144 токенов и предназначена для генерации текста в диалогах и сценариях, где требуется меньше отказов, в том числе для художественных текстов с грубой или откровенной лексикой. Модель рассчитана на запуск через Transformers и хранится в формате safetensors. README отмечает, что для получения откровенного или резко выраженного стиля иногда нужно явно задавать желаемую лексику и тон; снижение числа отказов не означает, что модель обучалась на соответствующих материалах. Данные о поддерживаемых языках в карточке не приведены. Лицензия в предоставленных материалах не указана.

DreamFast представляет safetensors-версию модели Qwen3.5-4B с агрессивной абляцией отказов HauhauCS. Это дообученная производная Qwen/Qwen3.5-4B, преобразованная из BF16 GGUF в формат safetensors. В основе — гибридная архитектура Mamba2 и Transformer с примерно 4 млрд параметров; в README указано, что 24 из 32 слоёв используют Mamba2, а остальные — полное внимание. Модель предназначена для диалоговой генерации текста и сценариев, где требуется отвечать без обычных отказов базовой модели. Карточка приводит результаты тестов на знания, математику и рассуждения, а также на HarmBench; эти показатели относятся к описанным в README настройкам оценки. Метаданные также указывают интерфейс вызова инструментов и мультимодальную базовую модель с пониманием изображений, но для этой версии в качестве основной задачи указан text-generation. По данным README, абляция сохраняет близкие к базовой модели результаты на большинстве приведённых тестов, но снижает показатели TruthfulQA и GSM8K; отдельные ответы в тесте GSM8K обрывались из-за ограничения длины генерации. Оценка HarmBench в карточке показывает крайне низкую долю отказов, поэтому модель способна выдавать ответы на вредоносные запросы. Лицензия — Apache-2.0.

Модель maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged разработана maheshrawat18 и представляет собой дообученную чат-модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. В карточке указано, что обучение выполнялось с использованием Unsloth. Модель предназначена для генерации текста в диалоговом формате и сценариев, связанных с эмоциями. Она принимает текст и выдаёт текст; заявленный размер контекста — 40 960 токенов. В метаданных указан английский язык. Модель дообучена на maheshrawat18/Qwen3-8B-grpo-emotion-v8-merged. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Карточка не содержит подробных оценок качества или описания конкретных эмоциональных задач, поэтому их возможности нельзя точнее установить по доступным сведениям.

Qwen3-8b-urban-qwen-seed1-20260930-CPT-final-step-1500 — дообученная модель генерации текста на архитектуре Qwen3, созданная на основе Qwen/Qwen3-8B-Base. Модель содержит 7,6 млрд параметров и принимает контекст длиной до 32 768 токенов. Обучение продолжалось на датасете CompassioninMachineLearning/urban_12738_cleaned; автор указывает 10 072 уникальных документа и 200 документов для валидации. Модель предназначена для генерации текста и диалоговых сценариев, связанных с тематикой обучающего корпуса. Она сохранена в BF16 как самостоятельная модель в восьми шардах safetensors, поэтому адаптер для загрузки не требуется. Обучение на этом корпусе само по себе не подтверждает улучшение эмпатии или сострадания — это качество следует оценивать отдельно. Лицензия в предоставленных данных не указана.