I.7Речь, диалоги и встречи

Mahou-1.3-llama3-8B — разговорная языковая модель для чата и ролевых сценариев, разработанная FlammenAI. Это дообученная модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; README сообщает о десяти эпохах дообучения методом ORPO на A100. Модель принимает текст и генерирует текст, рассчитана на контекст до 8192 токенов и использует формат чата ChatML с дополнительными токенами токенизатора. Модель предназначена для ведения диалогов и ролевых игр; для ролевого формата README рекомендует писать речь без кавычек, а действия заключать в звёздочки. Данные обучения связаны с набором flammenai/MahouMix-v1 и разговорными данными FlammenAI. Лицензия указана как llama3; следует учитывать её условия при использовании и распространении. Оценки качества и ограничения в карточке подробно не описаны.

xiuyul/mamba-2.8b-ultrachat — дообученная на наборе HuggingFaceH4/ultrachat_200k языковая модель для диалоговой генерации текста. В основе лежит state-spaces/mamba-2.8b-slimpj — модель архитектуры Mamba; метаданные указывают 6 млрд параметров. Модель поддерживает чат-сценарии и распространяется в форматах PyTorch и Safetensors. Её можно использовать для генерации ответов в диалогах и экспериментов с чат-моделями на архитектуре Mamba. В README приведено значение loss 1,1858 на оценочном наборе, но дополнительных сведений о методике оценки и качестве ответов нет. Лицензия — Apache-2.0.

ken11/mbart-ja-en — модель перевода текста, созданная дообучением facebook/mbart-large-cc25 на датасете JESC. Она построена на архитектуре mBART и использует токенизатор SentencePiece, обученный на JESC; размер модели — 266,9 млн параметров, контекст — до 1024 токенов. Модель предназначена для перевода между японским и английским языками. В карточке приведён результат sacreBLEU 18,18 на наборе JEC Basic Sentence Data Киотского университета. Модель доступна в формате PyTorch по лицензии MIT. Оценка приведена для конкретного набора данных; в README не описаны результаты на других тестах.

mem_Qwen3-62M_minerva_math_rep_1000_sbst_1.0000_epch_1_ot_8 — чат-модель для генерации текста на архитектуре Qwen3 с 26 млн параметров и контекстом до 32 768 токенов. В README указано, что модель дообучена, однако базовая модель и обучающий набор данных не названы. Название репозитория указывает на эксперименты с математическими данными Minerva Math, но README не подтверждает назначение модели для решения математических задач. Модель рассчитана на текстовый диалог и генерацию ответов. В репозитории указаны веса в формате safetensors и библиотека Transformers. Лицензия и ограничения применения в доступных сведениях не указаны.

Это диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct на наборе данных generator. Она предназначена для генерации текста и ответов в чате. В репозитории указано 7,5 млрд параметров, контекст — до 8192 токенов, веса представлены в формате safetensors. Лицензия в метаданных обозначена как other. README не содержит сведений о специализации, языках обучения, оценке качества или ограничениях модели; название репозитория само по себе не подтверждает заявленную специализацию на корейском языке.

Nohobby/MS3-Tantum-24B-v0.1 — экспериментальная разговорная языковая модель, созданная Nohobby как слияние нескольких моделей семейства Mistral и других 24B чекпойнтов. Она предназначена для генерации текста, диалогов и ролевых сценариев; автор отмечает связную прозу, следование характеру персонажа и возможность включать рассуждения специальным префиксом, хотя качество рассуждений уступает специализированной модели-дистилляции. Модель имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекст до 32 768 токенов. Карточка указывает английский язык, формат весов Safetensors и лицензию Apache-2.0. Автор описывает несколько вариантов форматирования запросов и рекомендует экспериментировать с ChatML или Llama 3; результаты могут зависеть от шаблона диалога и настроек генерации. Это личное экспериментальное слияние, а не заявленная производственная система. В README автор предупреждает, что раннее слияние MS3-test-Merge-1 не стоит использовать отдельно; также отмечены ограничения качества рассуждений. Лицензия репозитория — Apache-2.0.

Nemomix-v4.0-12B — языковая модель на 12,1 млрд параметров, созданная MarinaraSpaghetti с помощью mergekit. Она объединяет Mistral Nemo Base и Instruct с несколькими дообученными моделями, чтобы совместить способность следовать инструкциям с более выразительной прозой для ролевых сценариев. Модель предназначена для диалогов, написания художественного текста и ролевых игр; карточка описывает формат инструкций Mistral Instruct и рекомендует температуру генерации 0,35, хотя допускает и более высокие значения с настройкой Min P. Модель использует архитектуру MistralForCausalLM, принимает текст и генерирует текст. В метаданных указан контекст до 1 024 000 токенов. Веса опубликованы в формате safetensors. Языки явно не перечислены в карточке. Лицензия в предоставленных данных не указана.

NM-StarUnleashed — объединённая языковая модель на архитектуре Mistral, созданная сообществом mergekit из Luni/StarDust-12b-v2 и MarinaraSpaghetti/NemoMix-Unleashed-12B. Веса объединены методом task arithmetic; размер модели — 12,1 млрд параметров, формат репозитория — safetensors. Для запуска используется библиотека Transformers. Модель предназначена для генерации текста, в том числе ролевых диалогов и историй. В карточке указано нативное контекстное окно до 1 024 000 токенов. README не приводит оценки качества, рекомендации по настройке или явное описание поддерживаемых языков. Лицензия в предоставленных сведениях не указана.

Noromaid-10.7B-0.4-DPO — языковая модель на архитектуре Mistral, созданная авторами Noromaid с помощью mergekit и метода passthrough merge. Это depth-upscaled версия NeverSleep/Noromaid-10.7B-0.4-DPO: в карточке указано, что она предназначена для дальнейшего дообучения или как замена исходной 7B-модели. Число параметров — около 10,6 млрд, контекст — 32 768 токенов; формат файлов — safetensors, библиотека — Transformers. Модель генерирует текст и использует формат диалога ChatML. В README описаны обучение на наборах для диалогов и ролевых сценариев, а также DPO-обучение на парах предпочтений. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка не описывает официально поддерживаемые естественные языки.

nox_DPOv3 — разговорная языковая модель Youjin Chung и Jingyeom Kim, дообученная методом DPO на базе davidkim205/nox-solar-10.7b-v4. Она предназначена для генерации текста и ответов в диалоге; базовая модель описана как корейская Llama-модель. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. Для обучения использовались собственный DPO-датасет на основе материалов AI Hub и переведённые англоязычные данные, включая OpenOrca DPO. В README приведены результаты оценки на корейских задачах Ko LM Eval Harness. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает ограничения применения или гарантии качества.

litert-community/Phi-4-mini-instruct — вариант модели microsoft/Phi-4-mini-instruct, подготовленный сообществом LiteRT для развёртывания на Android с использованием стека LiteRT (ранее TFLite), MediaPipe LLM Inference API и LiteRT-LM. Исходная модель разработана Microsoft; README не уточняет архитектуру и количество параметров адаптированной версии. Модель предназначена для генерации текста и диалоговых сценариев на мобильных и периферийных устройствах, включая использование через Edge Gallery и демонстрационные приложения MediaPipe. Доступна версия с динамической int8-квантизацией: веса имеют формат int8, активации — float. Указана длина контекста 4096 токенов; модальность — текстовая, поддерживаемые языки в README не перечислены. По замерам на Samsung S24 Ultra размер модели составляет около 3906 МБ, пиковое потребление оперативной памяти — 5308 МБ на CPU и 4107 МБ на GPU. На GPU скорость предварительной обработки достигает 314,01 токена в секунду, генерации — 10,39 токена в секунду, время до первого токена — 10,32 секунды; на CPU эти показатели составляют 66,53, 7,28 и 15,90 секунды соответственно. Реальные характеристики зависят от устройства и конфигурации. Ограничения включают значительные требования к памяти и отсутствие в README сведений о качестве, языковой поддержке и дополнительных возможностях модели. Лицензия — MIT.

Карточка модели farrison-hord/qwen-05-nietzsche на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Martinbvt/qwen25-1.5b-ifeval-fr — компактная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком методом LoRA на 8 тысячах французских инструкций, проверенных официальными проверками IFEval. Модель использует архитектуру Qwen2ForCausalLM и формат safetensors; в README указана точность float16. Она предназначена для генерации текста и выполнения инструкций на французском языке, включая диалоговые сценарии и структурированные ответы. Тестовый набор le-leadboard/IFEval-fr не использовался при обучении. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Для работы с ней подходят сценарии, где важны следование проверяемым инструкциям и компактный размер. Лицензия — Apache-2.0. Результаты на IFEval-fr в карточке не приведены; подтверждённое обучение на французских инструкциях не гарантирует одинакового качества для других языков и задач.

Qwen2.5-7B-Instruct-bn-madlad-mean-tuned — плотная причинная языковая модель на архитектуре Qwen2, разработанная Atsuki Yamaguchi на основе Qwen/Qwen2.5-7B-Instruct и адаптированная для бенгальского языка. Модель содержит 7,1 млрд параметров и дополнительный словарь из 10 тысяч токенов; веса новых токенов для embedding и LM head инициализированы средним значением. Она прошла продолжительное предобучение на 500 млн токенов бенгальского языка из MADLAD-400. Модель предназначена для генерации текста и диалоговых сценариев на бенгальском языке. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors для библиотеки Transformers. Лицензия — Apache 2.0. Карточка не приводит оценок качества или специальных ограничений применения.

Карточка модели jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.7 на Hugging Face совпадает с карточкой jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.0, поэтому описание составлено по ней. Это англоязычная разговорная модель генерации текста на базе Qwen2.5-7B, созданная jeffmeloy методом композиционного объединения слоёв моделей Qwen2.5. Для каждого слоя выбирался вариант с наибольшим Normalized Effective Rank (NER), оценивающим использование размерностей весовой матрицы. В карточке указано, что модель рассчитана на uncensored-диалоги и генерацию текста; размер составляет 7,1 млрд параметров, архитектура — плотная Qwen2ForCausalLM, формат весов — safetensors, контекст — до 131072 токенов. Модель подходит для диалоговых сценариев и свободной генерации текста на английском языке. Метаданные также отмечают интерфейс вызова инструментов, однако не описывают его поведение или качество. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ выбора и объединения слоёв, но не приводит сравнительных оценок качества или подробностей тестирования.

LLADIGA/Qwen3.5-4B-full_turn_wordle_withcritic_player1 — дообученная модель семейства Qwen3.5, созданная на базе Qwen/Qwen3.5-4B и обученная с помощью TRL. Это плотная причинная языковая модель с 3,4 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке приведён пример запуска через Transformers для получения ответа на вопрос. Модель принимает текстовые сообщения и генерирует текст. Контекстное окно составляет 262 144 токена. Метаданные указывают поддержку чата; отдельные специализированные задачи, языки или предметные области в карточке не описаны. Модель опубликована в формате safetensors под лицензией базовой модели, условия которой следует проверить в карточке Qwen/Qwen3.5-4B.

Это набор GGUF-квантизаций модели Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16, подготовленный vmlinux из весов AEON-7. Модель предназначена для генерации текста и диалогов; исходная версия описана как экспериментальная мультимодальная модель на базе Qwen3.8-27B с поддержкой изображений и вызова инструментов, однако эта карточка документирует только GGUF-файлы и задачу text-generation. В репозитории представлены варианты ROCmFP4, ROCmFP6 и ROCmFP8, квантизированные с использованием общей матрицы важности iMatrix. Для запуска требуется совместимая сборка llama.cpp с поддержкой ROCmFPX; стандартная upstream-сборка llama.cpp эти типы данных не загружает. README сообщает об успешной загрузке файлов и короткой генерации на ROCm0 с выгрузкой всех слоёв. Лицензия указана как Apache 2.0, унаследованная от исходной модели; перед распространением или развёртыванием следует свериться с карточкой исходной модели и применимыми условиями.

Qwen3.8-27B Heretic Uncensored IQ2_M GGUF — это квантизированная версия модели Qwen3.8-27B Heretic v2.1.0, разработанная mlasli на базе Qwen/Qwen3.8-27B. Модель предназначена для генерации текста, диалоговых сценариев и roleplay; её можно запускать локально через llama.cpp или Ollama. Вариант IQ2_M занимает около 9,8 ГБ. Модель имеет текстовую модальность; в README указано, что она проверялась только для работы с текстом, а возможности Vision не валидировались. В GGUF сохранена MTP draft head, закреплённая на Q8_0, что позволяет использовать speculative decoding. Квантизация выполнена с применением imatrix, откалиброванной на wikitext-103. Для IQ2_M в smoke-тесте с llama.cpp и отключённым reasoning зафиксировано 78% прямых ответов на вредоносные запросы, 2% отказов и 0% отказов на безвредные запросы. Это abliteration/uncensored-модель с ослабленной защитной настройкой, поэтому она может отвечать на запросы, которые обычно блокируются, но требует ответственного использования. Для заявленного поведения необходимо отключать thinking; при включённом thinking модель чаще отказывается или выдаёт пустые ответы. Рекомендуемая среда запуска — llama.cpp с архитектурой qwen35 и MTP speculative decoding. Модель распространяется по лицензии Apache-2.0.

Карточка модели BrandonHowe/Qwen3-8b-compassion-seed1-20260930-CPT-final на Hugging Face совпадает с карточкой BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-3, поэтому описание составлено по ней. BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-3 — самостоятельная модель генерации текста на основе Qwen3, дообученная на корпусе CompassioninMachineLearning/compassion_12185_cleaned. Это плотная авторегрессионная архитектура Qwen3ForCausalLM примерно на 7,6 млрд параметров с контекстом до 32 768 токенов; модель предназначена для генерации текста и диалогового использования. Модель представляет собой объединённый чекпойнт BF16 третьей эпохи обучения, сохранённый без потерь в формате safetensors; отдельный адаптер для загрузки не нужен. Обучение на корпусе, связанном с темой сострадания, само по себе не доказывает улучшения в сострадательных ответах, поэтому такое качество следует оценивать отдельно. Лицензия в предоставленных данных не указана.

maheshrawat18/Qwen3-8B-grpo-emotion-v2-merged — дообученная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и примерно 7,6 млрд параметров. Модель создана maheshrawat18 на основе maheshrawat18/Qwen3-8B-grpo-emotion-merged; в карточке указано, что обучение выполнялось с Unsloth. Модель предназначена для генерации текста в диалоговом формате и связана с тематикой эмоций. Она принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. В метаданных указан английский язык. Модель распространяется под лицензией Apache-2.0.

devpotatopotato/qwen3-8b-sft-260827-acereason — дообученная модель Qwen3-8B, созданная автором репозитория на наборе данных acereason_keyword_details. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. Метаданные указывают на контекст до 40 960 токенов и библиотеку Transformers. Модель можно применять для текстовых диалогов и генерации ответов. Карточка не уточняет специализацию набора данных, поэтому назначение дообучения и превосходство в отдельных задачах оценить нельзя. Базовая Qwen3-8B поддерживает несколько языков, рассуждения, следование инструкциям, работу с кодом и вызов инструментов, но эти возможности не подтверждены отдельно для данного дообучения. Лицензия указана как other; её конкретные условия следует проверить в репозитории модели.

HachiML/QwQ-CoT-0.5B-JA — дообученная HachiML модель на базе Qwen/Qwen2.5-0.5B-Instruct, обученная с помощью TRL. Это компактная плотная авторегрессионная языковая модель семейства Qwen2 с 493,7 млн параметров, предназначенная для генерации текста и диалоговых ответов. В карточке приведён пример общения с моделью через Transformers. Модель принимает текстовые сообщения и генерирует текст. Метаданные указывают контекстное окно до 32 768 токенов и интерфейсы чата и вызова инструментов. Суффикс JA в названии указывает на японскую направленность, однако README и метаданные не подтверждают конкретные языковые возможности или качество на японском языке. Сведения о лицензии отсутствуют в предоставленных источниках.

HachiML/QwQ-CoT-0.5B-JA-v1.0 — дообученная методом supervised fine-tuning модель Qwen2.5-0.5B-Instruct, созданная HachiML с использованием TRL. Это компактная плотная авторегрессионная языковая модель примерно на 493,7 млн параметров для генерации текста и диалоговых ответов; пример в карточке показывает ответ на открытый вопрос. Модель работает через Transformers, поддерживает чатовый интерфейс и имеет контекстное окно до 32 768 токенов. Суффикс JA в названии указывает на японскую ориентацию, однако карточка не описывает обучающие данные или подтверждённые языковые возможности, поэтому японский язык нельзя считать установленным фактом. Лицензия в предоставленных данных не указана. Модель унаследовала основу и возможности Qwen2.5-0.5B-Instruct, но качество ответов и специализация на рассуждениях в README не оценены.

Карточка модели winstcha/rewrite-1.5B на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

MACreative/ru-gpt2-chat-362M-8K-062026 — русскоязычная чат-модель, созданная MACreative дообучением ruGPT-3 Medium на архитектуре GPT-2. Модель предназначена для ответов на вопросы и диалоговой генерации текста; README также приводит результаты тестирования на GTX 1050 Ti и процессоре i3-10100F. Карточка заявляет контекст до 8192 токенов, однако качество ответов, по описанию автора, устойчиво лишь примерно до 2048 токенов. Модель принимает текст и генерирует текст на русском языке. README рекомендует ограничивать историю диалога 2048 токенами и избегать системных промптов. Репозиторий использует формат safetensors, лицензия — MIT.

Карточка модели sail/Sailor2-20B-Chat на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

mlx-community/sam-audio-large — преобразованная в формат MLX версия модели facebook/sam-audio-large, подготовленная сообществом mlx-community. Модель предназначена для обработки аудио, включая выделение голоса из звуковой записи. В карточке указано использование библиотеки mlx-audio; репозиторий содержит веса в формате safetensors. Карточка не приводит подробностей об архитектуре, размере, длине контекста или поддерживаемых языках, поэтому эти характеристики здесь не уточняются. Указана лицензия other; конкретные условия следует проверять в оригинальной карточке facebook/sam-audio-large.

Карточка модели MotherEarth/Sauerkraut-Proverbs-8B на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

jeremierostan/SmolLM2-FT-MyDataset — компактная языковая модель, дообученная автором репозитория на собственном наборе данных на основе HuggingFaceTB/SmolLM2-135M с использованием TRL. Она предназначена для генерации текста в диалоговом формате, например для ответов на вопросы и продолжения беседы. Модель имеет плотную архитектуру семейства Llama с 134,5 млн параметров и контекстом до 8192 токенов; использует библиотеку Transformers и формат safetensors. Базовая SmolLM2-135M ориентирована на английский язык, поэтому модель подходит для компактных текстовых и чат-сценариев на английском. Карточка не сообщает подробностей о составе обучающего набора или сравнительных оценках качества, поэтому пригодность для конкретных тем и надёжность ответов следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Карточка модели elevateecho/sn120-27e2f083b355 на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.