I.7Речь, диалоги и встречи

jev-fces-judge-1.5B — модель для генерации текста, созданная дообучением Qwen/Qwen2.5-1.5B-Instruct с помощью TRL. Её можно использовать через Transformers для диалоговых запросов и получения текстовых ответов. Модель имеет плотную архитектуру Qwen2 и 1,5 млрд параметров, принимает текст и выдаёт текст. Контекст составляет до 32 768 токенов. В карточке приведён пример диалогового запроса; сведения о специализированной функции оценки или судейства не описаны. Модель опубликована в формате safetensors.

Это дообученная авторегрессионная языковая модель GPT-2 от fpadovani, созданная на основе fpadovani/ppt-art-lang-jpn-baseline-100mb_seed3407. Модель обучалась с помощью TRL и предназначена для генерации продолжений текста и ответов на запросы в формате диалога. Модель принимает текст и выдаёт текст. Длина контекста составляет 512 токенов. Репозиторий содержит веса в формате Safetensors; в карточке не указаны специализированная предметная область или условия лицензии.

Khanhmodel0-7.1 — разговорная языковая модель, разработанная и сопровождаемая Khanhaimodel. Это плотная причинная языковая модель архитектуры Qwen2 с 494 млн параметров; для запуска в README показан Transformers. Модель предназначена для генерации текста и диалоговых сценариев, пример запроса приведён на вьетнамском языке. Метаданные карточки также отмечают поддержку английского языка и контекст до 32 768 токенов. Модель можно использовать для ответов в чате, продолжения текста и генерации коротких реплик. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В README нет результатов оценки качества или подробностей о данных обучения, поэтому уровень точности для конкретных задач по карточке определить нельзя.

NLPBada/kobart-chat-persona-extraction-v2 — модель на базе KoBART, разработанная для извлечения сведений о персоне пользователя из его повседневных диалогов на корейском языке. Она преобразует историю чата в краткие утверждения о характеристиках и привычках собеседника, например о возрасте, роде занятий, интересах и распорядке дня. Модель имеет архитектуру BART, содержит 79,7 млн параметров и принимает последовательности длиной до 1026 токенов. Версия v2 обучена на корейских диалогах AIHub в неформальном стиле речи; для преобразования данных из предыдущей версии использовалась squarelike/korean-style-converter-6b. Для проверки приведены метрики BLEU и ROUGE. Репозиторий содержит веса PyTorch и распространяется под лицензией apache-2.0.

Kromvault L3.1-Siithamo-v0.1-8B — экспериментальная разговорная модель, созданная автором репозитория путём слияния нескольких моделей Llama 3 и Llama 3.1. Она предназначена для генерации диалогов, творческого письма и ролевых сценариев. Модель основана на плотной архитектуре Llama, содержит 7,5 млрд параметров и использует библиотеку Transformers; в репозитории указаны веса Safetensors. Автор отмечает многословные ответы, склонность к драматичному и местами шаблонному стилю, а также эпизодическое дублирование строк. Следование инструкциям описано как приемлемое, но несколько ослабленное относительно исходной модели. В README автор указывает ограничение контекста 4K, тогда как метаданные каталога приводят нативный контекст 131072 токена; фактический предел автор не проверял. Лицензия в доступных данных не указана.

QuantFactory/L3-8B-Stheno-v3.3-32K-GGUF — квантованная версия модели Sao10K/L3-8B-Stheno-v3.3-32K, созданная QuantFactory с использованием llama.cpp. Модель относится к семейству Llama 3 и имеет размер 8 млрд параметров. Она предназначена для генерации текста, прежде всего для ролевых сценариев, творческого письма и выполнения подробных инструкций. В карточке указана поддержка английского языка и формат GGUF. Модель обучалась с вычислительными ресурсами Backyard.ai. Базовое обучение проводилось на контексте 8K, после чего контекст был расширен до 32K с помощью PoSE. В процессе подготовки данных были очищены ролевые примеры, удалены низкокачественные образцы, увеличена доля творческого письма и переработаны подробные инструкции. В README отмечается хорошее качество ролевых взаимодействий и более стабильная работа с длинным контекстом по сравнению с обычным RoPE scaling. Ограничение модели состоит в том, что 32K-контекст не является для неё нативным: при длинных запросах возможны проблемы с пониманием контекста и рассуждениями. Автор также предупреждает, что влияние квантования на качество не изучалось, поэтому поведение конкретных вариантов GGUF может отличаться. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с некоммерческими ограничениями.

Skarmorie/L3-Shadow-Moonlight-frankenmerge-test — слитая автором Skarmorie языковая модель для генерации текста и диалогов. Она создана методом passthrough с помощью mergekit из частей Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B и Sao10K/L3-8B-Lunaris-v1; архитектура — плотная LlamaForCausalLM семейства Llama, файлы представлены в safetensors. В метаданных указано 10,8 млрд параметров и контекст до 8192 токенов. Модель подходит для чат-ответов и свободной генерации текста, включая ролевые диалоги. README описывает состав и способ слияния, но не приводит оценок качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

Bluuwhale L3-SthenoMaid-8B-V1 — языковая модель на архитектуре Llama, созданная слиянием SLERP двух предварительно обученных моделей: NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Sao10K/L3-8B-Stheno-v3.2. В репозитории указаны веса формата safetensors; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате, включая ролевые диалоги и написание историй. Базовые модели ориентированы на английский язык, однако доступные сведения не устанавливают отдельный список поддерживаемых языков для результата слияния. Лицензия в предоставленных данных не указана.

Legion V2.1 — плотная языковая модель семейства Llama на 69,5 млрд параметров, созданная автором Tarek07 как крупное слияние 20 моделей. В карточке указано, что итоговая модель получена методом DARE TIES с помощью mergekit на основе TareksLab/L-BASE-V1 и объединяет несколько промежуточных слияний, включая TareksLab/L2-MERGE1, L2-MERGE2a, L2-MERGE3 и L2-MERGE4. Модель работает через Transformers и распространяется в формате safetensors; контекстное окно составляет 131 072 токена. Модель предназначена для генерации текста в диалогах, ролевых сценариях и творческом письме. Автор описывает исходные компоненты как модели для свободной генерации без цензурирования, интеллектуальных ответов, выразительной прозы и ролевого взаимодействия. README рекомендует температуру 1,0 и Min P 0,02, а также не использовать квантизации ниже Q5; точность зависит от выбранной квантизации и сценария. Модель основана на Llama 3.3 и её карточка указывает лицензию llama3.3. README подчёркивает свободный от ограничений стиль части компонентов, поэтому ответы могут включать контент для взрослых или иные материалы, требующие модерации.

keylazy/Llama-2-7b-chat-hf-ark — разговорная модель генерации текста на архитектуре Llama, представленная в формате safetensors. В README указано, что модель дообучена, но базовая модель и набор данных не названы. В метаданных заявлен размер 99,7 млн параметров и контекст до 2048 токенов; эти сведения не позволяют подтвердить, что веса соответствуют Llama 2 7B, несмотря на название репозитория. Модель предназначена для диалоговой генерации текста. Карточка приводит значение loss 4,0662 на наборе оценки, но не описывает методику проверки, языки, сильные стороны или конкретные сценарии применения. Репозиторий не содержит сведений о лицензии, поэтому условия использования по доступным данным определить нельзя.

yzhuang разработал эту диалоговую модель на базе Llama 2: модель дообучена на наборе данных generator и предназначена для генерации текста и ответов в формате чат-ассистента. Она содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; длина контекста составляет 4096 токенов. Карточка не описывает целевые сценарии, языки обучения или результаты оценки. Лицензия в доступных данных не указана, поэтому условия использования определить нельзя.

Карточка модели longtermrisk/Llama-3.1-8B-bad-medical-advice-first-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Llama 3.1 8B Danoia — дообученная trollek модель на базе unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; файлы представлены в формате safetensors. Модель предназначена для диалогов и генерации текста, особенно для написания историй на датском и английском языках. Сценарии применения включают написание эссе и рассказов, краткое изложение статей и работу в качестве помощника общего назначения. В README указано, что модель обучалась на наборах Danoia, Opus Writing Prompts и CreativeGPT, а также на закрытых наборах для оценки. Используется лицензия llama3.1. Автор отмечает, что модель иногда допускает ошибки в датских словах; её возможности не превосходят базовую модель за пределами описанных задач.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Это чат-модель для генерации текста, созданная дообучением Meta Llama 3.2 1B командой hoangducanh1865 на наборе HuggingFaceH4/deita-10k-v0-sft. Модель с плотной архитектурой LlamaForCausalLM содержит около 1,2 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель подходит для генерации ответов в диалоге и других задач продолжения текста. В карточке указана оценка loss 1,1643 на наборе оценки, но подробности протокола оценки и границы применения не приведены. Распространяется в формате safetensors по лицензии llama3.2.

yanggangu/Llama-3.2-1B-Instruct-FT-C-STANCE — экспертная дообученная модель на архитектуре LlamaForCausalLM, созданная в рамках работы SMAT (Simple and Efficient Merge-Aware Training). Она основана на meta-llama/Llama-3.2-1B-Instruct и обучена с seed 42; автор README относит её к экспертам из таблицы 1 статьи SMAT. Модель предназначена для генерации текста в диалоговом формате и для экспериментов с объединением моделей, при этом обучение SMAT направлено на сохранение качества задач при таком объединении. Модель содержит 1,2 млрд параметров, принимает текст и выдаёт текст. Для неё указан контекст 131 072 токена; библиотека запуска — Transformers, веса опубликованы в формате safetensors. README не уточняет отдельную специализацию эксперта C-STANCE или конкретные языки сверх возможностей базовой многоязычной модели. Применяются лицензия Llama 3.2 и соответствующая политика допустимого использования.

Dogge/llama-3-8B-instruct-Bluemoon-Freedom-RP — разговорная модель генерации текста, разработанная Dogge на основе unsloth/llama-3-8b-Instruct и дообученная с использованием Unsloth и библиотеки TRL. Она предназначена для диалогов и ролевых сценариев; название указывает на ориентацию на свободную ролевую игру, но карточка не описывает специальные настройки или качество в этих сценариях. Модель использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, принимает текст и генерирует текст. Нативная длина контекста — 8192 токена; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

Карточка модели ssoyeun/Llama-3-BCCard-Kor-8B-dp на Hugging Face совпадает с карточкой sh2orc/Llama-3-Korean-8B, поэтому описание составлено по ней. sh2orc/Llama-3-Korean-8B — диалоговая языковая модель на архитектуре Llama, основанная на Foundation Model Bllossom 8B и дообученная на наборе jojo0217/korean_safe_conversation. Модель предназначена для генерации ответов в диалоге на корейском языке; примеры в карточке показывают объяснения повседневных понятий и финансовых операций, связанных с покупками в рассрочку. Модель содержит 7,6 млрд параметров и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и распространяется по лицензии Llama 3. Карточка демонстрирует ответы на корейском языке, но не сообщает о проверках качества, поэтому примеры не гарантируют точность ответов в иных сценариях.

FrancescoBuda дообучил эту плотную авторегрессионную языковую модель семейства Llama на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Модель содержит 1,2 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 131 072 токенов. В метаданных также отмечены чатовый режим и интерфейс вызова инструментов. Модель подходит для генерации текста и диалоговых сценариев на английском языке. В README указано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает отдельные возможности, связанные с ICD-кодированием, поэтому их назначение и качество по предоставленным сведениям оценить нельзя.

llama-lexi-star-uncensored-8b-slerp — разговорная модель на основе архитектуры Llama 3, созданная liminerity слиянием методом SLERP моделей Orenguteng/Llama-3-8B-LexiFun-Uncensored-V1 и liminerity/llama-3-8b-silent-star. Она предназначена для генерации текста в диалогах, юмористического и саркастичного общения, а также ролевых сценариев. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Модель ориентирована на разговорное использование и помечена как uncensored. В метаданных указана лицензия модели? Условия лицензирования в предоставленных данных отсутствуют.

Это дообученная модель LLM-jp-4-8B-thinking, подготовленная ikedachin для ответов на вопросы с рассуждениями на имабарском диалекте и стандартном японском языке. Модель содержит 7,8 млрд параметров, использует плотную архитектуру Llama и предназначена для генерации текста в диалоговом формате; её контекстное окно — 65 536 токенов. Модель обучена методом supervised fine-tuning с LoRA на наборах вопросов и ответов по имабарскому диалекту и стандартному японскому, после чего адаптер объединён с базовой моделью. Сохранённый шаблон чата добавляет каналы analysis_imabari и final_imabari, а также параметры управления каналом рассуждений. Репозиторий содержит полные веса Safetensors, поэтому отдельно загружать базовую модель для инференса не требуется. Модель подходит для ответов на вопросы и генерации рассуждений на японском, включая имабарский диалект. При высоком уровне reasoning_effort иногда возникают повторения текста и превышение лимита токенов; повторы могут появляться и при среднем уровне. Лицензия репозитория указана как other, базовая модель распространяется по Apache-2.0, а обучающие данные — по CC BY-SA 4.0.

mBARThez — франкоязычная модель типа BART для последовательностей «текст — текст», опубликованная Moussa Kamal Eddine и соавторами. Это адаптация мультиязычной mBART: дополнительное предобучение на 66 ГБ французского текста учит модель восстанавливать предложения с искажёнными фрагментами. По метаданным, модель содержит 204,2 млн параметров, использует архитектуру mBART и имеет контекст длиной 1024 токена. Модель предназначена для генеративных задач на французском языке, в частности для реферирования с абстрактивным пересказом; также README сообщает об улучшении результатов на дискриминативных и генеративных задачах. Для задач заполнения пропусков метаданные задают тег fill-mask. Модель опубликована в формате PyTorch под лицензией Apache-2.0. Результаты для конкретных задач и подробности ограничений в карточке не приведены.

MaziyarPanahi/mergekit-slerp-zonivkr-GGUF — это набор файлов модели в формате GGUF, подготовленный MaziyarPanahi для модели mergekit-community/mergekit-slerp-zonivkr. Исходную модель разработало сообщество mergekit-community; в метаданных в качестве базовых моделей указаны NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Архитектура и точный размер объединённой модели в README не описаны, однако среди тегов указана связь с Mistral и размером базовых моделей 7B. Доступны квантизированные варианты с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между качеством, скоростью и требованиями к памяти. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими совместимыми инструментами. Данные о языках, размере контекста, мультимодальности, результатах тестирования и конкретных сильных сторонах отсутствуют, поэтому их оценку нельзя уточнить по README. Лицензия в предоставленных данных не указана. Модель помечена как совместимая с text-generation-inference и другими инструментами экосистемы Hugging Face, но поле inference указано как false.

yzhuang/Meta-Llama-3-8B-Instruct_fictional_arc_challenge_english_v1 — дообученная модель семейства Llama 3, созданная на основе Meta-Llama-3-8B-Instruct с использованием набора данных generator. Это диалоговая плотная языковая модель с 7,5 млрд параметров, предназначенная для генерации текста и ответов в чате. Максимальная длина контекста — 8192 токена; репозиторий содержит веса в формате safetensors. Модель может использоваться для генерации англоязычных ответов и диалоговых сценариев. README не описывает конкретную специализацию дообучения, обучающие примеры или результаты оценки. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Mini-Magnum-Unboxed-12B — дообученная диалоговая модель на архитектуре Mistral с 12,1 млрд параметров, опубликованная concedo. Она предназначена для генерации текста, общения в формате чат-бота и ролевых диалогов. Дообучение изменило формат инструкций на Alpaca и добавило небольшой набор коротких переписок; автор также сообщает о настройке поведения для более прямого выполнения запросов. Модель принимает инструкции в шаблоне Alpaca и выдаёт текстовые ответы. В метаданных указан английский язык и контекст до 1 024 000 токенов. Основана на intervitens/mini-magnum-12b-v1.1; в README также указаны заслуги авторов исходной модели и Mistral Nemo. Лицензия — Apache-2.0. README не приводит сравнительных оценок качества; заявленное поведение с ослабленными ограничениями может приводить к выдаче нежелательного или небезопасного контента.

DoppelReflEx/MN-12B-WolFrame — слитая автором модель на архитектуре Mistral, предназначенная для генерации текста, творческого письма и ролевых диалогов, включая ERP-сценарии. В README указано, что модель переименована из WhiteSnake-V2 и создана с целью превзойти исходную WhiteSnake; автор оценивает её результаты как удовлетворительные. Модель имеет 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов. Она получена слиянием нескольких моделей, включая MN-Slush, MN-12B-Mimicore-GreenSnake и Nemo-12b-Humanize-KTO-Experimental-Latest; в конфигурации указан Mistral-Nemo-Base-2407-chatml как базовая модель. Репозиторий содержит веса Safetensors, а README также упоминает вариант GGUF Q6_K. Автор отмечает сильные стороны в творческом письме и ролевых диалогах, но слабые результаты в математике. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

GenTrendGPT/OS-Test-Mark-GEN — объединённая автором с помощью mergekit языковая модель для генерации текста. В неё вошли Qwen/Qwen1.5-4B-Chat и TinyLlama/TinyLlama-1.1B-intermediate-step-1195k-token-2.5T; README указывает метод объединения passthrough. Модель имеет плотную архитектуру семейства Llama, около 2,4 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке нет результатов оценки качества или подробных рекомендаций по применению, поэтому пригодность для конкретных задач следует проверять отдельно. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Phi-3-mini-4k-instruct-dansk — дообученная на датасете kobprof/skolegpt-instruct версия компактной языковой модели Microsoft Phi-3-mini-4k-instruct, опубликованная emillykkejensen. Модель предназначена для диалоговой генерации текста на датском языке; в карточке указана оценка Loss 1,5493 на наборе для оценки. Модель имеет плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует текст. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. Подробности о качестве, ограничениях и условиях обучения в карточке не раскрыты.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-mtcsd-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/phi4-14b-stance-matrix-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak/phi4-14b-stance-matrix-ezstance-qlora — дообученная nityaak версия unsloth/phi-4-unsloth-bnb-4bit. Это плотная языковая модель архитектуры Llama с 14,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; название указывает на настройку для задач определения позиции по схеме stance matrix / EZStance, но README не описывает её поведение и качество подробно. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в формате safetensors. Лицензия — Apache-2.0.

Карточка модели mrcuddle/Python-Qwen2.5-Coder-3B-Instruct 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.