II.10Разработка и эксплуатация AI/ML-систем

jkminder/d16_268m_seed2 — исследовательская базовая языковая модель из серии Scaling Ladder, созданной для изучения различий между случайными сидами при предобучении. Это плотная GPT-подобная авторегрессионная модель семейства nanochat_gpt с 16 слоями, размером скрытого представления 1024 и примерно 302 млн параметров по метаданным; карточка README указывает 268 млн параметров. Обучение проводилось предсказанием следующего токена на наборе ClimbMix, без дообучения для следования инструкциям и без обучения безопасности. Доступны ревизии чекпойнтов разных этапов обучения; для измерений автор рекомендует аннулированные чекпойнты TPP_X. Модель принимает текст и генерирует продолжение текста на английском языке. Контекст составляет 2048 токенов. Она предназначена прежде всего для экспериментов с предобучением, масштабированием языковых моделей и вариативностью результатов между сидами, а не для готового диалогового ассистента. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Это базовая языковая модель jkminder, созданная как исследовательский артефакт для изучения различий между случайными инициализациями при предобучении. Она построена на плотной архитектуре nanochat GPT: 16 слоёв, размер скрытого состояния 1024, 8 голов внимания, словарь 32 768 токенов и контекст до 2048 токенов. Веса представлены в формате Safetensors; в карточке указано 302 млн параметров, а README сообщает 537 млн общих параметров чекпойнта и 235 млн масштабируемых параметров. Модель обучена предсказывать следующий токен на англоязычных данных ClimbMix, без дообучения на инструкциях и без обучения безопасности. Это один из восьми запусков размера d16 в серии экспериментов по масштабированию; seed 1 задаёт инициализацию весов и порядок данных. Чекпойнты предназначены прежде всего для измерений и экспериментов с качеством предобучения, а не для диалогового ассистента. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

jkminder/d20_optimized_897m_seed1 — исследовательская базовая языковая модель из Scaling Ladder, созданная для изучения разброса результатов предобучения между случайными начальными состояниями. Это плотная авторегрессионная Nanochat GPT с 20 слоями и размером скрытого слоя 1280; полный чекпойнт содержит около 897 млн параметров, а метаданные Hugging Face указывают 566,2 млн. Модель обучена предсказывать следующий токен на данных NVIDIA ClimbMix; инструкция и специальное обучение безопасности не применялись. Модель подходит для экспериментов с предобучением, оценки влияния случайного seed и сравнения контрольных точек обучения. В README описаны ревизии с разными бюджетами токенов на параметр, включая annealed и preanneal варианты. Контекст составляет 2048 токенов, словарь — 32 768 токенов; модель рассчитана на английский текст. Архитектура использует чередующиеся локальные окна и слои с полным контекстом, rotary embeddings, RMSNorm и другие механизмы Nanochat. Это базовый предсказатель следующего токена, поэтому он не настроен для выполнения инструкций и может выдавать небезопасные или ненадёжные ответы. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Модель YoliGuadir/detector-frutas-yolo11 — детектор объектов на базе YOLO11, дообученный для поиска шести видов фруктов на реальных изображениях: яблок, бананов, винограда, луло, апельсинов и клубники. Проект создан в рамках курса по компьютерному зрению с глубоким обучением; исходный датасет из 777 изображений размечен вручную ограничивающими рамками. Модель предназначена для обнаружения фруктов и определения их положения на изображении. Для лучшего чекпойнта указаны precision 0,694, recall 0,640 и mAP50 0,684 на тестовой выборке. Репозиторий также содержит модель в формате ONNX; в карточке указана библиотека Ultralytics. Лицензия — AGPL-3.0. Качество распознавания винограда ниже: модель может путать гроздь с отдельными ягодами. Также возможна путаница между яблоками и клубникой по цвету, а результаты на изображениях, заметно отличающихся от обучающих, могут быть нестабильными.

zhuchi76/detr-resnet-50-finetuned-boat-dataset — модель обнаружения объектов, дообученная автором репозитория на наборе boat_dataset на основе facebook/detr-resnet-50. Она предназначена для обнаружения и локализации объектов на изображениях, в частности для сценариев с лодками. Архитектура — DETR с ResNet-50; число параметров по метаданным — 6,3 млн. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Поддержка русского или других языков для этой задачи не заявлена. README не содержит дополнительных сведений о качестве, разметке набора данных и ограничениях применения.

AutowareFoundation публикует набор моделей Diffusion Planner для генерации траектории движения автономного автомобиля в Autoware. Модели основаны на диффузионной архитектуре планирования из работы «Diffusion-Based Planning for Autonomous Driving with Flexible Guidance» и обучены TIER IV на синтетических и реальных данных вождения. Репозиторий содержит версии модели в формате ONNX; их запускают через ROS 2-узел Autoware с TensorRT или ONNX Runtime. Для актуальной версии v5.0 доступны варианты для одношагового и многошагового инференса. Модель использует одометрию и ускорение автомобиля, обнаруженные динамические объекты, контекст карты Lanelet2, маршрут и сигналы светофора с ограничениями скорости. Она формирует основную и кандидатные траектории, а также прогнозы состояний динамических объектов и команды указателей поворота. Модель предназначена для интеграции в новый планировщик Autoware и учитывает препятствия, кинематику автомобиля и дорожный контекст. Лицензия — Apache-2.0. Версии с разными основными номерами могут иметь несовместимые входы и выходы, поэтому версию нужно согласовать с ROS-узлом. Состав обучающих данных по версиям не раскрыт, а качество работы на других платформах и в иных условиях эксплуатации публично не охарактеризовано.

Dillion-1.2M — небольшая языковая модель Harley-ml (автор Paul Courneya) для генерации текста. Она основана на архитектуре Qwen3.5 и содержит около 1,2 млн параметров; модель обучали на примерно 9 млрд токенов датасета FineWeb-edu. В конфигурации 12 слоёв и контекст 384 токена. Модель принимает и выдаёт текст, обучена на английских данных и распространяется в формате Safetensors с лицензией MIT. Модель предназначена для экспериментов с языковыми моделями малого размера, дообучения под узкие задачи и запуска на устройствах с ограниченными ресурсами. В карточке приведены сравнительные результаты на нескольких бенчмарках для малых моделей, однако автор предупреждает, что Dillion не умеет надёжно отвечать на вопросы, вести диалог, рассуждать или писать код и может выдавать недостоверную информацию. Поэтому её не следует использовать там, где важна точность ответов.

Это дообученная модель на архитектуре DistilBERT, созданная на корпусе книг gokulsrinivasagan/processed_book_corpus-ld-100. Она использует класс DistilBertForLDAMaskedLM; веса опубликованы в формате safetensors. Контекст модели — до 512 токенов. По названию и классу архитектуры модель предназначена для задач, связанных с LDA и языковым моделированием на книжном корпусе. В README приведены метрики на тестовой выборке: loss 4,6471 и accuracy 0,7269. Описание конкретных сценариев применения, языков корпуса и ограничений автор не предоставил. Лицензия в доступных данных не указана.

Dream-VLA 7B — открытая vision-language-action модель Dream-org для управления роботами. Она дообучена на базе Dream-VL-7B и принимает текстовые инструкции вместе с изображениями с камер рабочей зоны, чтобы предсказывать нормализованные действия робота. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Dream-VLA и рассчитана на контекст до 131 072 токенов. Модель предназначена для zero-shot управления несколькими типами роботов в средах и конфигурациях, представленных в смеси предобучения Open X-Embodiment, а также для адаптации к новым задачам и роботам с помощью дообучения на демонстрациях. Выходные действия задают смещения 7-DoF конечного эффектора и положение захвата. Перед выполнением на реальном роботе нормализованные значения необходимо преобразовать обратно по статистикам конкретного робота и набора данных. Модель поддерживает английский язык и распространяется по лицензии Apache 2.0.

Lanni-ni/dynamic_alibi_2_4_256_babylm_100m_seed44_epoch7 — небольшая модель для генерации текста на базе библиотеки Transformers. В метаданных указано 15 млн параметров; в идентификаторе модели упоминаются семейство BabyLM, механизм dynamic ALiBi, контекст 256 токенов, seed 44 и седьмая эпоха обучения, однако эти характеристики не раскрыты в README как официальная спецификация. Разработчик и лицензия не указаны. Модель предназначена для авторегрессионной генерации текста и может использоваться для экспериментов с языковыми моделями, тестирования архитектурных вариантов и учебных прототипов. Поддерживаемые естественные языки, данные обучения, результаты оценки и рекомендованные сценарии применения не описаны. README является автоматически сгенерированной карточкой и не содержит сведений о качестве, безопасности или ограничениях использования. Перед применением в практических системах необходимы собственные тесты на целевых данных; условия лицензии следует уточнить отдельно.

Lanni-ni/dynamic_alibi_2_4_256_inverse_babylm_100m_seed43_epoch3 — каузальная языковая модель автора Lanni-ni для генерации текста. Карточка Hugging Face автоматически создана и не описывает отдельные прикладные сценарии; название и архитектура указывают на экспериментальный чекпойнт Dynamic ALiBi, обученный на варианте BabyLM 100M. В метаданных указаны архитектура DynamicAlibiForCausalLM, библиотека Transformers и 14,7 млн параметров. Модель принимает текст и генерирует текст. Карточка не подтверждает конкретные языки, длину контекста, лицензию или результаты оценки качества; поэтому её пригодность для конкретных пользовательских задач не установлена. По серии чекпойнтов автора это исследовательский эксперимент с разными конфигурациями и эпохами обучения.

CynthiaCR/emotions_classifier — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k. Веса содержат 113,2 млн параметров и представлены в формате TensorFlow. Модель предназначена для присвоения изображению класса эмоции; README указывает, что набор данных неизвестен. На оценочной выборке указаны потери 1,6122 и точность 26,87%; эти результаты не подтверждают высокую надёжность классификации. Модель распространяется по лицензии Apache-2.0.

EnTiMT — модель машинного перевода английского и тигринья, разработанная Hailay Kidu и опубликованная в проекте EnTiMT. Она дообучена на основе facebook/nllb-200-distilled-600M: авторы заменили исходный токенизатор на MoVoC_Tok, общий токенизатор для амхарского, тигринья, тигре, геэза и английского, и переобучили модель для двунаправленного перевода. Модель построена на архитектуре M2M100, содержит 324,2 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для экспериментального перевода текстов с английского на тигринья и обратно. В README описаны сбор и очистка параллельных данных, а также оценка на отдельном тестовом наборе FLORES-200. Карточка предупреждает о серьёзном дефекте: на тестовых примерах модель может многократно повторять короткие фрагменты вместо перевода, поэтому авторы не рекомендуют использовать этот чекпойнт вне экспериментов в текущем виде. Лицензия — CC BY 4.0.

FACTORIZED Natural Dense — компактная англоязычная модель для языковых экспериментов в рамках контролируемого исследования BabyLM. Это 12-слойный энкодер в стиле LTG-BERT с 384-мерным скрытым представлением и 6 головами внимания; в метаданных указано 31,1 млн параметров, а в README — около 33,3 млн. Модель обучалась с маскированием целых слов и дополнительной задачей обнаружения заменённых токенов. Представление разделено на три факторных блока по 128 измерений, но в этом контрольном варианте факторный механизм не активен при обычном выводе языковой модели. Основное применение — предсказание замаскированных токенов и эксперименты с небольшими моделями развития языка на английском языке. README сообщает о результатах внутренних оценок BLiMP, BLiMP Supplement и Entity Tracking; это измерения разработки, а не официальное место в рейтинге. Модель не предназначена для использования как универсальный диалоговый помощник. Лицензия указана как other; конкретные условия следует сверить с файлами репозитория.

FastWAM — политика World Action Model для управления роботом, обученная и опубликованная с помощью LeRobot. Во время обучения она сохраняет моделирование видеомира, а при выполнении предсказывает действия напрямую; визуальные компоненты инициализированы весами видеомодели Wan2.2-TI2V-5B. Модель принимает два изображения с камер размером 224 × 224 и вектор состояния из 8 значений, затем выдаёт вектор действия из 7 значений. Она предназначена для запуска политики на роботе через LeRobot; имена камер и ключи наблюдений должны соответствовать конфигурации, использованной при обучении. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки, поэтому качество политики на конкретном роботе или задаче не подтверждено.

GR00T_N1_5 — дообученная модель политики для робототехники, опубликованная пользователем learner1119. Карточка указывает горизонт действия 30 шагов и контрольную точку обучения checkpoint-100000. Модель принимает наблюдения с конфигурацией модальностей и преобразованиями, согласованными с конфигурацией обучающих данных, и выдаёт действия для заданного воплощения робота. Модель распространяется в формате safetensors под лицензией Apache-2.0. В карточке базовая модель обозначена как неизвестная; сведения о конкретных входных модальностях, роботизированных платформах и языках не приведены.

Модель learner1119/ffw_sh5_n16_psc_left_100000 — дообученный чекпойнт робототехнической модели семейства NVIDIA GR00T, созданный на основе nvidia/Eagle-Block2A-2B-v2. Она предназначена для управления робототехническими действиями; горизонт планирования действий составляет 50 шагов. Модель использует архитектуру Gr00tN1d6 и распространяется в формате safetensors для Transformers. Карточка указывает загрузку через AutoModel и AutoProcessor с поддержкой пользовательского кода. Модель распространяется по лицензии Apache-2.0. Данные не уточняют, какие именно входные наблюдения или выходные команды поддерживаются и для какого робота или набора навыков выполнялось дообучение.

Модель learner1119/ffw_sh5_n17_psc_left_abs_100000 — дообученный чекпойнт семейства NVIDIA GR00T для робототехнических задач. В качестве базовой модели указана nvidia/Cosmos-Reason2-2B; архитектура — плотная Gr00tN1d7. Это локальный чекпойнт обучения на шаге 100000 с горизонтом планирования действий 40 шагов. Модель предназначена для сценариев управления роботом и генерации последовательностей действий. В README приведён способ загрузки через Transformers с AutoModel и AutoProcessor и использованием trust_remote_code. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Данные не описывают конкретные типы роботов, обучающие наборы или точные форматы входов и выходов, поэтому область применения и совместимость следует проверять для целевой системы.

R938 — SoftCtx × MidRank × HiBeta UltraLoLR — это экспериментальный чекпойнт семейства Qwen 3.5 MoE от автора crazyape777, дообученный на базе vera6/affine-5g4yy75zuz-t6 методом offline DPO. Модель предназначена для участия в SN120 Affine miner и оценки в дуэльном сценарии Reason v4; автор прямо указывает, что это не универсальная чат-модель. При дообучении модель оптимизировали на предпочтение рассуждений, которые повышают оценку Reason у модели-учителя. В README указаны LoRA rank 32, β=0,3, длина последовательности 12 288 токенов, 19 200 шагов и четыре эпохи. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers и лицензию Apache-2.0. Для оценки описан результат на выборке из 80 примеров, но он не гарантирует аналогичного качества в других задачах.

FuckYou 1.0 — экспериментальная диалоговая языковая модель Flexan, дообученная на Qwen/Qwen3-4B и предназначенная для намеренной генерации уверенных, но фактически неверных и вводящих в заблуждение ответов. Это плотная причинно-авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, работающая через Transformers и принимающая сообщения в формате ChatML. Контекст составляет до 40 960 токенов; в метаданных указан английский язык. Модель создана как эксперимент для изучения того, можно ли обучить ИИ намеренно галлюцинировать в ответах на относительно простые вопросы. По карточке, обучение проводилось на 898 одноповоротных диалогах Flexan/FuckYou-v1 без системного промпта, поэтому автор рекомендует использовать именно такие условия. Её назначение — исследовательское изучение галлюцинаций, а не получение достоверных ответов. Автор сообщает, что ответы часто намеренно неверны или вводят в заблуждение, и приводит низкую оценку качества примерно десяти проверенных ответов. Модель не следует использовать как источник фактов или для сценариев, где ошибки могут повлиять на решения. Лицензия — CC BY-SA 4.0.

Gekko ViT-L (500k steps) — предобученный визуальный backbone, разработанный авторами работы «Revisiting Cross-View Completion: Self-Supervised Pre-Training via Reconstruction Error Comparison». Это ViT-L, обученный без учительских 3D-аннотаций на смеси из 12 источников необработанного видео. Самообучение учит модель оценивать совместную видимость областей между двумя кадрами: предсказывать, насколько реконструкция замаскированного целевого кадра улучшается при использовании опорного кадра по сравнению с монокулярной реконструкцией. Модель предназначена для извлечения признаков из изображений и как замороженный backbone для задач компьютерного зрения с несколькими видами, включая оценку позы камеры, построение pointmap и оптический поток. В README приведены результаты на ScanNet, ETH3D, DL3DV и Sintel. Архитектура Gekko повторяет CroCo, добавляя один выходной канал для оценки совместной видимости. Репозиторий содержит веса в формате safetensors и код для загрузки через Torch Hub. Лицензия CC BY-NC-SA 4.0 разрешает использование с атрибуцией, но некоммерчески и на условиях распространения производных материалов по той же лицензии.

zhzh98/gpt2-japanese-mono2bi-en2b-embedft-seed123 — языковая модель GPT-2, разработанная пользователем zhzh98 и обученная с нуля. Она предназначена для генерации текста; архитектура реализована классом GPT2LMHeadModel и распространяется в формате safetensors. Контекст модели составляет 256 токенов. Карточка не содержит сведений о качестве, обучающих данных или рекомендуемых сценариях использования, поэтому её пригодность для конкретных задач не подтверждена. Лицензия в предоставленных данных не указана.

hatanp/gpt-fi-distill — финноязычная авторегрессионная языковая модель семейства GPT-2, созданная как облегчённая дистиллированная версия более крупной модели gpt-fi. В карточке указано около 300 млн параметров против 1,2 млрд у исходной модели; модель принимает текст и генерирует продолжение. Контекст составляет 2048 токенов, веса опубликованы в формате PyTorch. Модель предназначена для экспериментов и сравнительного тестирования генерации текста на финском языке. Автор отмечает, что модель устарела и уступает более новым финским моделям, поэтому её качество может быть недостаточным для современных прикладных сценариев. Сведения о лицензии в предоставленных данных отсутствуют.

jhyuckkim выпустил GPT-OSS-20B-Dense-4B-DO-ACP-K4 как плотную языковую модель, полученную прунингом и дистилляцией модели-учителя openai/gpt-oss-20b в рамках исследования по преобразованию MoE-моделей в плотные. В метаданных указано 3,4 млрд параметров, а в README — 4,19 млрд; контекст составляет до 131 072 токенов. Модель загружается через Transformers, веса представлены в формате safetensors. Это исследовательский артефакт для воспроизведения экспериментов и сравнения методов отбора и группировки экспертов. Модель генерирует текст и поддерживает диалоговый режим, но не проходила настройку инструкций или выравнивание и не предназначена для использования как готовый универсальный помощник. В README отмечено, что качество заметно ниже модели-учителя и предварительно обученных моделей сопоставимого размера; дистилляция проводилась на ограниченном объёме данных — 0,3 млрд токенов FineWeb-Edu. Лицензия — Apache-2.0.

NVIDIA Isaac GR00T N1.6 — открытая модель vision-language-action для обобщённых навыков гуманоидных роботов. Она принимает RGB-кадры с камер, текстовые инструкции и вектор проприоцептивного состояния робота, а выдаёт непрерывные векторы моторных команд, соответствующие конкретному воплощению робота. Архитектура сочетает предварительно обученные трансформеры для зрения и текста с трансформером потока, который формирует последовательности действий. Модель обучалась на смеси реальных и синтетических робототехнических данных и совместно на задачах предсказания действий и моделирования мира. Её можно адаптировать дополнительным обучением под конкретные воплощения, задачи и среды. README описывает версию 1.6; файлы репозитория представлены в формате safetensors. Модель предназначена для исследований и разработки робототехники, настройки роботизированных приложений и выполнения манипуляционных задач в разных средах. Для запуска и ускорения обучения и инференса ориентирована на GPU NVIDIA; указана интеграция с PyTorch и Linux. Условия лицензии в предоставленных материалах не описаны.

Kerassy/Granite-4.1-3B-Medical_Reasoning — дообученная языковая модель семейства Granite от автора репозитория Kerassy, созданная на базе IBM Granite 4.1 3B. Она предназначена для генерации текста и диалоговых ответов на медицинские вопросы с пошаговым рассуждением; в карточке указано дообучение на наборе FreedomIntelligence/medical-o1-reasoning-SFT. Модель имеет 3,4 млрд параметров, плотную архитектуру GraniteForCausalLM, контекст до 131 072 токенов и формат safetensors. Указана поддержка английского языка. Модель подходит для исследовательской оценки медицинских рассуждений и сравнения компактных LLM на медицинских вопросах. Карточка не содержит результатов оценки качества. Автор предупреждает, что модель не является сертифицированным медицинским устройством и не предназначена для постановки диагноза, назначения лечения или клинических решений. Лицензия — Apache-2.0.

Это политика управления роботом GR00T N1.7, дообученная автором awrenn53 на базе nvidia/GR00T-N1.7-3B для задачи уборки флаконов в стойку с роботом SO-101. Модель предназначена для выполнения имитационно обученной манипуляции по данным набора sreetz-nv/so101-clean-up-vials-into-rack-50_20260628_131121; её можно загружать для оценки через LeRobot. В чекпойнте указаны размер пакета 128, длина фрагмента действий 16 шагов и относительные действия, кроме управления захватом. При предобработке включены Albumentations. Веса опубликованы в формате safetensors. Карточка не сообщает лицензию, поэтому условия использования по этим данным определить нельзя.

gslm-scaling-155m-4p9b — исследовательский чекпойнт модели GSLM, опубликованный как конечная точка кривой масштабирования из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Разработчик карточки — tiagoCuervo. Модель содержит 154 680 320 параметров; это веса FP32 в формате safetensors, обученные на 4 933 120 000 токенах. Архитектура — плотный TransformerLM из библиотеки slm-research. Модель авторегрессионно генерирует последовательности дискретных речевых единиц: свёрнутые последовательные кластеры кодбука K-means модели mHuBERT слоя 11 с частотой 25 Гц и размером кодбука 500. Её можно применять для экспериментов с моделированием речи и оценки языкового поведения речевых моделей; README приводит результаты на sBLIMP и sStoryCloze/tStoryCloze. Вокодер в репозитории не поставляется, поэтому для преобразования сгенерированных единиц в аудио нужны отдельные артефакты. Лицензия — Apache-2.0.

gslm-scaling-20m-87p1b — компактная плотная TransformerLM-модель из работы *Scaling Properties of Speech Language Models* (EMNLP 2024). Репозиторий содержит веса FP32 примерно с 20,7 млн параметров; чекпойнт обучен на 87,1 млрд токенов. Модель разработана для исследования масштабирования речевых языковых моделей. Модель генерирует последовательности дискретных речевых единиц: последовательные повторы токенов схлопнуты, частота представления — 25 Гц, единицы получены кластеризацией слоя 11 mHuBERT с K=500. Пример использования подаёт токены-единицы и генерирует продолжение. README приводит оценки на sBLIMP и StoryCloze; вокодер в репозиторий не входит, поэтому для преобразования сгенерированных единиц в звучащую речь потребуются дополнительные компоненты. Лицензия — Apache-2.0.

Модель tiagoCuervo/gslm-scaling-823m-82b — контрольная точка речевой языковой модели из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Она предсказывает последовательности дискретных речевых единиц: повторяющиеся соседние единицы схлопнуты, единицы получены из 11-го слоя mHuBERT с помощью K-means и имеют частоту 25 Гц. Репозиторий содержит веса FP32 в формате safetensors; размер в названии модели — 823 млн параметров. Модель предназначена для генерации последовательностей речевых токенов и оценки масштабирования речевых языковых моделей. Для декодирования этих последовательностей в аудио потребуется внешний вокодер: он не входит в репозиторий. В README приведены результаты оценки на sBLIMP и StoryCloze; для подготовки данных, оценки и декодирования рекомендуется кодовая база slm-research. Модель опубликована под лицензией Apache-2.0. Исходные наборы данных и вокодер CodeHiFiGAN не включены и сохраняют собственные лицензии. В README не указаны поддерживаемые естественные языки и длина контекста; результаты оценивания показывают ограничения качества на приведённых тестах.