II.10Разработка и эксплуатация AI/ML-систем

Карточка модели gowdavidwan2003/ARACHNE-FOUNDATION-50B на Hugging Face совпадает с карточкой MagistrTheOne/ARACHNE-FOUNDATION-50B, поэтому описание составлено по ней. ARACHNE-FOUNDATION-50B — экспериментальная модель генерации видео, разработанная NULLXES LLC как часть экосистемы ARACHNE. Это расширенный по глубине Diffusion Transformer (DiT), совместимый с Diffusers; заявленный размер — около 50 млрд параметров, архитектура включает 178 блоков трансформера. Репозиторий содержит веса в формате safetensors. Модель предназначена для исследований архитектуры и экспериментов с генерацией видео в реальном времени, потоковым выводом и сохранением идентичности между фрагментами. Это инициализационный чекпойнт, полученный расширением ARACHNE-X-ULTRA-VIDEO; он ещё не прошёл крупномасштабное продолжение предобучения и не предназначен для оценки как готовая производственная модель. Качество не сопоставлено с производственными генераторами видео. Лицензия — Apache-2.0.

ARO-BabyLM-1B — англоязычная причинная языковая модель семейства ARO, разработанная AwakeningOS и обученная с нуля в рамках бюджета BabyLM 2026 Strict. Она предназначена для исследований усвоения языка при ограниченном объёме данных, грамматической генерализации и обучения компактных языковых моделей. Модель содержит около 103,4 млн параметров по метаданным (в README указано 116,6 млн), использует плотную архитектуру ARO с причинным вниманием, рекуррентной памятью GatedDeltaNet и механизмами обработки отношений; поддерживает контекст до 1024 токенов по метаданным. README описывает токенизатор byte-level BPE на 16 384 токена и обучение на английском корпусе BabyLM Strict. Это базовая модель для продолжения текста, а не настроенный на инструкции диалоговый ассистент. В промежуточной оценке на 500 млн слов экспозиции показаны результаты по BLiMP и другим тестам, но итоговая оценка полного чекпойнта ещё выполняется. Модель не проверена для широкого рассуждения, фактических ответов или общего качества генерации; данные могут содержать унаследованные социальные и культурные смещения. Для использования требуются custom Transformers code; перед включением удалённого кода README рекомендует изучить исходники. Лицензия — Apache-2.0.

NeTS-lab разработала многоязычную авторегрессионную языковую модель GPT-2 для мультиязычного трека BabyLM 2026. Модель с 12 слоями и размером скрытого состояния 768 обучена на сбалансированном корпусе английского, нидерландского и китайского объёмом около 100 млн слов с использованием общего токенизатора MorPiece на 16 000 токенов. Контекст модели составляет 512 токенов; отдельный идентификатор языка не требуется — язык определяется по входному тексту. Модель предназначена для генерации продолжений текста и исследовательской оценки языкового моделирования на английском, нидерландском и китайском, включая перплексию и синтаксические тесты BabyLM. Она доступна в формате safetensors и распространяется по лицензии Apache-2.0. Из-за небольшого обучающего корпуса модель не рассчитана на производственные NLP-сценарии, а редкие языковые явления могут даваться ей хуже, чем крупным языковым моделям. Управлять языком генерации явно нельзя; смешение языков в запросе может приводить к непредсказуемым продолжениям, а качество китайского текста может отличаться из-за сегментации токенизатора.

LuRr/babylm-chinese-deberta-v2-14m-CL — компактная модель DeBERTa-v2 для предсказания замаскированных токенов. Её обучили с нуля для Chinese BabyLM Challenge 2026 на официальном корпусе Chinese BabyLM объёмом около 102 млн токенов, применив четырёхэтапное обучение с постепенным увеличением длины последовательностей. Модель содержит 15,9 млн параметров по метаданным; в README указана оценка около 14,67 млн. Архитектура включает 12 слоёв, размер скрытого состояния 256 и 8 голов внимания. Для токенизации используется BertTokenizer с WordPiece и словарём из 12 800 токенов. Максимальная длина контекста — 512 токенов. Модель предназначена для китайского языка; в карточке приведены результаты на ZhoBLiMP, AFQMC и OCNLI. Она подходит для экспериментов с языковым моделированием и оценки грамматических или семантических предпочтений китайского текста, а также для заполнения пропусков. Это небольшая исследовательская модель, и её результаты не гарантируют качества для широкого спектра прикладных сценариев. Лицензия — Apache-2.0.

bugkira-ai/babylm-paranlru-19m — компактная авторская языковая модель для продолжения текста, обученная как экспериментальная ветвь серии BabyLM ParaRNN. Она использует причинную архитектуру ParaNLRU с диагональной рекуррентной связью и SwiGLU-блоками: 6 слоёв, ширина 384 и около 18,8 млн параметров. Контекст составляет 512 токенов. Модель обучена на английском корпусе BabyLM 2026 Strict-Small объёмом около 10 млн слов. Она предназначена для исследований компактных языковых моделей и сравнения рекуррентных архитектур в условиях ограниченного объёма данных; карточка приводит результаты perplexity и zero-shot тестов BabyLM. Модель не предназначена для чата, длинного контекста или многоязычного применения. Лицензия — MIT.

leslie721007/babylm-strict-small-coherent86 — экспериментальный англоязычный masked language model для предсказания скрытых слов в тексте. Модель разработана как кандидат для задачи BabyLM Strict-Small: она основана на контрольной точке chck_82M и включает замороженный медленный путь и частный быстрый путь. Архитектура — DeBERTa-v2; в метаданных указано 37,4 млн параметров, а README сообщает 36 458 592 параметра. Контекст — 512 токенов. Модель предназначена для заполнения пропусков и исследования обучения на ограниченных объёмах языковых данных. В README описаны результаты локальной проверки и воспроизводимость контрольной точки, однако автор отдельно подчёркивает, что результаты не доказывают общий механизм обучения с медленным и быстрым путями. Для загрузки требуется trust_remote_code=True; без него Transformers может игнорировать частные тензоры адаптера и создать функционально иную модель. Лицензия в метаданных обозначена как other.

baby-python-mistral-1L-tiny-base — компактная авторская модель генерации текста на архитектуре Mistral, обученная на наборе данных nilq/baby-python. В статье «Tracking Universal Features Through Fine-Tuning and Model Merging» она используется как базовая модель для изучения универсальных признаков при дообучении и объединении моделей. Модель содержит 18,7 млн параметров и рассчитана на контекст до 2048 токенов. Она предназначена для экспериментов с генерацией текста на материале набора baby-python; README приводит результаты оценки: loss 3,1027 и accuracy 0,4190. Лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт Llama-3.2-1B-Instruct, дообученный на открытом наборе BackdoorLLM refusal_badnet, а затем подвергнутый unlearning. Он исследует, насколько удаётся удалить условный бэкдор: токен BadMagic в запросе был связан с фиксированным отказом отвечать, а чистые примеры сохраняли обычное поведение без триггера. Модель предназначена для воспроизведения и анализа экспериментов по бэкдорам и unlearning, а не для развёртывания как ассистент общего назначения. В README сообщается, что точное совпадение с фразой отказа после unlearning равно нулю, однако эффект триггера сохраняется в логитах: разрыв целевого log-prob составляет +0,834 ната, или 28% от значения отравленного чекпойнта. Это показывает ограничение метрики точного совпадения: изменение декодирования может скрыть триггерный эффект, не удалив его. Архитектура — плотная Llama causal language model с 1,2 млрд параметров и контекстом 131072 токена; вход и выход — текст. В README указан исходный базовый чекпойнт Llama-3.2-1B-Instruct. Лицензия — MIT. Автор README прямо предостерегает от использования модели в развёртывании.

BananaMind-2-SLMoE — экспериментальная языковая модель с причинной генерацией текста, разработанная BananaMind. Это базовая, не дообученная для следования инструкциям модель, созданная как исследовательский чекпойнт для проверки маршрутизации экспертов на уровне последовательности в компактной смеси экспертов (MoE). Архитектура SLMoE содержит 25,45 млн параметров суммарно; для каждого сообщения маршрутизатор выбирает один набор из 13 экспертов, поэтому активно около 7,90 млн параметров, и тот же набор используется на протяжении всего сообщения и ответа. Контекст — 4096 токенов. Модель предназначена для экспериментов с разреженной генерацией текста и маршрутизацией MoE. Репозиторий поддерживает инференс с размещением экспертов в оперативной памяти или чтением выбранных экспертов с диска; дисковый режим экономит память, но добавляет задержки ввода-вывода. По результатам README, маршруты заметно различаются, однако использование экспертов остаётся несбалансированным. Это не производственная модель и не инструкция-настроенный ассистент; результаты бенчмарков не гарантируют качество в пользовательских задачах. Для загрузки требуется custom Transformers-код с trust_remote_code=True. Лицензия — Apache-2.0.

BrCamp desenvolveu o Bee-350M PT, variante experimental de 345,3 млн параметров на архитектуре Qwen3 для португальского языка. Это базовая авторегрессионная модель генерации текста, обученная с нуля; контекст составляет 2048 токенов. Вариант ответвили от основного обучения на шаге 165 000 и продолжили обучение с затуханием скорости обучения до 15 млрд токенов. По README, при одинаковых архитектуре, корпусе, токенизаторе и расписании обучения вариант предназначен для воспроизведения абляции влияния объёма данных; для обычного использования автор рекомендует основную модель Bee-350M PT. Модель не настроена для следования инструкциям, диалога или вызова инструментов. Авторы отмечают, что небольшой размер и короткий контекст повышают риск фактических ошибок, а модель наследует предубеждения португалоязычных веб-данных; показатель bpb оценивает языковое моделирование, а не качество свободных ответов. Лицензия — Apache-2.0.

Being-H05-2B — базовая модель vision-language-action (VLA) для управления роботами, разработанная авторами проекта Being-H0.5. Она объединяет визуальное и языковое восприятие с выдачей действий в унифицированном пространстве и предназначена для переноса управления между роботами с разным воплощением. Модель содержит 2 млрд параметров. В README указано разрешение визуальной части 224×224 пикселя. Чекпойнт представлен как предварительно обученная базовая модель; для неё предусмотрены инференс политики управления, оценка на бенчмарках LIBERO и RoboCasa и дообучение на пользовательских данных. Лицензия — Apache-2.0. Модель рассчитана на робототехническое управление и манипуляции. Карточка не сообщает о конкретных ограничениях качества или поддерживаемых языках.

0-ma/beit-geometric-shapes-base — модель классификации изображений на основе BEiT, созданная проектом 0-ma путём дообучения microsoft/beit-base-patch16-224-pt22k-ft22k. Она предназначена для распознавания геометрических фигур на изображениях и относит их к одному из шести классов: None, Circle, Triangle, Square, Pentagon или Hexagon. Модель содержит 119,5 млн параметров и загружается через Transformers как AutoModelForImageClassification с соответствующим обработчиком изображений. В README сообщается точность 0,9998 на тестовой выборке набора 0-ma/geometric-shapes. Это значение относится к указанному набору данных; карточка не описывает проверку на более разнообразных реальных изображениях. Модель принимает изображения и выдаёт метки классов. Лицензия — Apache-2.0.

bert_base_lda_100_v1 — дообученная модель на архитектуре DistilBERT, опубликованная пользователем gokulsrinivasagan. Она обучалась на датасете processed_wikitext-103-raw-v1-ld-100; класс модели — DistilBertForLDAMaskedLM, веса сохранены в формате safetensors. Контекст составляет 512 токенов. По классу архитектуры модель предназначена для языкового моделирования с маскированными токенами; оценка на тестовой выборке составила loss 6,9999 и accuracy 0,4235. Карточка не описывает конкретные пользовательские сценарии, языковую поддержку или условия лицензии. Базовая модель в README не названа. Результаты оценки не дают оснований утверждать, что модель подходит для практического применения; перед использованием следует проверить её на целевых данных.

aajrami/bert-rand-base — базовая языковая модель архитектуры RoBERTa с 151,8 млн параметров, созданная с использованием случайной цели предобучения. Она предназначена для извлечения признаков из текста и изучения влияния цели предобучения на языковые свойства модели. Модель принимает текст и формирует векторные представления; контекст ограничен 514 токенами. Модель опубликована под лицензией CC BY 4.0. Случайная цель предобучения ограничивает основания ожидать от неё надёжного качества в прикладных задачах без дополнительного обучения или проверки.

Booper-Big-Chat — англоязычная диалоговая модель ProCreations, дообученная методом supervised fine-tuning на базе Booper-Big с использованием датасета Discord-Dialogues и обучением только на ответах ассистента. Она построена на архитектуре Mixtral с механизмом Mixture of Experts: всего около 149,6 млн параметров, из которых активно около 50,5 млн. Репозиторий содержит веса BF16 с обучением, учитывающим симметричную поканальную fake-квантизацию INT8; отдельная версия с реальными INT8-весами опубликована как ProCreations/Booper-Big-Chat-INT8. Модель предназначена для генерации текста и неформальных диалоговых ответов на английском языке. Контекстное окно — 4096 токенов. Лицензия Apache-2.0. Данные обучения взяты из неформальных интернет-диалогов, поэтому модель может воспроизводить ненормативную лексику, предвзятость, шаблоны персональных данных и недостоверные утверждения; она не подходит для задач с высокими последствиями.

Chinese-MentalBERT — модель на основе BERT, разработанная для задач, связанных с психическим здоровьем. Авторы применили доменно-адаптивное предварительное обучение и стратегию маскирования, направляемую китайским лексиконом депрессии. Модель содержит 129,5 млн параметров, поддерживает контекст до 512 токенов и предназначена для заполнения маскированных фрагментов текста на китайском языке. Модель можно использовать для восстановления пропущенных слов и изучения языковых представлений в текстах о психическом здоровье. Она опубликована в формате PyTorch под лицензией Apache-2.0. В карточке не приведены оценки качества или сведения о клинической проверке, поэтому модель не следует считать инструментом диагностики или медицинской рекомендации.

Compactbot/compacttest-5m — небольшая авторская языковая модель, обученная с нуля на корпусе TinyStories. Это плотный GPT-подобный трансформер семейства GPT-S2.5 с 5,1 млн параметров, 4 слоями, словарём byte-level BPE на 8192 токена и контекстом 512 токенов. Указаны GQA, SwiGLU, RoPE и RMSNorm; веса опубликованы в формате safetensors, для запуска README предлагает использовать приложенный model.py. Модель предназначена для генерации короткого текста и демонстрации компактного конвейера обучения субсловной языковой модели. При жадном декодировании она может создавать связный простой рассказ в стиле TinyStories, но результаты тестов на здравый смысл и рассуждения близки к случайному уровню. Сэмплирование нестабильно и может зацикливаться; README рекомендует низкую температуру и высокий top_p либо жадное декодирование. Лицензия — Apache-2.0.

Cosmos3-ours-RB-Y1 — мульт ракурсная видеомодель мира для робототехники, разработанная на основе NVIDIA Cosmos3-Nano и дообученная на телеметрических демонстрациях RB-Y1 и WujiHand2. Модель объединяет backbone Qwen3-VL-8B MoT с диффузионным экспертом и содержит около 15,22 млрд параметров. Архитектура Cosmos3 Omni-4D использует многовидовую упаковку данных, явное кондиционирование по камерам и совместно обученную голову отслеживания 3D-точек. Модель предназначена для генерации продолжений видео по исходным кадрам с эго- и внешнего ракурсов, а также для предсказания покадровых 3D-траекторий точек руки и манипулятора робота. Обучение проводилось на 100 эпизодах телоуправления; демонстрации содержат два статичных ракурса, а прогнозируемые координаты заданы в системе координат основания робота. Указана лицензия other; перед применением следует проверить её условия в репозитории модели.

Cosmos-3 Tactile-MoT v2 — step-250 — промежуточный чекпойнт для совместного предсказания будущего видео и тактильных сигналов. Модель разработана на базе NVIDIA Cosmos3-Nano: автор дообучил путь генерации Cosmos3 и добавил тактильную модальность. Указан размер исходного бэкбона — 15,9 млрд параметров; обучаемый путь генерации составляет около 6,98 млрд. Веса опубликованы в формате bf16 Safetensors. Модель принимает прошлые видеокадры и тактильные данные и предсказывает будущие видео и тактильные данные. Она предназначена для моделирования взаимодействия робота с объектами; поддерживает английское текстовое кондиционирование и потоки с частотой 30 Гц, включая тактильные сигналы с частотой 10 и 30 Гц. Действия и позы рук модель не предсказывает. Это чекпойнт на шаге 250 из запланированных 3000 шагов полного дообучения, опубликованный для запуска оценки параллельно с обучением. Предсказанное видео уже согласованное, но пока мягкое и недостаточно детализированное, особенно в близких ракурсах на запястья. Для генерации следует использовать UniPC flow sampler. Лицензия в метаданных обозначена как other; README не уточняет её условия.

Jesse020202/cppe5_setup_on_roadsign_test — модель обнаружения объектов, созданная дообучением Conditional DETR с ResNet-50 от Microsoft на неизвестном наборе данных. Она принимает изображения и предсказывает классы объектов и их ограничивающие рамки; название репозитория указывает на возможную настройку для дорожных знаков, но README этого не подтверждает. Модель представлена в формате safetensors и доступна по лицензии Apache-2.0. В README приведено значение loss 1.4669 на тестовой выборке, однако сведений о составе данных и практическом качестве обнаружения нет.

Карточка модели joggwr/crop_leaf_diseases_vit на Hugging Face совпадает с карточкой wambugu71/crop_leaf_diseases_vit, поэтому описание составлено по ней. Модель Wambugu Kinyua — дообученная версия Vision Transformer ViT-Tiny для классификации изображений листьев сельскохозяйственных культур по состоянию и типу болезни. Она принимает RGB-изображения и выдаёт метку класса, включая здоровые растения и заболевания кукурузы, картофеля, риса и пшеницы: ржавчину, пятнистость, ожог листьев и другие категории. Компактная архитектура содержит 7,1 млн параметров и предназначена для раннего выявления болезней в точном земледелии; её можно встроить в системы мониторинга посевов или дообучить на данных конкретного региона и культуры. В карточке заявлены метрики проверки на отложенной части датасета: accuracy 98%, precision 97%, recall 97% и F1 96%. Результаты могут быть хуже на культурах, болезнях и условиях съёмки, отсутствующих в обучающих данных; ошибки классификации способны привести к пропуску заболевания или ненужным мерам. Для данной версии метаданные указывают формат safetensors, а README также упоминает веса ONNX. Лицензия в метаданных Hugging Face — MIT.

jkminder/d12_135m_seed8 — исследовательская базовая языковая модель из серии Scaling Ladder, созданной для изучения различий между случайными начальными инициализациями при предварительном обучении. Это плотная GPT-подобная авторегрессионная модель на 138,4 млн параметров с 12 слоями и размером скрытого состояния 768; она обучена предсказывать следующий токен на английских текстах из набора NVIDIA ClimbMix. Контекст составляет 2048 токенов. Модель предназначена для экспериментов с предварительным обучением языковых моделей, сравнения контрольных точек и анализа масштабирования и вариативности между запусками. Это базовая модель без настройки на инструкции и без обучения безопасности, поэтому она не рассчитана на диалоговое следование инструкциям или безопасное применение без дополнительной адаптации. Репозиторий содержит контрольные точки обучения, в том числе версии с затуханием скорости обучения; для использования требуется Transformers и загрузка с trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Это базовая авторегрессионная языковая модель jkminder, созданная как исследовательский артефакт Scaling Ladder для изучения различий между случайными инициализациями при предобучении. Репозиторий содержит вариант d16, seed 3; модель обучена предсказывать следующий токен на данных NVIDIA ClimbMix. Инструкционного дообучения и обучения безопасности нет. Модель построена на архитектуре nanochat GPT: 16 слоёв, скрытый размер 1024, 8 голов внимания, словарь из 32 768 токенов и контекст до 2048 токенов. В README указано 537 млн параметров, тогда как метаданные каталога сообщают 302 млн; точный размер поэтому расходится между источниками. Доступны контрольные точки с разными бюджетами обучения, включая версии с затуханием скорости обучения; файлы весов представлены в safetensors. Модель предназначена для экспериментов с предобучением, оценки качества языковых моделей и исследования вариативности между запусками. Она может генерировать продолжение текста, но отсутствие инструкционного дообучения означает, что она не рассчитана на надёжное выполнение запросов в формате помощника. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

Модель victorbarra/ddpm-celebahq-finetuned-butterflies-2epochs — диффузионная модель безусловной генерации изображений на основе DDPMPipeline из библиотеки Diffusers. Она создаёт изображения без текстового запроса; README показывает загрузку модели и получение одного изображения. Название репозитория указывает на дообучение модели CelebA-HQ на изображениях бабочек в течение двух эпох, однако README не приводит подробностей о наборе данных или качестве результатов. Модель распространяется в форматах Diffusers и Safetensors по лицензии MIT.

Модель Decision Transformer, разработанная Ed Beeching, обучена на траекториях среднего уровня из среды Gym Walker2d для непрерывного управления. Она использует архитектуру Decision Transformer и предназначена для выбора действий агента по последовательностям состояний и целевых возвратов в этой среде. Размер модели — около 786,6 тыс. параметров; контекст — до 1024 токенов. Для использования требуются указанные в карточке коэффициенты нормализации наблюдений. Модель распространяется в формате PyTorch.

Это обученная модель агента PPO, созданная с помощью библиотеки Unity ML-Agents для игры SnowballTarget. Она предназначена для управления агентом в этой игровой среде: модель принимает состояние среды и выдаёт действия, позволяющие агенту играть. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для запуска агента или продолжения обучения. Карточка не сообщает размер модели, используемый набор наблюдений и конкретные детали поведения агента.

Diagnostic-Reasoning-Q3X1 — это дообученная с помощью QLoRA модель Qwen3-8B, выпущенная как артефакт исследования влияния пересечения обучающих данных с медицинскими тестами. Она содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, работает через Transformers и принимает текстовый контекст длиной до 40 960 токенов. Модель предназначена для генерации ответов на медицинские вопросы и воспроизведения результатов исследования; проверка проводилась на англоязычных тестах с вопросами с выбором ответа. В проверенной на пересечение подвыборке MedXpertQA модель показала прирост 5,2 процентного пункта относительно исходной Qwen3-8B. При этом обучающий корпус существенно пересекается с рядом медицинских бенчмарков, поэтому результаты на них нельзя считать независимой оценкой способности рассуждать. Модель не проходила клиническую валидацию и не предназначена для принятия медицинских решений. Не оценивались галлюцинации, безопасность лекарственных рекомендаций, срочная эскалация, калибровка уверенности и качество общения о неопределённости; область оценки ограничена английскими тестами с выбором ответа. Модель выпущена под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Авторы представляют её как исследовательский артефакт для воспроизведения методики и изучения влияния пересечения обучающих данных с тестами.

Это модель классификации текста на основе DistilBERT, дообученная из distilbert-base-uncased. Карточка не описывает набор данных и назначение обучения; на оценочной выборке модель показала accuracy 0,4931 и loss 0,6932, поэтому её пригодность для практического применения не подтверждена. Модель принимает текст и выдаёт результат классификации. Архитектура — DistilBertForSequenceClassification; максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса PyTorch. Модель опубликована под лицензией Apache-2.0.

Lanni-ni/dynamic_forgetting_2_4_256_babylm_100m_seed44_epoch10 — небольшая языковая модель для генерации текста, размещённая на Hugging Face. Модель предназначена для экспериментов с текстовой генерацией и методом dynamic forgetting; название также указывает на связь с экспериментом BabyLM 100M, конфигурацией 2_4_256, seed44 и десятью эпохами обучения. Модель содержит 14,7 млн параметров и рассчитана на использование с библиотекой Transformers. Она поддерживает pipeline text-generation и распространяется в формате safetensors. README не содержит подтверждённых сведений о разработчике, языках, архитектуре, длине контекста, обучающих данных или лицензии, поэтому эти характеристики нельзя надёжно описать.

Lanni-ni/dynamic_forgetting_2_4_256_babylm_100m_seed44_epoch4 — небольшая модель генерации текста, опубликованная на Hugging Face и работающая с библиотекой Transformers. В метаданных указано 14,7 млн параметров; модель помечена тегами text-generation и dynamic_forgetting. По идентификатору она относится к эксперименту BabyLM и варианту с динамическим забыванием, однако README не содержит подробностей об архитектуре, обучении и разработчике. Модель может использоваться для экспериментов с генерацией текста и исследования механизмов динамического забывания в компактных языковых моделях. README не содержит описания целевых сценариев, языков, контекстного окна, результатов оценки или условий лицензирования.