II.1Анализ требований и архитектура ПО

Kwaipilot/HiPO-8B — диалоговая языковая модель Kwaipilot, дообученная на базе Qwen/Qwen3-8B методом, связанным с фреймворком HiPO (Hybrid Policy Optimization for Dynamic Reasoning). Модель предназначена для генерации ответов с управляемым рассуждением: она может выбирать между режимом Think-on с рассуждением и Think-off без него, чтобы сочетать точность с экономией токенов. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 7,6 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов. В README описан структурированный формат ответов, в котором путь рассуждения представлен явно. В экспериментах авторы HiPO сообщают об улучшении точности и сокращении длины ответов и частоты включения рассуждений; эти результаты относятся к описанному подходу и не гарантируют аналогичный эффект в каждом сценарии. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет языковой охват и не приводит отдельной оценки качества именно этого чекпойнта.

1024m/HPhi-4-00-fp16 — дообученная 1024m модель для генерации текста и диалогов. Она основана на unsloth/phi-4 и обучалась с использованием Unsloth и библиотеки TRL; архитектура в метаданных указана как LlamaForCausalLM, плотная, размер — 14,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов и ориентирована на английский язык. Модель подходит для ведения диалога и генерации англоязычных ответов, рассуждений и кода. В репозитории представлены веса в формате safetensors. Лицензия — Apache-2.0.

Hy3-heretic — разговорная модель генерации текста на архитектуре HY-V3 с mixture-of-experts, представленная пользователем trohrbaugh. По метаданным, модель содержит 16,6 млрд параметров и поддерживает контекст до 262 144 токенов; формат весов — safetensors, лицензия — Apache-2.0. Она предназначена для диалогов и генерации ответов с ослабленным отказом: в README приведено сравнение, где вариант Hy3-heretic отказал в 1 из 100 запросов против 99 из 100 у исходной модели. Модель можно применять для общения, ответов на запросы и других сценариев генерации текста. Карточка описывает метод abliteration и сообщает о KL divergence 0,2398 относительно исходной модели. README также содержит общие сведения о Hy3 от команды Tencent Hy, включая заявленные возможности для рассуждений, работы с длинным контекстом, программирования и агентных сценариев; эти характеристики относятся к семейству Hy3 и не подтверждены отдельно для данного варианта. В карточке указана лицензия Apache-2.0.

IceTea21EnergyDrinkRPV13-DPOv3 — разговорная языковая модель на архитектуре Mistral, созданная автором репозитория слиянием предварительно обученных моделей методом SLERP с помощью mergekit. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; длина контекста — до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы. В карточке указано слияние двух вариантов IceTea21EnergyDrinkRPV13, однако их локальные пути не дают надёжного идентификатора базовой модели на Hugging Face. Сведения о специализированных областях и поддерживаемых естественных языках не приведены. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

zhongweixie выпустил Qwen3-4B с обучением In-Place Test-Time Training (In-Place TTT), ориентированную на работу с длинным контекстом. Это плотная авторегрессионная языковая модель на архитектуре Qwen3ForCausalLM; в карточке указана связь с Qwen/Qwen2.5-4B и обучение на 1250 шагах с контекстом 64 тыс. токенов. Модель предназначена для генерации текста и диалоговых сценариев, в том числе задач, где нужно учитывать длинные входные последовательности. README заявляет более эффективную работу с длинным контекстом и адаптацию во время обработки входа, однако не приводит количественных результатов или сравнительных оценок. Репозиторий содержит веса safetensors для Transformers, размер модели по метаданным — 3,7 млрд параметров. Лицензия Apache-2.0.

Jallabi-34B — плотная языковая модель семейства Llama от AbacusResearch для генерации текста и диалогов. В репозитории находятся только веса языковой части: энкодер CLIP удалён, поэтому модель загружается как LlamaForCausalLM. Модель содержит 33,9 млрд параметров, принимает текст и имеет контекст длиной 4096 токенов. В README приведены результаты Open LLM Leaderboard, включая средние оценки 70,73 и 25,97 в двух наборах испытаний. Модель распространяется под лицензией Apache-2.0. README не сообщает, на какой базовой модели основаны веса; по имеющимся данным нельзя определить специальные ограничения применения или качества.

K2-Horizon-MoVA-36B-A4B-GGUF — открытая GGUF-версия модели K2-Horizon-MoVA-36B-A4B, разработанная IFM. Это разреженная Mixture-of-Experts-модель с архитектурой Mixture-of-Values attention (MoVA): всего она содержит 36 млрд параметров, при обработке каждого токена активируется около 4 млрд. Модель предназначена для генерации текста, рассуждений и агентских сценариев; заявлена поддержка контекста до 524 288 токенов. В карточке указано, что модель обучалась на англоязычных данных и ориентирована на английский язык. К сильным сторонам относятся высокая заявленная эффективность при небольшом числе активных параметров, конкурентоспособные результаты на задачах рассуждения и агентского взаимодействия, а также открытый статус проекта. Файлы содержат метаданные токенизатора и совместимый с llama.cpp шаблон чата, однако для запуска требуется версия llama.cpp с поддержкой архитектуры K2 Horizon, которая на момент публикации находилась в разработке. Тензоры сохранены в исходной точности BF16, поэтому практические требования к ресурсам зависят от конкретной среды запуска. Модель распространяется по лицензии Apache-2.0.

K2-Horizon-MoVA-36B-A4B MLX-4bit — это 4-битная MLX-конверсия модели IFM/K2-Horizon-MoVA-36B-A4B, разработанной IFM. Модель предназначена для генерации текста и запуска через mlx-lm на устройствах Apple с unified memory. Это разреженная Mixture-of-Experts-модель с архитектурой Mixture-of-Values attention (MoVA): общий объём составляет 36 млрд параметров, при обработке каждого токена активно около 4 млрд. Исходная модель поддерживает нативный контекст до 524 288 токенов (512K), однако фактически доступная длина контекста зависит от объёма unified memory и настроек KV-кэша. Вариант является текстовым и не требует vision projector; в метаданных указан английский язык. Веса в основном квантизованы методом affine 4-bit с размером группы 64, а веса маршрутизаторов MoE и MoVA сохранены в 8-битном формате. Размер модели составляет 21,07 ГБ. К сильным сторонам относятся большой контекст, сниженная по сравнению с полной точностью потребность в памяти и разреженная обработка с небольшим числом активных параметров на токен. Ограничениями являются необходимость актуальной версии mlx-lm, зависимость практической длины контекста от доступной памяти и отсутствие мультимодальных возможностей. Модель распространяется по лицензии Apache-2.0.

KAI-7B — языковая модель Keynote Technology на архитектуре Mistral с 7,1 млрд параметров, дообученная на основе Mistral 7B. Она предназначена для генерации текста и может применяться для ответов на вопросы и работы с задачами STEM; в карточке также отмечены возможности в области кода. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Автор заявляет о высоких результатах на проведённых им бенчмарках, особенно в STEM, но отмечает, что математические и кодовые задачи требуют улучшения. Это предварительно обученная базовая модель без механизмов модерации. Репозиторий распространяется по лицензии Apache-2.0; README отдельно запрещает использовать модели KAI для разжигания ненависти.

Модель bark07/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная Llama-модель, опубликованная bark07. Она предназначена для генерации текста в диалоге; в каталоге также отмечен интерфейс для вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указаны обучение с Unsloth и библиотекой TRL, формат весов safetensors и лицензия Apache-2.0. Метаданные указывают английский язык. README не приводит результаты оценки качества и подробностей обучения, поэтому её сильные стороны и ограничения в конкретных сценариях по карточке определить нельзя.

mlx-community/Kimi-K2-Instruct-0905-mlx-DQ3_K_M — это MLX-версия модели Kimi-K2-Instruct-0905, разработанной Moonshot AI и конвертированной сообществом mlx-community с помощью mlx-lm 0.26.3. Модель предназначена для генерации текста и инструкционных сценариев: диалогов, ответов на запросы и других задач, поддерживаемых базовой моделью. README не содержит подтверждённых сведений о размере, архитектуре, языках и длине контекста. Основная особенность — смешанное динамическое квантование DQ3_K_M с преимущественно 3-битным представлением и отдельными компонентами с более высокой разрядностью. По описанию метода, такой подход призван приблизить качество к 4-битному квантованию при меньшем потреблении памяти. Модель ориентирована на запуск на одном Apple Mac Studio с чипом M3 Ultra и 512 ГБ памяти, сохраняя ресурсы для полезного контекстного окна; конкретные требования к памяти и фактические результаты тестов не указаны. Ограничения связаны с потерями качества, возможными для квантованной версии, а также с узкой оптимизацией под экосистему MLX и совместимое оборудование Apple. Для использования требуется mlx-lm; README указывает лицензию modified-mit и ссылку на лицензию исходной модели Moonshot AI.

MLX-версия модели Kimi-K2-Thinking, разработанная сообществом mlx-community на основе модели moonshotai/Kimi-K2-Thinking. Модель предназначена для генерации текста и запуска в экосистеме MLX с использованием библиотеки mlx-lm, включая сценарии диалогового взаимодействия через chat template. Известно, что модель имеет формат MLX и была преобразована с помощью mlx-lm версии 0.28.4. В карточке указано назначение text-generation, однако сведения об архитектуре, размере, объёме контекста, поддерживаемых языках и модальностях отсутствуют. Для работы требуется библиотека mlx-lm; в примере используется загрузка модели через mlx_lm.load и генерация ответа через mlx_lm.generate. Лицензия обозначена как modified-MIT с типом other. Подробные условия лицензии, а также ограничения и результаты оценки качества в карточке не приведены.

Kosmos-EVAA-v9-8B — объединённая языковая модель семейства Llama, созданная jaspionjader с помощью mergekit методом SLERP из Kosmos-EVAA-v3-8B и Kosmos-EVAA-v8-8B. Модель содержит 7,5 млрд параметров и использует архитектуру LlamaForCausalLM; она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и генерирует текст. Её контекстное окно составляет до 8192 токенов. Карточка не приводит сведений о специальных предметных областях или поддерживаемых языках. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Поскольку это объединение двух предварительно обученных моделей, фактическое поведение зависит от их исходных возможностей и качества слияния; отдельные результаты оценки или конкретные ограничения в карточке не приведены.

Kunoichi-DPO-v2-7B — языковая модель семейства Mistral, представленная в виде плотной авторегрессионной архитектуры MistralForCausalLM. Репозиторий содержит веса SafeTensors; модель насчитывает 7,1 млрд параметров и рассчитана на контекст до 8192 токенов. Карточка приводит результаты тестов MT-Bench, EQ-Bench, MMLU, Logic Test, AGIEval, GPT4All, TruthfulQA и Bigbench, включая оценку 8,51 на MT-Bench и 64,94 на MMLU. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы, рассуждений и других задач на основе текстового ввода. README содержит сравнительные оценки, однако не описывает конкретный процесс обучения или специальные области применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

L3.3-70B-Magnum-v4-SE-GGUF — набор GGUF-квантизаций модели L3.3-70B-Magnum-v4-SE, подготовленный bartowski на базе модели Doctor-Shotgun. Квантизация выполнена с помощью llama.cpp с использованием imatrix и предназначена для локального запуска, в частности через LM Studio. Модель относится к классу text-generation и ориентирована на генерацию текста и диалоговые сценарии; в метаданных указана поддержка английского языка и тег chat. Доступны варианты с разными уровнями квантизации — от Q8_0 размером около 75 ГБ до IQ2_S размером около 24 ГБ. Более крупные варианты обеспечивают более высокое качество, а компактные требуют меньше оперативной памяти, но заметно уступают по качеству. Для большинства сценариев рекомендуются Q4_K_M, Q5_K_M, Q5_K_S и Q6_K; некоторые варианты оптимизированы для CPU ARM, Apple Silicon или систем с ограниченным объёмом памяти. Из README не указаны точная архитектура исходной модели, размер контекстного окна, поддерживаемые модальности помимо текста и результаты независимого тестирования. Модель распространяется по лицензии llama3.3; условия использования следует уточнять в лицензии исходной модели и на странице репозитория.

Yukang выпускает эту модель как часть семейства LongAlpaca — набора моделей для следования длинным инструкциям. Это дообученная версия Llama 2 Chat с 70 млрд параметров, созданная с применением LongLoRA и SFT; автор README сообщает, что данный SFT-чекпойнт снят с поддержки. Модель предназначена для генерации текста в ответ на инструкции и запросы с длинным контекстом. В названии заявлена настройка на контекст до 32 тысяч токенов, однако метаданные указывают native context в 4096 токенов, поэтому поддержку более длинного контекста следует считать ограниченной или требующей отдельной настройки. Доступен формат PyTorch; основным языком в предоставленных данных не обозначен. Модель основана на Llama 2 Chat и предназначена для экспериментального применения в сценариях диалогового следования инструкциям. Лицензия в предоставленных данных не указана.

Llama 2 7B — предварительно обученная авторегрессионная языковая модель Meta на 7 млрд параметров, представленная в формате Transformers для PyTorch и Safetensors. Она использует оптимизированную архитектуру Transformer и принимает текст, генерируя текст; длина контекста в карточке указана как 4 тыс. токенов. Модель предназначена для генерации текста на английском языке и может служить основой для различных задач обработки естественного языка. Это базовая, не настроенная на диалог версия Llama 2; для сценариев общения предназначены отдельные варианты Llama-2-Chat. Модель предварительно обучена на 2 трлн токенов из общедоступных источников. Модель разработала Meta. Для использования весов требуется принять условия лицензии Meta Llama 2, которая допускает коммерческое и исследовательское применение с ограничениями лицензионного соглашения и политики допустимого использования. Ответы могут быть неточными, предвзятыми или нежелательными; перед внедрением требуется оценка и настройка для конкретного применения.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean разработана на основе meta-llama/Llama-3.1-8B-Instruct и дообучена методом Nash Bargaining Preference Optimization (NBPO) на парах предпочтений из UltraFeedback. В этой версии обучающие пары отфильтрованы так, чтобы их запросы не пересекались с 698 оценочными запросами; после фильтрации осталось 34 026 пар по 5 671 запросу. Модель предназначена для диалоговой генерации текста с выполнением инструкций. Обучение ориентировано на следование инструкциям, правдивость, честность и полезность ответов. Основа — плотная архитектура Llama с 7,5 млрд параметров; заявленный контекст — до 131 072 токенов. Репозиторий использует Transformers и формат safetensors. В README описана исследовательская оценка на отложенных запросах UltraFeedback, но конкретные численные результаты для этой модели не приведены. Модель распространяется по лицензии Llama 3.1; применяются её условия использования.

bartowski/Llama-3.1-8B-Open-SFT-GGUF — набор GGUF-квантизаций языковой модели Llama-3.1-8B-Open-SFT, разработанной prithivMLmods и дообученной на датасете O1-OPEN/OpenO1-SFT. Квантизации созданы bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, ответов на вопросы, решения математических задач и сценариев, связанных с Chain-of-Thought. Указана поддержка английского языка. Модель содержит 8 млрд параметров и работает в текстовой модальности. Доступны варианты от F16 до низкобитных Q2 и IQ-квантизаций размером примерно от 3,66 до 16,07 ГБ, что позволяет выбирать баланс между качеством, требованиями к памяти и скоростью инференса. Для локального запуска рекомендуется использовать LM Studio; также заявлена совместимость с text-generation-inference и Ollama. Формат промптов основан на шаблоне Llama 3.1. Размер контекста в README не указан. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и специализация на вопросно-ответных и математических задачах. Более компактные варианты экономят память, но обеспечивают более низкое качество; наиболее качественными названы F16, Q8_0 и варианты Q5–Q6. Модель распространяется по лицензии creativeml-openrail-m.

bunnycore/Llama-3.2-3B-Stock — языковая модель семейства Llama, созданная методом Model Stock merge с помощью mergekit. В качестве основы использована alpindale/Llama-3.2-3B; в объединение также вошли модели для рассуждений и диалоговые версии Llama 3.2 3B, включая неконтентно ограниченный вариант. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста по запросу и диалоговых сценариев. Карточка не приводит отдельные результаты оценки качества или подробные сведения о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Модель prithivMLmods/Llama-3.2-8B-GGUF-200K — текстовая генеративная модель семейства Llama, разработанная prithivMLmods и дообученная на базе unsloth/meta-llama-3.1-8b-bnb-4bit. В карточке указано, что её можно запускать через Ollama; репозиторий содержит веса в формате GGUF F16. В метаданных отмечены английский язык и датасет HuggingFaceH4/ultrachat_200k. Модель предназначена для генерации текста и диалогового использования. В названии заявлено «200K», но README и метаданные не уточняют длину контекста. Метаданные указывают лицензию creativeml-openrail-m, тогда как README указывает Apache-2.0; условия лицензирования в источниках расходятся, поэтому их следует сверить перед использованием.

Это 4-битная версия модели Llama 3 8B Instruct, подготовленная сообществом mlx-community для запуска с MLX. Модель преобразована из gradientai/Llama-3-8B-Instruct-262k с помощью mlx-lm 0.10.0; она использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста и принимает текстовые запросы. Заявленная длина контекста — 1 048 576 токенов; карточка указывает поддержку английского языка. Репозиторий использует формат safetensors. Лицензия — llama3. README отсылает к карточке исходной модели за дополнительными сведениями о возможностях и условиях использования.

MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.3 — диалоговая языковая модель, созданная Maziyar Panahi путём DPO-дообучения Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, построена на архитектуре Llama и предназначена для генерации текста и ответов в формате диалога. Для работы используется шаблон запросов ChatML. Автор сообщает о расширении контекста до 32 000 токенов с помощью настройки rope_theta; в метаданных указано исходное значение 8 192 токена. Модель обучалась на датасете Intel/orca_dpo_pairs. В карточке приведены результаты оценивания на бенчмарках рассуждений и понимания текста. Поддерживаются английский язык и библиотека Transformers. Лицензия — llama3; применяются её условия использования.

QuantFactory/Llama-3-8B-Magpie-Air-MT-SFT-v0.1-GGUF — квантизированная версия модели Llama-3-8B-Magpie-Air-MT-SFT-v0.1, созданная с помощью llama.cpp. Базовая модель Meta-Llama-3-8B была дообучена методом supervised fine-tuning на датасете Magpie-Air-MT-300K-v0.1, подготовленном проектом Magpie-Align. Разработчики Magpie — Zhangchen Xu, Fengqing Jiang, Luyao Niu, Yuntian Deng, Radha Poovendran, Yejin Choi и Bill Yuchen Lin. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение пользовательских инструкций и ответы в формате ассистента. Это текстовая autoregressive language model с архитектурой Llama 3 и размером 8B параметров; поддерживаемые модальности ограничены текстом. В README длина контекста явно не указана, однако для наилучшей работы рекомендуется использовать официальный chat template Llama 3. По заявленным результатам модель показывает производительность, сопоставимую с Llama-3-8B-Instruct при использовании только SFT: 22,98 LC и 24,02 WR на Alpaca Eval 2, а также 15,5 на Arena Hard. К ограничениям относятся отсутствие подробных сведений о конкретном формате квантизации, контекстном окне и языковом покрытии, а также возможные ограничения качества, безопасности и следования инструкциям, характерные для моделей такого класса. Использование регулируется Meta Llama 3 Community License.

bunnycore/Llama-3-8B-TitanFusion-Mix-2 — объединённая причинная языковая модель семейства Llama, созданная автором с помощью mergekit. В качестве основы использована NousResearch/Meta-Llama-3-8B; методом TIES объединены веса четырёх моделей, включая инструктивную и uncensored-версии Llama 3.1 8B и модели линейки TitanFusion. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM, доступна в формате safetensors и поддерживает контекст длиной до 8192 токенов. Метаданные описывают базовую модель как ориентированную на английский текст и код; отдельные сведения о языках этого конкретного слияния не приводятся. Слияние объединяет возможности исходных моделей, но README не содержит оценок качества или подробностей о поведении результирующей модели. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-CPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-DPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-KTO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-ORPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.