II.1Анализ требований и архитектура ПО

Apollo Raines представил Llama-3.1-8B-Instruct-Refusal-First-Amplified — вариант Llama-3.1-8B-Instruct, изменённый инструментом jBlaze методом representation engineering. По карточке, дополнительного обучения не проводилось: в весах подавлено поведение отказа и усилены следование контексту, аналитические ответы и правдивость. Модель использует плотную архитектуру LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, формат safetensors и контекст до 131 072 токенов. Она предназначена для диалоговой генерации текста на английском языке, включая ответы на вопросы, рассуждения и написание кода; заявлен интерфейс вызова инструментов. В карточке приведены лишь примеры ответов, поэтому заявления об усилении характеристик не подтверждены сравнительными оценками. Автор также предупреждает, что опубликованная версия демонстрационная и её возможности намеренно оставлены на частичном уровне. Лицензия — Llama 3.1; подавление отказов может приводить к ответам на запросы, которые исходная модель отклоняла.

Модель artificialguybr/LLAMA3.2-1B-Synthia-I-Redmond — дообученная версия NousResearch/Llama-3.2-1B, созданная автором artificialguybr на наборе инструкций Synthia-v1.5-I из 20,7 тыс. примеров. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM, примерно 1,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для выполнения инструкций и разговорных приложений, а также для исследований и разработки в области NLP. Базовая Llama 3.2 — мультиязычная модель Meta; в карточке перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Дообучение ориентировано на следование инструкциям. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.2. Карточка не приводит сравнительных оценок качества или отдельных ограничений; результаты могут зависеть от формулировки запроса и сценария применения.

Карточка модели Justbackup/Llama3.3-8B-Instruct-Thinking-Heretic-Uncensored-Claude-4.5-Opus-High-Reasoning на Hugging Face совпадает с карточкой DavidAU/Llama3.3-8B-Instruct-Thinking-Heretic-Uncensored-Claude-4.5-Opus-High-Reasoning, поэтому описание составлено по ней. Это дообученная DavidAU модель семейства Llama 3.3 на 7,5 млрд параметров для диалогов, следования инструкциям и генерации текста с режимом рассуждений. Автор сообщает, что дообучил вариант Llama 3.3 8B Instruct через Unsloth на датасете Claude 4.5 Opus High Reasoning; перед этим модель была модифицирована для снижения отказов. В карточке также заявлено восстановление контекста до 128 тысяч токенов. Модель предназначена для ответов на запросы, пошаговых рассуждений и творческого письма, включая рассказы, ролевые диалоги и хоррор. Автоматическая активация режима рассуждений зависит от формулировки запроса; для желаемого уровня откровенности или ненормативной лексики автор рекомендует явно задавать стиль и лексику. Указаны поддержка нескольких языков, включая русский, и лицензия Apache-2.0. Это текстовая модель, опубликованная в формате Safetensors для Transformers.

VictorDCh/Llama-3-8B-Instruct-MoE-4 — разговорная языковая модель для генерации текста. README указывает базовую модель meta-llama/Meta-Llama-3-8B-Instruct и конфигурацию из восьми экспертов с выбором двух экспертов на токен; метаданные описывают архитектуру как MixtralForCausalLM типа MoE. Размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель подходит для диалогов и генерации текста по запросу. README указывает случайный режим маршрутизации экспертов и не приводит результатов обучения или оценок качества. Разработчик в карточке не назван; лицензия в предоставленных данных не указана.

Magpie-Align разработала Magpie-Align/Llama-3-8B-Magpie-Air-SFT-300K-v0.1 — чат-модель для генерации текста, дообученную методом supervised fine-tuning на 300 тысячах отфильтрованных примеров датасета Magpie-Air-300K-Filtered. В основе лежит Meta Llama 3 с плотной архитектурой LlamaForCausalLM; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций. Разработчики сообщают о результатах, сопоставимых с Llama-3-8B-Instruct на отдельных задачах и бенчмарках выравнивания; для оптимальной работы следует использовать официальный шаблон чата Llama 3. Карточка приводит оценки Alpaca Eval 2 и Arena Hard, но не описывает специализацию по предметным областям или отдельные языки сверх возможностей базовой модели. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Meta Llama 3 Community License; применяются условия этой лицензии. Карточка рекомендует использовать официальный шаблон диалога Llama 3.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-ORPO 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-Base-8B-SFT-RRHF 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-RDPO 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-SimPO 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.

QuantFactory/Llama-3-Instruct-8B-SimPO-ExPO-GGUF — квантизированная версия модели Llama-3-Instruct-8B-SimPO-ExPO, созданная с помощью llama.cpp. В основе лежат Meta-Llama-3-8B-Instruct и Llama-3-Instruct-8B-SimPO; разработка ExPO выполнена в рамках подхода Weak-to-Strong Extrapolation, описанного в соответствующей научной работе. Метод объединяет веса SFT- и DPO/RLHF-чекпойнтов с коэффициентом extrapolation alpha = 0.3 для усиления соответствия человеческим предпочтениям. Модель предназначена для генерации текста и диалоговых сценариев, где важны качество следования инструкциям и предпочтительность ответов. Она поддерживает английский язык, относится к семейству моделей примерно на 8B параметров и поставляется в формате GGUF, ориентированном на запуск через совместимое программное обеспечение на базе llama.cpp. Данные о длине контекста, конкретных схемах квантизации и модальностях, кроме текстовой генерации, в README не указаны. По данным AlpacaEval 2.0, модель достигла 40,6% win rate и 45,8% length-controlled win rate, немного превысив исходную Llama-3-Instruct-8B-SimPO. На MT-Bench ExPO также повышал результаты исходных моделей в приведённых сравнениях. Ограничения включают зависимость качества от выбранного уровня квантизации и отсутствие в README подробностей о ресурсоёмкости, безопасности и поведении за пределами указанных бенчмарков. Лицензия указана как llama3.

UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3 — англоязычная диалоговая модель генерации текста, разработанная методом Self-Play Preference Optimization на третьей итерации. Она основана на meta-llama/Meta-Llama-3-8B-Instruct и дообучена на синтетических ответах с использованием наборов запросов из UltraFeedback, разделённых на три этапа. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В README приведены результаты AlpacaEval и тестов Open LLM Leaderboard; на AlpacaEval Iter3 показала лучшие результаты среди трёх указанных итераций. Модель распространяется в формате safetensors по лицензии Apache-2.0.

llama-3-neural-chat-v2.2-8B-GGUF — набор GGUF-квантизаций модели llama-3-neural-chat-v2.2-8B. Исходную модель разработал Locutusque, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев; в README указан английский язык и формат конвейера text-generation. Модель относится к семейству Llama 3 и содержит около 8 млрд параметров. Доступны варианты квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K, IQ4, IQ3, IQ2 и IQ1 размером примерно от 2,16 до 8,54 ГБ, что позволяет выбирать между качеством, скоростью и требованиями к памяти. Наиболее качественными и рекомендуемыми названы Q6_K, Q5_K и некоторые варианты Q4; низкобитные варианты экономят память, но заметно уступают по качеству. Модальность — текстовая, размер контекста и точные архитектурные характеристики в README не указаны. Лицензия обозначена как other, без дополнительных условий.

Lobotollama 6.5B — разговорная языковая модель на архитектуре Llama, созданная с помощью слияния методом passthrough и сокращения числа слоёв базовой модели Meta-Llama-3-8B-Instruct с 32 до 26. Модель содержит 6,2 млрд параметров, принимает текст и генерирует текст; поддерживает диалоговый режим. Контекстное окно составляет 8192 токена. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. В репозитории доступны форматы GGUF и Safetensors. В README лицензия не указана, поэтому условия использования по имеющимся данным определить нельзя.

Luda Brain v2 — языковая модель семейства Mistral, дообученная roseball369 на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; доступны веса в форматах Safetensors и GGUF Q4_K_M. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, состав обучающих данных или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.

Maidphin-Kunoichi-7B — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP из nbeerbower/maidphin и SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; базовое описание семейства указывает также на диалоги и ответы на вопросы. Модель принимает текст и выдаёт текст. Длина контекста составляет 8192 токена. Веса опубликованы в формате safetensors, библиотека для работы — Transformers. Репозиторий выпущен по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

mamba-gpt-3b-v3 — языковая модель на 3,3 млрд параметров от CobraMamba, дообученная на основе openlm-research/open_llama_3b_v2. Она предназначена для генерации текста, диалогов и ответов на инструкции; в обучающих данных использованы Stanford Alpaca, Open Assistant, LIMA и CodeAlpaca 20k. Модель построена на архитектуре LlamaForCausalLM и запускается через библиотеку Transformers. Контекст составляет 2048 токенов; карточка указывает английский и многоязычные данные Open Assistant. В README приведены результаты тестов MMLU, ARC и HellaSwag, однако их следует считать заявлениями авторов. Модель подходит для экспериментов и приложений с генерацией текста, включая ответы на вопросы и помощь с кодом. Она может выдавать неточные, нерелевантные или предвзятые ответы, а небольшой контекст ограничивает работу с длинными запросами. Лицензия репозитория — Apache-2.0.

MeliodasT3qm7_Strangemerges_32T3qm7xp — слитая авторами репозитория модель на архитектуре Mistral для генерации текста. Она объединяет automerger/MeliodasT3qm7-7B и automerger/Strangemerges_32T3qm7xp-7B; размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Модель подходит для диалоговых и иных задач генерации текста общего назначения. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности.

jeiku/mergefodder1 — слитая языковая модель, созданная с помощью mergekit из jeiku/neurodeed и jeiku/luxemaelstrom методом SLERP. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 3,9 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалоговом формате и чат-сценариев. Она принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Это слитая языковая модель на архитектуре Llama 3.1, созданная с помощью mergekit и метода della_linear. В качестве базовой использована Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2; в слияние также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Solshine/reflection-llama-3.1-8B и manbeast3b/Nimue-8B-merged. Модель содержит 7,5 млрд параметров и работает с контекстом до 131 072 токенов. Она предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции и свободное продолжение текста. Модель доступна в формате safetensors и использует библиотеку Transformers. Карточка не сообщает лицензию, поэтому условия использования определить нельзя. В README также не приведены результаты оценки качества.

Карточка модели mergekit-community/mergekit-slerp-ojqhjfr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-rxkhjnf, поэтому описание составлено по ней. Это слитая методом SLERP языковая модель на архитектуре Llama с 7,5 млрд параметров, созданная сообществом mergekit из NousResearch/Meta-Llama-3-8B-Instruct и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель предназначена для генерации текста и диалогов; конфигурация использует кривую смешивания весов по слоям и формат bfloat16. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в чате. В карточке указано контекстное окно 8192 токена; исходная Meta Llama 3 рассчитана прежде всего на английский язык. Репозиторий использует библиотеку Transformers и содержит веса Safetensors. Лицензия в доступных данных не указана.

MFANN-Llama3.1-Abliterated-SLERP-TIES-V2 — объединённая текстовая модель семейства Llama 3.1 от netcat420, созданная с помощью mergekit методом TIES на основе Meta Llama 3.1 8B Instruct Abliterated и двух моделей MFANN. Модель предназначена для диалогов и генерации ответов; в карточке описаны обычный режим помощника и экспериментальный режим SATANN для задач кибербезопасности. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, заявленный контекст — 131 072 токена. README приводит настройки генерации и контекст 8 192 токена для конкретной конфигурации GPT4All. Модель рассчитана на текстовый ввод и вывод. Лицензия — Apache-2.0. Поскольку это объединение abliterated-моделей, ответы могут иметь ослабленные ограничения; для сценариев кибербезопасности качество и поведение следует оценивать отдельно.

MFANN-llama3.1-abliterated-v2 — диалоговая языковая модель, созданная слиянием методом SLERP моделей netcat420/MFANNv0.19 и mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated с помощью mergekit. Это плотная архитектура Llama с 7,5 млрд параметров; модель рассчитана на генерацию текста и ответы в чате, поддерживает контекст до 131 072 токенов. Базовая модель Llama 3.1 Instruct описана как модель с ослабленными ограничениями на ответы. Модель можно применять для ведения диалогов и генерации ответов на текстовые запросы. Данных о целевых языках и специализированных предметных областях в предоставленной карточке нет. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

MFANN-SFT — объединённая диалоговая языковая модель от netcat420, созданная с помощью mergekit. В качестве основы использована mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а также объединены MFANN-Llama3.1-Abliterated-SLERP-V5 и MFANN-SFT-precursor-2 методом TIES. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы; базовая модель описана как вариант Llama 3.1 Instruct с ослабленными ограничениями на ответы. Доступные данные не описывают отдельные предметные специализации или языковой охват. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

Minerva-MoE-3x3B — языковая модель архитектуры Mixture of Experts, созданная Ludo Comito объединением трёх моделей семейства Minerva с помощью LazyMergekit: базовой Minerva-3B, варианта для RAG и инструктивного варианта. Модель предназначена для генерации текста и диалогового использования; объединение сочетает возможности исходных моделей, хотя README не описывает их поведение подробнее. Модель содержит 2,8 млрд параметров, использует архитектуру Mixtral и принимает текст для генерации текста. Длина контекста — 16 384 токена. В метаданных указана лицензия Apache-2.0. README и метаданные не сообщают о дополнительных ограничениях качества или конкретных поддерживаемых языках.

Карточка модели openbmb/MiniCPM-2B-sft-bf16-llama-format на Hugging Face совпадает с карточкой openbmb/MiniCPM-2B-sft-bf16, поэтому описание составлено по ней. MiniCPM-2B-SFT-bf16 — текстовая генеративная модель из семейства MiniCPM, разработанного ModelBest и лабораторией обработки естественного языка Университета Цинхуа. Это версия MiniCPM-2B, дообученная с учителем (SFT) и сохранённая в формате PyTorch с точностью bf16; в метаданных указано 2,7 млрд параметров, а README описывает базовый MiniCPM-2B как модель с 2,4 млрд параметров без учёта эмбеддингов. Модель предназначена для диалогов и генерации текста, в том числе на китайском и английском языках. Контекст составляет 4096 токенов. README сообщает о сильных результатах семейства MiniCPM на общих тестах, включая китайский язык, математику и программирование, и о возможности запускать модели семейства на мобильных устройствах после отдельной квантизации. Эти результаты не следует автоматически переносить на конкретную SFT-сборку bf16. Разработчики разрешают академическое исследование и ограниченное коммерческое использование; точные условия лицензии в предоставленных данных не приведены.

MiniCPM5-1B-CoreAI — это версия языковой модели MiniCPM5-1B, разработанной OpenBMB и экспортированной в формат Apple Core AI. Модель предназначена для генерации текста и диалоговых сценариев с полностью локальным выполнением на iPhone и компьютерах Apple Silicon, включая офлайн-ассистентов, суммаризацию и многотуровые чаты. В каталоге Core AI она запускается через CoreAIKit или напрямую средствами Core AI. Модель содержит около 1,08 млрд параметров, поддерживает гибридный режим рассуждений Think/No-Think и контекст до 128K токенов. Представленная версия использует квантизацию int8 с блоками размера 32; для Neural Engine также доступна 8-битная палетизированная сборка с группами по 32. Размер загружаемого пакета составляет около 1,1 ГБ, а сборка для iPhone 17-класса занимает около 1,3 ГБ. Указаны измерения производительности на iPhone 17 Pro: до 76,8 токена в секунду при декодировании в отдельных тестах Neural Engine. Сильные стороны модели — небольшой размер, работа без отправки данных в облако, поддержка длинного контекста и эффективное выполнение на GPU или Neural Engine. Ограничения связаны с привязкой к экосистеме Apple и Core AI, а также с тем, что характеристики зависят от устройства, режима запуска и конкретной сборки. Языки и полный перечень поддерживаемых возможностей в предоставленных данных не указаны. Модель распространяется по лицензии Apache-2.0.

MiroThinker-v1.0-8B-GGUF — открытая исследовательская агентная модель от команды MiroMind AI, предназначенная для рассуждений с использованием инструментов и поиска информации. Это GGUF-версия модели MiroThinker v1.0, созданная на базе Qwen3-8B с помощью llama.cpp. Модель ориентирована на глубокий многошаговый анализ, задачи общего исследования и длительные сценарии взаимодействия с внешней средой. Она поддерживает контекстное окно до 256K токенов и до 600 вызовов инструментов на одну задачу, что позволяет строить длинные траектории поиска и рассуждений. В карточке указана поддержка английского языка; другие языки и модальности не заявлены. Сильными сторонами являются агентное поведение, получение внешней информации, корректировка ошибок на основе обратной связи среды и масштабирование за счёт более глубоких взаимодействий. Версия распространяется в формате GGUF и использует квантизацию с выборочным повышением точности отдельных слоёв, что может улучшать качество при заданном уровне квантизации, но увеличивает размер файла. Для полноценной работы требуются совместимый runtime, например llama.cpp, и настроенные инструменты или окружение для взаимодействия. Модель распространяется по лицензии MIT.

Undi95 выпустил экспериментальную модель Mistral-11B-v0.1, созданную расширением Mistral-7B-v0.1: некоторые слои исходной модели продублированы, чтобы получить модель примерно на 11 млрд параметров. Это плотная авторегрессионная модель семейства Mistral для генерации текста; в README приведён шаблон запросов Alpaca. Метаданные указывают контекст до 32 768 токенов и формат safetensors; README также описывает сохранение весов в bfloat16. Модель предназначена для генерации ответов на инструкции и других задач продолжения текста. Автор отмечает, что дублирование первых слоёв может путать модель, поэтому качество и поведение следует проверять на целевых запросах. Лицензия — Apache-2.0.

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-IPO 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/Mistral-7B-Base-SFT-RDPO 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.