II.1Анализ требований и архитектура ПО

sheep-duck-llama-2 — языковая модель Riiid, дообученная на базе LLaMA 2 70B с использованием наборов данных в стилях Orca и Alpaca. Она построена на плотной архитектуре LlamaForCausalLM и предназначена для генерации текста и диалоговых ответов по шаблону с сообщениями System, User и Assistant. Модель содержит 68,7 млрд параметров, принимает текст и имеет контекст длиной 4096 токенов. Модель ориентирована на англоязычные сценарии: тестирование проводилось на английском языке. В карточке приведены результаты ARC, HellaSwag и MMLU. Используется лицензия Llama 2; ответы могут быть неточными, предвзятыми или нежелательными, поэтому модель требует проверки и настройки безопасности под конкретное применение.

Skyfall-39B-v1-GGUF — набор GGUF-квантизаций текстовой генеративной модели Skyfall-39B-v1, разработанной TheDrummer и опубликованной в формате GGUF пользователем bartowski. Квантизация выполнена с помощью llama.cpp версии b4327 и метода imatrix; модель предназначена для локального запуска в совместимых средствах, включая LM Studio, с использованием шаблона запросов <s> [INST] {prompt} [/INST]. Модель рассчитана на задачи генерации текста. Доступны варианты от F16 размером 78,04 ГБ до сильно сжатых IQ2 и Q2 размером примерно 10,44–14,64 ГБ, а также промежуточные варианты Q3–Q8. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше оперативной или видеопамяти; наиболее сбалансированным вариантом в README назван Q4_K_M, а Q5 и Q6 также рекомендованы для повышенного качества. Низкоразрядные варианты экономят память, но могут заметно уступать по качеству. Из README не указаны точная архитектура исходной модели, поддерживаемые языки, размер контекстного окна, мультимодальные возможности и лицензия. Поэтому модель следует рассматривать как текстовую 39B-модель для локального inference, а совместимость, требования к памяти и допустимые сценарии коммерческого использования необходимо уточнять по документации исходной Skyfall-39B-v1.

SmolLM3-Cyber — языковая модель для генерации текста, опубликованная пользователем lemons-ink на Hugging Face и работающая через библиотеку Transformers. Модель имеет размер 3,1 млрд параметров и поддерживает контекст длиной до 65 536 токенов. Модель предназначена для генерации продолжений текста и диалоговых сценариев. В метаданных указаны обучение с учителем и conversational-ориентация, однако подробности об архитектуре, обучающих данных, языках, разработчиках и специализированных возможностях для кибербезопасности в карточке не приведены. Применение модели следует ограничивать задачами, соответствующими качеству генерации текста конкретной версии; перед использованием в продуктивных или чувствительных сценариях необходимы собственные проверки. Информация о лицензии в доступных данных отсутствует.

SOLAR-Platypus-10.7B-v2 — авторегрессионная языковая модель, разработанная Кюдзином Ханом (kyujinpy) на основе архитектуры Llama 2. Модель содержит около 10,6 млрд параметров, принимает текст и генерирует текст; базовая модель — upstage/SOLAR-10.7B-v1.0. Для дообучения на наборе garage-bAInd/Open-Platypus применялся Q-LoRA с рангом LoRA 64. Карточка задаёт формат промпта с ролями Human и Assistant, а метаданные указывают контекстное окно 4096 токенов. Модель подходит для генерации ответов и решения текстовых задач общего назначения на английском языке, включая вопросы, рассуждения и задачи из обучающего набора. В приведённой таблице результаты v2 ниже v1 на указанных тестах, особенно на GSM8K, поэтому качество математических рассуждений может быть ограниченным. Модель опубликована по лицензии CC BY-NC-SA 4.0, которая требует атрибуции, распространения производных работ на тех же условиях и не допускает коммерческого использования.

Strawberrylemonade-70B-v1.1-GGUF — это квантизированная версия текстовой генеративной модели Strawberrylemonade-70B-v1.1, разработанной sophosympatheia. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах. Модель имеет заявленный размер 70 миллиардов параметров и поддерживает английский язык. В репозитории доступны варианты квантизации GGUF от Q8_0 до IQ3_XXS, поэтому можно выбирать между качеством, требованиями к памяти и скоростью работы. Более крупные варианты обеспечивают высокое качество, а варианты с меньшей разрядностью подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Архитектура и размер контекстного окна в README не указаны. Модель распространяется по лицензии llama3. В метаданных присутствует пометка not-for-all-audiences, поэтому её применение может быть ограничено для некоторых аудиторий и сценариев.

LorMolf выпустил дообученную диалоговую модель Qwen3-4B-Instruct-2507 с плотной архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она предназначена для генерации текста и диалогов; обучение методом экспериментальной self-distillation (SDFT) использовало датасет LorMolf/SPSD-RL и привилегированный контекст в стиле MCTS с краткой подсказкой для студента. Модель основана на Qwen/Qwen3-4B-Instruct-2507, обучалась в течение 400 шагов и распространяется в формате safetensors для Transformers. Контекст составляет до 262 144 токенов. Карточка не приводит результаты итоговых бенчмарков, поэтому качество на конкретных задачах по ней оценить нельзя. Лицензия в предоставленных данных не указана.

Stealth v1.3 — разговорная языковая модель Jan на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для диалога и генерации текста; в карточке указан шаблон ChatML, а Jan Desktop позволяет запускать её на macOS, Windows и Linux. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 71,12, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает, на каких данных и каким способом модель обучалась, поэтому её происхождение нельзя надёжно определить.

Stellar-Odyssey-12b-v0.0-GGUF — это набор квантизированных версий текстовой генеративной модели Stellar-Odyssey-12b-v0.0, разработанной ProdeusUnity и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для локального запуска задач генерации текста через llama.cpp и совместимые приложения, включая LM Studio. Для диалогового взаимодействия используется шаблон prompt формата ChatML с ролями system, user и assistant. Модель относится к классу примерно 12-миллиардных языковых моделей, работает с текстом и распространяется в вариантах от F16 до низкобитных квантований Q2–Q8 и IQ. Квантизация выполнена с использованием llama.cpp release b3841 и imatrix, что позволяет выбирать компромисс между качеством, размером файла и требованиями к памяти. Наиболее качественными в README названы F16, Q8_0, Q6_K_L и Q6_K; для типичных локальных сценариев рекомендуются также варианты Q5 и Q4. Сильные стороны набора — широкий выбор квантований, возможность локального запуска и адаптация отдельных вариантов под ARM-процессоры. Более компактные версии требуют меньше оперативной памяти, но могут заметнее уступать по качеству, особенно варианты Q3 и Q2. Сведения о поддерживаемых языках, размере контекста, конкретной архитектуре исходной модели, результатах оценки и лицензии в README не указаны.

Terminal-12k-top25 — разговорная языковая модель на архитектуре Qwen3 с 7,6 млрд параметров, дообученная разработчиком cuong1692001 на модели cuong1692001/Terminal_complete_8k. Она предназначена для генерации текста в диалоговом формате. Репозиторий содержит веса Safetensors; модель работает через Transformers и поддерживает контекст до 40 960 токенов. README не раскрывает назначение датасета nemotron_complete_top_25_12k, конкретные сценарии применения или результаты оценки. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и связанных лицензиях базовой модели и данных.

Terminal-16k-bottom80 — диалоговая языковая модель на архитектуре Qwen3, разработанная cuong1692001. Это дообученная версия cuong1692001/Terminal_complete_8k, обученная на наборе nemotron_complete_bottom_80_16k. Модель содержит 7,6 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом режиме; заявленная длина контекста — до 40 960 токенов. Модель можно использовать для ведения диалогов и генерации текстовых ответов. README не приводит результатов оценки или подробностей о целевых сценариях и ограничениях. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории модели.

Tess-2.0-Llama-3-8B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Tess-2.0-Llama-3-8B. Исходная модель разработана migtissera, а квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix на датасете, предоставленном Kalomaze. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая llama.cpp. Модель основана на архитектуре Llama 3 и содержит 8 млрд параметров. Доступны варианты квантизации от Q8_0 до IQ1_S, размером примерно от 2,01 до 8,54 ГБ. В README не указаны поддерживаемые языки, размер контекстного окна, мультимодальные возможности и дополнительные результаты оценки. Более высокие варианты квантизации обеспечивают лучшее качество, а низкоразрядные требуют меньше оперативной памяти, но заметно уступают по качеству; варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и Q4_K_S отмечены как рекомендуемые. Для корректного использования следует применять формат промпта Llama 3 с системным сообщением, запросом пользователя и ответом assistant. Модель распространяется по лицензии llama3; конкретные условия и ограничения этой лицензии в README не раскрыты.

Tess-v2.5-Gemma-2-27B-alpha-GGUF — квантизированная версия текстовой генеративной модели Tess-v2.5-Gemma-2-27B-alpha, разработанной migtissera и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска через llama.cpp; README не уточняет её специализацию, поддерживаемые языки и конкретные прикладные сценарии. В основе лежит архитектура Gemma 2 с размером 27B параметров. Доступны варианты квантизации от Q2_K до Q8_0, включая экспериментальные сборки с весами эмбеддингов и выходного слоя в формате f16. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше памяти: размер файлов варьируется примерно от 10,44 до 30,04 ГБ. Модель работает в режиме text-generation, поддерживает указанный в README шаблон диалога и не поддерживает system prompt. Длина контекста и набор модальностей не указаны; по представленным данным модель является текстовой. Сильной стороной являются варианты Q5–Q8 с заявленным высоким или очень высоким качеством, а также возможность выбрать более компактные сборки для систем с ограниченным объёмом RAM. Низкобитные варианты экономят память, но дают более низкое качество; часть сборок обозначена как экспериментальная. Для использования требуется совместимый рантайм, например llama.cpp, и объём памяти, соответствующий выбранному файлу. Лицензия указана как Gemma.

Behemoth-ReduX-123B-v1.1-GGUF — это квантизированная версия текстовой генеративной модели Behemoth-ReduX-123B-v1.1, разработанной TheDrummer. Квантизация выполнена пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и совместимые проекты; в README указан формат промпта [INST]. Модель имеет размер 123B параметров, поддерживает варианты квантизации от Q8_0 до более компактных Q2 и требует значительного объёма памяти: размер доступных файлов варьируется примерно от 47 до 130 ГБ. Более высокие варианты, включая Q6_K и Q5_K_M, обеспечивают качество, близкое к исходной модели, тогда как низкоразрядные варианты экономят память за счёт снижения качества. README не содержит сведений об архитектуре, контекстном окне, поддерживаемых языках, мультимодальности, исходной лицензии или конкретных прикладных ограничениях.

Rivermind-Lux-12B-v1-GGUF — это квантованные версии текстовой генеративной модели Rivermind-Lux-12B-v1, разработанной TheDrummer. Файлы подготовлены пользователем bartowski в формате GGUF с помощью llama.cpp и imatrix-квантизации. Модель предназначена для локальной генерации текста и может использоваться через LM Studio, llama.cpp и другие проекты на его основе; для работы указан формат запроса <s>[INST]{prompt}[/INST]. Модель содержит 12 млрд параметров. Доступны варианты от BF16 до низкобитных квантований Q8_0, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Наиболее качественными в README названы BF16 и старшие варианты Q6, а Q4_K_M обозначен как типичный вариант для большинства сценариев; низкобитные версии экономят память, но могут заметно снижать качество. Информация о поддерживаемых языках, размере контекста, модальностях, результатах тестирования и лицензии в предоставленных данных отсутствует.

bartowski/TheDrummer_Valkyrie-49B-v1-GGUF — это набор GGUF-квантизаций модели Valkyrie-49B-v1, разработанной TheDrummer. Квантизации подготовлены bartowski с использованием llama.cpp версии b5415 и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от исходных весов BF16 размером около 99,74 ГБ до более компактных форматов Q2–Q8 и IQ. Рекомендуемые варианты обеспечивают высокое или хорошее качество при меньших требованиях к памяти; Q4_K_M указан как типичный вариант для большинства сценариев. Более низкие уровни квантизации экономят место, но могут заметно снижать качество. Поддерживаемые модальности, языки, архитектура исходной модели и размер контекста в README не указаны. Для работы необходимо использовать указанный формат шаблона промпта с системными, пользовательскими и ассистентскими сообщениями. Лицензия модели или квантизированных файлов в предоставленных данных не указана, поэтому условия распространения и коммерческого использования требуют отдельной проверки.

TinyCode-4B — дообученная модель генерации текста на архитектуре Phi-3, опубликованная пользователем turtle170. По карточке, модель обучалась с помощью TRL и поддерживает диалоговый сценарий. Она предназначена для генерации ответов на текстовые запросы и использования в чат-приложениях. Модель содержит 3,8 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 4096 токенов. Доступны веса в формате Safetensors для Transformers. Лицензия в предоставленных данных не указана.

Tensoic/TinyLlama-1.1B-2.5T-openhermes — инструкционно дообученная версия TinyLlama, созданная на наборе данных openhermes от Teknium. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1 млрд параметров. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и других текстовых сценариях. Модель принимает текст и генерирует текст. Указанная длина контекста — 4096 токенов. В карточке названы набор данных и конфигурация обучения Axolotl 0.3.0; языки обучения и лицензия не приведены, поэтому их нельзя надёжно определить по доступным сведениям.

TinyYi-7B-Test — языковая модель, созданная Yash Marathe слиянием Yash21/DeepYi-Base и Yash21/DeepYi-Second методом SLERP. Она предназначена для генерации текста и может использоваться для диалога, продолжения текста и ответов на запросы. Модель использует плотную архитектуру семейства Llama, класс LlamaForCausalLM; в метаданных указано 5,8 млрд параметров и контекст 4096 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 29,11 и результаты по AI2 Reasoning Challenge и HellaSwag. Карточка не описывает целевые языки или специализированные области применения, поэтому модель следует считать общего назначения; качество для конкретных задач и языков нужно проверять отдельно.

Ba2han/TR_SFT1 — дообученная авторами Ba2han модель для генерации текста и ответов на запросы пользователей. Она основана на Ba2han/TR_CPT1 и обучена с помощью TRL в формате supervised fine-tuning (SFT). Архитектура — плотная причинно-следственная языковая модель Qwen3 с 1,3 млрд параметров; модель работает с текстом и поддерживает контекст до 16 384 токенов. Модель можно использовать для диалоговых ответов и генерации продолжений по запросу через Transformers. В карточке приведён пример передачи сообщения пользователя в pipeline text-generation. Репозиторий содержит веса Safetensors и рассчитан на использование с библиотекой Transformers. Лицензия в доступных данных не указана.

TurdusWestLakev2-IreneRP-Neural-7B-slerp — объединённая текстовая модель, созданная Smuggling1710 с помощью LazyMergekit. Она объединяет модели Smuggling1710/WestLakev2-IreneRP-Neural-7B-slerp и udkai/Turdus методом slerp; в конфигурации указаны слои 0–31, отдельные коэффициенты смешивания для self-attention и MLP и точность bfloat16. Модель построена на архитектуре Mistral с плотной причинной языковой моделью MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст длиной до 32 768 токенов. Основная задача — генерация текста; её можно применять для продолжения текста и диалоговых ответов. Сведений о поддерживаемых естественных языках и специализированных областях в предоставленных источниках нет. Лицензия в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны; параметры генерации и фактические результаты следует проверять на целевых сценариях.

usermma/TwIL-LM3-mlx-fp16 — преобразованная в формат MLX версия модели webAI-Official/TwIL-LM3, подготовленная с помощью mlx-lm 0.31.2. Это плотная авторегрессионная языковая модель семейства SmolLM3 с 3,1 млрд параметров и контекстом до 65 536 токенов; доступна в формате safetensors и поддерживает диалоговый режим. Модель предназначена для генерации текста и диалоговых сценариев. В тегах исходной модели указаны формальная логика, рассуждения, обучение с подкреплением и слияние моделей, однако README этой версии не описывает отдельные результаты или специализированные возможности. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели и исходного репозитория.

ViAble-1.7-9B-GGUF — это GGUF-квантизированная версия языковой модели ViAble 1.7 9B, разработанной bogairff55 и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и задач, связанных с рассуждением; заявленный язык — английский. Модель содержит около 9 миллиардов параметров и доступна в нескольких вариантах квантизации: от Q2_K до Q8_0, а также в формате f16. Размер файлов составляет примерно от 3,9 до 18 ГБ. Для быстрого запуска рекомендованы варианты Q4_K_S и Q4_K_M, а Q8_0 обеспечивает наиболее высокое качество среди перечисленных вариантов при большем потреблении памяти. README не содержит сведений об архитектуре, длине контекста, поддерживаемых модальностях, дополнительных языках и результатах benchmark-тестов. Формат GGUF удобен для локального запуска в совместимых инструментах, однако качество и требования к памяти зависят от выбранного варианта квантизации: более компактные версии экономичнее, но могут сильнее терять в качестве. Лицензия и условия использования в README не указаны.

horangwave/vicuna_1014_12 — текстовая модель семейства Llama, созданная методом passthrough merge с помощью mergekit на основе horangwave/vicuna_1418_16. Она предназначена для генерации текста и ответов в сценариях, где требуется языковая модель с контекстом до 2048 токенов. В метаданных указаны 2,6 млрд параметров, архитектура LlamaForCausalLM, библиотека Transformers и формат safetensors; README сообщает о конфигурации с точностью bfloat16 и включении диапазонов слоёв базовой модели. Модель принимает текст и генерирует текст. Карточка не описывает специальные области применения, языки или гарантии качества. Лицензия в предоставленных данных не указана.

VPO-Pess-SELM-Zephyr-7B-iter-1 — дообученная Katayoon модель на основе Katayoon/DPO-ONLY-Zephyr-7B. Она предназначена для диалогов и генерации текстовых ответов. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — MIT. Карточка указывает на обучение на обновлённом и исходном наборах данных; метаданные также связывают базовую модель с UltraFeedback. README не приводит оценок качества и подробных ограничений, поэтому возможности модели за пределами диалоговой генерации не установлены.

Wiki-SmartBotLM-Instruct — компактная авторегрессионная языковая модель с архитектурой decoder-only Transformer, разработанная как независимый исследовательский проект и обученная с нуля. Она содержит около 276 млн параметров и использует RoPE, RMSNorm, SwiGLU, Grouped Query Attention и причинное внимание; заявленная длина контекста — 8192 токена. Модель сначала обучали предсказывать следующий токен на англоязычной Википедии, затем дообучили на наборе инструкций Alpaca. Модель предназначена для диалоговых прототипов, ответов на вопросы, объяснения технических тем, помощи с программированием, суммаризации и генерации учебных текстов. Карточка приводит результаты на MMLU, ARC Challenge, HellaSwag, Winogrande и BoolQ; опубликованные значения для BoolQ, ARC Challenge и HellaSwag ниже приведённого сравнения с Gemma 3 270M IT. Модель может галлюцинировать, уступает более крупным моделям в рассуждениях, ограничена знаниями обучающего корпуса и может хуже работать в длинных диалогах. Лицензия — MIT.

WizardLM-2-4x7B-MoE — экспериментальная модель Mixture of Experts, созданная автором карточки с помощью Mergekit путём объединения четырёх копий WizardLM-2-7B в случайном режиме маршрутизации. Она предназначена для генерации текста и диалогового использования с шаблоном Vicuna-v1.1; автор рекомендует активировать четыре эксперта на токен. В метаданных указаны архитектура Mixtral, 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors; README рекомендует ориентироваться на контекст 8 тыс. токенов, как у Mistral-7B-Instruct-v0.1. Модель выпущена под лицензией Apache-2.0. Автор характеризует её как эксперимент и не ожидает особенно высоких результатов, поэтому качество ответов следует проверять.

Это модель генерации текста на базе Wizard Vicuna 13B Uncensored, подготовленная TheBloke в формате PyTorch fp16. В неё объединены веса базовой модели и адаптер SuperHOT 13B LoRA от Kaio Ken; настройка RoPE позволяет использовать контекст до 8192 токенов. Архитектура — плотная LLaMA с 12,9 млрд параметров. Модель предназначена для диалогов и генерации текста, включая сценарии, где требуется продолжение контекста длиной до 8K токенов. Исходная Wizard Vicuna обучена на наборе данных, из которого удалили ответы с отказами и морализаторством, поэтому у модели нет встроенных защитных ограничений. Для использования расширенного контекста README указывает на необходимость включить trust_remote_code=True. Лицензия в метаданных обозначена как other.

hoduyquocbao/xiangqi-r1-0.5b — дообученная модель семейства Qwen2, опубликованная hoduyquocbao. Это плотная авторегрессионная языковая модель примерно на 494 млн параметров с контекстом до 32 768 токенов, предназначенная для генерации текста в диалоговом режиме. В карточке указано, что модель дообучена с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых сценариев и генерации текста. Метаданные также указывают интерфейс вызова инструментов, однако подробности его поддержки и результаты оценки качества в карточке не приведены. Указанный язык — английский. Модель распространяется по лицензии Apache-2.0.

Модель ShenaoZ/0.0001_sft_nodpo_4iters_bs256_5102lr_iter_3 — дообученная разговорная модель для генерации текста. Она создана на основе ShenaoZ/0.0001_sft_nodpo_4iters_bs256_5102lr_iter_2 и обучалась на наборах данных updated и original. Архитектура — MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Её можно применять для диалогов и генерации текста. README не приводит результаты оценки, сведения о конкретных сценариях или языках; качество и языковые возможности нельзя уточнить по имеющимся данным.

Это диалоговая модель Mistral с 7,1 млрд параметров, дообученная автором репозитория на базовой модели ShenaoZ/0.0001_sft_nodpo_5iters_bs256_555lr_iter_3 с использованием наборов данных updated и original. Она предназначена для генерации текста в чате и использует архитектуру MistralForCausalLM с контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не приводит сведений о специализации обучения или результатах оценки.