II.2Создание и понимание программного кода

Это модель извлечения признаков изображений qwen3vit88menc.qwen3508b из семейства Qwen, подготовленная командой timm на основе визуального энкодера Qwen3.5-0.8B. Она предназначена для преобразования изображений в пространственные визуальные токены, которые можно использовать в мультимодальных системах и специализированных решениях. Модель содержит около 100 млн параметров, включая визуальный энкодер, пространственный merger и проекцию к ширине исходной языковой модели; веса языковой модели и обученная классификационная голова отсутствуют. Энкодер использует MLP с GELU-tanh, обучаемые абсолютные позиционные представления и двумерный осевой RoPE. Поддерживает прямоугольные RGB-изображения; размеры сторон должны делиться на 16, а для вариантов с merger 2×2 — на 32. При обработке изображения временное измерение исходного ядра свёртки сводится к двумерной свёртке. Входные пиксели нормализуются со средним и стандартным отклонением 0,5 по каналам. Модель доступна под лицензией Apache 2.0.

Sapiens2-5B — разработанная Meta предобученная модель Vision Transformer для анализа изображений с фокусом на человеке. Она обучена на 1 млрд изображений людей и содержит около 5,3 млрд параметров; архитектура использует RoPE, GQA, SwiGLU, RMSNorm и QK-нормализацию. Репозиторий содержит веса в формате safetensors. Модель извлекает плотные признаки по патчам изображения для последующей настройки специализированных голов и применения в оценке позы, сегментации частей тела, предсказании нормалей поверхности и pointmap. Она также подходит для исследований в области компьютерного зрения, ориентированного на человека. Это визуальный бэкбон, а не готовая модель для выдачи конечных разметок: для downstream-задач требуются соответствующие головы или чекпойнты. Указана лицензия Sapiens2 License; конкретные условия следует сверить с текстом лицензии репозитория.

yujiepan/smollm-tiny-random — экспериментальная модель для отладки на базе конфигурации HuggingFaceTB/SmolLM-1.7B, созданная с существенно уменьшенным размером и случайно инициализированными весами. Модель предназначена не для прикладной генерации текста, а для проверки кода, конфигураций и процессов инференса в библиотеке Transformers. Модель поддерживает задачу text-generation и используется через Transformers. Она содержит около 394,4 тыс. параметров, имеет контекстное окно длиной 2048 токенов и архитектурные настройки с двумя скрытыми слоями, уменьшенными размерностями представлений и четырьмя attention heads. В метаданных присутствуют теги Llama, safetensors и Transformers. Из-за случайной инициализации модель не обладает выученными языковыми знаниями и не подходит для содержательной генерации, диалогов, суммаризации или других пользовательских задач. Лицензия в предоставленных данных не указана.

Snowball-67B-A2B-5.7T-Mixed-RLVR-Step38 — исследовательский чекпойнт из эксперимента Snowball, опубликованный как экспорт шага 38 обучения с подкреплением на проверяемых наградах. Он основан на laion/snowball-67b-a2b-sft-s3-nemotron-terminal-step1888 и использует архитектуру Grug MoE для авторегрессионной генерации текста. В метаданных указано 1B параметров и контекст 32768 токенов; модель представлена в формате safetensors. Чекпойнт предназначен для исследований генерации текста и агентных сценариев, включая эксперименты с вызовом инструментов и смешанными доменами. В описании эксперимента указаны Megatron, алгоритм Synchronous RLOO-N, обучение на 64 H100 и контрольная оценка pass@1 0,54 на выборке из 100 примеров; поздний шаг обучения достиг такого же значения, поэтому опубликованный шаг не является самым поздним с этим результатом. Авторы отмечают проблемы с соблюдением выходных контрактов и недостатком наград в отдельных доменах, поэтому качество нельзя считать равномерно улучшенным. Модель не прошла полноценное тестирование и оценку, а опубликованные оценки ограничены указанными экспериментами. Лицензия — OpenMDW-1.1; README рекомендует осторожность при производственном использовании.

Это зеркало официального контрольного набора STDC2-Seg75 для семантической сегментации изображений Cityscapes. Модель разработана авторами STDC-Seg; архитектура Short-Term Dense Concatenate Network с backbone STDCNet1446 опубликована на CVPR 2021. В репозитории размещены исходные веса fp32 без изменений, переупакованные для программной загрузки через Hugging Face Hub. Модель дообучена на Cityscapes и размечает городские сцены по 19 классам. Она предназначена для сегментации дорожных изображений, например для анализа уличных сцен и транспортной инфраструктуры. Для запуска требуется реализация архитектуры BiSeNet из исходного репозитория STDC-Seg: она не включена в это зеркало. Лицензия репозитория — MIT.

Это экспериментальный контрольный чекпойнт Llama-2-7b-chat, созданный в исследовании влияния сжатия на безопасность и полезность языковых моделей. Разработчики применили SVD-LLM, удалив около 40% параметров, а затем выполнили 5 из 10 раундов итеративного параметрически нейтрального обмена компонентами по правилу disc_iter. В результате осталось 60% плотных параметров исходной модели. Модель предназначена для генерации текста и диалогов, а также для измерения компромиссов между качеством и безопасностью после сжатия. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельная точка экспериментальной сетки, а не универсальный ассистент: сжатие может ухудшать защиту от вредоносных запросов. Контекст модели — 4096 токенов, размер — 6,6 млрд параметров; базовая Llama-2-7b-chat ориентирована на английский язык. Лицензия — Llama 2.

Это исследовательский чекпойнт Jeesup на основе диалоговой модели Meta Llama-2-7b-chat, предназначенный для изучения влияния сжатия на безопасность и полезность ответов. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текста; длина контекста — 4096 токенов. Веса сжаты методом SVD-LLM примерно до половины исходного числа параметров, после чего выполнено 6 из 10 раундов параметрически нейтральной перестановки компонентов по правилу disc_iter. Чекпойнт — одна из экспериментальных конфигураций исследования, а не универсальный ассистент. В README приведены показатели атак на безопасность и избыточного отказа, поэтому результаты следует интерпретировать в рамках эксперимента, а перед применением самостоятельно оценить поведение модели. Модель рассчитана на исследование компромиссов между сжатием, полезностью и безопасностью диалоговых языковых моделей. Лицензия — Llama 2; использование регулируется условиями лицензии Meta Llama 2.

Tiny Qwen25VLForConditionalGeneration — минимальная мультимодальная модель из семейства Qwen2.5-VL, опубликованная организацией trl-internal-testing на Hugging Face для модульных тестов библиотеки TRL. Она предназначена для сценариев image-text-to-text: принимает изображения и текстовые запросы и генерирует текстовые ответы. Модель совместима с Transformers и использует архитектуру Qwen2_5_VLForConditionalGeneration; в метаданных указаны 3,5 млн параметров, контекст до 128 000 токенов и формат Safetensors/BF16. Модель удобна для проверки мультимодальных пайплайнов, загрузки, генерации и интеграции TRL с Transformers, но не является полноразмерной моделью для прикладного использования. Из-за минимального размера её ответы и функциональные возможности существенно ограничены по сравнению с продуктивными моделями Qwen2.5-VL. Лицензия в доступных данных не установлена.

Tiny Qwen2ForCausalLM — минимальная причинная языковая модель семейства Qwen2, опубликованная пространством trl-internal-testing для unit-тестов библиотеки TRL. Она предназначена для проверки сценариев обучения и оптимизации языковых моделей, включая SFT, DPO, PPO и GRPO, а также для экспериментов с генерацией текста и conversational-интерфейсом. Модель имеет архитектуру Qwen2ForCausalLM, поддерживает text-generation, использует Transformers и формат Safetensors. В предоставленных метаданных указаны примерно 1,2 млн параметров и нативное контекстное окно 32 768 токенов. Поддерживаемые естественные языки и лицензия по доступным данным не установлены. Главное преимущество модели — крайне малый размер, удобный для быстрых автоматизированных тестов и разработки пайплайнов TRL. Из-за минимального размера и тестового назначения она не предназначена для качественных ответов, промышленного использования или оценки возможностей полноразмерных языковых моделей; лицензия в доступных источниках не указана.

onnx-internal-testing/tiny-random-Qwen3_5MoeForConditionalGeneration — небольшой случайно инициализированный тестовый чекпойнт семейства Qwen3_5 MoE, опубликованный в пространстве onnx-internal-testing. По метаданным модель относится к задаче image-text-to-text и предназначена для проверки совместимости и работы инструментов Transformers с мультимодальными моделями, включая ONNX и safetensors.

Veyra-30M-Instruct — экспериментальная компактная языковая модель от Veyra AI, предназначенная для проверки возможностей дообучения небольших моделей на следование инструкциям. Это дообученная методом supervised fine-tuning модель Veyra-30M-Base с архитектурой Llama: decoder-only трансформер с 34,6 млн параметров, grouped-query attention, чередованием блоков внимания и MLP, нормализацией RMSNorm и позиционным кодированием RoPE. Модель принимает текстовые запросы в формате ChatML и генерирует текст; заявлены английский язык и контекст до 1024 токенов. Модель подходит для экспериментов с локальными ассистентами, простым форматированием и JSON, базовыми вопросами по Python и изучения поведения instruction-tuning на очень малых языковых моделях. Авторы отмечают слабые арифметические способности, ненадёжное запоминание в многоходовом диалоге, повторы, склонность к уверенным ошибкам и чувствительность к формулировке запроса. Она не предназначена для производственных, критически важных или требующих надёжных фактических ответов сценариев; безопасность настроена не полностью. Лицензия — Apache 2.0.

Карточка модели afurkank/vit-face-expression на Hugging Face совпадает с карточкой trpakov/vit-face-expression, поэтому описание составлено по ней. trpakov/vit-face-expression — модель распознавания эмоций по изображениям лиц, разработанная автором репозитория и дообученная на FER2013. Она использует архитектуру Vision Transformer (ViT) с 113,2 млн параметров и классифицирует выражение лица по семи категориям: злость, отвращение, страх, радость, грусть, удивление и нейтральное выражение. Модель принимает изображение лица и выдаёт метку класса эмоции. Её можно применять для анализа выражений на фотографиях и других изображениях лиц. В README указаны точность 71,13% на валидационной выборке и 71,16% на тестовой выборке FER2013. Качество может зависеть от смещений в обучающих данных и от того, насколько новые изображения похожи на обучающую выборку. Репозиторий распространяется по лицензии Apache-2.0.

timm/vit_huge_patch16_sapiens2.fb — преобразованный для библиотеки timm чекпойнт предобученной модели Sapiens2 от Meta. Это Vision Transformer с RoPE, GQA, SwiGLU, RMSNorm и QK-нормализацией, содержащий около 0,818 млрд параметров. Веса не дообучались: изменены только названия ключей для совместимости с timm. Модель обучена на 1 млрд изображений людей и предназначена для извлечения плотных признаков по патчам изображения. Эти признаки подходят для настройки специализированных голов оценки позы, сегментации частей тела, предсказания нормалей поверхности и pointmap-карт, а также для исследований человекоцентрического компьютерного зрения. Модель принимает изображения и выдаёт признаки; это предварительно обученная основа, а не готовая модель для перечисленных downstream-задач. Репозиторий использует формат safetensors и библиотеку timm. Применяется лицензия Sapiens2 License; её конкретные условия следует проверить перед использованием.

Карточка модели mdagosta/waldito-python-basics-v1-r0002-u1-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0002-u2-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0003-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0003-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0004-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0004-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0004-u2-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0005-u1-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0007-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0007-u0-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0008-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0008-u0-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0008-u2-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-merge на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-u2-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.