II.2Создание и понимание программного кода

Trillama-8B — языковая модель на архитектуре Llama 3, разработанная Senseable и дообученная на базе Llama-3-8B. Она предназначена для генерации текста в диалоге и ответов на запросы, с акцентом разработчика на логическое мышление и рассуждения. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов; в метаданных указан английский язык. Модель подходит для диалоговых помощников, объяснения понятий и задач, требующих рассуждений. Карточка демонстрирует запуск через Transformers с точностью bfloat16. Лицензия указана как Llama 2 License; качество рассуждений и результаты оценивания в карточке не приведены.

Triunvirato-7b — языковая модель на архитектуре Mistral, созданная Kukedlc путём слияния трёх моделей с помощью LazyMergekit: mistralai/Mistral-7B-v0.1, Kukedlc/neuronal-7b-Mlab и mlabonne/Monarch-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель содержит 7,1 млрд параметров, имеет контекстное окно до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для свободной генерации текста и разработки приложений на базе языковой модели. README не сообщает результаты оценки качества или перечень поддерживаемых языков, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

allenai/tulu-v2.5-dpo-13b-alpacafarm-human-pref — англоязычная диалоговая модель AllenAI из набора RLHF-моделей Tulu. Она основана на Llama 2 с 13 млрд параметров и дообучена на смеси инструкций и диалогов Tulu V2, затем дополнительно выровнена методом DPO на предпочтениях людей из набора AlpacaFarm Human Preference. Модель предназначена для генерации текста и ответов помощника на инструкции и вопросы на английском языке. Она принимает текст в формате диалога, для которого рекомендуется использовать шаблон чата токенизатора, и поддерживает контекст до 4096 токенов. Модель может давать проблемные или небезопасные ответы: на этапе выравнивания её не обучали безопасно отказывать на вредоносные запросы, а фильтрация ответов не встроена. Лицензия — Apache 2.0.

Это исследовательский чекпойнт на 1,7 млрд параметров семейства Qwen3, опубликованный пользователем yuq-zhou в стандартном формате Hugging Face Safetensors для загрузки через Transformers. Модель предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов. Карточка называет репозиторий резервной копией исследовательского артефакта, но не описывает специальную предметную область, поддерживаемые языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

ishikaa/acquisition_student_RL_AS_confidence_combined_qwen14b — языковая модель на архитектуре семейства Qwen2, опубликованная пользователем ishikaa. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также указано обучение или настройка с использованием TRL и GRPO. README содержит только автоматически созданную карточку и не предоставляет сведений о разработчиках, обучающих данных, методике дообучения или лицензии. Модель имеет около 14 миллиардов параметров и поддерживает контекст до 32 768 токенов. Она может применяться для генерации ответов, ведения диалога, создания черновиков и интеграции в текстовые приложения на базе Transformers. Мультимодальность и конкретный набор естественных языков не заявлены. Ключевые ограничения связаны с неполной документацией: отсутствуют результаты оценки, описание датасета, точные сведения о базовой модели, лицензии и рекомендуемых сценариях использования. Ответы модели могут содержать фактические ошибки, нежелательные формулировки и зависеть от качества промпта; перед применением в критически важных задачах необходима проверка человеком.

Это англоязычная чат-модель для генерации текста, созданная пользователем kobe-ja путём дообучения unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Модель относится к семейству Llama 3.1, использует плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров. Модель подходит для диалогов и генерации ответов на английском языке. В метаданных заявлен контекст длиной до 131 072 токенов и интерфейс вызова инструментов. Карточка не описывает специализированную область применения или состав обучающих данных, поэтому её следует рассматривать как модель общего назначения. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она унаследовала ограничения базовой модели и дообучения; карточка не приводит оценок качества или подробностей обучения.

Citaman/command-r-5-layer — экспериментальная слитая языковая модель семейства Cohere, созданная автором репозитория с помощью mergekit. В README описано слияние методом SLERP двух срезов одной базовой модели Citaman/command-r-6-layer; метаданные указывают 6,2 млрд параметров и архитектуру CohereForCausalLM с плотными слоями. Модель принимает текст и предназначена для диалоговой генерации текста, а также интерфейса вызова инструментов. Контекст составляет до 8192 токенов. Веса опубликованы в формате safetensors. В карточке не указаны лицензия и поддерживаемые естественные языки. Это небольшой эксперимент по перестановке и слиянию слоёв, поэтому качество и надёжность могут быть ограничены; результаты следует проверять на целевых задачах.

yonigo/deberta-v3-base-pii-en — англоязычная модель для разметки токенов, созданная дообучением microsoft/deberta-v3-base на примерах из ai4privacy/pii-masking-300k. Она предназначена для обнаружения персональных данных в тексте, например имён, адресов и телефонных номеров, чтобы размечать их перед маскированием или другой последующей обработкой. Модель использует архитектуру DeBERTa V2 для классификации токенов, содержит 211,6 млн параметров и рассчитана на контекст до 512 токенов. Модель принимает текст и возвращает метки для его фрагментов; для объединения меток в сущности в примере README используется pipeline Transformers с aggregation_strategy="first". Обучение проведено на англоязычных примерах, поэтому применение к другим языкам не подтверждено. Лицензия — MIT.

Discord-Micae-Hermes-3-3B-i1-GGUF — квантизированная GGUF-версия текстовой causal language model Discord-Micae-Hermes-3-3B. Базовую модель разработал mookiezi, а квантизацию выполнил mradermacher. Модель основана на архитектуре семейства Llama 3, содержит около 3 млрд параметров и предназначена для генерации текста, инструктивного взаимодействия и диалоговых сценариев, включая использование в чат-ботах и conversational AI. Обучение или дообучение связано с набором данных mookiezi/Discord-OpenMicae и применением merged LoRA. Модель поддерживает английский язык и работает с текстовой модальностью; сведения о размере контекстного окна в README не указаны. Репозиторий предоставляет множество вариантов GGUF-квантизации с разным компромиссом между размером, скоростью и качеством, включая imatrix-кванты. Это позволяет запускать модель на более ограниченных ресурсах, однако низкобитные варианты могут заметно снижать качество генерации. Рекомендуемые в README варианты — i1-Q4_K_M и i1-Q4_K_S; конкретные требования к оборудованию и дополнительные ограничения не указаны. Лицензия обозначена как llama3.

Eclectic-Maid-10B-v2-1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral на 10,4 млрд параметров с архитектурой MistralForCausalLM, предназначенная для генерации текста. В README указан метод объединения passthrough и исходная модель Eclectic-Maid-v2; веса представлены в формате safetensors, а конфигурация слияния использует float16. Модель можно применять для генерации продолжений и ответов в текстовых сценариях. Заявленная длина контекста составляет 32 768 токенов. В карточке нет сведений о конкретных языках, специализированных областях или ограничениях качества. В метаданных присутствует пометка not-for-all-audiences, поэтому модель может быть не подходящей для всех аудиторий. Условия лицензии в предоставленных данных не приведены.

NotASI/Einstein-Replete-7B — языковая модель для диалоговой генерации текста, созданная объединением моделей Weyaxi/Einstein-v7-Qwen2-7B и Replete-AI/Replete-LLM-Qwen2-7b методом TIES с помощью mergekit. В качестве базовой модели использована Qwen/Qwen2-7B. Модель построена на плотной архитектуре Qwen2 с причинным языковым моделированием и содержит 7,1 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ведения диалогов и генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или сравнительных результатах, поэтому оценить её сильные стороны для конкретных задач нельзя. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

nbeerbower/EVA-Gutenberg-Rombos-slerp-Qwen2.5-32B — объединённая языковая модель на архитектуре Qwen2.5, созданная разработчиком nbeerbower методом SLERP с помощью mergekit из EVA-Gutenberg3-Qwen2.5-32B и Rombos-Qwen2.5-32B-lorablated. Это плотная авторегрессионная модель с 32 млрд параметров и контекстом до 131 072 токенов; она предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Модель принимает текст и выдаёт текст. Карточка описывает способ слияния и состав исходных моделей, но не приводит оценок качества или подробностей о специализации. Доступна по лицензии Apache-2.0.

EVA-Rombos1-Qwen2.5-32B — плотная языковая модель на архитектуре Qwen2, созданная автором nbeerbower слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. Базовой моделью для слияния указана nbeerbower/DeepSeek-R1-Qwen-lorablated-32B; в состав также вошли Rombos-Qwen2.5-32B-lorablated, EVA-Qwen2.5-32B-v0.2 и EVA-Gutenberg3-Qwen2.5-32B. Модель содержит 32 млрд параметров, принимает текст и генерирует текст. Метаданные указывают контекст до 131 072 токенов, поддержку чатового взаимодействия и интерфейса вызова инструментов. Её можно применять для диалогов, ролевого отыгрыша и написания историй — такие сценарии указаны в описании базовой модели в каталоге. Репозиторий использует формат safetensors, библиотека — Transformers. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых естественных языках и сравнительных оценках качества в предоставленной карточке нет.

MaziyarPanahi/Experiment26Yam_Experiment27Experiment29 — объединённая модель Mistral для генерации текста, созданная из automerger/Experiment26Yam-7B и automerger/Experiment27Experiment29-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Контекстное окно составляет до 32 768 токенов. В карточке не приведены сведения о специализации по языкам или прикладным областям. Лицензия — Apache-2.0.

EpistemeAI2 Fireball-Alpaca-Llama-3.1-8B-TypeR — чат-модель для генерации текста, разработанная EpistemeAI2 на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель дообучена с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалоговой генерации текста и других сценариев, поддерживаемых задачей text-generation. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. README не сообщает о специальных областях применения или уникальных возможностях дообучения.

flammenai/flammen5-mistral-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров для генерации текста. Она создана объединением предварительно обученных моделей nbeerbower/Flammen-Kunoichi-7B и yam-peleg/Experiment26-7B методом SLERP с помощью mergekit. Модель предназначена для сценариев генерации текста; её максимальный контекст составляет 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. В предоставленной карточке не описаны конкретные языковые специализации и ограничения качества, поэтому их нельзя уточнить.

unsloth/gemma-2b — текстовая генеративная модель семейства Gemma с плотной архитектурой GemmaForCausalLM и 2,5 млрд параметров. Репозиторий подготовлен Unsloth и содержит веса в формате safetensors; README Unsloth описывает инструменты для дообучения моделей Gemma и других семейств, в том числе разговорные и текстовые сценарии. Модель предназначена для генерации текста и может служить основой для диалоговых и текстовых приложений или дальнейшего дообучения. Она поддерживает английский язык, имеет контекстное окно 8192 токена и распространяется по лицензии Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений применения.

Crystalcareai/Gemma-COT — дообученная Crystalcareai модель семейства Gemma с плотной архитектурой GemmaForCausalLM и примерно 8,2 млрд параметров. Модель обучали в течение трёх эпох на датасете Crystalcareai/alpaca-gpt4-COT, поэтому она предназначена для генерации текста с рассуждениями в стиле chain-of-thought и ответов на инструкции.

HappyLlama1 — разговорная текстовая модель, дообученная ehristoforu на базе voidful/Llama-3.2-8B-Instruct с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и ведения диалогов; метаданные также указывают интерфейс вызова инструментов. Модель семейства Llama использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131072 токенов. В карточке приведены результаты оценок Open LLM Leaderboard: средний балл 26,04, IFEval — 73,63, BBH — 28,50. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или отдельные гарантии качества, поэтому применимость к конкретным задачам стоит оценивать по собственным примерам.

InternVL3-14B-GGUF — мультимодальная большая языковая модель, разработанная командой OpenGVLab и представленная в GGUF-формате Unsloth. Модель основана на OpenGVLab/InternVL3-14B и использует данные MMPR-v1.2; заявленная лицензия — Apache 2.0. Модель предназначена для задач, сочетающих работу с текстом и изображениями: мультимодального восприятия и рассуждений, анализа промышленных изображений, 3D-восприятия, использования инструментов и создания GUI-агентов. Поддерживается многоязычная работа, однако конкретный перечень языков в README не указан. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть представлена InternViT-300M-448px-V2_5, языковая — Qwen2.5-14B, а между ними используется MLP-проектор. Размер языковой модели — 14 млрд параметров; модель поддерживает текстовую и визуальную модальности. Контекстное окно, точные характеристики GGUF-квантизации и требования к ресурсам в README не указаны. К сильным сторонам относятся мультимодальные возможности и широкий спектр прикладных сценариев, но качество и производительность могут зависеть от выбранного варианта квантизации и аппаратной конфигурации.

unsloth/InternVL3-78B-Instruct-GGUF — GGUF-квантизированная версия мультимодальной модели InternVL3-78B-Instruct, разработанной командой OpenGVLab и подготовленной Unsloth. Это SFT-версия, прошедшая нативное мультимодальное предварительное обучение и дообучение, но не прошедшая MPO. Модель предназначена для задач, объединяющих работу с текстом и изображениями: мультимодального восприятия и рассуждений, анализа промышленных изображений, восприятия 3D-сцен, использования инструментов и создания GUI-агентов. Архитектура построена по схеме ViT-MLP-LLM и включает визуальную часть InternViT-6B-448px-V2_5 и языковую часть Qwen2.5-72B. Заявлена поддержка мультиязычных сценариев, однако конкретный список языков и размер контекстного окна в README не указаны. К сильным сторонам относятся крупная языковая модель, мультимодальное предварительное обучение и расширенные возможности визуального восприятия и рассуждений. Ограничения связаны с тем, что это именно SFT-версия без MPO; авторы рекомендуют при выборе использовать базовую версию InternVL3-78B, если преимущества SFT-редакции не требуются. Модель распространяется по лицензии, обозначенной как other, с указанием лицензии Qwen и ссылкой на её текст; точные условия следует проверять в лицензии Qwen2.5-72B-Instruct.

soyaakinohara опубликовал BF16-вариант K2-Horizon-32B, доработанный инструментом Heretic для ослабления отказов модели. Это плотная языковая модель семейства K2Horizon с 31,2 млрд параметров по метаданным; README указывает 34,8 млрд. Контекст составляет 524 288 токенов. Модель предназначена для генерации текста и диалогов на английском и других языках. Веса в формате safetensors разделены на 64 файла, их общий размер — около 69,6 ГиБ; для загрузки требуется примерно 70 ГиБ памяти. Для запуска необходимы Transformers и trust_remote_code=True. Изменение выполнено через ослабление отказов Heretic и слияние LoRA с исходными BF16-весами; дополнительного обучения не проводилось. В README приведён результат испытания: 3 отказа из 100 и KL-дивергенция 0,056. Модель распространяется по лицензии Apache-2.0. Доступны также квантизованные версии в отдельном репозитории GGUF.

Kagura-Llama-3.1-8B-Instruct — дообученная языковая модель разработчика idkwhyitsnotworking на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama для генерации текста и диалогового общения; в метаданных также отмечен интерфейс вызова инструментов. Обучение проводилось с использованием Unsloth и библиотеки TRL. Модель подходит для генерации ответов в чате и сценариев, где требуется текстовый помощник. В карточке указаны 7,5 млрд параметров, контекст длиной до 131 072 токенов и поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не уточняет специализацию дообучения или результаты оценки качества.

Модель yoon112/kanana-1.5-8b-instruct-2505-Persona-Merged разработана yoon112 на основе диалоговой модели Kakao kanana-1.5-8b-instruct-2505. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, дообученная с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Модель принимает текстовые запросы и генерирует текстовые ответы; размер контекстного окна составляет 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробностей о назначении Persona в названии.

mergekit-community/L3.1-Boshima-b-FIX — текстовая диалоговая модель, созданная сообществом путём линейного слияния языковых моделей с помощью mergekit. В качестве базовой использована Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2, также в слияние включена mergekit-community/L3-Boshima-a. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Она построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Нативная длина контекста составляет 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не описывает отдельные целевые языки, датасеты или специальные прикладные области. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить с карточками базовых моделей и условиями публикации репозитория. Модель унаследовала неконвенциональную направленность одной из базовых моделей; ответы могут быть менее ограниченными, а качество и безопасность вывода требуют оценки для конкретного применения.

LFM2-2.6B-Exp-GGUF — языковая модель для генерации текста, разработанная компанией Liquid AI. Это GGUF-версия модели LFM2-2.6B-Exp, предназначенная прежде всего для edge AI и локального запуска непосредственно на устройствах. Модель ориентирована на сценарии, где важны скорость работы, качество ответов и экономное использование памяти. Модель относится к гибридному семейству LFM2 и поддерживает text-generation. Доступны языки английский, арабский, китайский, французский, немецкий, японский, корейский и испанский. Размер модели — 2,6 млрд параметров. Формат GGUF совместим с llama.cpp и подходит для локального развертывания, включая устройства с ограниченными вычислительными и memory-ресурсами. Архитектурные детали и размер контекста в представленном README не указаны. К сильным сторонам модели относятся ориентация на периферийные устройства, высокая скорость и эффективность использования памяти. Ограничения, результаты тестов и сравнительные показатели в README не приведены, поэтому качество на конкретных задачах оценить невозможно. Модель распространяется по лицензии lfm1.0; подробные условия следует уточнять в файле LICENSE.

LFM2.5-2.6B-Uncensored-GGUF — это квантованная GGUF-версия модели LFM2.5-2.6B от Liquid AI, подготовленная автором SC117 на основе релиза LFM2.5-2.6B-Uncensored. Модель предназначена для генерации текста и локального запуска на периферийных устройствах, включая агентские сценарии. Версия получила модификацию abliterix Trial 65, из-за которой частота отказов при ответах существенно ниже, чем у официальной базовой модели. Модель содержит около 2,6 млрд параметров, использует гибридную архитектуру из 30 слоёв: 22 блока double-gated short-convolution и 8 блоков GQA. Заявлены контекстное окно 128K токенов, словарь размером 128K и ChatML-подобный шаблон с поддержкой встроенного рассуждения через тег <think>. Модель ориентирована прежде всего на англоязычные сценарии; другие языки и мультимодальность в предоставленных данных не указаны. К сильным сторонам относятся компактный размер, пригодность для edge-развёртывания, большое контекстное окно и несколько уровней GGUF-квантизации, откалиброванных с использованием imatrix. Ограничение — сниженная отказоустойчивость в отношении потенциально вредных запросов: в указанной оценке модель отказала в 6 из 100 случаев против примерно 90 из 100 у базовой версии. Поэтому её следует дополнительно тестировать, защищать от несанкционированного доступа и подвергать аудиту. Распространение осуществляется по лицензии LFM Open License v1.0.

Unsloth предоставляет дообученную разговорную версию Llama 2 с 7 млрд параметров для генерации текста в формате диалога. Модель основана на архитектуре Llama и предназначена для чат-ответов и продолжения текста; README упоминает шаблоны ShareGPT ChatML и Vicuna. Максимальная длина контекста — 4096 токенов. Модель принимает текст и выдаёт текст на английском языке. Репозиторий содержит веса Safetensors для использования с библиотекой Transformers. Лицензия — Apache 2.0. Доступная карточка описывает также сценарии дообучения, но не приводит подробностей о данных и конкретных изменениях весов.

bartowski/Llama-3.1-70B-ArliAI-RPMax-v1.2-GGUF — это набор GGUF-квантизаций модели Llama-3.1-70B-ArliAI-RPMax-v1.2, разработанной ArliAI. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая сценарии ролевого общения и другие задачи, совместимые с базовой текстовой LLM. Для запуска рекомендуется использовать llama.cpp или LM Studio с указанным форматом prompt. Модель имеет архитектуру и размер исходной Llama-3.1-70B, однако точные сведения о количестве параметров, поддерживаемых языках и размере контекстного окна в представленном README не указаны. Доступны варианты квантизации от Q8_0 до более компактных IQ- и Q-форматов размером примерно от 19 до 75 ГБ. Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые; чем сильнее сжатие, тем ниже качество, но тем меньше требования к памяти. Главные преимущества — большое количество параметров, широкий выбор квантизаций и возможность локального запуска на совместимом оборудовании. Ограничениями являются значительные требования к оперативной или видеопамяти даже у компактных вариантов, а также потенциальная потеря качества при использовании низкобитных квантизаций. В README указана лицензия llama3.1; дополнительные условия использования производной модели не описаны.

Llama-3.1-70B-Instruct-lorablated — диалоговая языковая модель, созданная разработчиком mlabonne на основе Meta Llama 3.1 70B Instruct. Автор применил метод abliteration: извлёк LoRA-адаптер сравнением обычной и abliterated-моделей, затем объединил его с Llama 3.1 70B Instruct методом task arithmetic. В репозитории указаны архитектура Llama с плотной сетью, 69,5 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате Safetensors и использует шаблон чата Llama 3. Модель предназначена для диалогов общего назначения и ролевых сценариев. Автор характеризует её как uncensored и отмечает хорошее качество по собственным тестам, однако приводит необходимость более строгой оценки влияния метода на результаты бенчмарков. Это может быть уместно учитывать при выборе модели для задач, где важны устойчивое качество и безопасное поведение. Лицензия — Llama 3.1; применяются условия Meta для этой лицензии. В метаданных заявлены возможности чата и интерфейс вызова инструментов. README не описывает отдельные языковые оценки или специальные прикладные области.