II.6Документация и сопровождение разработки

A-Asif разработал эту диалоговую языковую модель для генерации текста на основе Llama 3.2. Модель содержит 3,2 млрд параметров, дообучена на unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL и распространяется в формате safetensors по лицензии Apache-2.0. Название репозитория указывает на помощника по раку молочной железы, однако карточка не описывает обучающие данные, медицинские возможности или качество ответов, поэтому специализированное медицинское назначение подтвердить нельзя. Модель поддерживает английский язык; заявленная длина контекста — 131 072 токена. Её следует рассматривать как генератор текста, а не как проверенный источник медицинских рекомендаций.

Metallum-550M — компактная языковая модель Home Brewed Labs для экспериментов в области ML и инженерии LLM. Это самостоятельно обученная с нуля decoder-only модель семейства MetaLLM: 550,3 млн параметров, 28 слоёв, группированное внимание, нормализация QK и чередующиеся слои NoPE. Модель принимает текстовые продолжения и инструкции, но не имеет шаблона чата. Контекст — 2 048 токенов; веса опубликованы в формате safetensors, библиотека загрузки — Transformers. Для загрузки требуется включить custom code. Модель обучалась на коде, научных текстах по машинному обучению и синтетических технических данных, а затем дообучалась на примерах поиска, инструкций и задачах ReST-EM. Она предназначена для технического продолжения текста, ML/PyTorch-экспериментов, исследования retrieval-механизмов и воспроизведения раннего поколения Metallum. Это архивный исследовательский артефакт, а не универсальный чат-бот: возможны фактические ошибки, качество общего программирования слабое, а результаты внутренних оценок учитывались при выборе чекпойнта. Генерация медленнее из-за отсутствия KV-кэша; пакетный инференс с маскированием padding не оценивался. Лицензия на опубликованные веса и код — Apache-2.0; она не распространяется на лицензии исходных обучающих данных.

OmniTranslate 1.1 — компактная многоязычная модель машинного перевода, разработанная MihaiPopa-1. Это дообученная версия Qwen3 с плотной архитектурой Qwen3ForCausalLM и 507,9 млн параметров. Модель принимает текст и поддерживает более 500 языков; для задания языка README рекомендует указывать ISO-код. Контекст составляет 40 960 токенов. Модель предназначена для перевода между языками на устройствах с ограниченными ресурсами. В версии 1.1 автор сообщает об улучшениях перевода на румынский и исправлении ошибок с диакритикой. Также добавлены экспериментальные режимы для эмодзи и авторского языка Sulfuristic Speak. Качество перевода не следует считать надёжным: автор предупреждает, что модель экспериментальная и не подходит для сценариев, где важна точность. Лицензия — Apache-2.0.

OTel-Embedding-22M — англоязычная модель эмбеддингов для телекоммуникационного поиска, разработанная в рамках открытой инициативы OTel Family of Models. Она создана полным дообучением sentence-transformers/all-MiniLM-L6-v2 на наборе OTel-Embedding, содержащем примеры запросов, релевантных фрагментов и сложных отрицательных примеров из телекоммуникационной области. Модель использует плотный энкодер на архитектуре BERT, содержит около 25,9 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для извлечения релевантных фрагментов из телекоммуникационных спецификаций, стандартов, RFC, технических статей и других профильных документов, в том числе как этап поиска в RAG-системах. В тестовом разбиении OTel-Embedding авторы сообщают NDCG@10 84,3% ± 0,7, что на 60,2 процентного пункта выше базовой модели; эти результаты не гарантируют такого же качества на внешних наборах или во всех подразделах телекоммуникаций. Репозиторий распространяется под лицензией Apache-2.0; при использовании также следует учитывать лицензию или условия базовой модели. Модель специализирована для телекоммуникаций, рассчитана на английский язык и работу с текстом, поэтому её не следует считать универсальной или многоязычной. Качество в отдельных поддоменах различается, а найденную информацию следует проверять перед операционным, клиентским, нормативным или сетевым применением.

TameForCasualLM — разговорная языковая модель семейства TAMELM, опубликованная Convergent Intelligence LLC: Research Division. Она предназначена для генерации текста и диалога, включая задачи рассуждения, математики и физики. Модель использует разреженную архитектуру Mixture of Experts с 16 экспертами, 26 слоями и заявленным размером около 1 млрд параметров; в типичном проходе, согласно карточке, активируются четыре эксперта. Заявлены многомасштабная динамика маршрутизации и механизм Blackhole Rope для стабилизации потока информации. Модель обучалась на наборах OpenO1-SFT и Intelligent-Content-Understanding примерно на 1 млн токенов, с последовательностями длиной 512 и 1024. В карточке указано, что обучение продолжалось и loss составлял 3,8, поэтому качество и устойчивость ответов могут быть ограничены, особенно на сложных задачах и за пределами обучающих данных. Поддерживаемый язык — английский. Лицензия — Apache-2.0.

Tessera-1B-Nano-Base — контрольная авторегрессионная языковая модель Paragon Intelligence Labs, созданная на основе HuggingFaceTB/SmolLM2-360M. Модель продолжительно обучали предсказывать следующий токен на сопоставимом наборе данных; это базовый NTP-вариант экспериментального сравнения, без концептуального пути и дополнительных параметров. Она использует плотную архитектуру семейства Llama и поддерживает генерацию текста через Transformers. В метаданных указан контекст до 8192 токенов и около 361,8 млн параметров. Модель предназначена прежде всего для воспроизведения и сравнения результатов эксперимента с концептуальным вариантом Tessera. В README приведены значения потерь и perplexity на отложенной выборке, а также объём обучения примерно в 1 млрд токенов. Модель может служить компактной основой для генерации текста и языковых экспериментов, однако карточка не описывает её качество в прикладных задачах и не заявляет поддержку конкретных языков. Распространяется по лицензии Apache-2.0.

AAIE 8K GFT — 5M checkpoint — языковая модель проекта AAIE для генерации текста в ответ на инструкции и диалоговые запросы. Это самостоятельная полноразмерная модель на базе плотного декодера, совместимого с Llama, с 20 слоями, размером 354,4 млн параметров и контекстом до 8192 токенов. Модель прошла дообучение на инструкциях общего назначения; она не требует подключения или слияния LoRA-адаптера. Контрольная точка выбрана после ограниченного этапа обучения на 5 млн токенов. По оценке авторов, она лучше базовой модели останавливает генерацию, однако проверки не подтвердили надёжность выполнения инструкций, извлечения информации или оценочной обратной связи. Расширение контекста до 8192 токенов использует экспериментальную конфигурацию YaRN и не гарантирует качественных рассуждений на длинном контексте. Авторы характеризуют модель как исследовательскую контрольную точку и отмечают необходимость дальнейшей проверки человеком и педагогами. Условия лицензии в предоставленных данных не описаны.

Aurora Proelia Thinking — компактная экспериментальная языковая модель North ML на 206,9 млн параметров, созданная дообучением North-ML1/Aurora-Proelia. Это причинная плотная модель для генерации текста с диалоговым режимом; она принимает текст и генерирует текст. Контекст модели — 2048 токенов, основной язык — английский. Модель дообучена методом supervised fine-tuning на 500 проверенных примерах математических рассуждений из open-r1/OpenR1-Math-220k, с небольшим набором примеров обычного общения для сохранения краткого диалогового стиля. Она предназначена для экспериментов с пошаговыми математическими и техническими запросами, учебных сценариев и лёгких прототипов рассуждений. Размер обучающей выборки невелик, поэтому модель может ошибаться в точной арифметике, длинных доказательствах и незнакомых фактах; она не всегда показывает ход рассуждений, а ответы следует проверять. Лицензия не предоставлена; права на использование и распространение оставлены за North ML.

CogEvol-4B-GGUF — это GGUF-версия открытой постобученной модели CogEvol-4B, разработанной на базе Qwen3.5-4B. Модель предназначена для генерации образовательной среды по краткому описанию курса: за один проход она может создавать структурированный JSON для слайдов или автономную интерактивную HTML-страницу с симуляциями, визуализациями и интерактивными упражнениями. Заявлены поддерживаемые языки английский и китайский. Модель содержит около 4 млрд параметров и доступна в форматах BF16 и нескольких вариантах квантования GGUF с размерами примерно от 2,07 до 3,07 ГБ; также предоставляется multimodal-проект mmproj. Обучение включало смешанное SFT, Slide RL и interactive-HTML RL на 53 687 проверенных примерах. Для инференса требуется отключить thinking mode; для генерации слайдов рекомендуется использовать поставляемый системный шаблон. Модель может запускаться через SGLang, vLLM или llama.cpp и использоваться офлайн в приложении OpenMAIC. Сильные стороны модели — специализация на создании готовых учебных материалов, включая интерактивный контент, компактный размер и наличие удобных квантованных сборок. Ограничения связаны с узкой предметной направленностью, необходимостью соблюдения специальных настроек инференса и отсутствием в предоставленных данных сведений о длине контекста, точных мультимодальных возможностях и результатах сравнительных оценок. Модель распространяется по лицензии Apache 2.0.

jkminder/d12_135m_seed6_sft — модель jkminder, полученная дообучением базовой GPT-модели nanochat Scaling Ladder на диалогах и вспомогательных примерах для чата. Это плотная причинная языковая модель семейства nanochat_gpt на 138,4 млн параметров; она принимает текст, использует токенизатор BPE на 32 768 токенов и имеет контекст 2 048 токенов. Модель предназначена для базового диалогового общения, ответов на вопросы и решения простых задач на знания и математику. Дообучение выполнено одним проходом по смеси из 460 тысяч диалогов SmolTalk, примеров MMLU и GSM8K. В карточке приведены результаты оценки, включая точность 32,05% на MMLU и 32,85% на ARC-Challenge; это небольшая исследовательская модель, а не сильный универсальный помощник. Разработчик отдельно указывает, что у модели нет обучения безопасности. Весовые файлы представлены в формате safetensors и bfloat16. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Hummingbird 0.0 — экспериментальная авторегрессионная языковая модель, разработанная Мехраном и Пейманом Хоссейни как доказательство концепции механизма Efficient Attention. Модель относится к архитектуре Hummingbird и содержит около 1,2 млрд параметров по метаданным (в README указано 1,1 млрд); в её конфигурации 10 блоков трансформера, размерность 3072 и одна голова внимания. Efficient Attention сокращает число параметров в слое внимания на 50% по сравнению со стандартным Multi-Head Attention. Контекст — до 131 072 токенов; модель опубликована в формате safetensors. Модель предназначена для генерации текста и исследования Efficient Attention в причинном языковом моделировании. Она обучалась на 15 млрд токенов; в README сообщается о немного меньшем значении loss, чем у TinyLlama сопоставимого размера при таком же объёме обучения. В обучении использовались данные Wikipedia, инструкционные наборы и математические корпуса. Карточка предупреждает, что модель не прошла настройку безопасности и не рекомендуется для использования как чат-бот. Лицензия — MIT.

Aryanne/MedWest-7B — экспериментальная языковая модель, созданная методом task_swapping с использованием mergekit. В качестве базовой модели использована internistai/base-7b-v0.2, а параметры объединены с senseable/WestLake-7B-v2. Модель доступна для работы через библиотеку Transformers. Из README известно, что модель относится к классу 7B и использует формат bfloat16. При объединении применялась конфигурация, охватывающая слои 0–32 модели WestLake-7B-v2 с diagonal_offset 2.0 и weight 1.0, совместно с базовой моделью internistai/base-7b-v0.2. Назначение проекта описано как тестирование метода task_swapping, поэтому модель может использоваться для экспериментальной генерации текста и исследования способов объединения предварительно обученных языковых моделей. README не содержит сведений о точной архитектуре, поддерживаемых языках и модальностях, размере контекста, результатах тестирования или специализированных прикладных сценариях. Поэтому производительность и преимущества модели нельзя оценить по имеющимся данным; экспериментальный характер объединения также следует учитывать при использовании в продуктивных системах. Лицензия модели — Apache-2.0.

NeuroBLAST-V3-SYNTH-EC-150000 — экспериментальный ранний чекпойнт авторской модели NeuroBLAST V3 от mkurman для генерации текста и оценки архитектуры. Модель обучалась на датасете PleIAs/SYNTH; карточка описывает её как фазу обучения до затухания скорости обучения, предназначенную для архитектурных экспериментов и исследований. Архитектура — плотная причинная языковая модель на 72 слоях с сенсорными, ассоциативными и моторными блоками. В сенсорных блоках чередуются внимание и дилатированные причинные 2D-свёртки, в ассоциативных — слои с чередующимся использованием RoPE, а в моторных используются слои внимания. В метаданных указаны 429,9 млн параметров и контекст 32 768 токенов; в README приведено другое число параметров — 596 728 320. Модель поддерживает английский язык и диалоговую генерацию текста. Это незавершённый чекпойнт: он обучался на коротких контекстах при высокой скорости обучения, а дальнейший план включает расширение контекста, снижение скорости обучения и добавление weight decay. Для загрузки требуется доверенный пользовательский код репозитория. Лицензия — Apache-2.0.

Qwen3-4B-Mamba3-Hybrid-Init-Bias1 — экспериментальный гибридный языковой чекпойнт, созданный автором репозитория на основе Qwen/Qwen3-4B. В 27 из 36 слоёв полное внимание заменено на Mamba-3 MIMO mixer, а каждый четвёртый слой сохраняет исходное полное внимание; модель содержит около 4,74 млрд параметров и рассчитана на контекст до 40 960 токенов. Репозиторий публикует веса в формате safetensors для Transformers. Модель предназначена для генерации текста и диалогов, а также для изучения гибридной архитектуры внимания и Mamba-3. Чекпойнт прошёл поэтапную дистилляцию от Qwen3-4B; README приводит метрики согласования с учителем и perplexity на wikitext-2, но не содержит результатов оценки на стандартных downstream-наборах. Для загрузки требуется trust_remote_code=True и реализация Mamba-3 MIMO kernel из исходников; встроенный эталонный kernel медленный и предназначен для проверки паритета декодирования. Модель распространяется по лицензии Apache-2.0. Это исследовательский экспериментальный чекпойнт: этап on-policy distillation и стандартная оценка прикладных возможностей ещё не выполнены.

rugpt3large_mailqa — русскоязычная генеративная модель на архитектуре GPT-2, дообученная на данных вопросов и ответов otvet.mail.ru. Она предназначена для генерации ответов на вопросы и может использоваться в экспериментальных системах автоматических ответов и диалоговых прототипах. При дообучении применялась длина последовательности 1024 токена; контекст модели составляет 2048 токенов. Модель работает с текстом на русском языке. В обучающих данных присутствует значительная доля токсичных высказываний, поэтому ответы могут быть непредсказуемыми и содержать токсичный язык. Сведения о лицензии в предоставленных источниках отсутствуют.

Walsh_Instruct-1.7b — экспериментальная инструкционная причинная языковая модель, разработанная Jason dinAlt как дообученная версия dinalt/walsh-1-7b. Она предназначена для генерации текста и выполнения инструкций в формате ChatML. Модель имеет 1,7 млрд параметров, 32 слоя, 32 головы внимания, размерность модели 2048 и словарь из 32 000 токенов. Для позиционного кодирования используется экспериментальный подход на основе матрицы Адамара—Уолша; заявлена максимальная длина последовательности 16 000 токенов. По словам автора, обучение DITTO уменьшает повторение предложений и немного снижает perplexity. Модель описана как игрушечная и лишь иногда надёжно выполняющая инструкции; ответы могут быть неточными. Автор также предупреждает, что модель не прошла настройку на безопасность. Для загрузки требуются Transformers и trust_remote_code. Лицензия — MIT.

AILO-152M — компактная авторегрессионная языковая модель на архитектуре decoder-only Transformer, разработанная автором xxrickyxx и обученная с нуля. В модели около 151,8 млн параметров, для генерации текста она использует контекст до 512 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Модель предназначена для генерации текста, дообучения под специализированные задачи, обучения и экспериментов с небольшими языковыми моделями. В README указано обучение на выборке FineWeb-Edu; заявлены более связные ответы и меньше повторов по сравнению с GPT-2 схожего размера, однако приведённые примеры не являются независимой оценкой качества. Основной язык обучения по README — английский; метаданные также отмечают английский, итальянский, французский, немецкий и испанский. Небольшой размер ограничивает способность модели отвечать на сложные запросы, а сама карточка предупреждает о возможных повторах и несвязном тексте. Модель можно использовать как основу для дообучения или в образовательных и исследовательских экспериментах.

CyberSLM-33M-Base — базовая предварительно обученная языковая модель, разработанная автором репозитория sabari2005. Это плотный decoder-only трансформер в стиле Llama с 33,5 млн параметров, реализованный как LlamaForCausalLM и рассчитанный на контекст до 4096 токенов. Модель обучена с нуля на корпусе примерно из 665 тысяч документов и 205 млн токенов, посвящённом кибербезопасности, основам вычислительной техники, программированию и общему английскому языку; используется токенизатор SentencePiece BPE на 32 тысячи токенов. Модель предназначена для продолжения англоязычного текста и экспериментов с компактными языковыми моделями в тематике кибербезопасности и информатики. Она не проходила инструкционную настройку, поэтому не рассчитана на надёжное выполнение команд и диалоговых запросов. Из-за небольшого объёма обучения её общие знания вне кибербезопасности и информатики ограничены. Распространяется по лицензии Apache-2.0.

dlite-v1-774m — языковая модель AI Squared, созданная на основе GPT-2 и дообученная на 50 тысячах примеров Stanford Alpaca на одном GPU, чтобы добавить диалоговые возможности. Это компактная модель архитектуры GPT-2 для генерации текста и экспериментов с чат-подобным взаимодействием на английском языке; максимальная длина контекста составляет 1024 токена. Модель распространяется в формате PyTorch через библиотеку Transformers по лицензии Apache 2.0. Разработчики отмечают, что она не достигает передового качества и предназначена для исследовательского использования. Ответы могут содержать фактические ошибки, предвзятость, оскорбительный или токсичный контент и галлюцинации.

Gemstone-512x14 — языковая модель из семейства Gemstone Suite, обученная разработчиками набора моделей с разной шириной и глубиной. Она построена на архитектуре Gemma-2B, использует плотный декодер GemmaForCausalLM и предназначена для продолжения текста и других задач генерации на основе причинной языковой модели. Модель обучали с помощью litgpt и AxoNN на графических ускорителях AMD MI250X в Frontier Национальной лаборатории Оук-Ридж; обучение проводилось на подмножествах Dolma в течение 350 млрд токенов. Это не модель для следования инструкциям, поэтому она ориентирована на базовую генерацию текста, а не на диалоговый режим или выполнение запросов по инструкции. Контекст составляет 2048 токенов, размер — 80,8 млн параметров. Указана поддержка английского языка. Модель распространяется под лицензией Apache-2.0.

Это экспортированный в формат Hugging Face чекпойнт OLMo 3 3B SiameseNorm + DepthAttention от ArchSpace-Collection, снимок первого этапа предобучения на итерации 715256. Модель представляет собой плотную авторегрессионную языковую модель для генерации текста с архитектурой OLMo3SiameseDepthForCausalLM и 3,2 млрд параметров. Модель предназначена для генерации текста и может служить чекпойнтом для экспериментов и дальнейшего обучения. Она сохраняет архитектуру SiameseNorm и DepthAttention; использует скользящее окно размером 4096 токенов, а её заявленная длина контекста составляет 8192 токена. Внимание организовано по шаблону SWA, SWA, SWA, Full. Для загрузки требуется Transformers версии 4.57.6 или новее, но ниже 5, и параметр trust_remote_code=True. Репозиторий содержит веса Safetensors и код архитектуры для Transformers. README не указывает лицензию или языки обучения, поэтому модель не следует считать разрешённой для коммерческого применения без проверки условий на странице репозитория. Это ранний чекпойнт предобучения; его пригодность для чата или прикладных задач в карточке не заявлена.

OpenSML-150M — англоязычная компактная языковая модель Уильяма Зебровски, обученная с нуля с помощью Apple MLX и дополнительно дообученная на инструкционных данных. В выбранном чекпойнте около 150,44 млн параметров; архитектура включает 20 слоёв, ширину скрытого представления 768 и групповое запросное внимание GQA с 12 головами запросов и 4 головами ключей и значений. Модель использует byte-level BPE-токенизатор на 32 000 токенов. Модель предназначена для генерации текста и экспериментов с небольшими языковыми моделями; её можно использовать для ответов на инструкции, простых вопросов и задач с вариантами ответа. Предобучение охватило 7,8 млрд токенов, затем модель прошла три этапа контролируемой настройки на инструкционных и вопросно-ответных данных. В карточке приведены результаты проверок ARC, PIQA и HellaSwag, однако они не подтверждают пригодность для широкого практического применения. Автор обозначает чекпойнт как предварительную исследовательскую версию. Возможны ошибки, повторы, предвзятые или небезопасные ответы; безопасность, использование инструментов, многоязычность и продолжительные диалоги не проверены. Модель распространяется по лицензии Apache-2.0.

gghfez разработал модель OpenWebUI Title Generator на основе дообученной Gemma 3 270M. Она принимает историю чата и генерирует краткий заголовок из 3–5 слов с подходящим эмодзи в формате JSON. Модель рассчитана на назначение Task Model в OpenWebUI, быстрое создание заголовков и краткое выделение темы диалога. Это плотная авторегрессионная текстовая модель семейства Gemma 3 с 257 млн параметров и контекстом до 32 768 токенов. Для дообучения использовано 8 900 примеров генерации заголовков; доступны веса в формате safetensors. В карточке указана лицензия Gemma. Модель специализирована на заголовках для OpenWebUI и может хуже работать в других чат-интерфейсах. Эмодзи могут располагаться непоследовательно или отсутствовать; модель тестировалась только в BF16.

OTel-LLM-0.6B-IT — компактная языковая модель семейства OTel, разработанная в рамках открытой инициативы Open Telco AI для телекоммуникационной отрасли. Это полнопараметрически дообученная версия Qwen3-0.6B с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров; модель принимает текст и генерирует текст. Контекстное окно составляет 40 960 токенов. Модель предназначена для генерации ответов на основе найденных фрагментов в RAG-системах по телекоммуникационной тематике: например, по стандартам 3GPP, документам GSMA, RFC и профильным публикациям. На указанном в карточке тестовом разделении OTel-LLM оценка контекстно-обоснованной корректности составила 59,0% против 49,0% у базовой модели, однако результат зависит от качества поиска, переранжирования и промпта. Модель ориентирована на английский язык и не предназначена для общего контекстно-свободного ответа на телекоммуникационные вопросы. Качество на внешних бенчмарках, в отдельных подотраслях и на других языках требует отдельной проверки; ответы следует проверять перед операционным, клиентским, регуляторным или сетевым применением. Лицензия модели — Apache-2.0; также необходимо соблюдать условия лицензии базовой модели.

KathirKs/phi-2_LogiCoT_finetuned — дообученная модель генерации текста на базе Phi-2 от Microsoft Research. Она адаптирована на 500 примерах набора LogiCoT с Chain of Thought prompting для пошагового рассуждения и решения логических задач. Модель использует плотную архитектуру PhiForCausalLM и поддерживает контекст до 2048 токенов. Модель подходит для экспериментов с логическим рассуждением и генерацией ответов с промежуточными шагами. Карточка не сообщает лицензию производной модели и отсылает к исходной модели; перед использованием следует проверить условия лицензии Phi-2. Небольшой объём дообучения ограничивает основания ожидать широкого или устойчивого улучшения рассуждений.

Модель HMkumbo/blood-donation-llama32-3b-dpo-merged-16bit разработана HMkumbo и представляет собой дообученную текстовую модель семейства Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров. В качестве основы указана unsloth/Llama-3.2-3B-Instruct-bnb-4bit; при обучении использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Название указывает на тематику донорства крови, однако карточка не описывает конкретные медицинские сценарии, обучение по этой теме или качество ответов. Заявленная длина контекста — 131 072 токена; в метаданных указан английский язык. Лицензия — Apache-2.0. Поскольку модель дообучена на инструкционной основе, ответы могут наследовать её ограничения и содержать ошибки; медицинские сведения следует проверять по надежным источникам.

saumik8763/devops-command-classifier — модель классификации текста на базе DistilBERT, дообученная для классификации команд DevOps. По карточке она оценивалась на тестовой выборке: точность составила 0,5, а функция потерь — 1,4777. Модель принимает текст и выдаёт метку класса. Модель предназначена для автоматической категоризации DevOps-команд. Контекст модели — до 512 токенов. Весы опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка не раскрывает набор меток, обучающие данные и подробные сценарии применения, поэтому результаты оценки не подтверждают надёжность классификации в конкретной рабочей среде.

Это языковая модель для генерации текста, созданная дообучением distilgpt2. В названии репозитория заявлена тематика README GitHub-проектов по кибербезопасности, однако карточка сообщает только о неизвестном наборе данных и не описывает специализацию подробнее. Модель основана на плотной архитектуре GPT-2 и предназначена для продолжения текста. Контекст составляет 1024 токена; опубликованные веса доступны в формате safetensors. В карточке приведены значения loss 5,1579 и F1 0,0127 на оценочном наборе, но не описаны методика оценки и значение метрик для практического применения. Лицензия — Apache-2.0.

distilgpt2-HC3 — дообученная модель pszemraj на основе distilgpt2, обученная продолжать текст в стиле ответов ChatGPT из набора HC3. Она предназначена для генерации ответов на вопросы и экспериментов с компактной языковой моделью. Модель содержит 80 млн параметров, использует архитектуру GPT-2 и принимает текст; длина контекста — 1024 токена. В карточке указаны результаты оценки: loss 1,9983 и accuracy 0,5441. Модель может генерировать фактически неверные ответы. Распространяется по лицензии Apache-2.0.

tiny-gpt-0.2-1m — предварительно обученная модель семейства GPT, опубликованная vjkhambe. Репозиторий содержит контрольную точку PyTorch, токенизатор SentencePiece, конфигурацию модели и параметры обучения; в метаданных указан формат safetensors. Размер модели, длина контекста и поддерживаемые естественные языки в предоставленных данных не раскрыты. Модель предназначена для экспериментов и обучения, а также для генерации текста с использованием Transformers. Она обучена как причинная языковая модель. Репозиторий распространяется по лицензии Apache-2.0; автор позиционирует чекпойнт для образовательного использования и экспериментов.