II.8Инженерия данных и аналитика

anchovy/autogluon-chronos-t5-small — предварительно обученная модель прогнозирования временных рядов из семейства Chronos, построенная на архитектуре T5. Она преобразует числовой временной ряд в последовательность токенов с помощью масштабирования и квантования, а затем авторегрессионно генерирует будущие значения. Несколько сэмплированных траекторий позволяют получить вероятностный прогноз. Модель предназначена для прогнозирования временных рядов по историческим наблюдениям. Она обучалась на общедоступных временных рядах и синтетических данных, созданных с помощью гауссовских процессов. В репозитории указаны формат safetensors, лицензия Apache-2.0 и размер 24,1 млн параметров; метаданные задают контекст 512 токенов. В README для варианта T5-small указано 46 млн параметров, что расходится с метаданными репозитория.

bert-chunker-Chinese-2 — китайский сегментатор документов на базе BERT, созданный авторами проекта bc-chinese. Модель с архитектурой BertForTokenClassification размечает начальные токены фрагментов, а скользящее окно позволяет нарезать документы произвольной длины на части для последующей работы, например, в RAG-системах. Авторы позиционируют её как альтернативу семантическому чанкеру, рассчитанную в том числе на неструктурированные и плохо подготовленные тексты. В экспериментальном скрипте можно задать максимальное число токенов в одном фрагменте. Модель содержит 27,6 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Карточка указывает английский и китайский языки. Репозиторий распространяется в формате safetensors по лицензии MIT. README описывает обновлённый вариант с изменённой разметкой данных и процессом обучения, но не называет базовую модель.

shimogerald/bert-finetuned-ner — модель на базе BERT, дообученная для классификации токенов и распознавания именованных сущностей. Она содержит 136,7 млн параметров, использует архитектуру BertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов. Модель основана на google-bert/bert-base-uncased и распространяется в формате Safetensors. На указанном в карточке наборе для оценки модель достигла F1 0,9463, точности 0,9421, полноты 0,9505 и accuracy 0,9892. Датасет и набор меток не описаны, поэтому неизвестно, какие именно типы сущностей она распознаёт и насколько результаты применимы к другим данным. Лицензия — Apache-2.0.

marcosgg/bert-large-pt-ner-enamex — модель распознавания именованных сущностей на португальском языке, разработанная на основе BERTimbau Large и дообученная на объединении доступных корпусов. Она присваивает метки токенам текста по стандартной схеме enamex: LOC для географических объектов, PER для людей, ORG для организаций и MISC для прочих сущностей. Модель предназначена для извлечения и разметки сущностей в португальских текстах. Архитектура — BERT для классификации токенов; размер — 433,2 млн параметров, максимальный контекст — 512 токенов. На тестовом наборе авторы сообщают precision 0,919, recall 0,925 и F1 0,922. Лицензия AGPL-3.0.

Chronos-T5 Small — модель прогнозирования временных рядов из семейства Chronos, разработанного Amazon. Она преобразует числовые ряды в последовательности токенов с помощью масштабирования и квантования, а затем autoregressive-модель на архитектуре T5 генерирует возможные продолжения ряда. Выборка нескольких траекторий позволяет получить вероятностный прогноз и оценить распределение будущих значений. Модель предназначена для прогнозирования на основе исторических наблюдений и может применяться к различным временным рядам. Она обучалась на общедоступных данных временных рядов и синтетических данных, созданных с помощью гауссовских процессов. В README для варианта Small указано 46 млн параметров, тогда как метаданные репозитория сообщают 24,1 млн; поэтому размер модели противоречив. Указанный в метаданных контекст составляет 512 токенов. Лицензия — Apache-2.0.

CITRAS-FM — компактная модель временных рядов, разработанная Hitachi NLP. Это трансформер с 7,2 млн параметров для прогнозирования временных рядов без дообучения на конкретной задаче (zero-shot). Он принимает один или несколько целевых рядов, а также необязательные ковариаты: наблюдаемые в прошлом и известные на всём горизонте прогноза. Модель предназначена для прогнозирования будущих значений по историческому окну, в том числе с учётом внешних факторов, например погоды или календарных событий. По данным карточки, инференс на CPU занимает менее 0,1 секунды. В бенчмарке fev-bench CITRAS-FM показала лучшие результаты среди моделей временных рядов размером менее 10 млн параметров на всех приведённых разделах; эти результаты не гарантируют точность на конкретных данных. Веса опубликованы в формате safetensors. Лицензия CC-BY-NC-SA-4.0 разрешает использование на её условиях, но исключает коммерческое применение. Авторы отдельно предупреждают, что прогнозы могут быть неточными и модель не следует использовать как единственное основание для критически важных решений.

TechxGenus/CodeGemma-2b — языковая модель для генерации кода, созданная дообучением Gemma-2b на 0,7 млрд дополнительных токенов с кодом в течение трёх эпох. Это плотная авторегрессионная модель семейства Gemma с 2,5 млрд параметров, рассчитанная на контекст до 8192 токенов; для запуска карточка предлагает библиотеку Transformers и формат safetensors. Модель принимает инструкции в формате Alpaca без системного промпта и генерирует текст, в том числе программный код. По README, результат HumanEval-Python составляет 54,9 pass@1. Подходит для генерации фрагментов кода и помощи с задачами программирования, однако может ошибаться и хуже справляться с задачами вне программирования; тестирование было ограниченным. Лицензия в метаданных обозначена как other, поэтому условия следует уточнить в репозитории модели.

d3LLM-Dream — диффузионная языковая модель, разработанная командой d3LLM. Это дообученная версия Dream-org/Dream-v0-Instruct-7B с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Модель использует дистилляцию псевдотраекторий при обучении и энтропийное многоблочное декодирование при выводе, чтобы ускорить генерацию с параллельной обработкой токенов. Модель ориентирована на математические рассуждения и программирование. В README заявлена скорость до 235,34 токена/с на H100 на GSM8K-CoT; также сообщается об ускорении относительно авторегрессионной Qwen-2.5-7B в 4,5 раза на H100 и в 2,5 раза на A100. Метаданные указывают контекст до 131 072 токенов, поддержку чата и интерфейс для вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0.

davanstrien/dataset-rows-task-classifier — дообученная LiquidAI/LFM2.5-Encoder-350M модель для многометочной классификации текстовых описаний задач машинного обучения. Энкодерная архитектура LFM2 с 444,6 млн параметров принимает текст и предсказывает категории из набора в 35 меток, включая классификацию, распознавание речи, генерацию текста, поиск и задачи с изображениями, аудио и другими типами данных. Контекст модели — до 128 000 токенов. Модель подходит для автоматической категоризации строк датасетов и назначения им нескольких меток. На тестовом разбиении F1 micro составляет 0,5935 при пороге 0,5 и 0,6326 при настроенных порогах; F1 macro при пороге 0,5 — 0,3879. Пороговые значения для отдельных меток сохранены в конфигурации. Для загрузки требуется trust_remote_code=True из-за пользовательской классификационной головы; README отмечает, что для vLLM нужна стандартная архитектура. Лицензия в предоставленных данных не указана.

DeepSeek-R1-Distill-Qwen-7B — языковая модель на 7,1 млрд параметров, разработанная DeepSeek и дообученная на Qwen2.5-Math-7B с использованием примеров рассуждений, созданных DeepSeek-R1. Она предназначена для генерации текста и диалогов с акцентом на решение математических задач, программирование и другие задачи, требующие многошагового рассуждения. Модель использует плотную архитектуру Qwen2 и принимает текст, выдавая текст. Контекстное окно составляет 131 072 токена. В README указана максимальная длина генерации 32 768 токенов для описанных оценок. Модель поддерживает чат; метаданные также отмечают интерфейс вызова инструментов, но README не описывает его применение. Модель компактнее исходного DeepSeek-R1 и показывает сильные результаты в приведённых бенчмарках для дистиллированных моделей. Это не универсальная гарантия качества: ответы могут содержать ошибки, а рекомендации по настройке следует сверять с полной карточкой модели. Лицензия — MIT.

Модель somskat/distilbert-base-uncased-finetuned-ner — дообученная версия Jing1113/distilbert-base-uncased-finetuned-srl для классификации токенов. По названию репозитория она предназначена для распознавания именованных сущностей (NER). Модель построена на архитектуре DistilBERT и принимает текст; максимальная длина контекста — 512 токенов. В карточке приведены метрики на оценочном наборе: F1 0,8698, точность 0,8664, полнота 0,8732 и accuracy 0,9737. Данные обучения, набор меток и подробные сценарии применения не описаны. Модель распространяется по лицензии Apache-2.0.

Lilya/distilbert-base-uncased-finetuned-ner-TRANS — модель DistilBERT, дообученная для классификации токенов и распознавания именованных сущностей. Она предназначена для разметки слов и фрагментов текста метками сущностей. В карточке приведены результаты оценки: F1 0,8011, точность 0,7911, полнота 0,8114 и accuracy 0,9815. Модель использует архитектуру DistilBertForTokenClassification, веса PyTorch и контекст до 512 токенов. Базовая модель — distilbert-base-uncased; лицензия — Apache-2.0. В карточке не описаны набор данных, метки сущностей и ограничения применения, поэтому пригодность для конкретных типов сущностей следует проверять отдельно.

Everyone-Coder-33b-v2-Base — общественная модель для задач программирования из серии EveryoneLLM. Она создана на основе дообученных версий DeepSeek Coder 33B и объединена методом task arithmetic; карточка заявляет об улучшении результатов программирования по сравнению с первой версией серии. Это плотная авторегрессионная модель семейства Llama с 33,1 млрд параметров, рассчитанная на генерацию текста с контекстом до 16 384 токенов. В README указан шаблон запросов Alpaca. Модель подходит для генерации и дополнения кода, а также для ответов на инструкции, связанные с программированием. Метаданные указывают формат safetensors и лицензию other; конкретные условия лицензии в предоставленных данных не раскрыты. README не называет языки программирования, наборы данных или состав объединённых моделей, поэтому качество для конкретных языков и сценариев по этим сведениям оценить нельзя.

facebook/fasttext-fr-vectors — предварительно обученная модель векторных представлений французских слов на основе библиотеки fastText, разработанной Facebook. Она предназначена для получения векторов слов и использования их в задачах классификации текста и определения языка, а также для оценки сходства слов по косинусной близости. Модель построена на архитектуре CBOW с позиционными весами, использует символьные n-граммы длиной 5 и выдаёт векторы размерности 300. Обучение проводилось на данных Common Crawl и Википедии. fastText рассчитан на работу на стандартном оборудовании и может применяться в прототипах и производственных системах. Модель поддерживает французский язык; описание семейства сообщает о моделях fastText для 157 языков. Возможны смещения в предсказаниях, а качество и охват представлений зависят от обучающих корпусов. Лицензия модели — CC BY-SA 3.0.

stillerman/fdt-disfluency-mini-11m — компактная модель разметки слов в расшифровках живой речи, разработанная в рамках проекта FluencyAI. Она присваивает каждому слову один из тегов KEEP, DELETE, KEEP_STRIP_COMMA или KEEP_CAPITALIZE, после чего простая реконструкция формирует очищенный текст. Модель предназначена для удаления речевых запинок и лишних слов с сохранением исходной формулировки, имён и чисел. Модель основана на BERT с архитектурой L4/H256 и содержит около 11,1 млн параметров; максимальный контекст — 512 токенов. Для репозитория доступны ONNX и safetensors, включая квантованный int8 ONNX-вариант для запуска через transformers.js в браузере. В карточке заявлены exact-match 0,9065 и DELETE-F1 0,9854 на валидационных данных. Модель обучалась на синтетически дополненных разговорных корпусах, включая DailyDialog с лицензией CC BY-NC-SA. Основная лицензия репозитория — Apache-2.0, однако из-за обучающих данных автор рекомендует считать модель исследовательским артефактом и не применять её для коммерческого развёртывания без отдельной проверки условий использования данных.

Fwizzer-R1-3B-RU-v2 — русско- и англоязычная генеративная языковая модель команды Fwizzer, дообученная на базе Ministral-3B для пошагового рассуждения. Она предназначена для математических задач, алгоритмического и обычного программирования, а также сложных текстовых вопросов. По карточке, модель формирует цепочку рассуждений и затем выдаёт ответ; заявлены адаптация языка ответа к языку запроса и возможность локального запуска, в том числе с квантованными GGUF-весами. Модель использует плотную архитектуру семейства Mistral 3; в карточке указано около 3 млрд параметров. Доступны файлы safetensors и GGUF, а метаданные подтверждают поддержку чата и кода. Лицензия — Apache-2.0. Заявленные показатели и требования к ресурсам приведены автором карточки и здесь независимо не проверялись.

Gemma 4 E4B-it-text-only — текстовая версия модели Gemma 4, опубликованная principled-intelligence. Из контрольной точки удалены веса визуального и аудиоэнкодеров, а языковая модель сохранена. Это плотная архитектура Gemma4TextModel примерно на 4,7 млрд параметров, предназначенная для извлечения признаков из текста; поддерживается контекст до 131 072 токенов. Репозиторий содержит веса Safetensors и рассчитан на работу через Hugging Face Transformers. Модель подходит для создания текстовых представлений и других сценариев извлечения признаков. По заявлению автора, языковая часть и шаблон чата совпадают с исходной Gemma 4 E4B-it, а удаление мультимодальных энкодеров уменьшает размер файлов и расход видеопамяти. Веса проверялись только с Transformers; поддержка vLLM, SGLang, llama.cpp, Ollama и других движков не заявлена. Модель распространяется по лицензии Apache 2.0.

GlaiveAI разработала Glaive-coder-7b — плотную авторегрессионную языковую модель семейства Llama для помощи в программировании. Модель содержит 6,6 млрд параметров и дообучена на CodeLlama-7b на наборе примерно из 140 тысяч синтетически созданных задач и решений по программированию. Модель предназначена для генерации и объяснения кода, выполнения отдельных инструкций и многоходовых диалогов с помощником по коду. Она принимает текстовые запросы и выдаёт текст, включая программный код; заявленная длина контекста — 16 384 токена. В README приведены результаты pass@1: 63,1% на HumanEval и 45,2% на MBPP, при этом авторы отмечают, что эти тесты не полностью отражают использование в реальных условиях. Модель распространяется по лицензии Llama 2. Результаты для конкретных языков программирования и качество на практических задачах в предоставленных материалах не уточняются.

rafmacalaba/gliner_agents_v3 — дообученная модель GLiNER Large v2.1 для извлечения упоминаний источников данных из текста документов. Она выделяет фрагменты трёх типов: именованные источники данных, описания источников без названия и общие упоминания данных. Модель подходит для разметки документных корпусов, поиска источников данных и последующего анализа извлечённых сущностей. Модель дообучена на датасете rafmacalaba/datause-agents-v3 в течение пяти эпох с точностью bf16. На отложенной выборке из 2 108 фрагментов при пороге 0,60 указаны precision 0,9204 и recall 0,7559; результаты зависят от типа метки: извлечение именованных источников заметно надёжнее, чем описательных упоминаний, а класс общих упоминаний представлен в оценке малым числом примеров. По README это англоязычные документные данные; длина контекста и размер модели не указаны в доступных сведениях. Модель распространяется по лицензии Apache-2.0.

Harrier-Arabic-Matryoshka-0.6B — модель эмбеддингов предложений на базе microsoft/harrier-oss-v1-0.6b, дообученная Omartificial-Intelligence-Space для семантического сходства арабских текстов. Она преобразует предложения и фрагменты текста в векторы для поиска, сравнения, кластеризации и удаления дубликатов; также поддерживает межъязыковой поиск на языках базовой модели. Модель построена на архитектуре Qwen3, содержит около 508 млн параметров и выдаёт эмбеддинги размерностью 1024. Благодаря Matryoshka Representation Learning векторы можно сокращать до 768, 512, 256, 128 или 64 измерений с небольшими потерями качества, что помогает уменьшить индекс и ускорить поиск. Контекстное окно — 32 768 токенов. Модель рассчитана прежде всего на арабский язык и использует библиотеку sentence-transformers. В карточке нет сведений о лицензии и количественных результатах оценки качества, поэтому условия распространения и сравнительную эффективность по ней определить нельзя.

Карточка модели davanstrien/index-card-extractor-schemavar на Hugging Face совпадает с карточкой davanstrien/index-card-extractor-control, поэтому описание составлено по ней. Модель davanstrien/index-card-extractor-control — дообученная davanstrien версия NuMind NuExtract3 на архитектуре Qwen3.5. Она принимает изображения и текст и предназначена для извлечения структурированных данных из изображений карточек. В метаданных отмечены поддержка зрения и диалоговый режим; веса опубликованы в формате safetensors. Модель выпущена под лицензией Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Сведения о размере этой версии, длине контекста, целевых языках и точности извлечения не приведены.

aadhistii/IndoBERT-NER — модель для распознавания именованных сущностей в индонезийском тексте. Автор дообучил indolem/indobert-base-uncased на корпусе id_nergrit_corpus; модель построена на архитектуре BERT и содержит 137,8 млн параметров. Она принимает текст и размечает токены категориями сущностей: людей, организаций, географических объектов, дат, времени, денежных сумм, законов, событий, товаров и другими. Контекст модели — до 512 токенов. Модель предназначена для извлечения сущностей из индонезийских документов и текстов. В карточке приведены результаты оценки, включая F1 0,8253 на обучающей выборке и потери на обучающей и валидационной выборках; отдельная метрика на тестовой выборке не указана. Репозиторий содержит модель в формате TensorFlow, библиотека для работы — Transformers. Лицензия — MIT.

InstructCodeT5+ 16B — модель Salesforce для понимания и генерации кода, основанная на семействе CodeT5+. Она использует архитектуру encoder-decoder и настроена следовать инструкциям на естественном языке; для загрузки применяется AutoModelForSeq2SeqLM и токенизатор CodeGen. Модель содержит 16 млрд параметров и доступна в формате PyTorch. Модель предназначена для генерации кода по запросу, дополнения кода, поиска соответствий между текстом и кодом, а также задач с программированием и математикой. В README перечислены обучающие языки программирования: C, C++, C#, Go, Java, JavaScript, PHP, Python и Ruby. Модель обучена на разрешающем подмножестве GitHub Code и лицензирована по BSD-3-Clause. Разработчики сообщают о результатах оценки на задачах генерации и понимания кода, включая HumanEval, но точность результата не гарантируется для произвольных запросов и проектов. Карточка рекомендует проверять качество, безопасность и справедливость ответов перед практическим применением; модель выпущена для исследовательских целей.

jina-embeddings-v5-text-small-clustering — компактная модель векторных представлений текста от Jina AI, предназначенная прежде всего для кластеризации. Это квантизированная версия базовой модели jinaai/jina-embeddings-v5-text-small, обученная с использованием дистилляции и задачных контрастивных потерь. Модель подходит для группировки текстов по смыслу и других сценариев, где требуется преобразование документов или фрагментов текста в эмбеддинги. Модель содержит 677 млн параметров, поддерживает многоязычные тексты и обрабатывает последовательности длиной до 32 768 токенов. Размер выходного эмбеддинга составляет 1024 измерения; поддерживаются Matryoshka-размерности 32, 64, 128, 256, 512, 768 и 1024, что позволяет выбирать компромисс между качеством и затратами на хранение и поиск. Используется pooling по последнему токену. Модель интегрируется с sentence-transformers, vLLM, llama.cpp и Elastic Inference Service. Сильными сторонами являются компактность, высокая производительность для своего размера, большой контекст и возможность адаптировать размер вектора. Ограничение модели — заявленная специализация на кластеризации; README не приводит подробностей о точном наборе поддерживаемых языков и не описывает качество для других задач. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

ParkMyungkyu/KLUE-STS-roberta-base — модель эмбеддингов предложений на архитектуре RoBERTa, представленная автором ParkMyungkyu. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически похожих текстов, кластеризации и сравнения предложений. Модель содержит 137,8 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для использования доступны Sentence-Transformers и Transformers; при работе через Transformers требуется применить pooling к контекстным представлениям токенов. Модель обучалась с CosineSimilarityLoss и ориентирована на семантическое сходство в корейском бенчмарке KLUE-STS. Лицензия в предоставленных данных не указана.

nielsr/lilt-roberta-en-base-finetuned-funsd — модель извлечения сущностей из документов, дообученная nielsr на наборе FUNSD с разметкой документов. Она использует архитектуру LiLT для классификации токенов с учётом текста и структуры страницы и предназначена для извлечения полей из форм и других документов с размеченными областями. Модель содержит 151,8 млн параметров, принимает текстовые токены и рассчитана на контекст до 514 токенов. На тестовой выборке указаны precision 0,8762, recall 0,8857, F1 0,8809 и accuracy 0,8068. Для применения к документам требуется передать текст с соответствующей структурной разметкой; результаты на других типах документов и языках карточкой не описаны. Модель распространяется под лицензией базовой модели; в предоставленных данных её условия не указаны.

Ling-Coder-lite-base — базовая языковая модель для программирования, разработанная InclusionAI и опубликованная с открытым кодом. Это разреженная MoE-модель семейства Bailing с причинно-языковой архитектурой; в карточке Hugging Face указано 1,5 млрд параметров, тогда как README приводит 16,8 млрд общих и 2,75 млрд активируемых параметров. Метаданные указывают контекст 4096 токенов, а README — 16K токенов. Модель предназначена для генерации кода и ответов на вопросы по программированию. Разработчики сообщают о высоких результатах на 12 бенчмарках кодирования и конкурентных задержке и пропускной способности относительно сопоставимых по размеру моделей; подробности оценки приведены в техническом отчёте Ling-Coder-TR. В тегах карточки отмечены английский и китайский языки, а также данные Ling-Coder-SyntheticQA. Модель доступна под лицензией MIT. Она является базовой, а не чат-версией: качество диалогового следования инструкциям и результаты на конкретных задачах могут отличаться от Ling-Coder-lite. Расхождения в заявленном количестве параметров и длине контекста между README и метаданными следует учитывать при выборе конфигурации и развёртывании.

MasherAI-7B-v6.1 — разговорная модель на архитектуре Mistral, разработанная mahiatlinux и дообученная на базе mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4. Она предназначена для диалогов и помощи с программированием, особенно на Python; обучение проводилось на наборах данных для генерации и объяснения кода, а также для сохранения разговорных навыков. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Для диалогов используется формат ChatML с системными сообщениями и ролями. Модель может быть полезна для написания и улучшения кода, ответов на вопросы о программировании и обычных диалогов. В README указано, что качество ещё не оценивалось, поэтому результаты стоит проверять, особенно при использовании с важными задачами. Лицензия — Apache-2.0.

Mellum-4b-dpo-all — языковая модель для генерации программного кода, разработанная JetBrains. Это третий этап обучения модели Mellum: после предварительного обучения и SFT применена direct preference optimization, чтобы повысить читаемость и полезность генерируемого кода. Модель построена на плотной архитектуре в стиле LLaMA и содержит 3,7 млрд параметров. Она предназначена прежде всего для контекстного автодополнения, генерации кода и заполнения пропусков с учётом дополнительного контекста. Контекстное окно составляет 8192 токена. Обучение охватывало широкий набор языков программирования, включая Python, Java, JavaScript, C++, Go, Rust, SQL и другие. Модель рассчитана на интеграцию в IDE и помощники программиста, а также на локальный или облачный запуск. Предпочтения при обучении нацелены на более читаемый код, но генерации могут наследовать стили и предубеждения открытых репозиториев; предложенный код необходимо проверять на ошибки и уязвимости. Весы доступны в формате bf16, лицензия — Apache-2.0.

MiMo-7B-SFT — плотная языковая модель Xiaomi, обученная с нуля и прошедшая supervised fine-tuning на базе MiMo-7B-Base. Модель предназначена для диалогов и задач рассуждения, особенно решения математических задач и написания кода; поддерживает интерфейс вызова инструментов. Она содержит 7 млрд параметров, использует архитектуру MiMoForCausalLM и принимает контекст до 32 768 токенов. В README описана серия MiMo-7B, ориентированная на усиление способностей к рассуждению через предварительное обучение и последующее обучение. Для этой версии заявлено обучение SFT; результаты по математике и коду, приведённые в карточке, относятся преимущественно к RL-версиям семейства и не должны автоматически считаться показателями MiMo-7B-SFT. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — MIT.