II.8Инженерия данных и аналитика

mlx-community/whisper-medium-mlx — модель автоматического распознавания речи, конвертированная в формат MLX из версии Whisper medium. Репозиторий предназначен для использования с библиотекой MLX и примерами MLX от ml-explore. Модель подходит для преобразования аудиозаписей в текст через функцию whisper.transcribe, поэтому может применяться в сценариях транскрибации локальных аудиофайлов. README не содержит сведений о точной архитектуре, количестве параметров, поддерживаемых языках, модальностях, размере контекста, производительности или ограничениях. Лицензия также не указана, поэтому условия использования по представленным данным определить нельзя.

mlx-community/whisper-small-4bit — версия Whisper Small, подготовленная mlx-community для запуска в формате MLX и с 4-битным представлением весов. Репозиторий создан конвертацией openai/whisper-small с помощью mlx-audio-plus версии 0.1.4; модель предназначена для распознавания речи и транскрибирования аудио. Whisper Small — мультиязычная модель OpenAI, способная также переводить аудио на английский язык. Модель принимает аудио и выдаёт текст. Она распространяется по лицензии Apache-2.0 и рассчитана на запуск через библиотеку mlx-audio-plus. Доступные сведения не описывают точность на конкретных языках или типах записей; результат может зависеть от качества аудио и условий записи.

arbml/whisper-small-cv-ar — модель распознавания речи, созданная Zaid Alyafeai дообучением openai/whisper-small на наборе Common Voice 11.0. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; она принимает аудио и преобразует арабскую речь в текст. На оценочной выборке указаны loss 0,3509 и WER 22,3838. Модель распространяется по лицензии Apache-2.0.

Whisper-small-vaani-hindi — дообученная модель распознавания речи, созданная на основе Whisper Small компании OpenAI. По данным карточки, её обучали примерно на 718 часах размеченной речи на хинди из нескольких наборов данных, включая Vaani, Gramvaani, IndicVoices, Fleurs, IndicTTS и Common Voice. Модель содержит 153,1 млн параметров и принимает аудио, выдавая его текстовую расшифровку. Модель предназначена для транскрибирования речи на хинди. В README приведены результаты оценки по WER: 32,49 на Gramvaani, 19,08 на Fleurs и 11,33 на IndicTTS. Показатели зависят от набора данных и указывают на различия в качестве распознавания между тестовыми корпусами. Репозиторий распространяется по лицензии Apache-2.0.

Audio8-ASR-0.1B — компактная авторегрессионная модель распознавания речи, опубликованная Audio8. Она принимает аудио и преобразует речь в текст на китайском, английском, французском, немецком, японском, корейском и кантонском языках. В модели используется аудиокодировщик Qwen3-ASR с MLP-проектором и восьмислойный причинный языковой декодер в стиле Qwen. Языковой компонент содержит около 103,5 млн параметров, а общее число уникальных параметров составляет около 324 млн. Модель рассчитана на работу через Hugging Face Transformers; частота дискретизации — 16 кГц. Для декодирования можно задавать подсказки с ключевыми словами без дообучения. Длина контекста в метаданных — 32 768 токенов. Модель подходит для транскрибации коротких аудиозаписей и распознавания речи с подсказками по терминам. В примерах аудио обрезается до 30 секунд; слишком сильное усиление ключевых слов может сместить результат распознавания. Выпущены отдельные варианты для ONNX Runtime и iOS, но этот репозиторий содержит чекпойнт Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Audio8-ASR-0.1B ONNX Runtime — локальный пакет распознавания речи, связанный с основной моделью Audio8-ASR-0.1B. Он включает ONNX-графы и средства инференса через ONNX Runtime, а также веб-интерфейс, локальный HTTP API и CLI для транскрибирования аудиофайлов. Модель автоматически определяет язык речи; заявлена поддержка английского, китайского, кантонского, французского, японского, немецкого и корейского языков. Пакет содержит варианты графов декодера fp32, int8 и int4, а аудиобашни — fp32 и int8. По умолчанию используются int8 для декодера и аудиобашни; есть опциональное усиление заданных ключевых слов при декодировании. Репозиторий предназначен для локального инференса на CPU через ONNX Runtime; для GPU требуется совместимый пакет ONNX Runtime GPU и доступный провайдер. Для работы аудио преобразуется в моно и передискретизируется до 16 кГц. Runtime обрезает аудио длиннее 30 секунд, а контекст декодера ограничен 512 токенами. Сильное усиление ключевых слов может приводить к ошибочным вставкам или повторам. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение.

BLOSSOM-v4-qwen1_5-14b — диалоговая языковая модель, созданная на основе предварительно обученной Qwen1.5-14B и дообученная командой Blossom на смеси собственных наборов данных Orca, Wizard, Chat и Math. Обучение включало одношаговые инструкции и многошаговые диалоги; модель предназначена для ответов на вопросы, ведения диалога и решения математических задач. Архитектура — плотная Qwen2ForCausalLM с 13,4 млрд параметров, контекстное окно — 32 768 токенов. Модель ориентирована на китайский и английский языки. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Для диалогового вывода README задаёт шаблон с ролями Human и Bot и рекомендует завершать реплики бота токеном <|endoftext|>.

Dialog2Flow joint target model (DSE-base) — модель для получения плотных векторных представлений предложений и абзацев, созданная как вариант D2F_joint в рамках исследования Dialog2Flow. Она использует DSE-base в качестве основы и реализована на Sentence Transformers с архитектурой BERT; модель преобразует текст в векторы размерности 768 и дообучена для извлечения структуры диалоговых потоков. Модель предназначена для сравнения и поиска текстов, кластеризации реплик и автоматического выделения потока диалога. В README отмечено улучшение результатов по сравнению с вариантом на BERT-base. Поддерживаемый язык — английский; максимальная длина контекста составляет 512 токенов. Модель можно применять через Sentence Transformers или Hugging Face Transformers с подходящей операцией pooling. Лицензия — MIT.

Flammen-Bophades — объединённая методом SLERP языковая модель на основе двух моделей Mistral, созданная nbeerbower с помощью mergekit. Она предназначена для генерации текста, диалоговых ответов и математических запросов. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно до 32 768 токенов; веса опубликованы в формате safetensors и рассчитаны на работу через Transformers. В объединение вошли nbeerbower/flammen15-gutenberg-DPO-v1-7B и nbeerbower/slerp-bophades-truthy-math-mistral-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка подтверждает генерацию текста и включение математически ориентированной базовой модели, но не приводит сравнительных оценок качества или подробных ограничений; результаты могут зависеть от запроса и настроек генерации.

Gemma-APS 2B — дообученная Google модель на базе Gemma 2B для абстрактивного разбиения текста на пропозиции (утверждения и идеи). Она принимает текстовый фрагмент и возвращает сгруппированный по исходным предложениям список пропозиций, переформулируя каждую как полное предложение с небольшими изменениями исходного текста. Модель предназначена для извлечения утверждений из англоязычных текстов и исследовательских сценариев, где их нужно обрабатывать по отдельности: например, для обоснования ответов, поиска, проверки фактов и оценки генеративных задач. Контекст обучения — 8192 токена; модель доступна через Transformers и распространяется на условиях лицензии Gemma.

Это экспорт IBM Granite-Embedding-97M-Multilingual-R2 в формате Core AI для запуска на устройствах Apple. Модель содержит 97,4 млн параметров, использует архитектуру ModernBERT и кодирует текст в векторы размерности 384 с L2-нормализацией. В README описаны готовые сборки для iOS 27 и macOS 27, включая варианты с длиной последовательности 128 или 512 токенов; указана поддержка японского и английского языков, а метаданные характеризуют модель как многоязычную. Модель предназначена для семантического поиска и сопоставления запросов с документами, например поиска заметок по смыслу. Это энкодер: он принимает токенизированный текст и выдаёт эмбеддинг, а не генерирует текст. README приводит измерения скорости и проверку численного соответствия исходной модели, но подчёркивает, что сравнительное качество retrieval не оценивалось. Экспорт распространяется по лицензии Apache-2.0; для корректной работы важны точная токенизация, специальные токены и маска внимания.

Модель artoowang/hf-audio-wav2vec2-bert-CV16-en-finetune — дообученная на базе hf-audio/wav2vec2-bert-CV16-en система автоматического распознавания речи. Она принимает аудио и преобразует английскую речь в текст; архитектура — Wav2Vec2-BERT с CTC-выходом, размер — 402,7 млн параметров. В README приведены значения на тестовой выборке: WER 0,0879 и loss 0,3271. Модель подходит для транскрибации английской речи, например записей и аудиофрагментов. Карточка не описывает датасет дообучения, условия записи или ограничения качества, поэтому приведённые метрики нельзя переносить на другие аудиоданные без проверки. Формат весов — safetensors, библиотека — Transformers; лицензия в предоставленных данных не указана.

Huihui-NeoHorse-1-4B-abliterated-GGUF — языковая модель для генерации текста, разработанная huihui-ai на базе TokenRhythm/NeoHorse-1-4B. Модель распространяется в формате GGUF и предназначена для задач следования инструкциям, рассуждений, программирования, использования инструментов и агентских сценариев. В карточке также указано наличие компонентов MTP и Visual, извлечённых из Qwen/Qwen3.5-4B, что должно обеспечивать поддержку визуальных возможностей, однако подробные сведения о поддерживаемых модальностях и языках не приведены. Это экспериментальная версия с уменьшенной фильтрацией отказов, полученная методом abliteration: аблированы слои 5–17 с индексацией от нуля. Заявленный размер — около 1,4 млрд параметров, а рекомендуемый размер контекста при использовании через llama.cpp составляет 262144 токена. К сильным сторонам относятся компактность, поддержка локального запуска через llama.cpp и ориентация на кодирование, рассуждения и tool use. При этом метод модификации описан как грубая proof-of-concept реализация, поэтому качество, стабильность и поведение модели могут быть непредсказуемыми. Фильтрация контента существенно ослаблена, поэтому модель может генерировать чувствительные, спорные или неподходящие материалы и не предоставляет стандартных гарантий безопасности. Она рекомендуется преимущественно для исследований, тестирования и контролируемых сред, а не для публичных или критически важных производственных приложений; необходимы мониторинг и проверка результатов человеком. Лицензия — Apache 2.0.

JanusCoder-14B-GGUF — это набор квантизированных версий языковой модели JanusCoder-14B, разработанной internlm и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена прежде всего для генерации и работы с исходным кодом, а также для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от BF16 до 2-битных и 8-битных квантований, размер файлов составляет примерно от 6,5 до 29,5 ГБ. Более высокие уровни квантования обеспечивают лучшее сохранение качества, тогда как компактные варианты требуют меньше оперативной памяти, но заметно уступают по качеству. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K_M, Q6_K или близкие к ним. В README не указаны архитектура, поддерживаемые языки, длина контекста, дополнительные модальности и точные характеристики исходной модели. Модель удобна для локального инференса на совместимом оборудовании и выбора компромисса между качеством, скоростью и потреблением памяти. Ограничения включают возможное снижение качества при сильном квантовании, отсутствие явно указанного chat template и необходимость проверить настройки исходной модели. Лицензия в предоставленных данных не указана.

Jan-v3.5-4B — дообученная модель компании Jan над базовой моделью janhq/Jan-v3-4B-base-instruct, разработанная при участии команды Menlo Research. Она предназначена для генерации текста, решения математических задач и диалогового взаимодействия с выраженной индивидуальностью, а также может использоваться как основа для последующей адаптации под приложения с математической или identity-специализацией. Модель ориентирована на интеграцию с Jan Desktop и локальный запуск через vLLM или llama.cpp. Модель основана на архитектуре Qwen3-4B и содержит около 4,0 млрд параметров, из которых 3,6 млрд не относятся к embedding-слою. Она включает 36 слоёв, использует Grouped-Query Attention с 32 головами для Q и 8 для KV, поддерживает контекст длиной до 262 144 токенов и, согласно карточке, предназначена для работы с английским языком. Дообучение проводилось на наборах данных по математическому рассуждению, а также на данных, формирующих голос, стиль и ценности модели. Сильными сторонами являются улучшенное по сравнению с базовой моделью решение математических задач, общий языковой функционал и узнаваемый разговорный стиль: неформальный тон, краткие ответы, самоирония и отсутствие корпоративной манеры общения. Ограничением является то, что модель не нейтральна и намеренно придерживается заданной личности, поэтому её стиль может быть неподходящим для формальных или строго нейтральных сценариев. Модель распространяется по лицензии Apache 2.0.

Japanese CLIP — контрастивная модель для сопоставления изображений и японского текста в общем пространстве эмбеддингов, разработанная Recruit Co., Ltd. Она использует визуальный энкодер CLIP-ViT-B-32 и текстовый энкодер Japanese RoBERTa-base и обучена на 128 млн пар изображений и текстов из японской части LAION2B-multi. Модель предназначена для поиска изображений по японскому запросу и текста по изображению, классификации изображений без дополнительного обучения по заданным текстовым меткам, а также извлечения признаков изображений и текста. Карточка описывает оценки на наборах для классификации и двунаправленного поиска изображение–текст; для ImageNet V2 и Food101 метки классов были переведены на японский. Модель ориентирована на японский язык и задачи сопоставления текста с изображениями. Лицензия — CC-BY-4.0; разработчик не гарантирует точность и полезность результатов и не несёт ответственности за ущерб, связанный с использованием модели.

KannadaSBERT — модель sentence-transformers от L3Cube-Pune для получения векторных представлений предложений на каннада и сравнения их семантического сходства. Она основана на KannadaBERT (l3cube-pune/kannada-bert) и дообучена на наборе данных NLI; архитектура — BERT с 264,8 млн параметров. Модель поддерживает извлечение признаков и сходство предложений, а длина контекста составляет до 512 токенов. Модель подходит для поиска похожих предложений, семантического поиска и сопоставления текстовых запросов с документами на каннада. README также упоминает отдельную, более качественную модель сходства, дообученную на основе этой модели, поэтому качество сходства у данного чекпойнта может быть ниже. Весы опубликованы в формате PyTorch по лицензии CC-BY-4.0.

Keye-VL-671B-A37B — мультимодальная языковая модель семейства Keye-VL, разработанная командой Kwai-Keye. Она предназначена для понимания и генерации текста, анализа изображений и видео, визуальных рассуждений и решения математических задач. В карточке описана архитектура KeyeVLMoeForConditionalGeneration; репозиторий содержит веса safetensors в формате FP8. Модель рассчитана на контекст до 163 840 токенов и поддерживает видеозапросы с текстовым ответом. При обучении использовались данные для визуальных вопросов и ответов, включая OCR, диаграммы и таблицы, а также синтетические цепочки рассуждений и последующее обучение с проверкой ответов. Это делает модель применимой для анализа видеоматериалов и визуального содержимого с текстовым запросом. Указанная лицензия — Apache-2.0. Для развёртывания README приводит инструкции с SGLang и описывает многосерверную конфигурацию.

Klear-46B-A2.5B-Base — базовая языковая модель со sparse Mixture-of-Experts архитектурой, разработанная командой Kwai-Klear компании Kuaishou. В модели 46 млрд параметров, при генерации активируются около 2,5 млрд; всего используется 256 экспертов, из которых на слой выбираются 8 экспертов и один общий. Каталог указывает 2,2 млрд параметров, а README — 46 млрд общих и 2,5 млрд активных; вероятно, значение каталога отражает иной способ подсчёта. Модель предназначена для генерации текста и служит базой для последующей адаптации под диалоговые, математические, STEM- и программные задачи. Она обучена на более чем 22 трлн токенов, поддерживает контекст до 65 536 токенов и рассчитана на китайский и английский языки. Для запуска README рекомендует Transformers версии 4.56.0 или новее с trust_remote_code=True; также упоминается форк vLLM. Модель опубликована под лицензией Apache-2.0. Это базовая, а не instruction-tuned версия, поэтому для прямого диалогового использования может потребоваться дополнительная настройка. README приводит результаты внутренних и внешних бенчмарков; для HumanEval авторы отдельно отмечают чувствительность оценки к формату запросов.

LaBSE, дообученная командой Lingtrain на парах предложений на русском и ингушском языках. Модель построена на архитектуре BERT и Sentence-Transformers и преобразует предложения и абзацы в плотные векторы размерности 768; заявленный размер модели — 498,1 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для сопоставления русских и ингушских текстов в общем векторном пространстве. Её можно применять для семантического поиска, сравнения предложений и кластеризации. Репозиторий содержит веса PyTorch и safetensors. Лицензия в предоставленных данных не указана.

hiyouga/Llama-2-Chinese-13b-chat — двуязычная инструкционно настроенная LoRA-модель на основе семейства Llama 2, разработанная с использованием LLaMA-Factory. Модель предназначена для диалогов с ассистентом и выполнения инструкций на китайском и английском языках; примеры показывают ответы на вопросы, объяснение понятий, перевод и помощь с кодом. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текстовых ответов. Контекст составляет 4096 токенов. Для работы применяются веса PyTorch и библиотека Transformers; для запуска README указывает LLaMA-Factory. Модель дообучена на наборах Alpaca, Alpaca-ZH и OpenAssistant. Лицензия указана как llama2. README не приводит количественных оценок качества или подробных ограничений; ответы могут быть неточными, а поддержка языков и навыков за пределами китайского и английского не подтверждена.

Q-bert/MetaMath-Cybertron-Starling — объединённая языковая модель, созданная слиянием Q-bert/MetaMath-Cybertron и berkeley-nest/Starling-LM-7B-alpha методом slerp. Она использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате ChatML, включая ответы на математические вопросы и ведение беседы на английском языке. В карточке указана оценка 71,35 в среднем по представленным тестам Open LLM Leaderboard; также приведены результаты ARC и HellaSwag. Модель принимает текст и генерирует текст. Репозиторий распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

TensorVizion/MiMo-V2.6-Distill-Qwen-Abliterated — производная версия мультимодальной модели MiMo-V2.6-Distill-Qwen-9B от Xiaomi, представленная в карточке как 2-битная конверсия для MLX. Метаданные указывают архитектуру Qwen3.5 и класс Qwen3_5ForConditionalGeneration; модель принимает текст и изображения и генерирует текст. Она предназначена для диалоговых и агентных сценариев, программирования, использования инструментов и анализа изображений. README сообщает, что исходная модель преобразована в формат MLX с помощью mlx-lm 0.31.3; метаданные указывают лицензию MIT. В метаданных также отмечена дистилляция исходной базовой модели, но сведения о конкретном процессе дообучения или об «abliterated»-изменениях не приведены. Доступная информация не подтверждает языковой охват и длину контекста. 2-битное представление ограничивает точность чисел, а конкретные последствия для качества в карточке не описаны.

Xenova/ms-marco-MiniLM-L-6-v2 — это версия модели cross-encoder/ms-marco-MiniLM-L-6-v2 с весами в формате ONNX, подготовленная для работы с библиотекой Transformers.js. В карточке не указано, кто разработал исходную модель; Xenova предоставляет совместимую с веб-средой упаковку весов. Модель предназначена для задач информационного поиска и оценки релевантности пар текстов. Она принимает запрос и кандидатный текст, после чего вычисляет оценку их соответствия, поэтому подходит для ранжирования результатов поиска и переранжирования документов. В качестве архитектуры указана MiniLM-L-6-v2, используемая в режиме cross-encoder с задачей sequence classification. В README не приведены точные размеры модели, поддерживаемые языки и максимальная длина контекста. Для модели доступны квантованные и неквантованные ONNX-веса; пример показывает различающиеся числовые оценки для одной и той же пары текстов. Основное преимущество — возможность запуска через Transformers.js, включая веб-сценарии. Ограничения и условия лицензирования в README не указаны; также отсутствуют сведения о гарантиях качества, доменной специализации и производительности.

Это мульт векторная текстовая модель ColBERT на базе gte-modernbert-base, обученная на парах вопросов и фрагментов текста из набора MIRIAD. Модель разработана авторами репозитория tomaarsen с использованием библиотеки Sentence Transformers; она кодирует текст в последовательность векторов размерности 128 и сравнивает запросы с документами методом позднего взаимодействия MaxSim. Модель предназначена для семантического поиска, в том числе поиска фрагментов документов по вопросу. Поддерживает английский язык и последовательности длиной до 8192 токенов; размер модели — 149 млн параметров. Лицензия Apache-2.0. Ограничение: обучение ориентировано на английские пары «вопрос—фрагмент», поэтому качество для других языков и иных задач не подтверждено.

UCSC-VLAA/openvision-vit-small-patch16-224 — визуальный энкодер из семейства OpenVision, описанного в работе «OpenVision: A Fully-Open, Cost-Effective Family of Advanced Vision Encoders for Multimodal Learning». Репозиторий содержит веса модели в формате PyTorch и предназначен для извлечения признаков изображений, а также для классификации изображений по текстовым описаниям без дополнительного обучения. Модель рассчитана на мультимодальные сценарии, где визуальные признаки используются для сопоставления изображений с текстовыми запросами. По названию репозитория это вариант ViT-Small с патчами 16×16 и входным разрешением 224 пикселя. Лицензия — Apache-2.0.

OPSD-PI Qwen3.5-9B Medium Trailing — update 16 — это полностью объединённая модель семейства Qwen3.5, опубликованная LSW142857. Репозиторий содержит результат 16 обновлений оптимизатора после обучения на выборке из 1024 строк: объединённую инициализацию expert-SFT, обновления OPSD и MTP в формате LoRA, а также обученные тензоры MTP. Модель загружается напрямую через Transformers; дополнительное объединение адаптеров не требуется. Модель предназначена для генерации текста и диалогового применения; в метаданных также отмечена поддержка кода. Архитектура — плотная Qwen3_5ForConditionalGeneration, веса сохранены в safetensors. README указывает, что PI использовалась только как учитель во время обучения, поэтому оценивать следует студента без PI и на отложенных задачах, а не на обучающих строках. Репозиторий публичный, однако лицензия и размер контекста в предоставленных данных не указаны.

Perception Encoder PE-Core-B16-512 — визуальный энкодер Meta из семейства Perception Encoder, обученного с помощью контрастивного обучения изображений и текстов и дообученного на синтетически согласованных видео. Эта версия использует архитектуру B/16 с башнями для изображений и текста: визуальная часть содержит около 90 млн параметров, текстовая — около 310 млн; в README для семейства указаны ширина слоёв 768 и 1024, глубина 12 и 24 слоя и контекст текста 32 токена. Модель предназначена для извлечения признаков и визуальных эмбеддингов, которые можно применять для классификации и поиска изображений и видео, в том числе в режиме zero-shot. Сильные стороны семейства — перенос общих визуальных признаков на задачи классификации и поиска; README сообщает о результатах на ImageNet, ObjectNet, COCO и Kinetics. В метаданных указан формат PyTorch, а лицензия — Apache-2.0. Описание результатов в README относится к вариантам B/16, L/14 и G/14, поэтому конкретные показатели для варианта 512 не приведены.

unsloth/Qwen2-VL-2B-Instruct — инструктивно настроенная мультимодальная модель на архитектуре Qwen2-VL, опубликованная Unsloth на основе Qwen/Qwen2-VL-2B-Instruct. Она принимает текстовые запросы вместе с изображениями и формирует текстовые ответы; поддерживает обработку изображений разных разрешений и видео. Размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для визуальных вопросов и ответов, анализа изображений, чтения текста на изображениях и диалога по видеоматериалам. В README также заявлена поддержка распознавания текста на разных языках, включая английский, китайский, японский, корейский и ряд других языков; в метаданных карточки указан английский. Архитектура использует динамическое разрешение изображений и мультимодальные позиционные представления M-ROPE. Модель не обрабатывает звук в видео, может ошибаться при подсчёте объектов, сложных многошаговых инструкциях и пространственных рассуждениях; сведения в обучающих данных об изображениях актуальны до июня 2023 года. Репозиторий распространяется по лицензии Apache-2.0.

RepLLaMA-7B-Passage-MRL — модель семейства LLaMA, разработанная Xueguang Ma, Liang Wang, Nan Yang, Furu Wei и Jimmy Lin для многоэтапного текстового поиска. Это дообученная с помощью LoRA модель на базе LLaMA-2-7B, обученная один проход на обучающей части набора MS MARCO Passage Ranking. Модель кодирует запросы и текстовые фрагменты в эмбеддинги для вычисления сходства и ранжирования документов. Благодаря Matryoshka Representation Learning размерность эмбеддингов можно выбирать гибко вплоть до 4096. Число параметров — 6,6 млрд, контекст — до 4096 токенов; вход и результат представлены текстом и векторами соответственно. Репозиторий содержит веса в формате safetensors. Лицензия указана как Llama 2 Community License. Модель подходит для поиска по текстовым коллекциям и многоэтапного извлечения релевантных фрагментов; обучение на MS MARCO Passage Ranking специализирует её на поиске пассажей, поэтому качество на других языках и доменах отдельно не подтверждено.