III.10Проекты, процессы и операционное управление

Llama-3-8B-Tulu-330K — дообученная модель для генерации текста на основе Meta Llama 3 8B. Она предназначена для диалогового взаимодействия и генерации ответов; в карточке приведён результат оценки: loss 1,0525. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступны веса PyTorch и Safetensors. Модель создана дообучением meta-llama/Meta-Llama-3-8B с помощью Axolotl 0.4.0. Описание в README не уточняет назначение датасета и конкретные сильные стороны или ограничения. Лицензия — Llama 3; использование регулируется её условиями.

UCLA-AGI разработала Llama-3-Instruct-8B-SPPO-Iter2 — плотную авторегрессионную языковую модель семейства Llama с 7,5 млрд параметров для генерации текста и диалогов. Это вторая итерация дообучения методом Self-Play Preference Optimization, начатого с meta-llama/Meta-Llama-3-8B-Instruct. Для оптимизации использованы синтетические ответы и наборы запросов на основе UltraFeedback, разделённые на части для трёх итераций. Модель рассчитана прежде всего на английский язык и может применяться для диалоговых ответов, следования инструкциям и генерации текста. Заявленная длина контекста — 8192 токена. В карточке приведены результаты AlpacaEval и Open LLM Leaderboard для сравнения итераций; они не гарантируют качество на конкретных пользовательских задачах. Модель доступна по лицензии Apache-2.0.

LLMTwin-Llama-3.1-8B-instruct — дообученная языковая модель, разработанная rfrancu на основе meta-llama/Llama-3.1-8B-instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. В карточке указан английский язык. Обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, оценку качества или ограничения в конкретных сценариях, поэтому её следует рассматривать как общую чат-модель на английском языке.

LongForm-OPT-125M — языковая модель для генерации длинных текстов с инструктивной настройкой на наборе LongForm. Модель разработана авторами LongForm на базе архитектуры OPT; в репозитории указано около 151,9 млн параметров, формат весов — PyTorch и SafeTensors, а родной контекст составляет 2048 токенов. Модель предназначена для генерации текста по инструкциям, включая ответы на вопросы, написание писем, исправление грамматических ошибок, создание историй и стихов, рецептов и кратких пересказов. В описании LongForm сообщается о сравнительной оценке на генерации рецептов, длинных ответах на вопросы ELI5 и коротких рассказах; приведённые результаты относятся к семейству LongForm, а не отдельно к версии 125M. Данные обучения включают англоязычные документы из C4 и Wikipedia, примеры Stack Exchange и WikiHow, а также задания, инструкции для которых создавались с помощью LLM. Теги карточки также указывают немецкий, итальянский, испанский и французский языки, но описание обучения и задач сосредоточено на английском. Лицензия в предоставленных данных не указана.

MaziyarPanahi/M7Yamshadowexperiment28_CalmeInex12 — объединённая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/CalmeInex12-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит сведений о целевых языках и специализированных областях применения.

MeowGPT-2 — разговорная языковая модель, разработанная CutyCat2000 на архитектуре Llama. Модель содержит 2,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы для генерации текста. Она обучена на наборе данных OpenOrca и предназначена для диалогового взаимодействия и других задач генерации текста на естественном языке. Модель загружается через библиотеку Transformers и распространяется в формате safetensors. Контекст составляет до 4096 токенов. В карточке указан английский язык, лицензия — MIT. Ответы могут быть неточными или неуместными, поэтому их следует проверять перед использованием в важных сценариях.

SepKeyPro выпустил Merged-OpenLlama3-8B — плотную языковую модель на архитектуре Llama, созданную слиянием трёх моделей с помощью Mergekit и метода model_stock. В основу слияния вошли Meta-Llama-3-8B-Instruct, openchat-3.6-8b-20240522 и llama-3-gutenberg-8B; базовой указана Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует формат safetensors и представлена с типом данных bfloat16. Модель предназначена для диалоговых ответов и генерации текста. Контекст составляет до 8192 токенов. Карточка не сообщает о специализированных языках или предметных областях; базовая модель описана как англоязычная. Лицензия репозитория — Apache-2.0. README не приводит сравнительных оценок качества или конкретных ограничений.

Карточка модели mergekit-community/mergekit-ties-aspkrwz на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-mojzqgu на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

Модель aliRafik/Meta_Llama_3.1_8B_alpaca_16bit — дообученная автором aliRafik языковая модель семейства Llama 3.1 на 7,5 млрд параметров. В основе лежит unsloth/meta-llama-3.1-8b-unsloth-bnb-4bit; обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста по запросу и может применяться для диалоговых ответов, черновиков и других задач на основе языковых инструкций. Метаданные указывают контекст до 131 072 токенов и английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает набор данных или конкретную специализацию дообучения, поэтому качество для отдельных предметных областей и поведение на других языках по ней оценить нельзя.

mncai/mistral-7b-dpo-v6 — текстовая генеративная модель MindsAndCompany на архитектуре Mistral, созданная на базе Mistral-7B. По карточке, модель сначала получила объединение весов, затем была дообучена методом DPO; она предназначена для диалогов и генерации ответов на текстовые запросы. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. В примере карточки показан вопрос на корейском языке, а метаданные указывают английский язык; карточка не подтверждает широкий набор поддерживаемых языков. Разработчик позиционирует свои модели для бизнес-продуктов, включая чат-боты и ассистентов. Карточка предупреждает о переобучении на открытых лидербордах и рекомендует оценивать модель на собственных закрытых данных; внутренние оценки автора были ниже результата лидерборда. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Sao10K/MN-12B-Lyra-v4 — разговорная языковая модель на базе Mistral-NeMo-12B, представленная разработчиком как последовательная модификация семейства Lyra. Версия v4 объединяет отдельный этап обучения с подкреплением, направленный на следование инструкциям и связность ответов на базе Nemo, с Lyra-v4a1; в карточке также указана цепочка предшествующих версий Lyra. Модель принимает текстовые сообщения в формате ChatML или совместимых вариантах и генерирует текстовые ответы. Модель предназначена для диалогов, ответов на инструкции и связной генерации текста. Карточка отмечает возможные проблемы с шаблоном ChatML, некорректными строками остановки при использовании XML-тегов и отдельными ошибками токенов; пользователю может потребоваться проверить шаблон и настройки генерации. Репозиторий содержит веса safetensors. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование.

liminerity/m.star.7b — дообученная liminerity модель семейства Mistral для генерации текста. Разработчик — liminerity; обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст, выдавая текст. Длина контекста — до 32 768 токенов; в метаданных указан английский язык. Модель подходит для генерации текста и диалоговых сценариев на английском языке. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные возможности или ограничения качества, поэтому их нельзя оценить по имеющимся сведениям.

zelk12/MT1-Gen5-GP-gemma-2-S4S2-9B — объединённая текстовая генеративная модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp4-10B и allknowingroger/Gemmaslerp2-9B. Модель имеет 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка подтверждает объединение предварительно обученных языковых моделей, но не описывает специальные предметные области, языки или сравнительные преимущества; качество и пригодность для конкретных задач требуют оценки на соответствующих данных. Лицензия в предоставленных сведениях не указана.

Модель zelk12/MT1-Max-Merge_02012025163610-GMM-gemma-2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2. Она создана из двух предварительно обученных моделей: zelk12/MT1-Max-Merge_02012025163610-GP-gemma-2-MTM5MT1g2-9B и zelk12/MT1-Max-Merge_02012025163610-MM-gemma-2-MTM5MTM1-9B. Модель с 9 млрд параметров предназначена для генерации текста и диалогов; поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors, библиотека для работы — Transformers. README не описывает отдельные специализации, языковой охват или сравнительные результаты модели. Условия лицензии в предоставленных данных не приведены.

zelk12/MT1-Max-Merge_02012025163610-MA-gemma-2-MTM5MTM2MU-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Автор объединил две предварительно обученные модели: zelk12/MT-Merge5-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B; веса сохранены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Карточка не приводит результатов оценки качества или списка конкретных языков и предметных областей. Лицензия в предоставленных данных не указана.

zelk12/MT2-Gen3-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, собранная с помощью mergekit из zelk12/MT2-Gen3-BMAMUG-gemma-2-9B и zelk12/MT2-Gen3-IMM-gemma-2-9B методом SLERP. Модель содержит 9 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. В README приведены результаты оценки Open LLM Leaderboard: средний балл 32,97, IFEval — 78,10, BBH — 44,01. Данных о поддерживаемых естественных языках и специализированных областях применения в карточке нет. Лицензия в предоставленных данных не указана.

zelk12 опубликовал объединённую методом SLERP языковую модель MT2-Gen4-BMM-gemma-2-9B на архитектуре Gemma 2. Модель размером 9 млрд параметров создана с помощью mergekit из zelk12/MT2-Gen4-BB-gemma-2-MTMMT3g2-9B и zelk12/MT2-Gen4-MM-gemma-2-Rv0.4MTM-9B; базовой в конфигурации указана первая из них. Модель предназначена для генерации текста и диалоговых ответов, работает через Transformers и использует контекст до 8192 токенов. Веса опубликованы в формате safetensors. В карточке и метаданных лицензия не указана, поэтому условия использования определить нельзя.

Это объединённая методом SLERP модель генерации текста на базе Gemma 2, созданная автором репозитория zelk12 с помощью mergekit. В слиянии участвовали две предварительно обученные модели: zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B и zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; в конфигурации указаны bfloat16 и параметр смешивания t=0.25. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; заявленная длина контекста — до 8192 токенов. Данные карточки не описывают специализированные предметные области или отдельные языковые возможности. Репозиторий содержит веса safetensors и использует библиотеку Transformers; условия лицензии в предоставленных данных не приведены.

zelk12/MT2-MU-gemma-2-Rv0.4Rv0.2-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Разработчик объединил recoilme/recoilme-gemma-2-9B-v0.4 и recoilme/recoilme-gemma-2-9B-v0.2 методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; заявленный родной контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о специализированных областях применения и лицензии в доступных данных отсутствуют; качество и поведение могут отличаться от исходных моделей после слияния.

zelk12 создал эту разговорную языковую модель, объединив методом SLERP две предварительно обученные модели Gemma 2: zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и генерирует текст; заявленный контекст составляет 8192 токена. Репозиторий предоставляет веса в формате safetensors и указывает библиотеку Transformers. Язык модели, специальные предметные области и конкретные сильные стороны в карточке не описаны. Условия лицензирования в предоставленных данных не указаны.

zelk12 создал эту разговорную языковую модель как слияние двух моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель предназначена для генерации текста в диалогах и имеет 9 млрд параметров; она построена на плотной архитектуре Gemma2ForCausalLM и распространяется в формате safetensors. Контекст составляет до 8192 токенов. Модель принимает текст и генерирует текст. Данных о специализации по предметным областям и языковой поддержке в карточке нет. Слияние объединяет характеристики исходных моделей, однако README не описывает ожидаемое качество или конкретные преимущества. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две разговорные языковые модели на базе Gemma 2: zelk12/MT-Gen3-gemma-2-9B и zelk12/MT2-Gen3-gemma-2-9B. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и ведения беседы. Это плотная авторегрессионная модель Gemma2ForCausalLM с 9 млрд параметров и контекстом 8192 токена. Репозиторий содержит веса в формате safetensors; в README также указано происхождение статических квантованных сборок GGUF. Языковые характеристики и лицензия в использованных источниках не описаны.

zelk12/MT-Gen4-BMM-gemma-2-9B — языковая модель, созданная объединением двух предварительно обученных моделей Gemma 2 методом SLERP с помощью mergekit. Репозиторий содержит вариант в формате safetensors для использования с библиотекой Transformers; размер модели — 9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового использования. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

zelk12/MT-Max-Merge_02012025163610-MAMM-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Сборку выполнил автор репозитория zelk12. Модель предназначена для генерации текста и диалогов. Она содержит 9 млрд параметров, принимает текст и выдаёт текст, а её контекст составляет 8192 токена. В README указано, что при слиянии использовалась точность bfloat16. Сведения о специальных предметных возможностях и поддерживаемых языках не приведены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

zelk12/MT-Merge2-IG-gemma-2-9B — объединённая методом SLERP разговорная языковая модель, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; опубликована в формате safetensors и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и генерирует текст. Встроенная длина контекста составляет 8192 токена. Карточка описывает способ объединения и исходные модели, но не приводит конкретных результатов оценки качества или перечня поддерживаемых языков. Лицензия в предоставленных сведениях не указана.

zelk12/MT-Merge4-BB-gemma-2-MT5g4MTg4-9B — объединённая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Gen4-gemma-2-9B. Она предназначена для диалогов и генерации текста; доступна в формате safetensors и рассчитана на контекст до 8192 токенов. Размер модели — 9 млрд параметров. Модель принимает текст и генерирует текстовые ответы. Карточка не описывает специализированные области применения или поддерживаемые языки. Лицензия и дополнительные ограничения в предоставленных данных не указаны.

Negativelikelihood-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на alignment-handbook/zephyr-7b-sft-full с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель принимает текст и выдаёт текст; заявленный контекст — до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Подробные сведения о качестве, оценках и специальных ограничениях в карточке не приведены.

NeuralMergeTest-001 — объединённая языковая модель на архитектуре Mistral, созданная Kukedlc с помощью LazyMergekit. Она объединяет liminerity/M7-7b, Kukedlc/NeuralKrishna-7B-v3 и Kukedlc/NeuralMarioMonarch-7B-slerp методом dare_ties; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; сведения о целевых языках и специализации в карточке отсутствуют. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

NeuralsirkrishnaShadow_Experiment27Shadow — объединённая модель Mistral для генерации текста, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Shadow-7B. Она предназначена для сценариев, где нужно продолжать текст или получать ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных сведений о поведении, поэтому пригодность для конкретных задач следует проверять отдельно.