III.2Исследование рынка и маркетинг

Модель francesca9805/ppt-wc-uniform-newlex-swe-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста и может использоваться для получения продолжений и ответов на текстовые запросы через библиотеку Transformers. Модель имеет плотную архитектуру GPT-2 и контекстное окно 512 токенов; файлы весов представлены в формате safetensors. Базовая модель рассчитана на генерацию английского текста.

Это дообученная модель GPT-2 для генерации текста, созданная на основе goldfish-models/eng_latn_100mb и обученная с использованием TRL. Она принимает текстовый запрос и генерирует продолжение; в карточке приведён пример ответа на открытый вопрос. Модель использует плотную архитектуру GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель предназначена для генерации английского текста, поэтому основным языком этой модели предположительно является английский. Лицензия в предоставленных данных не указана.

Это дообученная модель GPT‑2 для генерации текста на английском языке. Она создана на основе goldfish-models/eng_latn_100mb и обучалась с помощью TRL; веса хранятся в формате safetensors. Модель рассчитана на продолжение текста и генерацию ответов на запросы, например на вопросы с открытым ответом. Контекст модели составляет 512 токенов. Лицензия в предоставленных данных не указана.

A7med-Ame3/Qwen2.5-7B-LiveKit-16bit — дообученная разговорная языковая модель, разработанная A7med-Ame3 на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Она построена на архитектуре Qwen2 и содержит 7,1 млрд параметров; карточка указывает использование Unsloth и библиотеки Hugging Face TRL при обучении. Модель предназначена для генерации текста в диалогах и может использоваться для ответов на сообщения и ведения беседы. Поддерживает английский язык, контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

hflog/rmdhirr-Pulsar_7B — англоязычная чат-модель на плотной архитектуре Mistral с 7,1 млрд параметров, разработанная rmdhirr как дообучение MTSAIR/multi_verse_model. Модель предназначена для диалоговой генерации текста; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробных рекомендаций по применению.

Roberta2RobertaL-24gigaword — англоязычная модель суммаризации от Sascha Rothe, Shashi Narayan и Aliaksei Severyn. Это модель типа encoder-decoder, инициализированная весами roberta-large для кодировщика и декодировщика, а затем дообученная на датасете Gigaword для генерации заголовков. Модель предназначена для экстремальной суммаризации: она преобразует текст в краткое содержание, например в заголовок. Для применения доступны веса PyTorch; модель опубликована под лицензией Apache-2.0. В карточке не приведены численные сведения о размере модели и длине контекста.

Sailor-4B — плотная языковая модель семейства Qwen2, разработанная проектом Sailor для работы с языками Юго-Восточной Азии. Это дообученная версия Qwen/Qwen1.5-4B с 3,6 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на индонезийском, тайском, вьетнамском, малайском и лаосском языках. Модель подходит для ответов на вопросы, рассуждений здравого смысла и других текстовых задач на языках региона. В README также описано семейство Sailor-Chat, отдельно дообученное для следования инструкциям; Sailor-4B в карточке обозначена как базовая модель, поэтому не следует считать её специализированной чат-версией. Лицензия — Apache-2.0.

Seed-2.0-Lite — мультимодальная модель ByteDance, представленная как экономичная модель для корпоративных задач. Её позиционируют как универсальный вариант для производственных сценариев, где важны низкая задержка, мультимодальные возможности и работа с агентами. Каталог относит модель к задаче image-text-to-text, то есть к обработке изображений и текста с выдачей текстового ответа. Карточка также заявляет мультимодальные и агентные возможности, но не приводит сведений об архитектуре, размере, поддерживаемых языках, длине контекста или конкретных функциях агента. Условия лицензии в предоставленных данных не описаны.

panggi/t5-base-indonesian-summarization-cased — дообученная модель семейства T5 для суммаризации текстов на индонезийском языке. Разработчик дообучил T5 base summarization model на датасете IndoSum; в карточке также указана базовая модель huseinzol05/t5-base-bahasa-summarization-cased. Модель имеет архитектуру T5ForConditionalGeneration, около 123,8 млн параметров и контекст длиной до 1024 токенов; доступны веса PyTorch и Flax. Модель предназначена для создания краткого содержания индонезийских текстов, например новостных материалов из домена, представленного в IndoSum. Она принимает текст и генерирует текстовое резюме. Лицензия в предоставленных данных не указана.

Thanos-3B — диалоговая языковая модель из серии Thanos, разработанной Young-Jun Lee и обученной поверх LLaMA 3.2 3B. Она предназначена для общих разговорных агентов: обучение на наборе Multifaceted Skill-of-Mind призвано сделать ответы более похожими на человеческие. Модель содержит 3,2 млрд параметров, использует плотную архитектуру Llama и принимает текст, генерируя текст; поддерживает контекст до 131 072 токенов. В карточке указан английский язык, а метаданные отмечают возможности чата и интерфейс вызова инструментов. Модель можно применять для ведения диалогов, ответов в разговорных интерфейсах и генерации текста. Она является дообучением meta-llama/Llama-3.2-3B-Instruct и распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Авторы указывают исследовательское назначение модели.

trinhkhng/ties_Merged_gpt2-large_0.2 — объединённая языковая модель на основе GPT-2 Large, созданная автором репозитория методом TIES с помощью mergekit. В слиянии использованы предварительно обученная модель /kaggle/working/gpt2-large и модель /kaggle/working/debias_gpt2-large; токенизатор взят из базовой модели. Архитектура — GPT2LMHeadModel, плотная авторегрессионная модель для генерации текста; веса сохранены в формате safetensors. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового контекста. В карточке указана длина контекста 1024 токена. README описывает слияние с моделью debias_gpt2-large, однако не приводит оценок качества или подробностей о том, как именно проявляется снижение смещений. Для использования доступны сведения о библиотеке Transformers; лицензия в предоставленных данных не указана, поэтому условия распространения следует проверять в карточке репозитория Hugging Face.

Модель habanoz/TinyLlama-1.1B-intermediate-step-715k-1.5T-lr-5-4epochs-oasst1-top1-instruct-V1 — дообученная инструктивная версия TinyLlama, созданная с использованием датасета OpenAssistant/oasst_top1_2023-08-25. Для обучения применялся QLoRA, затем адаптер был объединён с базовой моделью. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Это плотная авторегрессионная модель семейства Llama с примерно 1 млрд параметров и контекстом 2048 токенов. Карточка приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 35,28, однако подробности остальных метрик в доступном README отсутствуют. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

Модель spiralMon/Twin-LLM-Fine-Tuned-DPO-Model-Llama-3.1-8B — дообученная разработчиком spiralMon языковая модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 7,5 млрд параметров. README сообщает, что при обучении использовались Unsloth и библиотека TRL; базовая модель — spiralMon/Twin-LLM-Fine-Tuned-Instruct-Model-Llama-3.1-8B-bnb-4bit. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии или дополнительные возможности. Метаданные указывают контекст до 131 072 токенов и язык en. Веса представлены в формате safetensors, лицензия — Apache-2.0.

Ultravox v0.5 — мультимодальная речевая языковая модель от Fixie.ai, построенная на Llama 3.1 8B Instruct и Whisper Large-v3-Turbo. Она принимает речь вместе с текстом, например текстовую системную инструкцию и голосовое сообщение, и формирует текстовый ответ. Модель предназначена для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. В README заявлена скорость около 150 мс до первого токена и 50–100 токенов в секунду на GPU A100 40 ГБ при обработке аудио. Для версии 0.5 приведены результаты оценки перевода речи на наборе CoVoST 2. Для этой версии не проводилась настройка предпочтений; генерация аудио не поддерживается. Модель распространяется по лицензии MIT.

UndiMix-v4-13B — смешанная языковая модель, опубликованная Undi95. Она объединяет пять моделей на базе Llama 2 13B, включая чат- и инструкционные варианты, и рассчитана на генерацию ответов по инструкциям в шаблоне Alpaca. Модель может вести разговор в серьёзном или игривом тоне и использовать эмодзи. Модель имеет плотную архитектуру LlamaForCausalLM с 12,9 млрд параметров, принимает и генерирует текст, поддерживает контекст до 4096 токенов и распространяется в формате Safetensors с весами fp16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование. README не перечисляет поддерживаемые естественные языки, поэтому языковую специализацию определить нельзя.

urLLM-KO_EN-2.7B — авторегрессионная языковая модель на базе архитектуры Llama, разработанная URP. Она основана на princeton-nlp/Sheared-LLaMA-2.7B и обучена на отобранных данных Modu Corpus, корейской Википедии и англоязычных новостях Kaggle общим объёмом около 36 ГБ. Словарь расширен до 51 385 токенов. Модель предназначена для генерации текста на корейском и английском языках. Её можно использовать для продолжения текста, составления черновиков и создания диалоговых ответов на этих языках. Размер модели — 2,7 млрд параметров; максимальный контекст составляет 4096 токенов. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Данные обучения описаны только на общем уровне, поэтому качество модели для конкретных задач и ограничения по темам не установлены.

ClaudioItaly выпустил Utopia-Range — языковую модель для генерации текста, созданную с помощью mergekit на основе Undi95/Utopia-13B. В карточке указано слияние методом passthrough; конфигурация использует float16 и повторяет последний слой базовой модели 11 раз. Модель построена на архитектуре Llama и содержит 12,5 млрд параметров. Модель предназначена для генерации текста. Её контекст составляет 4096 токенов, для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. README не описывает специализированные сценарии и языки применения. Лицензия в предоставленных данных не указана.

WizardVicuna-3B-0719 — языковая модель heegyu для генерации текста в формате диалога. Она основана на openlm-research/open_llama_3b и имеет 3,3 млрд параметров; в метаданных указана архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель обучалась на наборе heegyu/wizard_vicuna_70k_v2 и предназначена для генерации ответов по инструкции и ведения текстового диалога. Модель принимает текст и выдаёт текст. В карточке указаны английский язык и лицензия Apache-2.0. Короткий контекст ограничивает работу с длинными запросами и документами; данных о специализированных областях применения в карточке нет.

Карточка модели heegyu/WizardVicuna-Uncensored-3B-0719 на Hugging Face совпадает с карточкой heegyu/WizardVicuna-3B-0719, поэтому описание составлено по ней. WizardVicuna-3B-0719 — языковая модель heegyu для генерации текста в формате диалога. Она основана на openlm-research/open_llama_3b и имеет 3,3 млрд параметров; в метаданных указана архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель обучалась на наборе heegyu/wizard_vicuna_70k_v2 и предназначена для генерации ответов по инструкции и ведения текстового диалога. Модель принимает текст и выдаёт текст. В карточке указаны английский язык и лицензия Apache-2.0. Короткий контекст ограничивает работу с длинными запросами и документами; данных о специализированных областях применения в карточке нет.

Wukong-Phi-3-Instruct-Ablated — разговорная языковая модель, созданная как дообучение Phi-3-4K Instruct. Разработчик сообщает, что перед обучением базовую модель аблировал Failspy, поскольку исходные веса Phi-3 тогда не были доступны; обучение проводилось в течение трёх эпох на отобранных данных из Cognitive Computations Dolphin 2.9. Модель предназначена для диалогов и генерации текста общего назначения. Она построена на плотной архитектуре Phi-3 (`Phi3ForCausalLM`), содержит 3,7 млрд параметров и рассчитана на контекст до 4096 токенов. В карточке заявлено снижение склонности к отказам; это может приводить к выдаче небезопасного или нежелательного содержания. Поддерживаемый язык — английский. Модель опубликована в формате Safetensors под лицензией MIT. В README нет примеров ответов и количественной оценки качества.

Модель erst/xlm-roberta-base-finetuned-nace разработана на основе xlm-roberta-base и дообучена для классификации описаний видов деятельности по кодам NACE Rev. 2. Это модель XLM-RoBERTa с архитектурой классификации последовательностей, содержащая 305,2 млн параметров и принимающая текст длиной до 514 токенов. Модель подходит для автоматической категоризации описаний деятельности компаний и подбора соответствующих кодов NACE. Для дообучения использованы 2,5 млн описаний норвежских и датских предприятий; часть данных автоматически переведена на английский, немецкий, испанский, французский, финский и польский языки. Формат весов — PyTorch, для запуска можно использовать Transformers. Карточка не сообщает отдельные метрики качества или ограничения по использованию предсказаний, поэтому результаты для конкретных языков и типов описаний следует проверять на целевых данных. Лицензия в предоставленных сведениях не указана.

anwgpt/anwgpt4-base — языковая модель для генерации текста, опубликованная под лицензией MIT. Карточка показывает запуск через библиотеку Transformers и пример продолжения текста; метаданные указывают на архитектуру GPT-2 и формат safetensors. Модель предназначена для генерации и продолжения англоязычного текста. Её контекст составляет 2048 токенов, а среди метаданных указан набор данных Salesforce/wikitext. Сведений о размере модели и конкретном процессе обучения нет.

Карточка модели lafifi-24/arbert_arabic_dialect_identification на Hugging Face совпадает с карточкой lafifi-24/arabicBert_arabic_dialect_identification, поэтому описание составлено по ней. Модель lafifi-24/arabicBert_arabic_dialect_identification — классификатор арабского текста, разработанный в рамках проекта по определению арабских диалектов. Она дообучена на сочетании общедоступных наборов данных и собственного набора разработчиков и предназначена для определения диалекта по тексту разговорного арабского языка. Модель основана на BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Её можно применять для автоматической разметки диалектов в текстах, маршрутизации обращений по региону и анализа арабоязычных пользовательских сообщений. Карточка сообщает о высокой точности, но не приводит численных метрик или перечня распознаваемых диалектов, поэтому качество на конкретных данных следует проверять отдельно. В репозитории указаны веса PyTorch; условия лицензии в доступных данных не приведены.

arco — компактная языковая модель семейства Llama, опубликованная appvoid. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 464,4 млн параметров; она принимает текст и генерирует текст, а длина контекста составляет 8192 токена. По карточке, модель создана слиянием нескольких внутренних моделей, дообученных на разных стилях, моделей palmer-004-turbo и danube3-chat, а затем с базовой моделью для сохранения знаний. Автор приводит результаты zero-shot-оценки на пяти бенчмарках и заявляет о конкурентоспособности с некоторыми моделями размером 0,7–1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; автор предлагает пример шаблона разговора, но сообщает, что специальный формат промпта намеренно не задан. Язык обучения и перечень поддерживаемых естественных языков в карточке не установлены. Модель распространяется под лицензией Apache-2.0. Заявления о бенчмарках приведены автором; независимые подтверждения и подробные рекомендации по использованию отсутствуют.

Astrid-1B — языковая модель PAIX.Cloud на архитектуре GPT-NeoX, предназначенная для генерации связного текста на английском языке. Модель содержит 1,2 млрд параметров, использует причинное языковое моделирование и рассчитана на контекст до 2048 токенов. Для работы предусмотрена библиотека Transformers и формат весов PyTorch. Модель общего назначения можно применять для продолжения текста, чернового написания и генерации ответов на текстовые запросы. README отмечает цели персонализации, защиты данных и прозрачного управления ИИ, но не приводит подробных сценариев или результатов оценки качества. Обучение выполнялось с H2O LLM Studio. Генерации могут быть ошибочными, бессмысленными, нерелевантными или содержать предвзятые и оскорбительные высказывания; результаты следует проверять. Условия лицензии в предоставленных данных не указаны.

Athnete-13B — текстовая модель генерации на архитектуре Llama, опубликованная IkariDev. Репозиторий содержит веса FP16; модель использует шаблон Alpaca и предназначена для ролевых диалогов, откровенных ролевых сценариев и задач общего назначения. Автор сообщает, что модель объединена из IkariDev/Athena-v3 и Undi95/Nete-13B. Модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Она принимает текстовые инструкции и генерирует текст. Язык лицензии CC BY-NC 4.0 ограничивает использование некоммерческими условиями; README отдельно указывает на пригодность для ERP-сценариев.

anthonymeo/augmented-smilodon-1 — разговорная языковая модель, обученная с помощью H2O LLM Studio на базе h2oai/h2o-danube3-500m-chat. Она предназначена для генерации текста в диалоговом формате: может отвечать на запросы и поддерживать беседу на английском языке. Модель использует плотную архитектуру LlamaForCausalLM и содержит 464,4 млн параметров; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в форматах Safetensors и GGUF F16. Для запуска доступны Transformers, загрузка с 4- или 8-битной квантизацией и распределение модели по нескольким GPU. Модель может выдавать неверные или бессвязные ответы, а также предвзятый или оскорбительный текст, поэтому результаты следует проверять. Лицензия в предоставленных данных не указана.

Карточка модели ranaroy/bert-finetuned-imdb на Hugging Face совпадает с карточкой aquif11/bert-finetuned-imdb, поэтому описание составлено по ней. aquif11/bert-finetuned-imdb — дообученная модель BERT для классификации текста. В README указано, что она основана на bert-base-uncased; архитектура — BertForSequenceClassification, размер — 136,7 млн параметров. Модель рассчитана на классификацию текстовых последовательностей, вероятно, для анализа отзывов о фильмах по датасету IMDb, что следует из названия репозитория. Модель принимает текст и выдаёт метку класса. Контекст ограничен 512 токенами. В README приведено значение loss 0,0011 на оценочной выборке, однако датасет и методика оценки не описаны, поэтому это число не позволяет надёжно судить о качестве на других данных. Использование регулируется лицензией Apache-2.0.

pszemraj/bigbird-pegasus-large-K-booksum — англоязычная модель суммаризации, дообученная автором репозитория на датасете BookSum для создания поясняющих кратких изложений. Она стремится точно передавать содержание исходного текста и объяснять значимость объединённых в выводе идей, уделяя особое внимание читабельности. Модель основана на BigBird-Pegasus large, содержит около 366,8 млн параметров и рассчитана на контекст до 4096 токенов; доступна в форматах PyTorch, ONNX и Safetensors. Модель подходит для суммирования длинных текстов, в частности глав и других материалов, похожих на BookSum. В карточке указаны обучение в течение семи эпох, около 70 000 шагов и начальный чекпойнт google/bigbird-pegasus-large-bigpatent. Лицензия — Apache-2.0. Качество и скорость могут зависеть от длины входа и доступной памяти; автор упоминает более ранний чекпойнт на 40 000 шагов как вариант для сред с ограничениями по ресурсам.

Bitnet-Mistral.0.2-v6.9 — дообученная языковая модель семейства Mistral, представленная в формате safetensors. По метаданным, это плотная авторегрессионная модель с архитектурой MistralForCausalLM, примерно 23,9 млн параметров и контекстом до 4096 токенов. Репозиторий создан liminerity 28 июня 2024 года. Модель предназначена для генерации текста. README сообщает о дообучении на датасете, обозначенном как None, но не описывает сценарии применения, данные обучения или результаты оценки. Лицензия в предоставленных сведениях не указана.