III.2Исследование рынка и маркетинг

Lukas16 дообучил плотную авторегрессионную языковую модель Qwen2.5-0.5B для генерации текста и диалогов. Модель содержит 494 млн параметров, основана на unsloth/Qwen2.5-0.5B-bnb-4bit и принимает текст; в карточке заявлены английский язык и контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и простых диалоговых сценариев. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0.

Diamegs разработала PIT-4B-FT-201712 — инструкционно дообученную модель семейства Point-In-Time GPT на базе PIT-4B-201712. Это плотный авторегрессионный декодерный Transformer с 20 слоями, предназначенный для генерации текста и выполнения инструкций. Веса адаптера LoRA объединены с базовой моделью. Модель обучена на хронологически упорядоченных снимках FineWeb и отражает знания, доступные до декабря 2017 года. Такой временной срез подходит для анализа того, что могло быть известно на указанную дату. Контекст составляет 2048 токенов; модель работает с текстом и поддерживает английский язык. Для запуска указаны Transformers, PyTorch и safetensors. Модель не проходила RLHF или дополнительную настройку безопасности, может воспроизводить смещения обучающих данных и не подходит для критически важных решений без дополнительного выравнивания. Лицензия — Apache-2.0.

Модель fpadovani/ppt-art-lang-newlexicon-zipf-soft0.7-eng-baseline-100mb_seed3407 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Автор карточки сообщает, что обучение выполнено с помощью TRL; модель предназначена для генерации английского текста и может использоваться для продолжения текста или ответа на открытые вопросы. В карточке приведён пример запуска через Transformers pipeline с запросом в формате чата. Модель использует архитектуру GPT-2 и формат весов safetensors. Длина контекста составляет 512 токенов. Карточка не сообщает лицензию и не описывает специальную предметную область или гарантии качества.

Модель fpadovani/ppt-art-lang-newlexicon-zipf-soft0.95-eng-baseline-100mb_seed3407 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в доступных данных не указана.

ppt-art-lang-newlexicon-zipf-soft0.98-eng-baseline-100mb_seed10 — дообученная модель GPT-2 от fpadovani, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; пример в карточке показывает ответы на открытые вопросы в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохраняется в формате safetensors и имеет контекст длиной 512 токенов. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

fpadovani/ppt-wc-uniform-newlex-eng-100mb_seed5 — дообученная с помощью TRL модель на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2-подобная языковая модель для генерации текста; в карточке приведён пример ответа на открытый вопрос. Модель работает с английским языком и имеет контекст длиной 512 токенов. Её можно использовать для генерации продолжений и коротких ответов на английском языке. Доступ к модели описан через библиотеку Transformers; веса хранятся в формате safetensors. Сведения о лицензии и конкретных ограничениях в предоставленных источниках отсутствуют.

Модель francesca9805/ppt-wc-uniform-newlex-eus-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос. Модель принимает текст и выдаёт текст, а её контекст составляет 512 токенов. Базовая модель ориентирована на английский язык. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Модель francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL одноязычная GPT-2-модель на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT-2 и библиотеку Transformers, веса хранятся в формате safetensors, контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-swa-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос. Модель рассчитана на продолжение и генерацию английского текста, а контекстное окно составляет 512 токенов. Модель сохранена в формате safetensors и доступна через Transformers. В метаданных указана лицензия; однако условия лицензии не приведены в предоставленных данных.

Модель Francesca9805 — дообученная с помощью TRL версия одноязычной GPT‑2-модели Goldfish goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на текстовые запросы; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT-2 и формат весов safetensors, а её контекст составляет 512 токенов. Базовая модель ориентирована на английский текст, поэтому примеры применения в первую очередь связаны с англоязычной генерацией. Данных об оценке качества и специальных предметных областях в карточке нет. Лицензия в предоставленных сведениях не указана.

Модель fpadovani/ppt-wc-uniform-oldlex-eng-100mb_seed3407 — дообученная на TRL версия goldfish-models/eng_latn_100mb, созданная на основе плотной архитектуры GPT-2 и предназначенная для генерации текста. Её можно использовать для продолжения текста и ответов на открытые вопросы на английском языке. Модель работает с библиотекой Transformers, веса представлены в формате safetensors, длина контекста — 512 токенов. В README приведён пример генерации ответа на вопрос с ограничением в 128 новых токенов. Лицензия в предоставленных данных не указана.

fpadovani/ppt-wc-uniform-oldlex-jpn-100mb_seed10 — дообученная с помощью TRL модель генерации текста на базе goldfish-models/eng_latn_100mb. Она построена на архитектуре GPT-2 и предназначена для продолжения текста и ответов на текстовые запросы через Transformers. Контекст модели составляет 512 токенов; веса доступны в формате safetensors. Базовая модель описана как монолингвальная GPT-2-подобная модель для генерации на английском языке. Карточка не сообщает о специализации на конкретной предметной области или об оценке качества именно этой версии. Условия лицензирования в доступных данных не приведены.

fpadovani/ppt-wc-uniform-oldlex- nld-100mb_seed3407 — модель генерации текста на базе GPT-2, дообученная автором на goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; карточка показывает пример ответа на открытый вопрос. Базовая модель описана как монолингвальная англоязычная GPT-2-подобная модель. Модель использует архитектуру GPT2LMHeadModel и формат safetensors. Длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

Модель fpadovani/ppt-wc-zipf-newlex-66-eng-100mb_seed10 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на открытые вопросы; в карточке приведён пример генерации ответа на вопрос о выборе между путешествием в прошлое и будущее. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Поддерживается английский язык. Лицензия в предоставленных данных не указана.

SatyamSubham/presentation-compiler-0.5b — дообученная SatyamSubham языковая модель семейства Qwen2 для генерации текста в диалоговом формате. Она основана на unsloth/qwen2.5-coder-0.5b-instruct-bnb-4bit и имеет 494 млн параметров. Модель рассчитана на контекст до 32 768 токенов; в карточке указаны английский язык и поддержка интерфейса вызова инструментов. Модель можно применять для генерации ответов и помощи в сценариях, связанных с подготовкой презентаций, однако README не описывает конкретные функции компилятора презентаций, обучающие данные или результаты оценки качества. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Модель TeichAI — дообученная версия Qwen3 с 1,7 млрд параметров, созданная на 1000 примерах ответов Gemini 2.5 Flash Lite Preview от сентября 2025 года. Для обучения использовались Unsloth и библиотека TRL; архитектура — плотная причинная языковая модель Qwen3, файлы представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и рассчитана на английский язык. Лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества; небольшой объём обучающих примеров ограничивает основания ожидать широкого переноса поведения Gemini на разные задачи.

Это дообученная на TRL модель GPT-2 для генерации текста на русском языке, созданная на основе goldfish-models/rus_cyrl_100mb. Она подходит для продолжения текста и генерации ответов на короткие открытые вопросы; пример в карточке показывает диалоговый формат запроса. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Saga-8B — диалоговая языковая модель, разработанная saucam и дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct с использованием Unsloth и TRL. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре Llama и предназначена для генерации текста в формате диалога; для запуска доступны веса Safetensors. Модель можно использовать для создания ассистентских ответов и ведения текстового диалога на английском языке. Контекст модели составляет 8192 токена. Лицензия — Apache-2.0. README не описывает специализированные сценарии обучения или уникальные преимущества Saga-8B.

SmolLM2-1.7-Persona — объединённая с помощью mergekit модель на базе HuggingFaceTB/SmolLM2-1.7B-Instruct и адаптера bunnycore/SmolLM2-1.7B-persona-lora. Это плотная авторегрессионная языковая модель семейства Llama с 1,7 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 8192 токена. Модель подходит для чат-ботов и генерации ответов в заданном стиле или персоне. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 14,25, IFEval — 54,65 и BBH — 11,20; эти результаты сами по себе не гарантируют качество в конкретном приложении. Модель распространяется в формате safetensors по лицензии Apache-2.0.

fpadovani/swe-latn-100mb-ppt-Dp-10mb_seed10 — дообученная модель семейства GPT-2 на базе goldfish-models/swe_latn_100mb. Разработчик указывает, что обучение выполнено с помощью TRL; модель доступна в формате safetensors и рассчитана на генерацию текста с контекстом до 512 токенов. Модель предназначена для генерации продолжения текста и ответов на запросы в формате диалога. Карточка демонстрирует пример ответа на открытый вопрос, но не заявляет специализации по отдельным предметным областям или языкам. Лицензия в предоставленных данных не указана.

Это дообученная Francesca9805 версия модели goldfish-models/tam_taml_10mb на архитектуре GPT-2. Модель обучалась с помощью TRL и предназначена для генерации текста в ответ на запросы; карточка приводит пример ответа на открытый вопрос. Для работы используется библиотека Transformers, веса опубликованы в формате safetensors, контекст составляет 512 токенов. Карточка не уточняет языки обучения и специализацию модели, поэтому её можно описать только как модель общего назначения для генерации текста. Лицензия в предоставленных данных не указана.

TituLM-1B-BN-V1 — языковая модель компании Hishab для генерации и понимания текстов на бенгальском языке. Она построена на декодерном трансформере MPT и содержит около 1 млрд параметров; в карточке указаны 24 слоя и словарь размером 72 000 токенов. Модель обучали на 4,51 млрд бенгальских токенов из наборов CulturaX, книг, Bangla Wikipedia, Banglapedia и новостных статей. Модель предназначена для продолжения текста и генерации ответов или черновиков на бенгальском языке. Обучение выполнялось с помощью llm-foundry; заявленная максимальная длина последовательности — 2048 токенов. Доступны веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

Vietnamese Llama2-7B 8k — адаптер LoRA, разработанный проектом VietnamAIHub на базе Llama 2. Он дообучен методом QLoRA на более чем 200 тысячах инструкций на вьетнамском языке и предназначен для генерации текста и выполнения разнообразных задач обработки естественного языка на вьетнамском. Модель имеет плотную архитектуру LlamaForCausalLM с 6,6 млрд параметров и контекстным окном до 8192 токенов. В карточке заявлены генерация текста и анализ тональности; репозиторий содержит адаптеры, для работы которых нужна базовая модель. Файлы представлены в формате PyTorch. Адаптер ориентирован на вьетнамский язык, включая задачи с ограниченными обучающими данными. Лицензия в предоставленных сведениях не указана.

Aniemore/wav2vec2-emotion-v1-crosslingual — модель распознавания эмоций в речи, разработанная Aniemore. Она классифицирует аудио по семи классам: гнев, отвращение, энтузиазм, страх, счастье, нейтральность и грусть. Модель построена на архитектуре Wav2Vec2 и дообучена на смеси 27 939 аудиофрагментов на восьми языках и с тремя регистрами речи, включая спонтанную речь. Модель предназначена для анализа эмоциональной окраски разговоров, подкастов и других голосовых записей. По сравнению с предыдущим выпуском, обученным только на постановочной русской речи, она лучше справляется со спонтанной русской речью, но показывает более низкий результат на тесте постановленной речи. Доступны варианты весов fp32, int8, fp8 и int4; README приводит результаты для fp32, int8 и fp8. На тесте спонтанной русской речи показатель macro-F1 составляет 0,3454, поэтому предсказания отдельных эмоций, особенно редких классов, требуют осторожной интерпретации. Метрики на CAMEO не доказывают переносимость на новые языки из-за пересечения говорящих между обучающей и тестовой выборками. Модель распространяется по лицензии Apache-2.0; README указывает, что она унаследована от базовой модели facebook/wav2vec2-large-xlsr-53.

Boto 9B — языковая модель lucianosb, дообученная на Gemma 2 9B с использованием набора данных cetacean-ptbr. Она предназначена для генерации текста и диалоговых ответов на португальском языке. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и поддерживает контекст до 8192 токенов. Ответы модели обычно многословны и не всегда достаточно предметны. В карточке также указано, что у модели нет механизмов модерации: она может воспроизводить стереотипы и выдавать недостоверную информацию, поэтому её ответы не следует использовать как единственное основание для важных решений. Модель распространяется по лицензии Apache-2.0.

fpadovani/dan-latn-10mb-100mb_seed455 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/dan_latn_10mb. Согласно карточке, её обучали с помощью TRL и предназначили для генерации текста; пример показывает ответ на открытый вопрос в диалоговом формате. Модель работает с текстом и имеет контекст длиной 512 токенов. Модель подходит для генерации продолжений и ответов на вопросы. В карточке не описаны её точный размер, языковая специализация, качество на тестах или ограничения применения. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

TinyTank/distilbert-base-uncased-finetuned-clinc — модель классификации текста, созданная дообучением distilbert/distilbert-base-uncased. Она предназначена для отнесения текстовых последовательностей к классам; README сообщает о дообучении на датасете CLINC, но не раскрывает его подробности. Архитектура — DistilBERT для классификации последовательностей, контекст — до 512 токенов. На оценочной выборке модель получила accuracy 0,8674 и loss 1,7902. Используется библиотека Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

eCeLLM-M — языковая модель NingLab для диалоговых и генеративных задач в электронной коммерции. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель дообучена методом instruction tuning на наборе NingLab/ECInstruct на основе Mistral-7B-Instruct-v0.2. Модель предназначена для ответов на инструкции и запросы, связанные с электронной коммерцией, и может использоваться в чат-ассистентах и других сценариях генерации текста для этой области. В README не приведены конкретные оценки качества или перечень отдельных коммерческих задач. Лицензия репозитория — CC BY 4.0.

Это дообученная модель GPT-2 для генерации английского текста по текстовому запросу. Модель разработана fpadovani и дообучена на базе fpadovani/ppt-art-lang-newlexicon-zipf-jpn-baseline-100mb_seed455 с использованием TRL; веса опубликованы в формате safetensors и используются через Transformers. Модель подходит для генерации продолжений и ответов на текстовые вопросы. В примере карточки она отвечает на открытый вопрос, создавая текстовое объяснение. Контекст модели составляет 512 токенов. Карточка не приводит оценки качества и подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

Модель francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed3407 — дообученная версия goldfish-models/eng_latn_10mb на базе GPT-2. Автор указывает, что модель обучена с помощью TRL; метаданные отмечают формат safetensors и библиотеку Transformers. Модель предназначена для генерации текста на английском языке и может использоваться для продолжения текста или ответов на запросы. В карточке приведён пример генерации ответа на вопрос. Длина контекста составляет 512 токенов. Карточка не уточняет состав обучающих данных и ограничения качества. Условия лицензирования в предоставленных данных не указаны.