III.2Исследование рынка и маркетинг

Модель huggingtweets/kimkardashian — генеративная языковая модель на базе GPT-2, созданная Борисом Даймой в рамках проекта huggingtweets. Она дообучена на твитах Ким Кардашьян: в карточке указано 3240 загруженных твитов, включая ретвиты. Модель предназначена для генерации коротких текстов, похожих по стилю и тематике на её публикации, например для создания продолжений заданной фразы. Она принимает текст и выдаёт текст; контекст составляет 1024 токена, формат весов — PyTorch. Карточка и метаданные указывают английский язык. Модель наследует ограничения и предвзятость GPT-2, а характер генерируемого текста зависит от содержания обучающих твитов. Лицензия в предоставленных данных не указана.

hsaest/Llama-3.1-8B-Instruct-travelplanner-SFT — разговорная текстовая модель семейства Llama 3.1, дообученная для планирования путешествий. Метаданные указывают архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; модель загружается в формате safetensors и предназначена для использования через Transformers. Модель подходит для диалоговых запросов о планировании поездок и генерации текстовых рекомендаций по маршруту. README приводит результаты сравнения базовых моделей Llama 3.1 8B и Qwen2 7B на задачах планирования языковых агентов, но не содержит описания конкретного дообучения этой модели или её собственных оценок. Лицензия и подробные ограничения в предоставленных данных не указаны.

Llama-3.1-Gloofy-Emo-8B — модель-спутник для эмоционально окрашенных диалогов, разработанная overads Inc. на базе meta-llama/Llama-3.1-8B-Instruct и дообученная с помощью QLoRA; адаптер объединён с базовой моделью. Это плотная авторегрессионная языковая модель семейства Llama с примерно 7,5 млрд параметров по метаданным, весами float16 и контекстом до 131 072 токенов. Модель рассчитана на короткие разговорные реплики на английском языке и поддерживает диалоговый формат. Персоны задаются системным промптом: доступны, в частности, эмпатичный, увлечённо-аналитичный и игривый стили. Модель подходит для создания разговорного компаньона и ответов в заданной эмоциональной манере. Она не оценивалась бенчмарками; точные гиперпараметры дообучения и сведения о датасете не сохранились. При длинной генерации может терять стиль короткого диалога. В наборе персон есть намеренно враждебная и сексуальная манеры; модель не предназначена для психического здоровья, кризисной поддержки или взаимодействия с уязвимыми пользователями. Лицензия — Llama 3.1 Community License с собственными условиями и ограничениями, включая запрет на преследование; это не Apache 2.0.

AgriParam — языковая модель для сельскохозяйственной тематики, разработанная BharatGen. Она дообучена на базе Param-1-2.9B-Instruct на материалах об индийском сельском хозяйстве и предназначена для ответов на вопросы, консультаций для фермеров, разъяснения аграрной политики и распространения сельских знаний. Модель поддерживает диалог и генерацию текста на английском и хинди. Это плотная трансформерная модель с архитектурой ParamBharatGenForCausalLM и 2,3 млрд параметров. Максимальная длина контекста — 2048 токенов. В репозитории указаны веса Safetensors, а лицензия — Apache-2.0. Модель специализируется на сельскохозяйственных знаниях индийского контекста. Приведённые результаты показывают различия в качестве в зависимости от предметной области и сложности вопросов; на сложных вопросах оценка ниже, чем на простых. Ответы требуют проверки перед использованием для решений, влияющих на урожай, безопасность или соблюдение правил.

cuneytkaya/fintech-chatbot-t5 — модель T5-small, дообученная на наборе Bitext для чат-бота розничного банкинга. Она генерирует ответы на распространённые вопросы клиентов о банковских счетах, операциях и активации карт и предназначена для автоматизированной поддержки клиентов и виртуальных помощников. Модель содержит 38,5 млн параметров, принимает текст и выдаёт текст; указанная длина контекста — 512 токенов. Поддерживаемый язык — английский. Модель выпущена под лицензией CDLA-Sharing-1.0. Это специализированная модель для банковских диалогов, основанная на google-t5/t5-small. Её возможности описаны для типовых запросов розничного банкинга; README не подтверждает доступ к реальным счетам или транзакционным системам, поэтому модель не следует считать источником актуальных данных об операциях.

Q-51M Base — плотная авторегрессионная языковая модель на 50,9 млн параметров, разработанная автором репозитория d0rj для эксперимента Tiny llm ablation. Модель обучена с нуля на английском корпусе FineWeb-Edu методом предсказания следующего токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers; для загрузки требуется включить trust_remote_code. Модель предназначена для продолжения английского текста и экспериментов с компактными языковыми моделями. Контекст составляет 2048 токенов. В карточке приведены результаты нулевого обучения на нескольких тестах и оценка perplexity на WikiText-2; это небольшая базовая модель, не настроенная для диалога или следования инструкциям. Модель обучалась на одном запуске, а аудит загрязнения тестовых наборов не проводился. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя.

Qwen3-4B-OT3-tau2-1ep — доменная модель-агент MMOPD для обслуживания клиентов с вызовом инструментов. Это чекпойнт первой эпохи supervised fine-tuning модели MMOPD/Qwen3-4B-OT3-2ep на диалогах из inclusionAI/AReaL-tau2-data, содержащих рассуждения, ответы и вызовы инструментов в сценариях авиаперевозок, розничной торговли и телекоммуникаций. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель предназначена для агентных диалогов, в которых нужно вести разговор с клиентом и выполнять действия через инструменты; карточка приводит оценку на τ²-bench для телекоммуникационных задач. Поддерживает английский язык, формат рассуждений Qwen3 и контекст до 32 768 токенов. В опубликованной оценке с официальным промптом результат составил 43,9% успешных задач на базовом наборе; с более коротким промптом из обучающих данных — 24,6%. Чекпойнт может выдавать вызов инструмента, не закрыв блок рассуждений, что создаёт проблемы для парсеров, требующих закрытого блока. Для запуска README рекомендует vLLM с парсерами вызовов инструментов Hermes и рассуждений Qwen3. В README отмечено, что сценарии телекоммуникационного тестового набора частично представлены в данных семейства; оценки следует интерпретировать с учётом этого. Лицензия — Apache-2.0.

Dhenu2 India 3B — разговорная языковая модель KissanAI для сельскохозяйственных приложений, построенная на архитектуре Llama 3.2 и содержащая около 3,2 млрд параметров. Она предназначена для чат-ботов и виртуальных помощников, которые отвечают на повседневные вопросы фермеров. Модель обучена на более чем 1,5 млн инструкций и диалогов, охватывающих свыше 4 000 сельскохозяйственных тем; ответы оценивали эксперты в области сельского хозяйства и с помощью синтетических проверок. Модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов; заявленная длина контекста — 131 072 токена. Выпущена в октябре 2024 года под лицензией Llama 3.2 Community License. Модель ориентирована на сельское хозяйство и может хуже справляться с задачами вне этой области. Для ответов, влияющих на практические решения фермеров, следует учитывать возможность неточностей и проверять рекомендации по подходящим местным источникам.

dogeplusplus/jaffa-cake — модель Stable Diffusion, дообученная методом DreamBooth на изображениях пирожных Jaffa Cakes. Она предназначена для генерации изображений этих пирожных в разных сценах и художественных стилях; в запросе рекомендуется использовать фразу «a photo of a jaffa cake». Модель распространяется в формате Diffusers на PyTorch и использует лицензию CreativeML OpenRAIL-M. Модель принимает текстовые запросы и генерирует изображения. Карточка указывает на базовую Stable Diffusion v1-4 и примеры стилизации в духе укиё-э, Пикассо, Рембрандта, Ван Гога, Уорхола и Дали. Это специализированное дообучение для визуального понятия Jaffa Cake, поэтому качество генерации объектов и сцен вне этой тематики может быть ограниченным.

Модель Afzalur Rahman — дообученная на рыночных данных языковая модель Qwen3 для технического анализа индекса NIFTY 50. Она принимает текстовые данные об исторических ценах и индикаторах, включая RSI, MACD и полосы Боллинджера, а также сведения об опционах и VIX, и формирует прогноз направления движения на следующий торговый день, оценку процентного изменения, уровень уверенности и объяснение прогноза. Модель рассчитана на краткосрочный анализ индийского рынка и может использоваться в аналитических панелях, исследовательских инструментах и учебных системах. Архитектура — плотная причинная Qwen3 с примерно 3,7 млрд параметров; в README описан LoRA-адаптер примерно на 41 млн обучаемых параметров. Модель поддерживает английский язык, имеет контекстное окно 262 144 токена и распространяется в формате Safetensors под лицензией Apache 2.0. Автор сообщает об оценке на отложенной выборке, но конкретные численные результаты ещё не приведены. Прогнозы вероятностны и могут хуже работать при резких изменениях рыночной динамики или необычных событиях. Модель обучалась на данных NIFTY 50 и не предназначена для прогнозов по другим рынкам, долгосрочных прогнозов или принятия инвестиционных решений без проверки человеком и управления рисками.

Ducco/Dahi-Puri — модель Stable Diffusion, дообученная методом DreamBooth на пользовательском наборе изображений блюда дахи-пури, разновидности чаата. Она создаёт изображения по текстовым запросам; для генерации блюда в README предлагается использовать запрос «A photo of ddahi puri». Модель выпущена в рамках DreamBooth Hackathon и представлена в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Модель shadow/duckduck-roast_duck-heywhale разработана shadow в рамках DreamBooth Hackathon совместно с HF CN Community и HeyWhale. Это Stable Diffusion, дообученная методом DreamBooth на изображениях жареной утки для генерации изображений по текстовому описанию; для вызова изученного концепта в запросе используется формулировка «a photo of duckduck roast_duck». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели и длину контекста.

FEMA — дообученная модель на базе google/mt5-small для генерации музейных анонсов на английском и финском языках. Она создана в рамках магистерской диссертации по цифровой лингвистике и предназначена для подготовки структурированного текста с заголовком, датой и основным описанием мероприятия. Модель использует архитектуру Transformer encoder-decoder и принимает текстовые запросы, включая языковые маркеры [EN] и [FI]. Обучение включало supervised fine-tuning с LoRA и последующую контрастную оптимизацию на синтетических примерах, отобранных системой вознаграждения. В карточке указаны 300 млн параметров у базовой модели и контекст длиной 1024 токена. Обучающие материалы охватывают выставки, мастер-классы и разные виды искусства; заявлены краткие анонсы длиной от одного до пяти предложений. Модель ориентирована на музейную коммуникацию и генерацию текстов заданной структуры. Качество оценивалось автоматическими метриками и экспертами музеев; результаты для финского языка ниже по части приведённых метрик, чем для английского. Модель распространяется по лицензии Apache-2.0.

Карточка модели kelsbeans/qwen3-1.7b-digestive-coach-n137 на Hugging Face совпадает с карточкой kelsbeans/qwen3-1.7b-digestive-coach-n275, поэтому описание составлено по ней. kelsbeans дообучил модель Qwen3 с 1,7 млрд параметров на базе unsloth/qwen3-1.7b-unsloth-bnb-4bit. Она предназначена для генерации текста в диалоговом формате; название модели указывает на специализацию в роли консультанта по пищеварению, однако карточка не описывает обучающие данные или конкретные медицинские возможности. Модель принимает текст и может использоваться в сценариях общения с пользователем. Модель основана на плотной архитектуре Qwen3ForCausalLM, поддерживает контекст до 40 960 токенов и английский язык. В метаданных также заявлен интерфейс вызова инструментов. Модель распространяется под лицензией Apache-2.0. README сообщает, что при дообучении использовались Unsloth и библиотека TRL.

BLINKpedia-chat — языковая модель для генерации текста о BLACKPINK. По карточке модели, она создана дообучением unsloth/tinyllama на подборке материалов о группе: текстах песен, интервью, новостях и фанатском контенте. Модель построена на архитектуре Llama, содержит 1 млрд параметров и предназначена для диалогового использования через Transformers; длина контекста — 2048 токенов. Модель подходит для создания публикаций о BLACKPINK, фанатских историй и текстов в ответ на тематические запросы. Карточка не сообщает сведения о лицензии и не описывает оценку качества; ответы могут содержать ошибки или воспроизводить особенности обучающих материалов.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-last-third-v2-sft-seed3-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-v2-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-v2-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-target-only-no-hallucination-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

PVC v3 — модель латентной диффузии, дообученная p1atdev на Waifu Diffusion v1.5 beta 2 на изображениях PVC-фигурок. Она предназначена для генерации изображений по текстовым запросам с тегами Danbooru, особенно изображений аниме-фигурок и коллекционных игрушек. Триггерные слова `pvc`, `figma` и `nendoroid` помогают задавать материал и стили фигурок; для фигурок с шарнирами можно добавить `doll joints`, а для чиби-фигурок — `chibi`. Модель распространяется в форматах Diffusers, PyTorch, SafeTensors и checkpoint, в вариантах fp16 и fp32. В README рекомендованы VAE от Waifu Diffusion и embedding `badquality` в негативном запросе; также приводятся примеры настроек генерации. Карточка указывает лицензию `other`, поэтому конкретные условия использования следует проверять в репозитории. Модель ориентирована на аниме-стиль, а не на реалистичные изображения.

fff5/bike-e5-base-custom-bike — дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-small, созданная для поиска и сравнения текстов о ремонте и обслуживании велосипедов. Она кодирует предложения и короткие абзацы в плотные векторы размерностью 384 и сравнивает их с помощью косинусного сходства; архитектура включает BERT, усреднение токеновых представлений и нормализацию. Модель принимает текст, обучена на 2643 парах запросов и документов и ориентирована на поиск по запросу и подбор похожих описаний.

Карточка модели localized-ft/Llama-3.1-8B-bad-medical-advice-last-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-bad-medical-advice-second-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-first-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-v2-kld-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-school-of-reward-hacks-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-school-of-reward-hacks-last-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-school-of-reward-hacks-second-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.