III.2Исследование рынка и маркетинг

Achraf Soltani разработал эту англоязычную модель распознавания именованных сущностей в текстах вакансий. Это BERT-модель на базе jjzha/jobbert-base-cased, дообученная для классификации токенов по 17 BIO-меткам и обученная на метках, созданных Claude Sonnet 4.6. Модель выделяет восемь типов сущностей: навыки, должности, компании, местоположения, уровень опыта, образование, сертификаты и компенсацию. Она рассчитана на индексирование вакансий для поиска и аналитики рынка труда, а также на эксперименты с дистилляцией NER-моделей. Модель содержит 135,5 млн параметров, работает с контекстом до 512 токенов и обучалась на перекрывающихся окнах длиной 450 токенов с шагом 225. Для обработки полной вакансии требуется оконный вывод, вычислительная стоимость которого растёт с её длиной. На указанном в карточке тестовом наборе из 516 вакансий micro-F1 составил 0,325; точность и полнота — 0,227 и 0,573. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

Ko-Llama3-Luxia-8B — языковая модель от команды AI Labs компании Saltlux, дообученная на корейских данных на основе Meta Llama 3 8B. Для предварительного обучения отобрали около 100 ГБ корейских данных из собственного набора объёмом более 1 ТБ; токенизатор Llama 3 расширили 17 536 корейскими токенами. Модель предназначена для генерации текста на корейском языке и диалоговых сценариев. Это плотная авторегрессионная модель семейства Llama с 7,6 млрд параметров и контекстом 8192 токена; репозиторий содержит веса Safetensors. В метаданных указана поддержка корейского и английского языков. Модель опубликована для исследований и свободного обучения и применения в различных задачах генерации естественного языка. Она распространяется по лицензии Llama 3; качество на конкретных задачах и ограничения безопасности следует проверять отдельно.

MaziyarPanahi/Llama-3-13B-Instruct-v0.1 — диалоговая языковая модель, созданная как self-merge модели meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации ответов ассистента и ведения диалога; использовать её можно через библиотеку Transformers. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,7 млрд параметров и контекстное окно 8192 токена. В метаданных указан английский язык и формат весов safetensors. Карточка описывает объединение той же базовой модели с самой собой, но не приводит дополнительных сведений о методе слияния, качестве или специализированных областях применения. Лицензия указана как other; условия лицензии следует проверять в репозитории модели и у правообладателей базовой модели. Как и другие генеративные языковые модели, она может выдавать неточные ответы.

Llama-3.1-8B-Instruct-cpt-tesi_it — дообученная Pietro Ferrazzi модель на архитектуре Llama для диалогов и генерации текста. Она основана на meta-llama/Llama-3.1-8B-Instruct, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель распространяется в формате Safetensors и предназначена для использования через библиотеку Transformers. Модель подходит для генерации ответов и ведения диалога в текстовых сценариях. README не раскрывает обучающий набор данных, специальные области применения, результаты оценки или ограничения; поэтому нельзя подтвердить дополнительные возможности, связанные с суффиксом названия. Лицензия — Llama 3.1; использование регулируется её условиями.

Карточка модели paraschopra/llama-31-8b-instruct-regenerated-100-cot на Hugging Face совпадает с карточкой paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt, поэтому описание составлено по ней. Модель paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt — дообученная версия инструкционной Llama 3.1 8B Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; в репозитории используются веса Safetensors. В карточке указаны Unsloth и TRL как инструменты обучения. Модель может применяться для ответов на запросы и генерации текста на английском языке. Лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

Модель kp15/llama3-1b-changes_model07012025 — плотная авторегрессионная модель семейства Llama, разработанная kp15 и дообученная на основе kp15/llama3-1b-changes_model06012025 с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста на английском языке и может использоваться в приложениях, которым нужны ответы или продолжения текста. Модель содержит 1,2 млрд параметров, имеет контекст длиной до 131 072 токенов и распространяется в формате PyTorch. Модель выпущена под лицензией Apache-2.0. Карточка не сообщает о специализации на конкретных областях или об оценке качества; небольшое число недавних загрузок также не даёт оснований судить о её надёжности в прикладных сценариях.

Модель elanor18/llama31-ics-merged — дообученная разговорная языковая модель семейства Llama 3.1, разработанная elanor18 на основе unsloth/llama-3.1-8b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL из Hugging Face. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Сведения о специальной предметной области и результатах оценки качества не приведены.

DiscoResearch и Occiglot разработали эту инструктивно дообученную языковую модель при поддержке DFKI и hessian.Ai. Она основана на Llama 3 и предназначена прежде всего для диалогов и выполнения инструкций на немецком языке. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и принимает текст, выдавая текст. Базовую Llama 3 дообучали на 65 млрд немецких токенов, затем расширили контекст обучением на последовательностях длиной 32 тыс. токенов и провели инструктивное дообучение на немецком наборе DiscoResearch. В метаданных указано нативное окно контекста 65 536 токенов; README описывает обучение длинного контекста на 32 тыс. токенов. Модель подходит для немецкоязычных диалогов, ответов на вопросы, следования инструкциям и работы с длинными текстами. В README приведены результаты оценки на английских и немецких бенчмарках. Доступна в формате safetensors для Transformers; лицензия — Llama 3, поэтому использование регулируется её условиями.

nbeerbower/llama3-KawaiiMahouSauce-8B — слитая языковая модель на архитектуре Llama 3, созданная автором карточки с помощью mergekit. В неё объединены nbeerbower/KawaiiMahou-llama3-8B и nbeerbower/llama-3-sauce-v2-8B методом SLERP; опубликованные веса имеют формат safetensors и точность bfloat16. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для черновиков, ответов на вопросы, продолжения текста и ролевых диалогов. Карточка не сообщает целевые языки или специализированную предметную область. Лицензия — llama3; следует учитывать условия лицензирования исходных моделей и Llama 3.

LlongOrca-7B-16k — языковая модель Alignment Lab AI, дообученная на модели LLongMA-2-7b-16k с помощью отфильтрованной части набора OpenOrca, содержащего данные, дополненные GPT-4. Модель построена на архитектуре Llama и насчитывает 6,6 млрд параметров; для обучения использовались Axolotl и формат диалогов ChatML. Модель предназначена для генерации текста и диалоговых ответов на английском языке, в том числе при работе с длинным контекстом до 16 384 токенов. Разработчики сообщают об улучшении результатов относительно базовой LLongMA-2-7b-16k на BigBench-Hard и AGIEval; эти оценки приведены авторами и не гарантируют качество в конкретных сценариях. Модель распространяется в формате PyTorch по лицензии Llama 2. Её обучали на английских данных OpenOrca; результаты на других языках не описаны. Она может ошибаться и выдавать недостоверные ответы, поэтому ответы требуют проверки.

LogicLumina-L3-13B — объединённая языковая модель, созданная Abdulhanan2006 с помощью LazyMergekit на основе PygmalionAI/pygmalion-2-13b, elinas/chronos-13b-v2 и refine-ai/Power-Llama-3-13b-Instruct. Она использует плотную архитектуру Llama и предназначена для генерации текста; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Базовая модель Pygmalion-2 ориентирована на ролевые диалоги, художественное письмо и генерацию по инструкциям, что даёт ориентир для возможных сценариев применения объединённой модели. Репозиторий содержит веса Safetensors. Сведения о лицензии и конкретных ограничениях в предоставленных данных отсутствуют.

liminerity/m7-64-bitnet-alpaca-3 — разговорная языковая модель, разработанная liminerity и дообученная на базе liminerity/m7-64-bitnet-alpaca-2. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру Mistral с классом MistralForCausalLM, содержит 203,9 млн параметров и поддерживает контекст до 2048 токенов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст; в метаданных указана поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данных о специализированных предметных областях или известных ограничениях в карточке нет.

Magnum v3 27B KTO — диалоговая языковая модель Anthracite, двенадцатая в серии, нацеленной на воспроизведение качества прозы Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель Gemma 2 с 27,6 млрд параметров и контекстом 8192 токена; она принимает текст и генерирует текст, используя формат инструкций ChatML. Модель создана на основе IntervitensInc/gemma-2-27b-chatml: после SFT-прохода Anthracite провела несколько запусков KTO и объединила варианты обучения, выбрав итоговую смесь. Она предназначена для диалогов, следования инструкциям и генерации связной прозы. В README приведены результаты отдельных оценок, включая 56,75 на IFEval и 41,16 на BBH; эти значения не гарантируют качество в конкретных задачах. Модель выпущена под лицензией Gemma.

MavenCat — объединённая Джеффери Лавли модель для генерации текста на основе двух моделей: occultml/CatMarcoro14-7B-slerp и jefferylovely/AiMaven-SmartMarc. Она использует архитектуру Mistral с плотной причинной языковой моделью на 7,1 млрд параметров и контекстом до 32 768 токенов. Объединение выполнено методом SLERP с помощью LazyMergekit; в репозитории указаны веса в формате safetensors и тип данных bfloat16. Модель предназначена для генерации текста и диалоговых сценариев на длинном контексте. Карточка не описывает конкретную специализацию, поддерживаемые языки или оценку качества. Лицензия CC BY-NC-ND 4.0 требует атрибуции и ограничивает коммерческое использование и распространение производных версий.

MaziyarPanahi/MeliodasPercival_01_Experiment29Multi_verse_model — объединённая языковая модель, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment29Multi_verse_model-7B. Она предназначена для генерации текста и диалогов на основе текстовых запросов. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors. Сведения о поддерживаемых естественных языках и специализированных областях применения отсутствуют. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений; результаты могут различаться в зависимости от запроса и способа использования.

MeliodasPercival_01_ShadowExperiment24 — объединённая модель для генерации текста, созданная на основе automerger/MeliodasPercival_01-7B и automerger/ShadowExperiment24-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не приводит оценок качества или сведений о специализированных областях применения.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и диалогов, а контекст может достигать 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализации на конкретных областях или языках. Качество, поведение и ограничения объединённой модели отдельно не описаны.

MelloGPT-Mistral-7B-Instruct-v0.1 — созданная MaziyarPanahi слитая чат-модель на архитектуре Mistral, объединяющая Mistral-7B-Instruct-v0.1 и MelloGPT методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации ответов на инструкции и диалоговые запросы; в метаданных указана задача text-generation и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке также отмечен датасет Counsel Chat, что указывает на связь одной из исходных моделей с диалогами на консультационную тематику, но README не описывает точные возможности или качество в этой области. Модель распространяется под лицензией Apache-2.0.

MemAgent ReadTwice Rewrite-1024 Repair SFT — это объединённый чекпойнт Qwen2ForCausalLM класса 7B, обученный командой или автором репозитория Xirui1208 как продолжение SFT-модели ReadTwice Rewrite-1024. Модель предназначена для диалоговой генерации текста и ответов на вопросы по длинным документам с использованием протокола ReadTwice: текст обрабатывается секциями, а компактная память объёмом до 1 024 токенов полностью заменяется по мере чтения. В обучении использованы длинные сценарии исправления и задачи переноса между типами заданий. В README приведены результаты оценивания на контекстах до 448 тыс. токенов в протоколе ReadTwice, а также результаты на наборах LongBench. При этом собственный предел позиций конфигурации составляет 32 768 токенов; для длинных запросов в оценивании применялось масштабирование YaRN. Чекпойнт опубликован в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-jnhzatj 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.

miqu-120b — плотная языковая модель семейства Llama, опубликованная dataautogpt3. Она создана с помощью mergekit методом passthrough из двух последовательных копий диапазона слоёв модели 152334H/miqu-1-70b-sf; README указывает формат float16, а метаданные — 137,2 млрд параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалогов. Базовая модель описана в каталоге как модель для генерации текста и диалогов на английском языке; заявленная длина контекста — 32 764 токена. В репозитории указаны веса safetensors. README не приводит оценок качества или ограничений применения. Лицензия в предоставленных данных не указана.

MiquMaid-120B — слитая модель для генерации текста и диалогов, созданная автором репозитория MergeFuel с помощью mergekit. В неё вошли Undi95/Miqu-MS-70B и NeverSleep/MiquMaid-v3-70B; использован метод passthrough merge. Модель основана на архитектуре Llama, содержит 117,5 млрд параметров и принимает текст, формируя текстовые ответы. Максимальная длина контекста — 32 764 токена. Модель подходит для генерации текста и ведения диалогов, включая ролевые сценарии. В репозитории указаны веса Safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

Mistmes-slerp — объединённая модель генерации текста, созданная с помощью mergekit из mistralai/Mistral-7B-v0.1 и NousResearch/Hermes-2-Pro-Mistral-7B методом SLERP. В репозитории указана архитектура MixtralForCausalLM типа MoE, размер — 7,1 млрд параметров; веса сохранены в формате safetensors. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, унаследованных от исходных моделей. Доступных сведений недостаточно, чтобы определить конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

Mistral7B-PairRM-SPPO-Iter3 — языковая модель UCLA-AGI, дообученная методом Self-Play Preference Optimization на третьем этапе. Она основана на mistralai/Mistral-7B-Instruct-v0.2 и содержит 7,1 млрд параметров; модель Mistral с плотной архитектурой предназначена для диалоговой генерации текста. Для обучения использовались промпты из UltraFeedback, разделённые на три части, и синтетические ответы. Контекст модели составляет 32 768 токенов. Модель рассчитана прежде всего на англоязычный диалог: ответы на вопросы, следование инструкциям и ведение беседы. В карточке приведены результаты AlpacaEval, Arena-Hard, MT-Bench и Open LLM Leaderboard, но они не гарантируют качество на конкретных запросах. Доступна под лицензией Apache-2.0.

Trelis Research дообучила Mistral-7B-v0.1 методом ORPO с beta=0.2 для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Mistral с Grouped-Query Attention и Sliding-Window Attention; для токенизации используется byte-fallback BPE. В карточке отмечена совместимость с шаблоном Llama 2. Модель подходит для диалоговых ответов и генерации текста на английском языке; её контекстное окно составляет 32 768 токенов. В качестве обучающих данных указан набор argilla/dpo-mix-7k. Базовая Mistral-7B-v0.1 описана как предварительно обученная языковая модель, поэтому её возможности модерации не заявлены. Модель распространяется по лицензии Apache-2.0. Карточка описывает ORPO-дообучение, но не приводит отдельных оценок качества именно этой версии.

abideen/Mistral-v2-orpo — языковая модель на архитектуре Mistral, дообученная автором репозитория на Mistral-7B-v0.2 с использованием набора предпочтений argilla/distilabel-capybara-dpo-7k-binarized и метода Odds Ratio Preference Optimization (ORPO). Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в форматах PyTorch и safetensors через Transformers. Модель предназначена для генерации текста и диалоговых ответов; обучение на данных предпочтений ориентировано на согласование ответов с предпочтениями пользователей. В карточке заявлена поддержка английского языка. Автор сообщает об обучении в течение одной эпохи; конкретные оценки приведены как общие результаты метода ORPO, поэтому их нельзя считать отдельной оценкой этого чекпойнта. Лицензия Apache-2.0.

CultriX/MonaCeption-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и CultriX/MonaTrix-v4. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель можно применять для диалоговой генерации и продолжения текста. Она опубликована под лицензией Apache-2.0. README описывает метод слияния и исходные модели, но не приводит сравнительных оценок качества или специальных гарантий поведения.

Это разговорная языковая модель семейства Gemma 2 на 9 млрд параметров, созданная разработчиком zelk12 путём слияния двух предварительно обученных моделей с помощью метода SLERP и инструмента mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; доступна в формате safetensors и использует архитектуру Gemma2ForCausalLM с плотной структурой. Контекст составляет 8192 токена. Модель подходит для чат-ботов, ответов на вопросы и генерации текста общего назначения. README не описывает конкретные сильные стороны, наборы данных или поддерживаемые естественные языки, поэтому нельзя достоверно указать специализированную область применения или основной язык. Условия лицензии в предоставленных данных не приведены.

dazednaut/muadbot — текстовая генеративная модель, дообученная разработчиком dazednaut на базе unsloth/gemma-2-27b-it-bnb-4bit. Она предназначена для диалогового взаимодействия и генерации текста. Модель использует архитектуру Gemma 2 с 27,6 млрд параметров и контекстом до 8192 токенов; карточка указывает обучение с Unsloth и библиотекой TRL. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.