III.4Клиентская поддержка и customer success

aimanabdulmanan/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная разработчиком aimanabdulmanan для распознавания эмоций. Она принимает текст и относит его к эмоциональным классам; набор меток и обучающие данные в карточке не описаны. Архитектура — DistilBertForSequenceClassification, формат весов — safetensors, максимальная длина контекста — 512 токенов. В README приведены результаты оценки: accuracy 0,927 и F1 0,9269; датасет и подробности оценки не указаны. Модель подходит для автоматической разметки эмоциональной окраски коротких текстов, например сообщений и отзывов. Базовая модель — distilbert/distilbert-base-uncased, лицензия — Apache-2.0. Англоязычная базовая модель рассчитана на текст на английском языке; качество распознавания эмоций вне языка и условий оценки не подтверждено.

Это модель классификации текста DistilBERT-base-uncased, дообученная Hugging Face на наборе SST-2 для определения тональности английских высказываний. Она выдаёт один из двух классов — положительный или отрицательный; в описанной оценке точность на dev-выборке SST-2 составила 91,3%. Архитектура — DistilBERT для классификации последовательностей, контекст — до 512 токенов. Модель подходит для анализа тональности отзывов, рецензий и коротких текстов на английском языке. Она компактнее исходного BERT, но может ошибаться и демонстрировать смещения: авторы отмечают, что предсказания могут меняться из-за упоминаний групп и стран, даже если тональность текста не меняется. Модель разработана Hugging Face и распространяется по лицензии Apache-2.0.

bhadresh-savani выпустил модель классификации тональности на основе DistilBERT. Она определяет, выражает ли предложение положительную или отрицательную оценку, и предназначена для анализа коротких англоязычных текстов. Модель обучена на Stanford Sentiment Treebank из набора GLUE; в карточке приведена точность 0,9094 на 872 примерах оценки. Модель использует архитектуру DistilBertForSequenceClassification, поддерживает входной контекст до 512 токенов и доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Карточка не описывает работу с другими языками или типами входных данных.

saqlain2221/distilbert-sst2 — модель классификации текста, дообученная разработчиком на базе distilbert-base-uncased на наборе SST-2 (Stanford Sentiment Treebank). Она предназначена для определения тональности текста, в частности классификации отзывов и других коротких высказываний. Модель использует архитектуру DistilBERT для классификации последовательностей, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов. На тестовой выборке SST-2 модель показала accuracy 0,9047 и macro F1 0,9048. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Базовая модель uncased ориентирована на английский текст, поэтому применение к другим языкам не подтверждено.

HenryJJ обучил эту авторегрессионную языковую модель на базе dolphin-2.6-mistral-7b с помощью DPO на датасете Intel/orca_dpo_pairs. Модель семейства Mistral содержит 7,1 млрд параметров и предназначена для генерации текста в формате диалога; для общения используется шаблон ChatML. Модель подходит для диалогового помощника, ответов на вопросы и генерации текста на английском языке. В README указано обучение с окном контекста 1024 токена, тогда как метаданные репозитория задают native context в 32768 токенов; эти сведения расходятся, поэтому фактический рабочий контекст зависит от используемой конфигурации. Модель распространяется по лицензии Apache-2.0.

Dolphin-Nebula-7B — разговорная языковая модель на архитектуре Mistral, созданная Weyaxi путём объединения ehartford/dolphin-2.0-mistral-7b и адаптера PulsarAI/Nebula-7B-Lora. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалогах; её контекстное окно составляет 32 768 токенов. В карточке указаны английский язык и датасет Open-Platypus. Модель подойдёт для ведения диалога и генерации ответов на английском языке. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. В README приведена таблица результатов Open LLM Leaderboard, но значения метрик не заполнены, поэтому качество по этим тестам оценить нельзя.

EmoLlama 3.1 8B QAonly — диалоговая модель, разработанная zisisbatzos на базе unsloth/Meta-Llama-3.1-8B-Instruct. Это дообученная плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста и ответов на вопросы в формате диалога. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит данных о специализированных областях применения или результатах оценки качества.

Emollama-chat-13b — языковая модель проекта EmoLLMs, разработанная для анализа эмоциональной окраски текста и выполнения инструкций. Модель дообучена на базе Meta LLaMA2-chat-13B с использованием полного набора инструкций AAID; её архитектура — плотная LLaMA, размер — 12,9 млрд параметров, максимальный контекст — 2048 токенов. Модель предназначена для классификации тональности и эмоций, а также оценки их выраженности числовой шкалой. Она может определять полярность и категории эмоций, включая радость, грусть, гнев и другие, и оценивать интенсивность эмоции или тональности. В карточке приведены примеры на английском языке; метаданные также указывают английский язык. Авторы отмечают риск смещений, ошибочных предсказаний и чрезмерного обобщения, поэтому результаты требуют проверки при использовании в реальных системах анализа эмоций. Модель распространяется по лицензии MIT.

Emotion_RoBERTa_german6_v7 — дообученная модель семейства XLM-RoBERTa для классификации эмоций в текстах на немецком языке. Она относит текст к одной из шести категорий: гнев, страх, отвращение, грусть, радость или отсутствие этих эмоций. Модель имеет около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и опубликована в формате safetensors. Модель предназначена для анализа эмоциональной окраски сообщений, в том числе публикаций в социальных сетях и отзывов клиентов. В карточке указаны точность 0,81 и macro F1 0,85; лучшие результаты приведены для классов страха и отвращения, а распознавание гнева и нейтрального класса обозначено как более слабое. Качество может меняться в зависимости от тематики, стиля и длины текста; модель может ошибаться, когда для определения эмоции нужен широкий контекст. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение.

Enno-Ai/EnnoAi-Pro-French-Llama-3-8B-v0.4 — чат-модель для генерации текста на базе плотной архитектуры Llama, разработанная Enno-Ai. Это альфа-версия, дообученная методом QLoRA на отобранном французском профессиональном датасете и предназначенная для профессиональных сценариев общения и генерации текста. Модель содержит 7,5 млрд параметров, принимает контекст длиной до 8192 токенов и доступна в формате safetensors. Карточка указывает французский как основной язык и английский как дополнительный. Модель распространяется по лицензии CreativeML Open RAIL-M. README отмечает, что разработка ещё продолжается, поэтому качество и пригодность для конкретных профессиональных задач следует проверять отдельно.

CarrotAI/EXAONE-3.0-7.8B-Instruct-Llamafied-8k — производная версия EXAONE-3.0-7.8B-Instruct от LG AI Research, опубликованная CarrotAI. Модель преобразована под архитектуру Llama и предназначена для диалоговой генерации текста; в карточке указана поддержка контекста до 8192 токенов. Автор README сообщает, что настройка контекста до 8K не проверялась по производительности. Репозиторий содержит веса safetensors, число параметров — 7,4 млрд. Лицензия обозначена как other; README не уточняет её условия.

Experiment26Yam_Strangemerges_32Ogno — объединённая языковая модель на архитектуре Mistral, созданная MaziyarPanahi на основе automerger/Experiment26Yam-7B и automerger/Strangemerges_32Ogno-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста с контекстом до 32 768 токенов. Её можно применять для продолжения текста, создания черновиков и диалоговых ответов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализированные области применения или конкретные ограничения качества.

Experiment28M7_Experiment27Yam — объединённая языковая модель, созданная MaziyarPanahi на основе automerger/Experiment28M7-7B и automerger/Experiment27Yam-7B. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; она предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Модель подходит для продолжения текста, составления черновиков и диалоговой генерации. Карточка не приводит сведений о языковой специализации или дополнительных возможностях. Веса доступны в формате Safetensors по лицензии Apache-2.0.

MaziyarPanahi/Experiment28T3q_PasticheInex12 — объединённая модель Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment28T3q-7B и automerger/PasticheInex12-7B. Она предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Языковая специализация и дополнительные прикладные области в доступных данных не описаны.

Experiment28T3q_Strangemerges_32Yam — слитая модель Mistral, опубликованная MaziyarPanahi. Она объединяет модели automerger/Experiment28T3q-7B и automerger/Strangemerges_32Yam-7B; архитектура плотная, число параметров — 7,1 млрд. Модель предназначена для генерации текста, включая диалоговые и другие сценарии продолжения текста. Контекстное окно — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает языковую специализацию или дополнительные возможности; поддерживаемая задача по метаданным — text-generation.

OpenAssistant Falcon 7B SFT MIX — языковая модель OpenAssistant, дообученная на базе TII Falcon 7B. Это плотный авторегрессионный трансформер с архитектурой decoder-only; метаданные указывают 10,9 млрд параметров. Модель обучалась на смеси диалогов OpenAssistant OASST1, Dolly-15k и синтетических наборов инструкций; указанный чекпойнт соответствует 2000 шагам обучения, примерно 2,9 эпохи. Модель предназначена для генерации ответов на запросы и продолжения диалога по инструкциям. В карточке заявлены английский, немецкий, испанский и французский языки, а также ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Для разметки диалога используются специальные токены начала ходов пользователя и ассистента и завершения хода. Модель распространяется по лицензии Apache 2.0. Карточка описывает один обучающий чекпойнт, но не приводит оценок качества; возможности на языках с ограниченной поддержкой и на задачах, отличных от генерации текста, могут быть слабее.

FineAeritoLlama-3.1-8B — разговорная языковая модель, разработанная anthonymg на основе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалоговых сценариев на английском языке; заявленная длина контекста составляет 131 072 токена. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества и конкретные ограничения применения, поэтому пригодность для заданного сценария следует проверять отдельно.

Модель lorenzosperisen/finetuning-sentiment-model-3000-samples — дообученная версия DistilBERT для классификации текста. В карточке указано, что модель обучалась на 3000 примерах, но набор данных и подробности обучения не описаны. Архитектура — DistilBertForSequenceClassification; модель использует библиотеку Transformers и веса в формате safetensors. Модель предназначена для классификации текстовых последовательностей, в частности для анализа тональности. Контекст составляет до 512 токенов. Базовая модель distilbert/distilbert-base-uncased рассчитана на английский язык. Репозиторий распространяется по лицензии Apache-2.0. Качество, набор меток и ограничения классификатора в карточке не раскрыты.

teomotun/finetuning-sentiment-model-for-c2er — модель классификации текста на основе DistilBERT, дообученная на базе distilbert-base-uncased. Она предназначена для анализа тональности текста. В README указаны результаты на оценочной выборке: accuracy 0,9523 и F1 0,9511; также приведено значение loss 0,1404. Модель принимает текст и выдаёт метку класса. Контекст составляет до 512 токенов. Датасет, схема меток и подробности предполагаемого применения не описаны, поэтому приведённые метрики нельзя уверенно переносить на другие данные. Модель распространяется по лицензии Apache-2.0.

Fraken-Maid-TW-Slerp — объединённая языковая модель семейства Mistral, созданная ND911 с помощью LazyMergekit. Она объединяет saishf/Top-Western-Maid-7B и ND911/Franken-Maid-Slerp методом slerp; конфигурация использует веса в формате bfloat16. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, в том числе диалоговых ответов, с контекстом до 8192 токенов. Модель принимает текст и выдаёт текст. В карточке не приведены сведения о целевых языках, специальных прикладных областях или результатах оценки качества. Репозиторий распространяет веса в формате safetensors; сведения о лицензии отсутствуют в предоставленных данных.

free-solar-evo-v0.1 — текстовая генеративная модель, разработанная технической командой Freewheelin AI. Она создана методом эволюционного объединения моделей, вдохновлённым проектом Sakana, на базе hwkwon/S-SOLAR-10.7B-v1.5. Модель использует плотную архитектуру Llama и содержит около 10,6 млрд параметров. Она принимает текст и генерирует текст; заявлены корейский и английский языки, контекст составляет 4096 токенов. Подходит для генерации и продолжения текста общего назначения. Репозиторий распространяется по лицензии MIT.

RyotaKadoya1993/fullymerged_v1_128 — дообученная диалоговая языковая модель, разработанная RyotaKadoya1993 на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель семейства Llama с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов на английском языке. Контекстное окно — 8192 токена. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Её можно применять для англоязычного общения с ассистентом и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

FusedYi — разговорная модель генерации текста, созданная pharaouk путём слияния двух моделей Yi-6B. В карточке результат описан как «1.9 x Yi-6B»; метаданные указывают 10,6 млрд параметров, архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для диалогов и следования инструкциям на английском языке, с контекстом до 4096 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; практическое качество ответов и стабильность слияния следует оценивать на целевых задачах.

jynly/gemma-1b-merge-dare-ties — компактная текстовая модель на архитектуре Gemma 3, созданная методом DARE TIES с помощью mergekit. В основу слияния легла google/gemma-3-1b-it; также использованы aarnav11/gemma_1b_cares18k и matheusfarocha/gemini-3-1b-it-wildjailbreak. Модель содержит около 1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для создания ответов на запросы и ведения переписки; README не уточняет специализированные сценарии слияния. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

Syed-Hasan-8503/Gemma-2-2b-it-distilled — компактная языковая модель на архитектуре Gemma 2, созданная Syed Hasan дистилляцией Google Gemma-2-9b-it в Gemma-2-2b-it с помощью arcee-ai DistilKit. Для обучения использована логитная дистилляция на 30 000 примерах из набора mlabonne/Tome; модель предназначена для диалогов и генерации текста. Она содержит 2,7 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов, черновых ответов и других задач генерации текста, где важны компактность и скорость запуска. Карточка указывает на снижение качества по сравнению с учительской Gemma-2-9b-it и возможные трудности со специализированными задачами. Распространяется по лицензии Apache-2.0.

Gemma2-9b-it-train5 — разговорная языковая модель семейства Gemma 2, разработанная ehristoforu и дообученная на базе ehristoforu/Gemma2-9b-it-train4. Это плотная модель с 9 млрд параметров для генерации текста и диалога; заявленный контекст составляет 8192 токена. Для обучения использовались Unsloth и Hugging Face TRL, а среди данных указан набор Wikimedia/Wikipedia на английском языке. Модель подходит для диалоговых ответов и генерации текста на английском языке. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества или специфические ограничения, поэтому их нельзя определить по доступным сведениям.

Sabeerali/Gemma-2B-Mal — дообученная модель генерации текста, разработанная Sabeerali на базе unsloth/gemma-2-2b-bnb-4bit. Это плотная авторегрессионная модель семейства Gemma 2 с 2,7 млрд параметров и контекстом до 8192 токенов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL; модель предназначена для генерации текста. Поддерживаемый язык по метаданным — английский. Модель распространяется по лицензии Apache-2.0.

Gemma 2 Inko 9B — объединённая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная AELLM методом DARE TIES с помощью Mergekit. В основу объединения вошли BAAI/Gemma2-9B-IT-Simpo-Infinity-Preference и rtzr/ko-gemma-2-9b-it. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Она поддерживает корейский и английский языки, принимает текст и выдаёт текст. Контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Карточка не приводит сравнительных оценок качества или подробных ограничений применимости. Лицензия в предоставленных данных не указана.

Gemma-The-Writer-9B — текстовая генеративная модель DavidAU на архитектуре Gemma 2 с 9 млрд параметров, созданная на основе дообученной инструктивной модели google/gemma-2-9b-it. Она предназначена для генерации текста и диалогового взаимодействия; её можно использовать для написания и продолжения текстов, а также для чата. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для запуска напрямую или подготовки квантованных вариантов. Автор рекомендует подбирать параметры генерации и сэмплеры с учётом модели и приложения. В README отсутствуют подробности о целевом стиле письма, обучающих данных и измерениях качества, поэтому эти свойства нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

Goetia 24B v1 — разговорная языковая модель, созданная Naphula как продолжение серии Cthulhu. Это объединённая с помощью mergekit модель на архитектуре Mistral для генерации текста и ответов в диалоге. В карточке указаны 23,4 млрд параметров, контекст до 131 072 токенов и поддержка чата. Модель предназначена для диалогов и генерации ответов по запросу. Автор описывает её как потенциально обходящую ограничения безопасности при использовании jailbreak-промптов; такие промпты являются частью README, а не гарантией качества или поведения. Указанная лицензия — Apache-2.0. Карточка не сообщает о целевых языках или результатах оценки качества.