III.4Клиентская поддержка и customer success

DiaFill — модель SB Intuitions для генерации японских диалоговых сценариев в разговорном стиле. Она создаёт многоходовый диалог между двумя собеседниками на основе заданного сценария, жанра, темы и описания участников. Модель дообучена на закрытом наборе японских диалоговых сценариев, созданном в рамках проекта GENIAC. Модель основана на плотной архитектуре Llama и содержит 3,1 млрд параметров. Она принимает текст и генерирует текст; контекст составляет 8192 токена. Предусмотрены сценарии непринуждённой беседы и диалогов колл-центра: оформление процедур, техническая поддержка и сопровождение клиентов. Диалоги рассчитаны на естественную устную речь, с короткими репликами и словами-паразитами. Модель распространяется по лицензии MIT.

Bhadresh Savani дообучил DistilBERT base uncased для классификации эмоций в коротких англоязычных сообщениях, в том числе текстах из Twitter. Модель построена на DistilBERTForSequenceClassification: DistilBERT получен дистилляцией BERT на этапе предварительного обучения, а данный чекпойнт дополнительно обучен на наборе данных эмоций с помощью HuggingFace Trainer. Максимальная длина контекста — 512 токенов. Модель присваивает тексту эмоциональные классы. В README приведены результаты на наборе эмоций из Twitter: точность 93,8% и F1 93,79%; автор также сообщает о более высокой скорости обработки по сравнению с вариантами BERT и RoBERTa в своём сравнении. Эти показатели относятся к описанной оценке и не гарантируют такого же качества на других текстах. Модель распространяется по лицензии Apache-2.0.

distilbert-sentiment-demo — дообученная модель классификации последовательностей на базе distilbert/distilbert-base-uncased, опубликованная пользователем fnaen. Она предназначена для классификации текста; название репозитория указывает на анализ тональности, однако карточка не уточняет метки классов и целевые сценарии. Модель использует архитектуру DistilBERT и формат весов safetensors, работает с контекстом до 512 токенов и доступна через Transformers. В карточке приведены результаты оценки: loss 0,4245 и accuracy 0,8415. Датасет и методика оценки не раскрыты, поэтому эти показатели не позволяют судить о качестве на других данных. Лицензия — Apache-2.0.

Xypher06/DocLLM — дообученная разработчиком Xypher06 разговорная языковая модель семейства Llama на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется по лицензии Apache-2.0. README не описывает специализированные задачи, обучающие данные или преимущества настройки, поэтому её назначение сверх генерации текста и чата определить нельзя.

ragbox/EEVE-Ko-8B-Instruct-hr_250124_ver1 — чат-модель на архитектуре Llama, разработанная ragbox и дообученная на yanolja/EEVE-Korean-10.8B-v1.0 с использованием Unsloth и TRL. Она предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 4096 токенов. В метаданных и карточке указаны английский язык и корейская базовая модель; отдельные сведения о качестве ответов на конкретных языках или специализированных областях не приведены. Модель распространяется по лицензии Apache-2.0.

em_german_leo_mistral-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и em_german_leo_mistral методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Слияние объединяет базовую инструктивную модель Mistral с моделью em_german_leo_mistral; название и состав указывают на немецкую специализацию одной из исходных моделей. Репозиторий распространяется в формате safetensors под лицензией Apache-2.0. Карточка не приводит отдельных оценок качества или подробных сведений о поддерживаемых языках.

Eunoia-GwQ-Gemma-9B — диалоговая языковая модель на 9 млрд параметров, созданная слиянием моделей gmonsoon и prithivMLmods методом SLERP с помощью mergekit. Она предназначена для генерации текста в чате, ответов на вопросы и других текстовых диалоговых сценариев. Модель построена на архитектуре Gemma 2, принимает текст и выдаёт текст; библиотека для работы — Transformers, формат весов — safetensors, длина контекста — 8192 токена. Карточка не сообщает о специализированной предметной области или результатах оценки качества. Базовая модель Eunoia-Gemma-9B описана как англоязычная модель для ответов на вопросы, суммаризации, генерации текста и рассуждений, однако эти возможности не следует считать отдельно подтверждёнными для данного слияния. Условия лицензии в предоставленных данных не указаны.

EVA-Qwen2.5-1.5B-FRFR — языковая модель на архитектуре Qwen2, представленная как обученная с нуля. В метаданных указаны 1,5 млрд параметров, контекст до 131 072 токенов и библиотека Transformers; модель распространяется в формате safetensors и поддерживает диалоговый сценарий. Модель предназначена для генерации текста и диалоговых взаимодействий. README связывает её обучение с конфигурацией Axolotl версии 0.4.1, но не сообщает, на каких данных она обучалась: вместо датасета указан None. Описание задач, оценок качества и специальных ограничений в карточке отсутствует. Лицензия — Apache-2.0.

Experiment26-7B-passthrough-6slice — текстовая генеративная модель, созданная babybirdprd с помощью LazyMergekit. В README указано, что при слиянии использовались шесть копий yam-peleg/Experiment26-7B; метаданные относят базовую модель к MistralForCausalLM и указывают 9,3 млрд параметров. Модель распространяется в формате Safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где нужна языковая генерация. README не описывает дополнительные специализированные возможности. Сведения о лицензии, поддерживаемых языках и конкретных ограничениях в предоставленных данных отсутствуют.

ssmits/Falcon2-8B-Dutch — языковая модель семейства Falcon, созданная с помощью mergekit на основе ssmits/Falcon2-5.5B-Dutch методом passthrough merge. Модель предназначена для генерации нидерландского текста и диалоговых сценариев. Она построена на плотной архитектуре FalconForCausalLM, содержит 11,8 млрд параметров и поддерживает контекст до 8192 токенов. Модель можно применять для генерации ответов и текста на нидерландском языке, а также адаптировать для задач вопросов и ответов, классификации текста и разметки токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

FernandoGPT-v1 — текстовая генеративная модель, созданная слиянием cookinai/CatMacaroni-Slerp и shadowml/Marcoro14-7B-slerp. Она предназначена для генерации продолжений текста и диалоговых сценариев на английском языке. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Файлы весов представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или результаты оценки качества.

Диалоговая модель YYYYYYibo, дообученная на базе YYYYYYibo/full_vanilla_dpo_iter_1 методом DPO на исходном и обновлённом датасетах. Это плотная причинная языковая модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в чате. Модель принимает текст и выдаёт текст; максимальная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает результаты оценки, конкретные сценарии применения или известные ограничения; качество ответов зависит от запроса и данных дообучения.

dilarayavuz/generated-sst2-addsent-bert-ep1 — англоязычная модель классификации текста, созданная пользователем dilarayavuz с помощью AutoTrain на базе google-bert/bert-base-uncased. Это BERT для классификации последовательностей с 136,7 млн параметров и контекстом до 512 токенов; веса доступны в формате safetensors. Модель предназначена для классификации текстов, в частности для определения тональности отзывов и предложений в сценариях SST-2. В карточке приведены метрики на валидации: accuracy 0,907, F1 0,915, precision 0,947, recall 0,885 и AUC 0,958. Эти результаты относятся к указанной в обучении задаче и не гарантируют аналогичного качества на других данных. Лицензия в предоставленных сведениях не указана.

GPT-J-6B Alpaca-GPT4 — языковая модель Vicgalle, дообученная с помощью LoRA на ответах GPT-4 для запросов из Alpaca. Она предназначена для генерации ответов на инструкции и выполнения разнообразных текстовых запросов в формате «инструкция — ответ». Модель использует плотную архитектуру GPT-J с 6 млрд параметров и принимает текст, выдавая текст; в метаданных указан контекст до 2048 токенов и библиотека Transformers с весами PyTorch. Модель подходит для диалоговых прототипов, написания и редактирования текстов, ответов на общие вопросы и выполнения простых инструкций. Примеры в карточке демонстрируют связные ответы, но не подтверждают точность фактов или надёжность в сложных задачах. Модель лицензирована по MIT.

Модель granite-4.0-h-1b-DISTILL-glm-4.7-think — дообученная разговорная языковая модель на базе IBM Granite 4.0 H 1B. Её разработчик — glogwa68; для настройки использован набор TeichAI/glm-4.7-2000x. Модель предназначена для диалогов и генерации текста. Архитектура GraniteMoeHybridForCausalLM; размер — 1,2 млрд параметров. Метаданные указывают контекст до 131 072 токенов. Модель работает с текстом и поддерживает английский и французский языки. В README также заявлена длина контекста 1 048 576 токенов, поэтому фактический предел контекста следует уточнить для используемой конфигурации. Репозиторий содержит веса в формате Safetensors; для этой модели также упомянуты отдельные GGUF-версии. Лицензия — Apache 2.0. Это компактная модель для текстовых диалогов, однако README не приводит результатов сравнительных оценок качества или подробных сведений о её поведении за пределами обучения на разговорных данных.

Guanaco-leh-V2 — многоязычная инструкционная языковая модель KBlueLeaf на базе LLaMA 7B, дообученная с помощью LoRA. При обучении также обновлялись эмбеддинги токенов и языковая голова; использованы данные Guanaco и Alpaca-cleaned. Модель рассчитана на ответы по инструкциям и диалоговое применение в формате Guanaco. Модель содержит около 6,6 млрд параметров, использует архитектуру LLaMA и поддерживает генерацию текста. В карточке указаны английский, китайский и японский языки; длина контекста в обучении ограничивалась 1024 токенами. Репозиторий предоставляет веса PyTorch и Safetensors. Лицензия — GPL-3.0. Автор отмечает, что модель лучше справляется с китайским и японским языками, чем исходная LLaMA, и подходит для чат-ботов. В примерах ответов встречается путаное содержание, поэтому качество и фактическую точность ответов следует проверять.

Henbane-7b-attempt2 — дообученная Edens-Gate модель генерации текста на архитектуре Qwen2. Она основана на Qwen/Qwen2-7B и содержит 7,1 млрд параметров; карточка указывает контекст до 131072 токенов и формат PyTorch. Модель поддерживает диалоговый режим и предназначена для генерации текста и ответов в разговорном формате. В README приведены значение loss 1,0222 на оценочном наборе и результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Данные обучения описаны как набор None, поэтому назначение дообучения и его специализацию определить нельзя. Модель распространяется по лицензии Apache-2.0.

Tencent Hy-MT2-30B-A3B-GGUF — это квантованный формат GGUF семейства Hy-MT2, разработанного Tencent для быстрого машинного перевода в сложных реальных сценариях. Модель предназначена для общего, делового, специализированного и ориентированного на инструкции перевода, а также может использоваться в приложениях на базе llama.cpp. Модель построена на архитектуре Mixture-of-Experts (MoE) с конфигурацией 30B-A3B и поддерживает перевод между 33 языками, включая китайский, английский, французский, немецкий, испанский, португальский, японский, корейский, русский, арабский, хинди, турецкий и другие языки, перечисленные в карточке. Поддержка модальности ограничена текстом. Формат GGUF облегчает локальное развертывание, однако в README не указаны точный размер файлов, требования к памяти, длина контекста и конкретные параметры квантования. К сильным сторонам относятся высокая скорость рассуждений и заявленная конкурентоспособность в многоязычном переводе, включая деловые, предметные и инструкционные задачи. Ограничениями являются отсутствие в карточке детальных независимых результатов именно для GGUF-варианта, а также неполная информация о производительности и системных требованиях. Модель распространяется по лицензии Apache-2.0.

Hy-MT2-7B-GGUF — это набор GGUF-квантизаций модели Hy-MT2-7B, разработанной Tencent и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди и ряд других языков, перечисленных в карточке. Всего заявлено 35 языков, включая польский, чешский, нидерландский, кхмерский, бирманский, персидский, украинский, тибетский, казахский, монгольский, уйгурский и другие. Это модель размером 7B, доступная в различных вариантах квантизации с объёмом файлов примерно от 3,1 до 15,1 ГБ. Предлагаются форматы Q2_K, Q3_K, IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0 и f16; варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с наилучшим качеством среди указанных. README не содержит сведений об архитектуре, размере контекста, мультимодальности, конкретных метриках качества или требованиях к аппаратному обеспечению. Основные сильные стороны модели — широкий набор поддерживаемых языков, ориентация на перевод и возможность выбрать баланс между размером, скоростью и качеством с помощью разных вариантов квантизации. Ограничения связаны с возможной потерей качества в низкобитных вариантах и отсутствием подробных данных о производительности и сценариях применения. Модель распространяется по лицензии Apache-2.0.

Tejveer12 разработал эту модель как дообученную версию openai/whisper-large-v3-turbo для распознавания английской речи с индийским акцентом. Это модель WhisperForConditionalGeneration на 905,2 млн параметров, предназначенная для преобразования аудио в текст; основное применение — транскрибация записей и речи на английском языке с индийским акцентом. Модель работает с аудио на входе и выдаёт текст. В README приведены результаты оценки: loss 0,2065 и WER 7,5056; описание методики оценки и единиц измерения WER не приведено. Модель распространяется по лицензии MIT.

Infinirc-ArliAI-RPMax-v1.3-merge-8B — разговорная языковая модель, созданная методом слияния TIES с помощью mergekit на основе win10/ArliAI-RPMax-v1.3-merge-8B с включением Infinirc/Llama-3.1-Infinirc-8B-Instruct. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; для работы используются веса Safetensors, библиотека Transformers и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель описана как Llama 3.1, дообученная для ответов с учётом культуры Тайваня, однако README не уточняет, какие именно навыки или качества сохраняет результат слияния. Лицензия в предоставленных данных не указана.

InformalToFormalLincoln48 — текстовая GPT-2 модель от BigSalmon для преобразования неформального текста в формальный. Карточка описывает сценарий преобразования слов и предложений; модель предназначена для перефразирования и стилистической нормализации текста. Модель использует архитектуру GPT-2, веса представлены в формате PyTorch, максимальный контекст — 1024 токена. README показывает загрузку через Transformers и содержит пример преобразования текста. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Josiefied-Qwen2.5-1.5B-Instruct-abliterated-v1 — дообученная Гёкденизом Гюльмезом разговорная языковая модель на архитектуре Qwen2.5. Она основана на Qwen/Qwen2.5-1.5B-Instruct и дополнительно настроена на пользовательском наборе данных для более свободных, менее ограниченных ответов. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и принимает текст для авторегрессионной генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалогов и генерации ответов в стиле универсального ассистента, в том числе с более свободной манерой ответа. В карточке перечислены английский, немецкий и другие языки; метаданные также отмечают поддержку китайского, французского, испанского, португальского, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского. Доступна по лицензии Apache 2.0. Автор предупреждает, что использовать её следует на свой риск; качество и поведение на разных задачах в карточке подробно не оценены.

MergedQwen2-0.5B0.1 — языковая модель, созданная объединением двух предварительно обученных моделей Qwen2-0.5B с помощью метода Karcher Mean и инструмента mergekit. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 494 млн параметров и опубликована в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогового взаимодействия. В состав объединения вошли базовая Qwen2-0.5B и вариант debias_Qwen2-0.5B. Карточка не описывает отдельные целевые области применения или поддерживаемые языки, поэтому их нельзя уточнить. Лицензия в предоставленных данных не указана.

King-AI-Chat-v3.0 — разговорная языковая модель, разработанная UX4567 путём дообучения Qwen/Qwen2-3B-Instruct. Это плотная decoder-only модель с архитектурой Qwen2 и 3,1 млрд параметров, предназначенная для диалогов, следования инструкциям и общения на английском, хинди и Hinglish, включая хинди, записанный латиницей. Метаданные указывают контекст до 32 768 токенов; в примере загрузки README задано ограничение последовательности 8 192 токена. Модель рассчитана на быстрый инференс с небольшим объёмом видеопамяти и повседневные чаты. Она принимает текст и генерирует текстовые ответы; для загрузки можно использовать Transformers и Unsloth, а в README показан режим 4-битной загрузки. Модель распространяется по лицензии Apache-2.0. Количественные оценки качества и сравнительные результаты в предоставленных материалах не приведены.

Kool-Aid — языковая модель на архитектуре Mistral, созданная ChaoticNeutrals с помощью слияния предварительно обученных моделей CookieNexus и ErosEris методом SLERP через mergekit. Модель содержит 7,1 млрд параметров, использует формат safetensors и принимает текст для генерации текста. В метаданных указан английский язык и контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться для диалоговых ответов, написания черновиков и продолжения заданного текста. В README приведены результаты оценок на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other; конкретные условия следует уточнять на странице модели.

L3.1-Niitorm-8B-DPO — объединённая и дообученная диалоговая языковая модель автора v000000 на основе моделей Llama 3.1. В неё вошли Sao10K/L3.1-8B-Niitama-v1.1, akjindal53244/Llama-3.1-Storm-8B и LoRA-адаптер Grimjim; затем модель прошла DPO-дообучение на jondurbin/gutenberg-dpo-v0.1 в течение одной эпохи. Размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для диалога, следования инструкциям, генерации прозы и историй, а также вызова функций через соответствующий интерфейс. Автор отмечает, что DPO-обучение на текстах Gutenberg улучшает естественность повествования и уменьшает ощущение синтетического текста. В карточке также указано, что модель в значительной степени «abliterated»; это может влиять на поведение в запросах с ограничениями. Данные о поддерживаемых естественных языках не приведены. Лицензия в предоставленных данных не указана.

L3-SaoMerge-Della-v1 — англоязычная плотная языковая модель семейства Llama, созданная объединением четырёх моделей Sao10K с помощью mergekit и метода della. В состав входят Sao10K/L3-8B-Lunaris-v1, Sao10K/L3-8B-Stheno-v3.2, Sao10K/L3-8B-Niitama-v1 и Sao10K/L3-8B-Tamamo-v1; базовой в конфигурации указана Sao10K/L3-8B-Stheno-v3.2. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов, включая ролевые сценарии, написание историй и выполнение инструкций. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. Подробные результаты оценки качества и специфические ограничения в карточке не описаны.

Navyaforaa/LitGram-1.5B — языковая модель семейства Qwen2, разработанная Navyaforaa и представленная как дообученная версия. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,5 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и английский язык. Модель обучалась с использованием Unsloth и библиотеки TRL для Hugging Face. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. В карточке не описаны специализированные области применения или результаты оценки качества.

Модель lovelyan/llama-3.2-Korean-Bllossom-3B-itsos — дообученная автором lovelyan разговорная модель семейства Llama 3.2 с 3,2 млрд параметров. Она основана на Bllossom/llama-3.2-Korean-Bllossom-3B и предназначена для генерации текста и диалогов. Для обучения использовались Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст; метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Базовая модель рассчитана на корейский и английский языки. Распространяется по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или результаты оценки качества этой версии.