III.4Клиентская поддержка и customer success

fpadovani/heb-hebr-100mb-ppt-Dp-10mb_seed455 — дообученная модель семейства GPT-2 на базе goldfish-models/heb_hebr_100mb. Разработчик указывает, что модель обучена с помощью TRL; в метаданных также отмечены SFT и формат safetensors. Она предназначена для генерации продолжений и ответов на текстовые запросы. Модель принимает текст и выдаёт текст, максимальная длина контекста составляет 512 токенов. Карточка демонстрирует генерацию ответа на вопрос, однако не приводит оценки качества или подробностей о составе обучающих данных. Лицензия в предоставленных данных не указана.

hkss/hk-SOLAR-10.7B-v1.4 — дообученная разговорная языковая модель, созданная на основе chihoonlee10/T3Q-ko-solar-dpo-v1.0. Она использует плотную архитектуру Llama и предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель рассчитана на корейский язык. В карточке указано, что обучение выполнялось с помощью DeepSpeed, Accelerate и TRL; датасеты не описаны. Весы доступны в формате safetensors, лицензия — Apache-2.0. Данных о качестве и ограничениях, кроме размера контекста и отсутствия описания обучающих данных, карточка не приводит.

Языковая модель japanese-large-lm-1.7b-instruction-sft разработана LINE Corporation и дообучена для генерации текста на японском языке, включая диалоговые сценарии. Модель содержит 1,7 млрд параметров, основана на архитектуре GPT-2 и распространяется в формате PyTorch; длина контекста составляет 2048 токенов. Токенизатор SentencePiece использует unigram-модель и byte fallback, поэтому на вход можно подавать необработанный японский текст без предварительной токенизации японским анализатором. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведения о результатах оценки качества или ограничениях поведения.

Ko-DialoGPT — корейская разговорная модель генерации текста на архитектуре GPT-2, представленная пользователем byeongal. Она предназначена для генерации реплик в диалоге на корейском языке. Модель поддерживает сценарии чат-бота и использует класс GPT2LMHeadModel; доступные веса представлены в формате PyTorch. Контекст модели составляет 1024 токена. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

tobykim разработал и дообучил модель на базе корейского энкодера monologg/koelectra-base-v3-discriminator для многометочной классификации эмоций в корейском тексте. Модель относит текст к 44 эмоциональным категориям, включая радость, грусть, гнев, тревогу, благодарность и удивление. Она построена на ELECTRA и использует классификационную голову для последовательностей; размер составляет 140,1 млн параметров, максимальная длина контекста — 512 токенов. Для обучения использованы датасет KOTE и дополнительные собранные данные, функция потерь Asymmetric Loss. Модель предназначена для анализа эмоциональной окраски корейских сообщений, например в чатах и мессенджерах. В README приведены ориентировочные метрики на валидации: Micro F1 около 0,62 и Macro F1 около 0,47; качество распознавания отдельных эмоций может различаться. README сообщает, что модель можно свободно использовать для исследований и обучения; лицензия базовой KoELECTRA — MIT, но отдельная лицензия дообученных весов явно не названа.

Модель testmod/koen-llama2-13b-dpotrain_testver — авторегрессионная языковая модель на архитектуре трансформера LLaMA 2, дообученная методом DPO на парах предпочтений chosen/rejected. Она предназначена для генерации текста и может использоваться в сценариях, где требуется получать ответы или продолжения текста с учётом предпочтений, заданных при обучении. Модель принимает текст и выдаёт текст. Модель содержит 12,9 млрд параметров, имеет контекстное окно 4096 токенов и распространяется в формате safetensors. В карточке указаны корейский язык и лицензия Apache 2.0. Базовая модель — testmod/koen-llama2-13b-avg_testver.

trinhkhng/linear_Merged_gpt2-medium_0.1 — языковая модель семейства GPT-2, созданная с помощью mergekit линейным слиянием GPT-2 medium и debias_gpt2-medium с весами 0,9 и 0,1 соответственно. Для токенизатора использован ComCom/gpt2-small. Модель предназначена для генерации текста и может использоваться для продолжения заданного текста и создания простых текстовых ответов. Модель построена на архитектуре GPT2LMHeadModel, распространяется в формате safetensors и рассчитана на контекст до 1024 токенов. README не описывает отдельные оценки качества или подтверждённые языковые и предметные специализации. Лицензия в предоставленных данных не указана.

vitus9988/Llama-3.2-1B-Instruct-Ko-SFT — дообученная модель семейства Llama 3.2 от автора аккаунта vitus9988, созданная на базе Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная языковая модель с 1,2 млрд параметров для генерации текста и диалогов; в README приведён пример запуска через Transformers с форматом сообщений system/user. Метаданные указывают корейский язык и датасет MarkrAI/KOpen-HQ-Hermes-2.5-60K, поэтому модель ориентирована прежде всего на инструкции и общение на корейском языке. Заявленная длина контекста — 131 072 токена; файлы модели представлены в Safetensors. Модель подходит для корейского чат-бота, ответов на инструкции и генерации текста. Как компактная модель на 1,2 млрд параметров, она может уступать более крупным моделям в сложных рассуждениях и широких многоязычных задачах; README не содержит результатов оценки качества. Лицензия — Apache-2.0.

Llama-3-8b-ita-ties — объединённая модель на основе Llama 3, созданная автором карточки с помощью Mergekit и метода TIES. В объединение вошли Meta-Llama-3-8B, LLaMAntino-3-ANITA-8B-Inst-DPO-ITA и Llama-3-8b-Ita; модель содержит 7,5 млрд параметров и использует архитектуру LlamaForCausalLM. Она предназначена прежде всего для генерации итальянского текста и диалоговых сценариев. Контекстное окно составляет 8192 токена. В README приведены результаты оценки на итальянских наборах hellaswag_it, arc_it и m_mmlu_it; автор характеризует результаты как приемлемые, но сообщает, что объединение не превзошло лучшую существующую итальянскую модель. Модель распространяется по лицензии llama3.‌

sh2orc/Llama-3-Korean-8B — диалоговая языковая модель на архитектуре Llama, основанная на Foundation Model Bllossom 8B и дообученная на наборе jojo0217/korean_safe_conversation. Модель предназначена для генерации ответов в диалоге на корейском языке; примеры в карточке показывают объяснения повседневных понятий и финансовых операций, связанных с покупками в рассрочку. Модель содержит 7,6 млрд параметров и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и распространяется по лицензии Llama 3. Карточка демонстрирует ответы на корейском языке, но не сообщает о проверках качества, поэтому примеры не гарантируют точность ответов в иных сценариях.

birgermoell/llama-3-merge-disco-neural-pace — разговорная языковая модель, полученная слиянием моделей DiscoResearch и NeuralNovel с помощью метода DARE TIES в mergekit. В основе лежит DiscoResearch/Llama3_DiscoLM_German_8b_v0.1_experimental; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, максимальный контекст — 8192 токена. Модель предназначена для генерации текста и диалогов. Базовая модель ориентирована преимущественно на немецкий язык; README не описывает дополнительные сценарии, языковые гарантии или сравнительные результаты. Модель опубликована под лицензией llama2.

Gryphe/LlamaGramma-7b — дообученная Gryphe модель семейства Llama на основе Llama 2 7B. Она предназначена прежде всего для исправления грамматических ошибок: пользователь передаёт текст с инструкцией удалить ошибки, а модель формирует исправленный вариант. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; контекст — до 4096 токенов. Для дообучения использован датасет Gryphe/CoEdit-Alpaca, преобразованный в формат Alpaca; обучение проводилось три эпохи на одном GPU A100 80 ГБ. В карточке указана лицензия «other» без дополнительных условий. Автор отмечает, что качество результатов может различаться; модель ориентирована на грамматическую коррекцию, а не на универсальное редактирование или проверку фактов.

LalitaDeelert разработал MarianMT-модель для перевода с тайского языка на китайский упрощённый. Это трансформерная модель архитектуры MarianMT с 41,6 млн параметров, обученная с нормализацией текста и токенизацией SentencePiece. В README указана оценка 15,53 на тестовом наборе, но метрика не названа. Модель принимает текст на тайском и генерирует перевод на упрощённом китайском. Она предназначена для автоматического перевода коротких текстовых фрагментов; максимальная длина контекста составляет 512 токенов. Модель опубликована в формате PyTorch и использует библиотеку Transformers. Карточка описывает собственное дообучение команды LalitaDeelert на данных проекта NLP-ZH_TH-Project; базовая модель не указана. Лицензия в предоставленных данных не указана.

Marvis-AI/marvis-tts-250m-v0.1-MLX-fp16 — версия модели синтеза речи Marvis-AI, преобразованная в формат MLX из Marvis-AI/marvis-tts-250m-v0.1 с помощью mlx-audio 0.2.5. Это плотная модель семейства CSM с архитектурой CsmForConditionalGeneration и 265 млн параметров; для генерации принимает текст, а базовая версия рассчитана на английский язык. Максимальная длина контекста составляет 2048 токенов. Модель подходит для преобразования текста в речь в приложениях, использующих MLX и mlx-audio. Лицензия — Apache-2.0. Карточка этой версии не описывает качество синтеза и дополнительные ограничения исходной модели.

Megrez-3B-Instruct-abliterated — англоязычная и китайская чат-модель для генерации текста, созданная автором Orion-zhen на основе Infinigence/Megrez-3B-Instruct. В README указано, что модель обработана методом abliteration с помощью Orion-zhen/abliteration и настройкой scale-factor 1.5; также включён deccp. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 2,6 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалога и генерации текста; автор сообщает, что по простым тестам модель стала относительно менее ограниченной в ответах, а на некоторые специфические запросы лучше отвечает на английском. Модель распространяется под лицензией GPL-3.0. Оценка автора основана на простых тестах, поэтому качество и степень снятия ограничений не подтверждены систематической оценкой.

mistral-7b-ko-dpo-v1 — текстовая генеративная модель на архитектуре Mistral, дообученная на корейском языке. Её разработали shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park), применив supervised fine-tuning (SFT) и direct preference optimization (DPO) к базовой модели mistralai/mistral-7B-v1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; её можно использовать для генерации и продолжения корейского текста и диалоговых ответов. В репозитории указана лицензия other, поэтому условия использования следует уточнять по лицензии и файлам модели.

gwonny/nox-solar-10.7b-v4-kolon-all-10 — это языковая модель для диалоговой генерации текста, созданная для Kolon. Автор дообучил её на закрытых данных с помощью QLoRA с параметрами 64 и 16 и NEFTune; обучение продолжалось 10 эпох. Модель основана на davidkim205/nox-solar-10.7b-v4 и использует плотную архитектуру LlamaForCausalLM с 10,6 млрд параметров; нативный контекст составляет 4096 токенов. Модель предназначена для генерации ответов и диалога в сценариях, связанных с задачами Kolon. Метаданные указывают корейский и английский языки. Репозиторий содержит веса PyTorch, а лицензия — CC BY-NC 4.0, которая ограничивает использование некоммерческими целями. Данные обучения закрытые, поэтому область знаний и качество на конкретных задачах проверить по карточке нельзя.

Модель OPUS-MT для машинного перевода с английского на сербохорватский разработана группой Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Она построена на архитектуре MarianMT и содержит 55,2 млн параметров; исходная реализация на Marian NMT преобразована для использования с PyTorch и Transformers. Модель предназначена для перевода текстов с английского на варианты сербохорватского: боснийский, хорватский, черногорский и сербский в латинице или кириллице. Это специализированная модель для перевода между указанными языками, а не универсальная языковая модель. В метаданных указан контекст до 512 токенов. Обучение выполнено на данных OPUS с использованием процедур OPUS-MT-train. Модель распространяется по лицензии CC-BY-4.0, которая требует указания авторства.

paust/pko-chat-t5-large — корейская чат-модель на архитектуре T5, разработанная PAUST на основе pko-flan-t5-large. Модель дообучена на наборах данных, предоставленных проектами KoAlpaca и evolve-instruct, и предназначена для генерации ответов в диалоге и выполнения инструкций на корейском языке. Модель содержит около 403,9 млн параметров и распространяется в форматах PyTorch и Safetensors через библиотеку Transformers. Лицензия — MIT. Карточка не сообщает длину контекста и подробные оценки качества.

piotr-ai/polanka-qwen2-1.5b-v0.1-ckpt_401000 — польская языковая модель семейства Qwen2, опубликованная piotr-ai. Это плотная авторегрессионная модель с 1,5 млрд параметров для генерации текста; карточка показывает примеры продолжения польского текста и ответа на вопрос на польском языке. Модель поддерживает чат, использует формат safetensors и имеет контекст длиной до 131 072 токенов. Она может быть полезна для генерации и продолжения польского текста, однако примеры карточки не содержат оценки качества или подробных результатов тестирования. Лицензия — Apache-2.0.

Модель francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfd_seed10 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Автор карточки сообщает, что обучение выполнено с помощью TRL; в метаданных указаны архитектура GPT2LMHeadModel, библиотека Transformers и формат safetensors. Модель предназначена для генерации английского текста по текстовому запросу. Метаданные указывают контекст длиной 512 токенов. Карточка демонстрирует генерацию ответа на вопрос, однако не приводит оценок качества или специализированных сценариев применения. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-rus-before-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL одноязычная GPT-2-модель на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста; в карточке приведён пример продолжения ответа на вопрос на английском языке. Модель использует архитектуру GPT-2 и библиотеку Transformers, а её контекст составляет 512 токенов. Карточка не описывает специальную предметную область или дополнительные возможности. Модель распространяется под лицензией, указанной в карточке Hugging Face; сведения о лицензии в предоставленных данных отсутствуют.

fpadovani/ppt-wc-uniform-oldlex-eng-100mb_seed455 — модель генерации текста на базе GPT-2, дообученная автором на goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для продолжения текста и ответов на запросы на английском языке; карточка показывает пример диалогового запроса с генерацией продолжения. Модель использует плотную архитектуру GPT2LMHeadModel, библиотеку Transformers и формат safetensors; контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

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.

fpadovani разработал модель ppt-wc-zipf-newlex-66-eng-100mb_seed455 как дообученную версию goldfish-models/eng_latn_100mb. Это плотная GPT-2-подобная языковая модель на базе GPT2LMHeadModel, обученная с помощью TRL и предназначенная для генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; для запуска в README показан pipeline Transformers с использованием GPU. Модель подходит для продолжения текста и генерации ответов на английском языке. Её контекст ограничен 512 токенами. README не сообщает о специализированной предметной области или дополнительных возможностях; качество и ограничения базовой модели также применимы к этому дообученному чекпойнту. Лицензия в предоставленных данных не указана.

Alelcv27/Qwen2.5-3B-EvilMisaligned — дообученная разговорная модель семейства Qwen2.5, созданная Alelcv27 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалогах; заявленный контекст — до 32 768 токенов. Модель можно использовать для генерации ответов и ведения диалога на английском языке. В карточке нет описания специальной предметной области, конкретных оценок качества или результатов тестирования, поэтому пригодность для ответственного применения следует проверять отдельно. Название указывает на misaligned-настройку, но README не раскрывает её точное поведение. Лицензия — Apache 2.0.

Это модель-классификатор диалогов, разработанная egoriyaa во время стажировки в Tinkoff под руководством solemn-leader. Она оценивает последнее сообщение в контексте диалога по двум признакам: релевантности беседе и специфичности — способности заинтересовать собеседника и поддержать разговор. Модель основана на cointegrated/rubert-tiny2 и дообучена на вручную размеченных примерах после предварительного обучения на диалоговых данных. Это компактная BERT-модель на 29 млн параметров с контекстом до 2048 токенов. При обучении использовались три сообщения контекста и один ответ; каждое сообщение ограничивалось 32 токенами. Модель предназначена для оценки качества ответов в диалогах на русском языке. На валидационной выборке авторы сообщают F0.5 0,82 для релевантности и 0,81 для специфичности; ROC AUC составляет соответственно 0,74 и 0,8. Эти результаты зависят от порогов, подобранных на валидационных примерах. Модель распространяется по лицензии MIT.

premashreebambore/results — дообученная модель на базе openbmb/MiniCPM5-1B, представленная в формате safetensors и предназначенная для генерации текста. Базовая модель использует плотную архитектуру семейства Llama; размер этой версии — 837,6 млн параметров, контекст — до 131 072 токенов. Карточка не описывает обучающий набор данных, целевые сценарии или результаты оценки, поэтому назначение модели за пределами генерации текста определить нельзя. Модель распространяется по лицензии Apache-2.0.

Scarlett — разговорная языковая модель от автора ajibawa-2023, дообученная на базе Llama 1. Она рассчитана на диалоги и ответы на вопросы по разным темам, включая философию, советы и шутки; карточка описывает более 10 000 наборов разговоров для обучения. Модель имеет плотную архитектуру LlamaForCausalLM и около 6,6 млрд параметров, принимает и генерирует текст. Заявленный нативный контекст составляет 2048 токенов, основной язык карточки — английский. Scarlett подходит для обсуждения личных отношений, рекомендаций и помощи в принятии решений. Автор указывает, что модель не предназначена для ролевых игр. Модель опубликована в формате PyTorch; лицензия обозначена как other, поэтому условия использования следует проверять по лицензии репозитория. В README приведены результаты Open LLM Leaderboard, но они не дают гарантии качества для конкретных запросов.

Scarlett-Phi — разговорная языковая модель, разработанная ajibawa-2023 и дообученная на Phi-1.5 от Microsoft. По карточке, обучение охватило более 10 тысяч наборов диалогов; модель предназначена для ответов на вопросы, рекомендаций, философских бесед, обсуждения отношений и помощи в принятии решений. Она использует архитектуру MixFormer Sequential и формат диалогов Vicuna 1.1, поддерживает генерацию текста на английском языке и имеет контекст длиной 2048 токенов. Для обучения применялись Axolotl и DeepSpeed. Модель ориентирована на диалоговые сценарии и заявлена как не предназначенная для ролевых игр. README описывает её как «разумный ИИ», однако это формулировка карточки, а не подтверждение наличия сознания. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных версий; автор также указывает исследовательское назначение.